vc看重投资对象的哪些关键因素(vc投资中最重要的因素)

在新一波科技变革长周期中，人工智能作为未来核心技术热度不断攀升，而在这一次AI 2.0技术浪潮中，GPT作为全球范围内备受瞩目的范式革新领域，正在持续引发创业者和风险投资人的广泛关注。4月1号晚8点，在一场线上闭门沙龙活动中，全球IEEE协会人工智能标准委员会主席佟佳睿Richard Tong与知名投资人元创资本创始人王浩David Wang进行了一场精彩的一对一深度对话，探讨了GPT将如何改变世界的话题。

在这次头脑风暴中，Richard Tong分别分享了GPT的四个主要特征及三类功能，探讨了GPT作为一个超级热门话题的来源，介绍了ChatGPT在美国Open AI公司的背景和历史，同时预测了何时可以实现AGI（通用人工智能）等问题。此外，对话双方还深入探讨了GPT能否符合人类道德标准、VC如何善用GPT、GPT对于未来教育的影响，以及如何让孩子更好地适应未来等话题。以下是Richard主题分享和嘉宾对话精彩内容提炼：

GPT 超凡的理解力和知识广度

GPT 不光能做高考题，还能理解笑话，改笑话，甚至拆汉字的笑话也能解释出来， 让人感觉到它已经具备了接近人类的逻辑思维能力。

两个故事：一个是比尔盖茨的故事，一个是我自己的故事。比尔盖茨在去年接触GPT团队时让他们做了一场测试：让GPT做AP（美国大学预修课程）生物考试题，开始得分还不太理想；又过了三个月GPT再次参加AP考试，60道题目的AP考试中GPT做对了59道题目。面对开放式问答题，GPT同样给出了令人惊艳的答案，让在场的一众聪明人都自愧不如。

我自己的故事。我与GPT接触比较早但以前只是GPT的早期版本，也只是和CMU交流合作中用到，但从去年 12月中旬开始用，发现它有了突飞猛进的进展。它让我的工作效率直接提高了5倍：从去年12月份到今年4月份，是我有生以来生产力最高的4个月。它可以随时帮我深入浅出地讲解我不熟悉的领域知识，平均每天帮我找到并消化掉每天5-10万字的相关科技和行业的最新的论文、文献和书籍。我从向ChatGPT提问和交互中得到了很多，也使用了多种包含GPT的工具，包括GPT-API， GitHub Co-pilot, Bing Search， Notion，等等，并用它们辅助写文章、写论文、做测试、做分析比较、模拟不同的场景和角色、写设计文档、做计划、编程序、画图等。我每天都被它惊艳，而且看着它每个月、每次升级、每次新产品的整合都带来新的功能和效率的攀升，也逐渐学会更好地利用它。

GPT的四个特征及三种功能

GPT有四个比较重要的特征：

· Emergence 涌现：涌现是复杂系统的特征，当中很多东西不可预测。系统复杂到一定程度，会出现一些意想不到的特征变化，比如蚂蚁群的社会行为、网络效应等。开头讲述的ChatGPT找笑点、改笑话的功能，不是程序员设计出来的，是它自己涌现出来的。这和GPT元学习（Meta Learning）的能力强很有关系，而且GPT有极强的举一反三的能力和接受引导的能力（InstructGPT）

· 大力出奇迹，数据集和 RLHF：如果算力、数据集不够，达不到一定级别是出不了奇迹的。人类有800-1000亿个神经细胞，普遍认为大模型至少要接近100亿个参数才能表现出快速增长的能力水平。GPT3是1,750亿个参数，算力和语料要达到足够的规模才能处理大概3000字的注意力窗口。而且在训练过程中，没有人的反馈是不行的。RLHF不仅解决了对齐的问题（Alignment）还解决了一定的Reward稀疏的问题，是非常重要的。

· 胡说八道：GPT的最基本原理是基于Transformer机制的概率预测模型，在读了大量的语料之后，根据语料内隐含的逻辑、事实、和语义等多维度关系，分析下一个字该出现什么，继而推测再下一个是什么。比如，我认识的一个教授没有得过诺贝尔奖，但是问Bing Search该教授什么时候得的诺贝尔奖时，Bing会瞎编他什么时候得了诺贝尔奖而且还有理有据可以以假乱真。这种胡说八道也恰恰反映了GPT的创造力，是双刃剑。

