前些天ChatGPT的崩潰，著實(shí)讓廣大用戶體驗(yàn)了一把AI軟件的“算力危機(jī)”。而事實(shí)上，除了算力危機(jī)外，ChatGPT一類的人工智能聊天軟件，竟然也會(huì)有“餓肚子危機(jī)”，一旦陷入該危機(jī)，將出現(xiàn)有算力也給不出合適答案的情況。ChatGPT盡管并非生命體，不需要進(jìn)行生物學(xué)意義上的進(jìn)食以獲得營(yíng)養(yǎng)，但是其需要大量的數(shù)據(jù)來訓(xùn)練，特別是語料，即一定數(shù)量的文本資源集合。有了這些語料的訓(xùn)練，類似于ChatGPT的人工智能軟件才能對(duì)用戶的信息做出正確的反應(yīng)，并給出正確且語句通順的回復(fù)信息。事實(shí)上，這些軟件吃得越飽，吃得越好，工作的效果一般也會(huì)越好。大致明白了這類軟件要吃的是什么之后，在我們的A股市場(chǎng)，又有哪些公司，可以參與這項(xiàng)“做飯”的工作呢？

01

人民網(wǎng)、浪潮信息

食材提供者

“高端的食材，往往只需要最簡(jiǎn)單的烹飪方式”——《舌尖上的中國(guó)》第一季。

對(duì)于ChatGPT來說，什么是高端的食材？來看下面這個(gè)例子。

假如向ChatGPT提問：2022年，中央網(wǎng)信辦舉報(bào)中心指導(dǎo)全國(guó)各級(jí)網(wǎng)信舉報(bào)工作部門、主要網(wǎng)站平臺(tái)受理網(wǎng)民舉報(bào)色情、賭博、侵權(quán)、謠言等違法和不良信息1．72億件，如何看待這一數(shù)據(jù)？

食材1：不良網(wǎng)絡(luò)給人們的生活帶來的危害是多方面的。虛假信息往往使人上當(dāng)受騙，不僅造成經(jīng)濟(jì)上的損失，而且還會(huì)給受害人帶來精神上的傷害。造謠傳［遙］會(huì)混淆是非，使人真假難辨，易引起思想混亂，影響社會(huì)和諧�？傊�，不良網(wǎng)絡(luò)其社會(huì)危害性不可小覷。因此凈化網(wǎng)絡(luò)空間除了相關(guān)部門加大督察整治和打擊的力度外，對(duì)于各網(wǎng)站及我們每個(gè)人來說也是責(zé)無旁［帶］的。

食材2：網(wǎng)絡(luò)違法和不良信息的出現(xiàn)與存在，是“冰凍三尺非一日之寒”，清除有害信息、根治頑瘴痼疾也很難一蹴而就。這就需要找準(zhǔn)治理的重點(diǎn)，平臺(tái)需要加大優(yōu)質(zhì)信息供給，多平臺(tái)、多渠道、多形態(tài)提供群眾需要的網(wǎng)絡(luò)內(nèi)容及信息服務(wù)，做到用正能量驅(qū)散負(fù)能量。使網(wǎng)絡(luò)空間清朗起來，不是一時(shí)的事，而是一直的事，需要網(wǎng)上網(wǎng)下集眾智、匯合力，為文明辦網(wǎng)、文明用網(wǎng)、文明上網(wǎng)、文明興網(wǎng)保駕護(hù)航。

無論網(wǎng)上還是網(wǎng)下，無論大屏還是小屏，都沒有法外之地、輿論飛地。綜合運(yùn)用法律、監(jiān)管、平臺(tái)、技術(shù)等手段，堅(jiān)決遏制各類違法違規(guī)問題，不斷提升網(wǎng)絡(luò)空間治理效能，做到利刃出鞘、精準(zhǔn)打擊、發(fā)力增效、久久為功，讓網(wǎng)絡(luò)不良信息無處遁形，讓清風(fēng)正氣分外充盈。

