2023年11月20日 每日一猜答案：。 答案：ABC。
每日一猜答案分析：

互联网大厂进军房地产,互联网大厂进军广告业,互联网大厂进军广告业的利弊,互联网大厂是干什么的

声明：本文来自微信公众号“互联网怪盗团”（ID:TMTphantom），作者:怪盗团团长裴培，授权站长之家转载发布。

五一长假前后，我有幸跟一些互联网大厂的朋友深聊，大家有一个话题是绕不开的:ChatGPT，以及由此席卷而起的“生成式AI”潮流。A股市场当然早已把一切能攀上GPT概念的公司给炒到天上去了，但是稍有常识的人都承认，中国做生成式AI（无论是模型还是应用）最值得仰仗的还是互联网大厂，只有它们拥有足够的资源和决心去做这件事情。不过，互联网大厂的“ChatGPT追赶之旅”的具体进度，很大程度上尚未被外人所知，也尚未反应在财务业绩和资本市场当中。

在跟一些熟悉内情的朋友沟通之后，我感觉比以前更有信心一点了，但也只是“一点”而已。在生成式AI这一赛道，国内互联网大厂固然落后于世界先进水平（其实就是OpenAI），但落后的幅度尚不致命，而且不缺乏追赶的手段。关键的掣肘可能不在于技术层，而在于其他方面。总而言之:

互联网大厂内部的技术团队对生成式AI的热情很高，老板也乐意投入巨额资源，这不仅仅是出于“追新”或迎合资本市场。

互联网大厂做生成式AI，目前的主要应用方向还是内部降本增效，至于面向C端（或中小B端）的大规模应用尚十分遥远。

追赶OpenAI的道路是艰难的，但是在不计成本的投入之下，差距可能缩小到一个合理的量级，尽管差距将一直存在。

各级主管部门的支持当然很重要，不过目前互联网大厂尚未拿出能说服主管部门的概念或实例，从而难以为生成式AI争取更多上层资源。

先说第一条。互联网大厂内部做技术的人，无论是基础研发团队还是应用技术团队，对生成式AI的热情都很高。因为在ChatGPT横空出世之前，AI在互联网行业的落地场景（搜索、个性化推荐、自动客服等）已经基本被做到极限，进化空间不大了;而其他突破性技术又没有出现。所以，2021-22年，互联网大厂普遍对算法岗位进行裁员。在这种情况下，ChatGPT的诞生可谓雪中送炭，给了技术人员一个向公司证明自己价值、升职加薪的大好机会。

而互联网大厂的各级老板们也非常乐意配合，因为生成式AI跟此前的元宇宙、Web3.0等概念不同，有着切切实实的应用案例，而且硅谷已经在前面踩出了一条清晰的道路。这就进入了中国互联网行业最擅长的“投入资源模仿追赶”的模式。目前很多互联网大厂的基础研发团队，以及业务部门里面的算法团队，都把原来手头做的东西暂停了，集中力量all-in大模型。现在大模型不仅是公司层面的一号位工程，也成为了诸多事业群、事业部的一号位工程，这就决定了它能得到近乎无穷的资源投入。

接着说第二条。在降本增效的大背景下，互联网大厂目前对生成式AI最大的期望其实不是开辟财源，而是节约成本或为老业务赋能。例如GPT商业化的第一批客户包括Shopify这样的电商SaaS及代运营商，在国内阿里、京东可以把自己的大模型直接用于自身电商平台的代运营;腾讯可以利用大模型补齐自己的客服短板，还能在腾讯文档等应用中加入自动生成文案功能;所有的信息流媒体平台都可以利用生成式AI进行转评赞、活跃社区氛围。上面举出的只是一小批正在进行的案例而已。

至于开发大型C端应用，或者面向广大中小B端开放API，目前看来还比较遥远。除了技术瓶颈之外，监管风险是一个主要考虑点:国内对生成式AI的监管讨论才刚刚开始，尚未形成成熟的监管体系，此时贸然上马大型C端应用的风险极高。然而，这里有牵扯出了一个新的问题:互联网大厂在既有的应用中大规模使用生成式AI，是否也会带来潜在的监管风险?这个话题比较敏感，目前还难以讨论，在此就不展开了。

再说第三条。OpenAI不是世界上唯一的生成式AI大模型开发者，GPT的技术路线也不是唯一的。但是，国内互联网大厂的研发思路高度统一，那就是模仿乃至彻底复刻GPT。结果就是一切与OpenAI能够沾边的人才和信息几乎全部被瓜分利用殆尽――其中既有合法的利用，也有灰色地带的利用。不计成本的投入，加上国内相对硅谷而言较低的人力成本，是可以在一定程度上拉近差距的。这种模仿路线当然不可能把落后转化为领先，不过目前大家还考虑不到这么远。