· 浅而宽：这个和第三个特征“胡说八道“有点联系。比如，一般数学题都会做，但奥数题它很多就不会了。ChatGPT如果跟Alpha GO下围棋，甚至跟人下象棋，都不是对手。这和传统的人工智能很不一样，是大语言模型的独到特质，这对于强人工智能是至关重要的。

回溯本源，GPT可以看作信息处理单元，但和传统的输入输出不一样。传统意义上，如果输入进入一个函数或者软件程序，输出是可预料的。比如Y等于X的平方，输入一个X值，输出的Y值是可以有保障的，也基本上可以解释。而通过GPT这个黑盒子的结果是不可预测的，即使输入再准确，也不能100%保证结果，因为它是用概率预测实现的而且内在的联结可以看作是个复杂系统，也无法用普通逻辑来解释。

接下来分享GPT的三个层面的功能：

· 作为生成器：这是大众最为熟知的功能，比如按照模板写文案、法律合同、文本精简、文章扩写等，都不在话下。

· 作为接口：这个功能完全颠覆以往所有计算机系统，GPT架起人和机器以及机器和机器之间沟通的自然语言桥梁，可以把用语言表达的输入信息直接让电脑理解并使用，无论母语是什么，也无论计算机语言是C/C++还是Python还是JS。ChatGPT现在在做插件和应用商店，未来OpenAI希望做成下一个苹果应用商店是的系统集成中心。

这里举个我女儿的例子：我女儿和她的同学上周在Hackathon只用了一天的时间就用GPT和SWIFT做了一个IPhone的APP，用户场景是，刚认识还不太熟的人聊天时候，打开这个APP，这个程序就会根据两人对话时听到的对方的语句中，用WhisperAPI和GPT自动判断提取谈话者的名字，再到社交网站比如领英（LinkedIn）或者脸书上搜索到对方的信息，再根据谈话的上下文准备一些跟对方相关的问题；这时如果使用者没话可说了，他只要歪一下脑袋，手机就会根据这个歪头的动作自动调出事先准备好的问题，在耳麦里给用户偷偷提示下一步该问什么问题，以免造成尴尬。这个demo在推特上发布一天后，点击量就超过了10万+。这就是一个用GPT的接口功能快速整合人机互动的应用。这种机会是巨大的。

· 作为推理者（思想、运算和判断）：目前GPT4已经达到7-9岁小孩的思维推理的能力，但它还可以再迭代进步。一旦GPT掌握真正成人级别的思维链、推理和判断能力，再加上对事实和对错的可靠反馈机制，它就离通用智能甚至超智能不远了。

GPT是超级炒作吗？

对ChatGPT的认知，可以分为五个阶段：

· 大部分人还处于最左边的状态，觉得惊艳。

· 现在的很大部分美国人在用过了ChatGPT之后，觉得它没有什么太了不起，wait a minute。

· 后来又发现它会胡说，可能就不信任它了，就更觉得无所谓甚至反对了。

· 再后来又觉得，它不是完全没有用，有的时候它很有用，但是需要人来帮助它。有的时候不需要它完全正确，比如95%是正确的，也可以节省95%的时间。

· 我个人在第五个阶段，而且预测到这张图上没画出来的下一个阶段。人工智能已经来临：用GPT可以改变世界。如果不去拥抱它的话，那势必被淘汰掉。

GPT将如何颠覆教育行业？

我个人曾在一些人工智能教育公司任职，最后想讲下GPT对教育行业带来的机遇与挑战。毋庸置疑GPT对教育行业本身是一个巨大的冲击，促使现有教育模式发生转变。未来，个性化的教育会变得非常广泛，教育效率也会极大幅度地提升。会使用GPT的老师，会编变成超级老师；会使用GPT的家长，也会变成超级家长，而用好GPT这样人工智能的学生智力马上就会超过牛顿、爱因斯坦、和马斯克加在一起的智商。

畅想未来教育体系，提问题比回答问题更重要，批判性思维和试错、动手，沟通交流这类能力会变得更加重要。我自己上学时候，有一个习惯：喜欢用“找错误“的思维去思考书本上的”定理“。随着GPT应用普及，仅注重增加已知的知识（刷题、背诵等机械式学习），而抹杀好奇心和想象力的教育模式更加不可取。面对GPT，不论教师还是学生，都需学会人机协作、去应用工具，而不是躲避它。展望职业前景，未来一些新的工种应运而生：AI架构师、AI产品、模型开发、模型工程、模型评估、模型测试、规划设计工程等。

