现在各种各样的大模型新闻可谓是铺天盖地，我们被笼罩在这样的信息迷踪里，思维很容易被发散而不集中，最后难以形成聚焦的观点，稀里糊涂感觉这个也对，那个也不错。
本篇我们来梳理梳理：
观点一
客观数据表明，人工智能大模型的使用量增长、收入和利润率都不尽如人意。
-
根据红杉资本估计，2023年，各大模型研发公司在英伟达这里购买 GPU 等影响高达 500 亿美元，结果收入只约 30 亿美元左右。
-
大模型各创业公司的估值已早超越了他们应有的水平，低毛利率是不争的事实，云计算提供商正在削减投入。
-
部分大模型创业公司正面临解散，微软前首席执行官甚至表示知名 AI 大模型 StabilityAI 未来并不明朗。
（4.9日，OpenAI 投资的一家自动驾驶公司现已关闭）
-
GPTS 已逐渐被验证是彻底的失败，当人们的热情退却后，大家已经基本清楚这个"玩意"了，它是一个有趣的东西，但是并不能明显提高生产力，即使能提高生产力，也并不稳定，结果不总是能符合预期。
-
普通大众只知道 ChatGPT，绝大数人使用的是过时的 GPT3.5 版本，不愿意付费使用 GPT-4、Claude3 等更高版本。而在这群使用 GPT3.5 的人群中，一些人肆无忌惮的使用 AIGC 的内容去腐蚀互联网的内容创作，这正成为大问题！
以上这些是否意味着 AIGC 大模型的失败？也许是，但也许不是！
观点二
还有一些数据：
-
大模型仍然是当前新闻媒体的主要焦点，阅读量仍维持在一个比较高的水平。
-
大模型的创业公司虽然估值较高，但是回归合理值，也是一个好的现象。
-
真正利用 ChatGPT 提高生产效率的这群人主要是编程人员。
-
现在还有不断的大模型正在推出，比如 Anthropic 在三月初发布了 Claude 3，最近在 LMSys 聊天机器人领域首次超越了 GPT-4；今年夏天还将发布更多产品，其中可能包括 OpenAI 的 GPT-5、苹果的新 Siri、Meta 的 Llama 3、谷歌的 Gemini 1.5 Ultra 和 xAI 的 Grok 2。
-
AIGC 脚步并未停下，就在上周，Databricks 公开 DBRX 是迄今为止最好的开源模型；AI21 labs 的 Jamba 是最好的生产级 SSM 转换器（具有新颖的架构）；OpenAI 的 Voice Engine 是文本转语音模型，可生成 15 秒钟音频的自定义逼真语音。
-
除此之外，底层科研仍在投入，微软和 OpenAI 计划在未来几年建造的价值 1000 亿美元的超级计算机基础设施项目；
所以，这一波 AIGC 大模型到底处在什么阶段？
一句话：大模型的炒作已经平息，但革命仍在继续。
在历史产业革命中，比如印刷机、电力、互联网都是这样发展的。比如在 2000 年，互联网公司崩盘，在线商务不景气，但是时隔多年，它再次形成革命。
生成式人工智能的发展也可能与此类似：早期的动荡夹杂着热情，随后是平淡，最后是复苏。
从当下有限的视角来看，我们可能根本无法证明或证伪生成式人工智能的革命性。或许，俗套一点来说：时间会给出答案。这个时间不会很久~
🔊说到这里，我们不难发现：成长与发展是主旋律 ~
自荐我和机械工业出版社联合出版的 《程序员成长手记》 一书：全书分为3大模块、8个章节：从入门程序员到程序员自驱成长，回归纸质阅读，相信能给你一个更全局的程序员视野，提供成长帮助。京东搜"程序员成长手记"
关注掘金安东尼🤠 ，陪你一起度过漫长编程岁月☀