大家好，昨夜的機構路演，擠爆了。券商分析師，基金經理都在聽。
19 日晚間，圈內最大的事件，就是大家都在聽 AI 的電話會會議，直接把 app 幹爆了，投資者湧入進門財經券商路演直播間，一度導致進門財經 APP 宕機。據瞭解，進門財經定位是專業投資機構的路演工具，一般是券商、公募、私募、資管、保險等等機構的人用。可以想象，現在的市場熱點全在 chatgpt 概念板塊上。
<img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wallstcn.com/mmbiz_jpg/7KcgpBE2JboEQS5uibMMUNCxgAPxpqNiclQNZbHwWhsC3TS5Faj5ZopUKX4sr6AnwxibqEDKFB2hKxQjJrciatu8mg/640/query-d3hfZm10PWpwZWc?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1080" height="518" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wallstcn.com/mmbiz_jpg/7KcgpBE2JboEQS5uibMMUNCxgAPxpqNiclQNZbHwWhsC3TS5Faj5ZopUKX4sr6AnwxibqEDKFB2hKxQjJrciatu8mg/640/query-d3hfZm10PWpwZWc"/>
民生證券還請來了 360 紅衣教主的周鴻禕。據説參會人數超過千人！
<img src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wallstcn.com/mmbiz_png/7KcgpBE2JboEQS5uibMMUNCxgAPxpqNiclmHFiayaTptMITe5DTWx8VXfn0GhUNnQd8M5NXKEI0JVJVuZkRlia5NiaA/640/query-d3hfZm10PXBuZw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="588" height="1028" original-src="https://imageproxy.pbkrs.com/https://mmbiz-qpic.wallstcn.com/mmbiz_png/7KcgpBE2JboEQS5uibMMUNCxgAPxpqNiclmHFiayaTptMITe5DTWx8VXfn0GhUNnQd8M5NXKEI0JVJVuZkRlia5NiaA/640/query-d3hfZm10PXBuZw"/>
泰勒找來了這場路演紀要。其中第三個問題把泰勒笑噴了，有人問周鴻禕，以後小孩長大了應該會學什麼專業嗎？週迴答：這個問題很奇怪，該學什麼專業學什麼專業啊
Q：上游哪些場景很關鍵？
A：算力不是最關鍵的問題，場景和數據是關鍵。我們二線隊伍，賬上 200 多億人民幣，之前國家搞了很多超算中心，沒事情幹，現在發現配了 GPU 就有東西看。Transformer 算法是谷歌發明的，實現靠的是大力出奇跡，幾千億參數。這是個工程問題。從 1 到 n中國能做的很快，openai中國做的很快，谷歌和 meta 會很尷尬。Meta 開源了他的大語言模型，技術的 knowhow 會快速傳播。關鍵的東西，第一是數據，有知識量的數據做訓練，聊天的語料不包括知識 chatgpt 中文語料佔了不到 5%，大量知識在外文期刊裏面，只用中文訓練語料是不夠的。很多機構説用了很大的參數，但是不敢拿出來説，大概率是數據不夠。還需要人類的槍花反饋學習和調優，激發 GPT 理解人類的查詢意圖，這個是問題的關鍵。還有個很重要的是場景，微軟放棄了自己的小娜的研究，全力幫助 AI，在場景化上可以讓大家看到人工智能有什麼場景。搜索引擎一直在做 NLP，自然語言處理，大家都在跟蹤使用，搜索引擎在獲取海量數據方面優勢。我們和百度抓取的網頁在千億萬億的規模，需要清洗辣雞網頁進行工程化的索引。我們搜索引擎要抓取英文的維基百科和語料，對於我們是現成的。初創公司可能會卡在工程化的初始階段，這個對工程化的要求比較高。還有人工標註的調優，微軟做了很多貢獻，搜索引擎幫助很大。360 搜索份額佔比 30%，百度佔比 60%。微軟幫助 openai 佔據了很多的場景，下一步可能會把 teams（視頻會議）等 TO B 的場景做結合。