是的，第一份食材出自一段普通的針對(duì)網(wǎng)絡(luò)有害信息的問答，里面還有兩個(gè)明顯的錯(cuò)別字，而第二份食材，則是出自人民網(wǎng)針對(duì)網(wǎng)絡(luò)有害信息的時(shí)評(píng)。而這，正是中央級(jí)別大型媒體的優(yōu)勢(shì)：盡管這些文字顯然還不能作為聊天機(jī)器人最終的答案，但如果語料更為優(yōu)質(zhì)，后續(xù)加工出來的食糧需要的加工程序也會(huì)更少，輸出效果也會(huì)更佳。

不過，中央級(jí)的媒體，也并非只有人民網(wǎng)一家，為何人民網(wǎng)會(huì)成為語料提供者的排頭兵呢？

答案就在人民網(wǎng)，對(duì)于數(shù)字經(jīng)濟(jì)的布局。其中，特別是人民數(shù)據(jù)已經(jīng)布局了新型數(shù)據(jù)中心和新型算力中心，進(jìn)而人民網(wǎng)可以輕松地基于知識(shí)圖譜、自然語言處理和人工智能等技術(shù)，深度挖掘自由的核心數(shù)據(jù)資源（優(yōu)質(zhì)語料等）。

圖片來源：人民網(wǎng)2022年半年報(bào)

自己擁有大量?jī)?yōu)質(zhì)語料，又有著數(shù)據(jù)提供的布局，那自然而然，論優(yōu)質(zhì)語料，人民網(wǎng)是當(dāng)仁不讓的食材提供商。

除了人民網(wǎng)之外，浪潮信息的源1．0，同樣是食材的寶庫(kù)，只不過相比于人民網(wǎng)來說，浪潮信息是以量取勝。

2021年9月28日，浪潮人工智能研究院在京發(fā)布全球最大規(guī)模人工智能巨量模型“源1．0”�！霸础钡膯误w模型參數(shù)量達(dá)2457億，超越美國(guó)OpenAI組織研發(fā)的GPT－3，成為全球最大規(guī)模的AI巨量模型。

這個(gè)模型的數(shù)據(jù)量大，并非是他適合作為原材料的理由，更重要的是，這款“源”是中文巨量模型，其蘊(yùn)含的中文語料極為豐富，浪潮信息基于源1．0發(fā)布了4個(gè)技能大模型，對(duì)話模型源曉問、問答模型源曉搜、翻譯模型源曉譯、古文模型源曉文。這些模型，特別是有中文特色的對(duì)話、古文等模型，對(duì)于發(fā)展國(guó)內(nèi)對(duì)標(biāo)ChatGPT的智能聊天產(chǎn)品有著至關(guān)重要的作用。

去年，浪潮“源1．0”大模型登頂CUGE（一款清華北大領(lǐng)銜的中文機(jī)器語言能力評(píng)測(cè)基準(zhǔn)）總榜榜首，并獲得語言理解（篇章級(jí)）、語言生成、對(duì)話交互、多語言、數(shù)學(xué)推理等5項(xiàng)評(píng)測(cè)最佳成績(jī)。足見這款模型在中文語料領(lǐng)域強(qiáng)大的優(yōu)勢(shì)。

02

拓爾思、博彥科技

我們來做飯、喂飯

和做飯類似，有了原材料，還需要一定的加工烹飪，才能成為真正的數(shù)據(jù)食糧，讓AI系統(tǒng)能夠?qū)W習(xí)、消化。

事實(shí)上，有專門的學(xué)科去做這塊的業(yè)務(wù)。自然語言處理（NLP，Natural Language Processing）是研究人與計(jì)算機(jī)交互的語言問題的一門學(xué)科。按照技術(shù)實(shí)現(xiàn)難度的不同，這類系統(tǒng)可以分成簡(jiǎn)單匹配式、模糊匹配式和段落理解式三種類型

在A股市場(chǎng)，有不少公司擁有語料加工相關(guān)的業(yè)務(wù)，而拓爾思正是其中之一。

2022年12月，拓爾思在接受券商調(diào)研時(shí)曾表示，公司作為國(guó)內(nèi)最早從事自然語言處理（NLP）研發(fā)的企業(yè)之一，在NLP、知識(shí)圖譜、OCR、圖像視頻結(jié)構(gòu)化領(lǐng)域都具備自主可控的底層技術(shù)。在AIGC方面，公司圍繞傳媒、政府等垂直領(lǐng)域的語料庫(kù)積累已非常全面，在智能問答、自動(dòng)寫作或智能寫稿、內(nèi)容播報(bào)、創(chuàng)作智能輔助等方面亦有成熟應(yīng)用場(chǎng)景。

