ChatGPT近期流量变化 来源 / SimilarWeb数据

同时，还可以参考的是，根据SimilarWeb，在5月，ChatGPT的跳出率是12.59%，低于谷歌、Youtube等，而在6月24日，跳出率已经上升到37.37%。平均访问持续时间也从8分32秒，下降到7分48秒。

另一个数据是，接入GPT大模型后Bing的市场份额变化。

来源 / Statcounter

Bing的市场占有率，在二三月份刚引入GPT时引发关注，根据网站通讯流量监测机构Statcounter，2023年3月Bing的市场份额是2.86%，5月是2.77%，不仅占比没有提高，甚至还有下降趋势。

02 是什么限制了ChatGPT？

关于ChatGPT应用上的问题，已经老生常谈，不过这些问题对它应用普及上的影响，或许比想象中广。

首先是“变笨”这件事。

6月初，“ChatGPT变笨了”的声音引发过讨论。不过OpenAI开发者推广大使Logan Kilpatrick曾出面回应，表示自3月14日发布GPT-4以来，大模型的本体一直处于静态，不存在大量外部数据污染模型的情况。同时他也承认，大模型本身存在不稳定性，因此对相通的提示词，存在回答前后不一致的情况。

一位AI从业者告诉深燃，5月就有国外从业者在OpenAI论坛里分享论证GPT变笨的文章。最近，他用GPT-4的API做了测试，让它做简单的计算题。从结果准确度来看，GPT-4-0314取得了满分，GPT-4取得了80分，GPT-4-0613，勉强可以拿50分。其中，0314、0613即指3月14号、6月13号的快照（指整个系统在某个时间点上的状态）。这个结果，给他一种GPT-4在被削弱的感受。

根据监管机构NewsGuard的专家分析，OpenAI最新版本的GPT-4，在输出信息方面，比GPT-3.5要糟糕。在今年3月份发布的报告中，NewsGuard提到，GPT-4不仅在其研究人员的提示下回答了完全虚假的新闻叙述，而且比GPT-3.5回答的内容更差。

在上述AI行业从业者看来，这样变化的结果是，用户需要变得更为具体和主动地引导GPT-4，才能获得与过去相当的回答质量。

这也再度影响ChatGPT的使用门槛，而这与ChatGPT的初衷有所背离。

最开始ChatGPT爆火，就有业内人士对深燃分析，它带来的影响是将通用人工智能放在了每个用户面前，也把人机交互的门槛，打到了最低点。

但目前来看，门槛还是存在。从ChatGPT的用户画像，也能看出这个产品的普及情况。根据SimilarWeb数据，使用者主要分布在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的从业者占比较多。

在使用ChatGPT的体验上，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上的问题”。

尽管都说，“淘汰你的不是AI，是会用AI的人”，如果普通人使用起来门槛越来越高，那也一定程度上脱离了ChatGPT的初衷。

还有两个问题，是ChatGPT从最开始就面临的质疑，即准确率和隐私保护。

根据上述日本相关机构的报告，在被问到今后若要继续/扩大使用ChatGPT，需要解决什么问题时，日本企业、美国企业分别有高达49%、45%的回答是“案件的精度”，其次为“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%)”。

准确度方面，OpenAI的CEO山姆·奥特曼，也做出过解释，这个程序会自信地宣称一些东西是事实，但其实它是编造出来的，就像谎话连篇的政客一样。他给这种现象起了个名字——“幻觉难题”。

总之，准确率要实现起来非常不容易。原因就是因为它不是靠记忆，而是凭借演绎推理能力来工作。“大语言模型靠的是推理的拼字游戏，不可能像数据库一样完全准确，人也不能完全保证准确”，关注AI行业的工程师杨阳告诉深燃。