Q：以後會不會很多行業不存在了，機器把人替代了？
A：我不是很認同。我認為這是個洗牌的機會，如果你不重視他，抓上這班車就不行。我們企業內部要起每個部門都用 AI 提升我們的能力，用 AI 的大語言模型賦能，這樣會成為我們手裏有力的競爭武器。GPT4 的知識能力和考試的能力已經超越了每一個地球人，GPT 可能是用 3.5 和 4 互相訓練。我們也考慮過這種，用 bert 這種理解性的模型進行反饋和獎勵。這是個生產力工具，是能給各個產業賦能的，關鍵是你需要找到相應的場景和場景化的能力。
Q：以後小孩長大了應該會學什麼專業嗎？
A：這個問題很奇怪，該學什麼專業學什麼專業啊，對 prompt 很敏感。
Q：關於我們 360，行業現在是巨頭扎堆，360 的核心優勢？
A：第一個問題已經講了，第一是數據的能力，不能光用中文的數據，要有全球數據的抓取能力，要能做到對垃圾的判別和清洗。用户上億次搜索的數據，我們和百度有知識問答的欄目，這種涉及用户的真實的使用場景來進行訓練。數據我們有優勢。GPT2 和 bert 是開源的，真要做到上千億上萬億的模型，幾千張 GPU 的顯卡，幾個 T 的數據進行幾個億的訓練，這個對工程化要求很高。第三，搜索引擎我們市場份額是百度的一半。搜索引擎不具備生成性，不會編出林黛玉倒拔垂楊柳的故事，生成式 AI 會無中生有，如果編的結果是不對的普通人很難驗證就很麻煩。我們做泛化，泛化的知識圖譜的搜索，前面的十條二十條結果給大語言模型做提煉，這樣就不會讓生成式 AI 無中生有。我們搜索引擎 dau 有一個億，大語言模型可以做及時的翻譯和推薦，我們這種場景可以很好的讓用户體驗到人工智能的場景，形成商業化的閉環。我在政協叫了個提案，大家忽視的是這個東西真正的破圈了。之前無論是阿爾法狗和蛋白質摺疊，離生活比較遠。得益於微軟工程化產品化的能力。一方面要打造核心技術，全方位最大化的調用公司的資源。大模型的方向已經出來了，要做到大力出奇跡，500 億到 1000 億的參數訓練，用有質量的語料。谷歌現在很尷尬，模型做出來了商業化的場景可能也被微軟搶完了。微軟專注場景和產品化的結合，openai 專注技術，這樣能實現很好的效果。
Q：360 的場景和應用？
A：並行的。360 也在做 TO B，也是我們很重視的機會。我們的安全大腦幫助企業抵禦攻擊。我們的機會是，中國企業不接受公有云，希望有個私有化部署的 GPT 和數據。未來每個企業可能有自己的大腦。只做垂直行業的訓練肯定是不行的（説的就是科大訊飛）。我們離 GPT 還有 24 個月到 36 個月的差距，第一個版本能做到幾百億參數的模型的時候，做到 GPT 的六成的功力，做到企業內部是夠用了。TO B 和 TO G 端是有大量的機會的。面對中小企業端，我們打算推出生成式 AI 的辦公套件和應用。Openai 找了 100 家垂直的 SaaS 公司，會專門訓練垂類的應用。我們這兩年很關注sme（中小企業），中小企業對企業數字化的要求功能明確，少花錢使用簡單，SaaS 更合適，我們去年推面向企業的 SaaS 雲服務，一年 120 萬家客户。我們瀏覽器國內份額最大，做了個 SaaS 商店，我們會找合作伙伴做一些場景。TO C 我們有大量的使用場景，瀏覽器加上 AI 插件變成 AI 個人助力。TO B，TO SME 和 TO C 三十多個場景使用不同的能力，儘快佔據用户的使用場景。
Q：我們會和百度一樣芯片模型全覆蓋的平台嗎？
A：我們肯定不是這個方向。谷歌自己搞過 GPU，也就自己用。訓練最好還是用 A100 和 A800，框架沒必要自己搞，自己搞個框架還要花精力和別的芯片適配。微軟這麼強大微軟只做應用，openai 用的框架也是用的行業通用框架。我不認為產業鏈全都做了是好事。我們堅定的沿着 transformer 框架把模型幹到千億。首先是要佔據應用場景。
