汪德嘉：区块链是开启人工智能大时代的关键变量(2)

参数的爆炸式增长带来的直接后果就是模型成本的指数级上升。2019年以前，人工智能还是个百家争鸣的大众赛道，而大模型带来的投入成本门槛迅速把这个赛道变成了资本聚集、大厂统治的游戏。据业界估计，GPT-3仅训练一次的费用就高达500万美元，行业估计GPT-4的研发加运营成本突破数亿美元。

图 1 ChatGPT回答GPT-3的训练费用
在如此高昂的成本之下，AI如何商业化落地成为业界难题。尽管GPT-4已经表现出了较高的智能化水平，但其局限性也很明显。支持大规模商业化应用所需要的是GPT-X，即模型的场景化和快速更新。面对极度高昂的训练成本，难以形成充分的市场化竞争，类似OpenAI这样的市场寡头也面临投入成本边际效应递减严重的问题，缺乏持续研发迭代的经济激励。这正是Altman所说的“大模型已至终局”而前路未知的根本原因。
3. 数据合规、隐私保护、AI伦理层面的风险不确定性
AI的道德风险始终是行业发展中不可规避的话题。在GPT-4发布几日内，特斯拉首席执行官埃隆·马斯克在内的1748人签署公开信，呼吁暂停训练比GPT-4更强大的人工智能系统至少6个月，以评估潜在的AI道德风险。与此同时，专注于人工智能技术伦理的AI和数字政策中心(CAIDP)要求美国联邦贸易委员会(FTC)调查OpenAI是否违反了消费者保护规则，认为其推出的AI文本生成工具“存在偏见、具有欺骗性，并且对公共安全构成风险”。3月31日，意大利国家隐私监管机构正式下令封禁ChatGPT，并指控OpenAI「非法收集个人数据」。 值得注意的是，该「临时禁令」将一直生效，直到OpenAI能够尊重欧盟具有里程碑意义的隐私法——通用数据保护条例(GDPR)。
基于价值互联网的AI新时代三范式
当一项颠覆性技术陷入瓶颈期时，往往需要另一项更加具有颠覆性的技术的介入来突破瓶颈。区块链技术和人工智能作为21世纪数字化技术突破的代表，一直处于平行发展但偶尔交叉的状态。关于区块链与人工智能的结合业界多有讨论，但大多只停留在表层，例如区块链为AI提供分布式数据治理，AI为区块链提供智能化自动执行工具。但随着两项技术的快速迭代发展，各自领域均不断涌现出突破性应用，二者结合所带来的想象空间其实是被远远低估的。