隐私方面，OpenAI至今还没有给出明确的解决方案。在加拿大工作的小虹就告诉深燃，公司特地发邮件通知，让大家谨慎使用ChatGPT。

基于这些限制，ChatGPT的应用场景也受限制。

关注产业的投资人陈默默告诉深燃，它其实适合“生产力驱动”的内容生产，而不是“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，没法做成爆款，但它逻辑没有问题，“像公司日常的一些大量的视频输出，是可以支持的”，她现在的ChatGPT使用频率，基本上一周3次以上。

现在夏楠调整了策略，只问它一些流程式的问题，比如开ebay网店的流程。尽管这类问题也可以问谷歌、百度，但“ChatGPT的回答更好”，她举例，最近她去德国旅行，让ChatGPT给她安排旅游计划，给出的答案有参考性，交通安排的也很清楚。

这些长期使用ChatGPT的用户，不论对ChatGPT的使用体验满意与否，他们都提到，ChatGPT更像是一个升级了的谷歌、百度，带来了一定助力。

03 ChatGPT，象征意义高过实质意义？

最近，OpenAI推出了类似于LLM版的App Store，加速生态的建设，还被曝光了一些功能上的优化。这背后也隐藏着一个信号，GPT4暂时已经到天花板，要加速生态建设，在GPT5出不来之前，先做一些体验上的优化。

早在4月，山姆·奥特曼就表示，还没有开始研究GPT-5，也没有立即开始的打算，还曾表示，“大型模型时代已经到头了。”

据OpenAI官网，GPT模型参数数量（可以理解为喂养模型的语言材料）在不断提升。GPT-1是1.17亿，GPT-2有15亿，到了GPT-3，飙升至1750亿，GPT-4，根据国外媒体机构Semafor的一份报告，比GPT-3大六倍左右，具有1万亿个参数。

此前杨阳也对深燃表示，或许GPT-4就成长到头了，语料是一个原因，“人类历史上创造出的优秀资源就这些了”，模型本身的限制也是一个原因。在他看来，现在GPT-4被限制了，应该有能力没有被完全开发出来。

近日，Facebook母公司Meta首席人工智能科学家Yann LeCun就指出，ChatGPT背后的生成式人工智能技术已进入了死胡同，拥有太多的局限性。

出于巨头间的竞争关系，或许很难将这话作为客观参考。但可以肯定的是，ChatGPT的确遇到了瓶颈。

要让大语言模型有更好的应用，不少人把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这类泛化型的人工智能，应用宽泛时，能力就像是高中生、大学生，和垂直场景结合时，fine-tuning（在自然语言处理中使用的技术，也叫微调）的数据足够精确和贴合场景，能力就能变为硕士、博士，能解决更具体的需求。

杨阳也认同这一看法。他提到，目前的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，也不会带来颠覆性的进化”，短期内不可能达到AGI（通用人工智能）水平。

不过，他表示，现在做具体垂类应用，首先是费用高，训练模型对公司来说依旧是不小的成本；其次是数据安全、数据隔离的问题，目前采用的办法是，“在大模型基础上套小模型”，但带来的问题是，现在的底层技术还在变化，“没有人知道下一个模型，更优秀的模型什么时候出现”，这个中间阶段让大家很迷茫，“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。但如果很快就出现了，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，他们还是愿意去看相关项目，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，很难有人可以明确告诉他们，产品能节省多少人力成本。“看下来，还是得给机器配个人”，她举例，关注赋能研发端论文筛选归纳相关的垂类产品，实际使用也还是需要一个人顺着机器的结果，再做进一步验真、开发和研究，实际上很难说效率有特别好的优化”，所以现在，一些投资人都会倾向于再观望观望。

在关注垂类领域的AI创业公司的产品时，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，已经变成了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”。

应用还在继续，技术还在发展，关于ChatGPT的应用及潜力还需要再观望。即便是这样，ChatGPT已经让一些人的生产效率，有了一个数量级的提高，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。

［本文作者深燃，i黑马授权转载。如需转载请联系微信公众号（ID:shenrancaijing）授权，未经授权，转载必究。］