象征意义，往往超越实际意义。
编者按：本文源自微信公众号深燃（ID：shenrancaijing），作者李秋涵，编辑魏佳，经微新创想授权发布。
在全球掀起AI热潮的ChatGPT，似乎正步入瓶颈期。关于其使用率的数据，却并不如预期乐观。6月初，摩根士丹利发布的一项调查显示，仅有19%的受访者表示曾使用ChatGPT，而依赖该工具的人仅占4%。这一比例之低，令人惊讶。该调查于4月进行，样本量为2000人。尽管在全球78亿人口中，这一样本量不算庞大，但参考性也受到一定影响。更值得关注的是一项更广泛的数据——ChatGPT的增长已明显放缓。根据网站数据分析工具SimilarWeb的数据，ChatGPT的访问量增长率曾一度惊人：1月份环比增长131.6%，2月份为62.5%，3月份为55.8%。然而，到了4月份，环比增长率已降至12.6%，5月份更是仅为2.8%。随着ChatGPT的普及，参考基数扩大，增长率放缓是正常现象。但根据现有趋势，6月份的环比增长率甚至可能为负数。
今年年初，ChatGPT如惊雷般震撼全球，让世人见识到生成式AI的强大，其背后的GPT（生成式预训练Transformer模型）也备受瞩目，掀起大模型创业热潮。它刷新了无数纪录，最令人印象深刻的，是成为史上用户增长最快的消费级应用——仅两个月后，月活用户便突破1亿。然而，对于它的未来，即便是创造者也无法给出明确答案。OpenAI董事会成员海伦·托勒曾表示：“甚至创造它们的人也不知道它们能做什么，不能做什么。我们可能需要数年时间才能真正了解GPT-4能做和不能做的事情。”ChatGPT目前的局限，不代表GPT的天花板。但作为目前最强大的大语言模型支撑的产品，ChatGPT的走向，仍能成为观察GPT应用的一个窗口。
关于AI的狂想仍在继续，时间已过去近半年。我们好奇的是，ChatGPT的使用情况究竟如何？它是否被高估了？
### ChatGPT真的很多人用吗？
对于ChatGPT的使用体验，不同行业、不同人感受迥异。有人将其视为玩具，使用一两次便不再登录；有人努力将其变为工具，以提高工作效率；也有人尝试将其变为工具，却因“不够好用”而失败。夏楠属于后一种。她从事外贸行业，曾用ChatGPT撰写工作邮件，解答生活烦恼，甚至尝试用英文指令更好地使用它。从2月开始使用ChatGPT，她的体验分为三个阶段：最初充满好奇，不断探索它的能力；5月起，她感觉ChatGPT“变笨了”，许多功能不再正常工作；如今，她评价ChatGPT为“不好用”。例如，最近公司接了炒菜机器人的ODM（原始设备制造）业务，她想借助ChatGPT预测市场数据，但反复尝试后仍未得到答案。在写工作邮件时，尽管经过调教，ChatGPT也仅能提供命令式的跟进邮件，文字冗长且不符合她的需求——她希望“它能写出有礼貌、信息明确的邮件”。她认为，ChatGPT的短板在于“不懂得人情世故”。由于得不到想要的结果，她的使用频次从每周五六次降至每周一次。
当然，这样的体验背后，影响因素众多，包括使用者是否触及了ChatGPT擅长的领域，以及是否找到了合适的交流方式。正在澳大利亚生活的Lucy，从ChatGPT推出后便开始用英文使用它。如今，她日常用ChatGPT整理学术研究思路、学习语言，已成为生活中不可或缺的工具。但准确性问题一直困扰着她——文献参考需要自行查找，“如果我质疑它的回答，它就会顺着我的思路回答”。
除了个体体验的差异，数据也显示ChatGPT的普及率尚未达到预期。除了摩根士丹利的报告，SimilarWeb的数据可作为佐证。3月至5月，美国和日本是全球ChatGPT流量份额最高的国家，分别位列第一和第三。但最近，美国流量已下滑10.28%。美国皮尤研究中心5月底发布的一份调查显示，18%的受访者对ChatGPT“听说过很多事”，39%“听说过一点”，42%“完全没听说过”。而在日本，根据MM总研的最新调查，5月24日至31日期间，13814名员工（日本13412人、美国402人）中，日本企业的ChatGPT使用率仅为7%，远低于美国企业的51%。近半数日本员工（46%）表示“不知道”ChatGPT，即便知道也42%的人表示“未使用”。