以下为嘉宾对话内容整理：

David = 元创资本创始人王浩David Wang

Richard = 全球IEEE协会人工智能标准委员会主席佟佳睿Richard Tong

David：ChatGPT为什么在美国Open AI公司诞生？中美之间的差距有多大以及如何追赶？

Richard：从人工智能基本要素——算法、算力、数据来看，过去中国只在数据上有局部优势，而在算力上差了不少，算法的独创性和基础研究上差距更加大，只是沾了开源和开放的光。而现在训练GPT的语料，中文的语料里面只占最多几个百分点，国内知识和内容包括计算机程序不共享是一个较大的根源。从人才角度看，现在大模型领域的牛人，即使有些华人，也多半是从微软、谷歌等海外巨头公司出来的，或者在海外任教，国内的相对稀少。中国落后美国LLM的差距至少2年，未来要追赶的话，一是要坚定做深、做强的决心，要形成合力，敢于投入，还要开放知识共享；二是目前大模型发展会遇到一些瓶颈，中国存在一定换道超车的机会。

David：预计什么时间可以做到AGI（通用人工智能）？以及怎样衡量达到AGI？

Richard：我之前预测是2026年，现在预测是2023年年底，因为它是以指数级速度在增长。在很多领域，人工智能都已经能够达到行业顶尖的水平，比如下棋，再比如做政治地缘分析、政策分析推荐和智库等。

David：GPT道德伦理规则由谁来制定？怎样让它符合道德标准？

Richard：这个领域挑战很大，尤其是涉及国际的合作和对科研的约束，我的建议是要以全人类的福祉为基准来考虑这个问题，因为人工智能就像外星人一样，不会管你是美国人还是印度人还是中国人，风险和机遇都是不分国界的。一定要以和平、合作和共同的生存为基点。我们IEEE人工智能标准委员会也有几个相关的标准，另外几个重要的大模型等相关标准，比如Prompt Engineering，LLM Agent Interface，Foundation Model Application Framework等等都在筹备启动中，欢迎大家到http://ieeeaisc.org 直接参与，或者https://www.linkedin.com/groups/14211185/ 加入标委会的讨论群。

David：最后再提问一个问题：我儿子在学习编程，是否还有必要？GPT是不是完全可以完成编程工作？GPT时代，应该着重培养孩子哪些能力？

Richard：有GPT的加持，可以助力孩子在学习编程时更快达到行业大牛的水平。编程的思想，动手能力都非常重要，未来，批判性思维和敢于试错能力会变得尤为重要。刷题、内卷这些机械性地学习行为，我个人是比较排斥的。我们的教育体系要保护孩子的创造力，让他每天怀揣着像哥伦布发现新大陆的好奇心去学习。

以下为在线观众Q&A精彩内容：

Q：GPT在PE和VC行业的应用？

Richard：前台后台的工作都有影响，比如尽调、合规、BP分析、行业研究，未来都可以用GPT工具，这样效率可以大大提高。做VC，如果不会使用GPT工具，或许没有资格做这个行业，因为VC最需要的品质是好奇心、拥抱新技术的开放心态。PE方面也类似，相对来说，Buy side 要用得更多，Sell side相对可能少一些。

Q：国内GPT领域创业，大厂or创业公司，谁更有机会？存在创业泡沫吗？

Richard：大厂和创业公司各有优势，大厂语料资源丰富，但要愿意拿出来共享。而敢于打破现有模式的多是创业企业，尤其是在应用层面。模型层面已经机会不大了，应用层面，创业公司的机会多一些。

Q：GPT在工业领域的应用？GPT与智能传感器结合是否具备可能性？

Richard：GPT在工业领域的应用会很多，在管理环节也会有很多机会。比如要做市场研究，可以让GPT进行用户分析：产品有某些特征？哪些客户对产品满意度高？渠道风险及改进意见。Multimodal Reasoning和工业系统的集成是必然的，但还有不成熟的地方，比如可预测性和可解释性等。

Q：GPT可以代替我们完成哪些工作？

Richard：首先，新闻报道记者、翻译员、程序员、法律书记员等工种可能会受到冲击。在系统端，所有创作软件都会受到影响。比如Office全家桶、Notion、Bing都会接入AI新功能。从界面的角度看，人机交互的界面和系统交互的界面都会受到影响。从推理的角度看，工作流自动化、物流、学习、教育全都会受到直接的影响。