第四条也是一个非常重要的因素。我们知道，对于芯片、新能源等“硬科技”产业，国内各级主管部门（包括国家和地方）予以了极大的政策和资源扶持;生成式AI在理论上也属于“硬科技”，如果也能得到类似的扶持，无疑可以大幅度加快发展进度、降低风险。然而，生成式AI有一个严重的软肋:它不是制造业，无法像芯片、新能源、生物医药那样提供较长的产业链、立竿见影地为地方创造GDP。此外，它也尚未被主流媒体认为是一项“卡脖子”技术。在几个月乃至几年之内，生成式AI要成为一项被大力扶持的“硬科技”，还是很有难度的。

当然，互联网大厂可以采取一种话术，即生成式AI具备很强的“乘数效应”或上下游拉动作用，例如可以间接刺激芯片行业的成长，以及促进智慧城市、智慧交通的实现，等等。但是，上述“乘数效应”过于迂回，在短期内又很难看到效果。在可见的未来，主流媒体和主管部门心目中的“硬科技”代表仍将是光刻机而非ChatGPT，互联网大厂必须主要依靠自身资源投入而非政策扶持。

过去多年，中国互联网行业曾一再证明:只要它们下定决心投入足够的资源，并且有庞大的潜在C端应用场景，它们就能够成功模仿乃至超越硅谷的同行。这一发展路线并非百试不爽，不过大部分情况下是成立的。生成式AI是对上述路线的一次大考:在GPT3.5以前版本已经开源，基础研发路线并无秘密可言，潜在应用市场非常广阔，而且国内互联网大厂均已投入足够资源、提起绝对重视的情况下，中国能否在生成式AI这条赛道上迅速缩小差距乃至有朝一日超越?

相信这个问题已经被资本市场提了无数次，也被互联网从业者提了无数次。我的观点偏向悲观一边:由于种种掣肘（在此就不讨论了）、种种天然限制，国内生成式AI最多只能将与硅谷的差距缩小到可以接受的程度，而不可能彻底消除这种差距。不过，我的上述“悲观”观点，在很多人看来或许已经算是乐观了?

事在人为，但在很多时候，形势比人强。

（举报）

chatgpt4.0全网最详细的使用教程 一图看懂chat gpt

chatplatform,chat官方下载,chat site,chat *p

说到近期科技圈最最爆火的一件事，那肯定是ChatGPT了，战力爆表，无人能敌。

而随着ChatGPT4.0的发布，又将热度推上了一个高潮。

下面我就来带大家体验一下ChatGPT4.0的“超能力”。

?

进去之后，会显示输入界面

?

同时会提示你，4小时限制最多100条消息。

那什么是ChatGPT4.0呢？以及它有什么优势呢？

可以看一下官方的介绍：https://openai.com/research/gpt-4

这边摸金哥也帮大家整理了几点比较显著的区别，方便大家查看（原文是英文，这边帮大家翻译好了）。

第一点是接受图像和文本输入，并发出文本输出。

?

而在官方发布的视频中，我们可以看到，将草图拍照传给ChatGPT4.0之后，竟然直接输出了一段Html+CSS代码，试想一下，前端工作人员如果将这项技术带入工作中，将带来多大的效率提升。

第二点是ChatGPT4.0学习了很多职业技术考试资料，官方发布的数据表明，之前3.5的考试成绩都在倒数，而升级4.0之后，考试成绩直接排到前10%。

也就是说，有90%参加考试的人，考不过ChatGPT4.0，知道这是什么概念吗？你再也不用到处找资料，买教程，直接把你不会的问ChatGPT，它都能帮你找到最接近的答案。

?

可以看到，3.5到4.0的提升还是比较大的。

而在多种语言的识别上，也非常优秀。

?

第三个是视觉输入。

GPT-4 可以接受文本和图像的提示，这与纯文本设置并行，允许用户指定任何视觉或语言任务。具体来说，它生成文本输出（自然语言、代码等），给定由穿插文本和图像组成的输入。在一系列域（包括包含文本和照片的文档、图表或屏幕截图）上，GPT-4 表现出与纯文本输入类似的功能。此外，它可以通过为纯文本语言模型开发的测试时技术进行增强，包括少数镜头和思维链促使。图像输入仍然是研究预览，不公开可用。

示例：

?

第四个是可操纵性。

?

局限性。

?

获得访问权限后，用户目前可以向 GPT-4 模型发出纯文本请求（图像输入仍处于有限的 alpha 阶段）。至于价格方面，定价为每 1k 个 prompt token 0.03 美元，每 1k 个 completion token 0.06 美元。默认速率限制为每分钟 40k 个 token 和每分钟 200 个请求。

GPT-4 的上下文长度为 8,192 个 token。OpenAI 还提供了 32,768 个 token 上下文（约 50 页文本）版本的有限访问，该版本也将随着时间自动更新（当前版本 gpt-4-32k-0314，也支持到 6 月 14 日)。定价为每 1K prompt token 0.06 美元和每 1k completion token 0.12 美元。

好了，以上就是摸金哥给大家整理的ChatGPT4.0的前沿信息，那普通人要怎么才能体验呢？

第一种比较慢，可以预约：

https://openai.com/waitlist/gpt-4-api

第二种plus会员可以直接使用：

需要plus会员的可以关注我后台丝