尽管全球关于ChatGPT的使用报告众多，观点不一，甚至存在相反结论，但上述报告仍具有一定参考性。然而，因地域和人群差异，它们未必能完全反映真实情况。更值得参考的整体性数据，有助于我们了解ChatGPT的应用现状。根据SimilarWeb，ChatGPT的增长已明显放缓，尤其在6月，截至6月20日，访问量较5月减少约38%。粗略推算，若无新的刺激因素，6月31日的环比流量或将下降。此外，5月ChatGPT的跳出率为12.59%，低于谷歌、Youtube等，但6月24日已升至37.37%。平均访问持续时间也从8分32秒降至7分48秒。接入GPT大模型后，Bing的市场份额变化也值得关注。根据Statcounter，2023年3月Bing的市场份额为2.86%，5月降至2.77%，不仅未提高，反而呈下降趋势。
### 是什么限制了ChatGPT？
关于ChatGPT应用上的问题，已老生常谈。但这些问题对它普及的影响，或许比想象中更深远。首先是“变笨”现象。6月初，“ChatGPT变笨了”引发热议。OpenAI开发者推广大使Logan Kilpatrick回应称，自GPT-4发布以来，大模型本体一直处于静态，不存在大量外部数据污染。但他也承认，大模型本身存在不稳定性，对相通的提示词可能存在前后不一致的回答。一位AI从业者告诉深燃，5月就有国外从业者分享论证GPT变笨的文章。他最近用GPT-4的API测试，发现GPT-4-0314（3月14日快照）在简单计算题中满分，GPT-4得80分，GPT-4-0613（6月13日快照）仅得50分。这一结果让他感觉GPT-4被削弱了。
监管机构NewsGuard的专家分析也指出，GPT-4在输出信息方面比GPT-3.5更糟糕。今年3月发布的报告中，NewsGuard提到，GPT-4不仅会回答完全虚假的新闻叙述，而且比GPT-3.5的回答更差。AI行业从业者认为，这一变化导致用户需要更具体、主动地引导GPT-4，才能获得满意的回答。这也再度提高了ChatGPT的使用门槛，与其初衷有所背离。
ChatGPT最初爆火时，有业内人士分析，它将通用人工智能置于每个用户面前，也把人机交互的门槛降至最低。但目前看来，门槛依然存在。从ChatGPT的用户画像来看，其普及情况也可见一斑。根据SimilarWeb数据，使用者主要来自计算机电子与技术行业，其中编程和软件开发占比最大。其他行业里，只有游戏行业中的视频游戏机和配件从业者占比较多。一位工程师给深燃的反馈最为积极，表示一直在用，“能帮我解决小的程序问题”。
尽管常说“淘汰你的不是AI，是会用AI的人”，但如果普通人使用门槛越来越高，ChatGPT的初衷便可能落空。
还有两个问题，是ChatGPT从一开始就面临的质疑：准确率和隐私保护。根据日本相关机构的报告，被问到若继续/扩大使用ChatGPT需解决什么问题时，日本和美国企业分别高达49%和45%的回答是“准确率”，其次是“个人资料等隐私”（日企34%、美企35%）和“对问题的理解程度”（日企33%、美企34%）。
关于准确率，OpenAICEO山姆·奥特曼曾解释，ChatGPT会自信地宣称一些事实，但实际上是编造的，他称之为“幻觉难题”。准确率要实现起来非常困难，因为大语言模型依赖演绎推理而非记忆，不可能像数据库一样完全准确。AI行业从业者杨阳告诉深燃：“大语言模型靠的是推理的拼字游戏，不可能完全准确，人也不能完全保证准确。”
隐私方面，OpenAI至今未给出明确解决方案。加拿大工作的小虹就表示，公司特意发邮件通知大家谨慎使用ChatGPT。
基于这些限制，ChatGPT的应用场景也受到限制。关注产业的投资人陈默默告诉深燃，它更适合“生产力驱动”的内容生产，而非“创意驱动”的内容生产，在前者上，能替代不少有重复经验累积的人力。用户洛洛从4月开始使用ChatGPT，她开了会员，主要用于写脚本和文案，“只要能给它正确的公式，基本可以反馈给我任意思维的脚本，只是拿到手要改”。她表示，产出的脚本比较基础，难以成为爆款，但逻辑没有问题，“像公司日常的大量视频输出，是可以支持的”，她现在的ChatGPT使用频率，已达到每周3次以上。