更為重要的是，拓爾思已經(jīng)有專門的平臺(tái)，去做語義處理這個(gè)事情了，公司旗下“數(shù)家”平臺(tái)，已經(jīng)可以對(duì)語料數(shù)據(jù)進(jìn)行結(jié)構(gòu)化分類整合，而緊隨其后的“智語”平臺(tái)，則吸收了拓爾思在自然語言處理和信息檢索領(lǐng)域多年的技術(shù)積累，其已經(jīng)可以進(jìn)行分詞和詞性標(biāo)注、語言分類和語言聚類等內(nèi)容，可以說，拓爾思這些平臺(tái)已經(jīng)成為語言的加工廠，經(jīng)過這些平臺(tái)的加工后，機(jī)器就可以通過這些機(jī)器人適配的語言進(jìn)行認(rèn)知、學(xué)習(xí)了。

除了拓爾思，博彥科技在語言加工領(lǐng)域，也同樣有著自己的業(yè)務(wù)。2月10日，博彥科技在投資者互動(dòng)平臺(tái)上稱，公司有智能聊天機(jī)器人方面的解決方案，有能力為機(jī)器提供語音訓(xùn)練相關(guān)服務(wù)。

這句話也可以翻譯成：我可以，也很會(huì)給機(jī)器喂飯。

事實(shí)上，博彥科技在語料這條產(chǎn)業(yè)鏈中的地位，有點(diǎn)像醫(yī)藥中的CXO，客戶在研發(fā)過程中，可以將需要加工的語音、雜亂的語言文字等部分交給博彥科技，博彥科技憑借其經(jīng)驗(yàn)和專業(yè)能力，進(jìn)行標(biāo)注、歸類。如果客戶有需要，公司也可以協(xié)助公司完成相關(guān)的機(jī)器語義訓(xùn)練。

作為這一領(lǐng)域的老牌企業(yè)，此前，博彥科技已與微軟合作了長(zhǎng)達(dá)二十多年，這也意味著在機(jī)器訓(xùn)練領(lǐng)域，博彥科技已積累了長(zhǎng)時(shí)間的經(jīng)驗(yàn)，隨著聊天機(jī)器人時(shí)代的到來，博彥科技的相關(guān)訂單或?qū)⒂瓉肀�發(fā)。

當(dāng)然，筆者所列舉的食材提供者、加工者相關(guān)公司并不完全，實(shí)際上，除了這些公司，漢王科技、海天瑞聲、科大訊飛等公司在語料加工領(lǐng)域也有著多年的技術(shù)積淀，但這些公司或前期漲幅過大，或總市值過大、涉及領(lǐng)域?qū)嵲谶^多，在這里就不做重點(diǎn)介紹了。其實(shí)在語料加工領(lǐng)域，這些公司的業(yè)務(wù)也多集中于數(shù)據(jù)標(biāo)注、模式化、訓(xùn)練等內(nèi)容，本質(zhì)上也是一個(gè)做飯的活。忽略二級(jí)市場(chǎng)因素的話，事實(shí)上未來這些公司在語料加工領(lǐng)域，也有望有所作為。

可以看到的是，單單文字領(lǐng)域的機(jī)器學(xué)習(xí)，就需要一系列的基礎(chǔ)數(shù)據(jù)積累、加工、訓(xùn)練等工序，這部分的市場(chǎng)，隨著類ChatGPT軟件的不斷開發(fā)，將在未來幾年呈持續(xù)爆發(fā)之勢(shì)。想象空間十分廣闊。機(jī)器吃飯，產(chǎn)業(yè)鏈喂飯并享受豐厚回報(bào)的時(shí)代，或許真的要到來了。

       原文標(biāo)題 : ChatGPT也會(huì)“餓肚子”？