Q：百度內測效果不錯，對於 360 未來應用的推廣是不是更有信心了？
A：百度搜索一哥肯定能做好的，微軟的搜索份額比谷歌要小，可以放開手要做創新。百度為什麼做一個聊天機器人我不理解，我要做的話可能更願意和搜索相結合。國內我不認為會和美國一樣一支獨大，頭條和其他互聯網廠商大家不會相互支持，會互相競爭，360 啊微博啊 B 站啊知乎啊小紅書啊美團滴滴等等，他也不敢用巨頭的服務，肯定要自己搞。還是希望在這個模型上做出幾個超級應用。有應用有場景的公司加上模型會有價值。
Q：中國電信佈局了企業版的 chatgpt，對這個的關注提升到了國家戰略的高度，國家的重視會對行業產生什麼影響？
A：國家隊幹這個事肯定不是壞事，互聯網上大家都做過。從目前擁有的數據和團隊能力來看，民營企業和國企都在一個起跑線上。只要不是隻要牌照才能搞大語言模型，這樣都有機會。GPT 是個生產力工具，這將決定未來國際競爭當中的國運。美國人對於大語言模型也有政治正確的要求。
Q：中國和美國比有 24 到 36 個月的時間差？
A：不是和微軟比。GPT4 驗證了我們很多觀點，他的參數量我覺得應該到了萬億，訓練的數據比原來大了 5 到 10 倍。人類反饋強化學習不再是十萬組，而是幾十萬組的答案對，有很強的智能的能力。目前來看多模態是勝過國內的能力的。國內的圖像識別還是傳統的圖像識別，openai 把所有都看做序列，圖像也是序列，他能把圖像組成部分的關係和邏輯相關性總結出來。他在閲讀文檔上的能力國內做不到。他能支持 5 萬字的輸入，表示他的深度記憶能力越強，對上下文的理解越好。GPT3.5 我們認為國內和他的差距 18 個月，gpt4 是 24 個月。雲談了這麼多年，企業上雲的比例也還不高。這比光刻機的難度小多了。
Q：怎麼看 GPT4，會不會取代操作系統成為戰略級的入口？
A：這是兩個概念，需要 host 一個應用需要操作系統，操作系統還是需要的。人工智能沒有突破之前大數據給企業用不好用。Gpt 相當於是發電廠，這個比喻比較貼切。純做 GPT 的公司有點來不及，要麼是有 GPT 豐厚的場景。場景越大爆發性就越大，如果場景很小，就做了個虛擬人掛個 GPT 跟人對話，這個場景就很小。場景未來可能有多家服務提供商。
Q：場景是我們非常關注的點，特斯拉的機器人也是爆款，多模態和機器人的關係？人形機器人是終極目標嗎？
A：我不這麼認為。不考慮機器人的外形，音響之類的用自然語言和人交流這關就是過了。Gpt 能否處理好機械手臂，尋找空間定位也是，出了 GPT 之後傳統的做語言識別的圖像識別的就有問題了。人形機器人有個最大的問題，機械手臂抬起的力量，這和人工智能沒有關係。如果機器人手裏拿不了太重的東西，這可能會成為妨礙。自動駕駛汽車也是個機器人，只不過長了 4 個輪子。GPT 的大語言都可以賦能。你們和智能音箱聊過天，聊兩句就能知道他是個滯脹，gpt 肯定通過了圖靈訓練。橡膠娃娃也是仿真機器人。
Q：GPT4 在物聯網終端的廣泛應用是大趨勢了，邊緣計算的需求？
A：這跟邊緣計算有什麼關係呢？構不成邊緣計算的節點。真正的能力都在雲端，運算都在雲端。 
本文作者：泰勒，來源：中國基金報，原文標題：《今晚，爆了！分析師、基金經理瘋狂湧入！“馬英九將赴大陸”！熱搜也爆了：張蘭家族信託被擊穿！》<div>風險提示及免責條款</div>
 <div>
 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。
 </div>

三六零

進門財經路演工具在 chatgpt 概念板塊上引起了極大的關注，許多券商、公募、私募、資管和保險等機構參加了此次路演。其中，民生證券邀請了 360 的周鴻禕作為嘉賓。周表示，場景和數據是 AI 技術的關鍵，算力不是最關鍵的問題。此外，數據的質量對於訓練 AI 技術也至關重要，需要大量的知識量數據來訓練，而聊天語料少於 5%。搜索引擎可以優化數據抓取能力，進行工程化的索引和人工標註的調優。AI 提升各個產業的能力是生產力工具，可以為各個行業賦能。最後，周還回答了一個奇怪的問題：小孩長大後應該學習什麼專業？他表示，應該學習符合自己興趣和能力的專業。

周鴻禕路演聊 AI，分析師、基金經理瘋狂湧入，電話會被擠爆