夏楠调整了策略，只问ChatGPT流程式的问题，如开ebay网店的流程。尽管这类问题也可问谷歌、百度，但她认为“ChatGPT的回答更好”。例如，最近她去德国旅行，让ChatGPT安排行程，给出的答案有参考性，交通安排也很清晰。
这些长期使用ChatGPT的用户，无论体验满意与否，都提到ChatGPT更像是一个升级版的谷歌、百度，带来了一定助力。
### ChatGPT，象征意义高过实质意义？
最近，OpenAI推出了类似LLM版的App Store，加速生态建设，并曝光了一些功能优化。这背后也隐藏着一个信号：GPT-4暂时已到天花板，要加速生态建设，在GPT-5出现前，先优化体验。早在4月，山姆·奥特曼就表示，尚未开始研究GPT-5，也没有立即计划的打算，甚至曾表示“大型模型时代已到头了”。
据OpenAI官网，GPT模型参数数量（可理解为喂养模型的语言材料）不断提升：GPT-1是1.17亿，GPT-2有15亿，GPT-3飙升至1750亿，GPT-4据国外媒体机构Semafor报告，比GPT-3大六倍左右，具有1万亿个参数。此前杨阳对深燃表示，或许GPT-4就成长到头了，语料是原因，“人类历史上创造出的优秀资源就这些了”，模型限制也是原因。在他看来，现在GPT-4被限制，应该有能力未被完全开发出来。
近日，Meta首席人工智能科学家Yann LeCun指出，ChatGPT背后的生成式AI技术已进入死胡同，拥有太多局限性。尽管出于巨头竞争关系，这话难以作为客观参考，但ChatGPT的确遇到了瓶颈。要让大语言模型有更好的应用，不少人将视线投向垂直领域的应用上。
AI行业从业者秦凯对深燃做了一个比喻：ChatGPT这类泛化型人工智能，应用宽泛时，能力如同高中生、大学生；和垂直场景结合时，通过fine-tuning（微调）技术，数据足够精确贴合场景，能力就能变为硕士、博士，解决更具体的需求。杨阳也认同这一看法。他提到，目前模型最多只能进行一倍左右的优化，“大家有一个基础共识，GPT-5来了，也不会带来颠覆性进化”，短期内不可能达到AGI（通用人工智能）水平。
不过，杨阳也表示，现在做具体垂类应用，首先是费用高，训练模型对公司来说仍是不小的成本；其次是数据安全、数据隔离的问题，目前采用“在大模型基础上套小模型”的办法，但问题是，底层技术仍在变化，“没有人知道下一个模型、更优秀的模型什么时候出现”，这个中间阶段让人迷茫，“如果三五年后才出现，那现在基于大模型做垂类的产品是不亏的，场景落地后有机会回收资金。但如果很快就出现，那大家现在做的外挂型垂类产品，是没有多少意义的。”
投资人陈默默表示，这是一个“先有鸡还是先有蛋”的问题，他们仍愿意看相关项目，在细分领域里切一个特定场景的应用，因为“哪怕未来的底层有变化，只要行业没有变动，在应用层的行业理解上还是会有沉淀”。但他们在看项目时遇到的问题是，很难有人能明确告诉他们，产品能节省多少人力成本。她举例，关注赋能研发端论文筛选归纳的垂类产品，实际使用中仍需一人顺着机器结果做进一步验真、开发和研究，实际上很难说效率有特别好的优化，所以现在，一些投资人会倾向于再观望观望。
在关注垂类领域的AI创业公司产品时，她的感受是，“我们对技术带来的产业升级机会保持谨慎乐观，目前可能它的市场意义，高过实质意义”。
秦凯总结，人们对ChatGPT的期望过高，但有两个瓶颈：首先，下一代大语言模型通过更大的参数规模和更强算力的收益边际递减，人们的期望可能无法很快满足；其次，当前的大语言模型是泛化的，需要很长时间来解决特定、真实的问题。目前垂直领域的生成式AI，已变成针对具体企业做定制化需求和私有部署的体力活，“底层模型依靠transformer方式缺乏解决非常复杂问题的能力，现在的应用情况与预期的水平相距甚远”。
应用仍在继续，技术仍在发展，关于ChatGPT的应用及潜力还需要再观望。即便如此，ChatGPT已让一些人的生产效率有数量级的提高，即便当下有瓶颈，“ChatGPT已经是很伟大的产品，这就够了。”杨阳表示。
*题图来源于unsplash。应受访者要求，文中夏楠、Lucy、杨阳、小虹、洛洛为化名。本文（含图片）为合作媒体授权微新创想转载，不代表微新创想立场，转载请联系原作者。如有任何疑问，请联系http://www.idea2003.com/。
