原文标题：《 Generative AI: The Next Consumer Platform 》

原文作者：Connie Chan & Justine Moore，a16z

原文编译：Kate, Marsbit

我们已经进入了生成人工智能的时代。用例无处不在——从写论文到创作漫画再到剪辑电影——而且采用速度超过了过去十年的每一种消费技术趋势。文本生成器 ChatGPT 仅用五天就突破了 100 万用户，数千万消费者创建了 AI 头像。

每当新技术如此迅速地吸引消费者的注意力时，它就会引出一个问题：这里有真正的价值吗？我们认为答案无疑是肯定的。生成式人工智能将成为下一个主要平台，创始人将在其上构建类别定义产品。

就像 iPhone 彻底改变了我们与技术的日常互动一样——催生了 Uber、DoorDash 和 Airbnb 等产品——生成式人工智能将改变日常生活。

除了创造新的产品类别外，人工智能还将增强现有产品，改善消费者体验并使其更容易扩展。

AI 最强大的功能之一是它使产品能够个性化用户体验。这种方法的早期应用是在教育技术和搜索领域——如果你要解释为什么下雨，你会用不同的语言来解释一个八岁的孩子而不是一个高中生。我们预计这种定制化将成为许多支持 AI 的产品的核心价值支柱。

在这里，我们探讨了我们看到机会的主要消费类别。在随后的帖子中，我们将深入研究这些领域中的每一个，并分享我们在评估消费级 AI 公司时提出的问题。

语言模型有可能彻底改变互联网的核心功能之一：搜索。

我们都经历过这样的挣扎：在谷歌中输入一个问题，然后被大量的链接淹没，其中一些链接的信息相互矛盾或不准确。这简直就是一个无尽的卷轴。如果你能得到一个用自然语言写的简洁的答案，如果你感兴趣的话，还可以链接到更多内容，那会怎么样呢？LLM 驱动的搜索引擎使这成为可能。

像 You 和 Neeva 这样的公司正在为一般搜索查询提供这种服务。其他人正在采取更垂直化的方法：在研究论文中进行共识搜索以提供有证据支持的答案，而 Perplexity 的 Bird SQL 产品以 Twitter 图表为目标（例如，「关于金球奖时尚的最受欢迎推文」）。

这种类型的搜索对于产品推荐特别有价值。如今，要想在知情的情况下购买，通常需要从数十个链接和数百条评论中进行分类。如果你能根据自己的具体需求得到一份精选的选项清单呢? 一些潜在的提示，例如:「最适合六个月大的拉布拉多犬的狗粮，它的胃很敏感」或「纽约冬天穿的骆驼色外套，价格不到 250 美元」。

此外，我们还看到了面向企业的内部搜索应用程序的巨大潜力。大多数公司现在使用许多通信应用程序和数据库，例如 Gmail、Slack、Drive、Asana 等。在所有这些工具中查找单个文档、消息或指标可能是一项挑战。Glean 等产品允许团队跨应用程序搜索，而 Vowel 允许用户查询他们的视频会议记录。

长期以来，教育科技一直在努力在有效性和规模之间取得平衡。构建适合大众的东西，你就会失去吸引个人的个性化。构建完全满足个人需求的东西，扩展起来太昂贵了。

有了人工智能，这种情况就不再存在了。我们现在可以大规模部署个性化学习计划，为每个用户提供一位「口袋里的老师」，了解他们的独特需求，可以回答问题或测试他们的技能。

想象一下，一位人工智能语言老师可以实时交谈并就发音或措辞提供反馈。说吧，Quazel 和 Lingostar 已经在这样做了！我们看到一些产品可以教授新概念，或者帮助学习者在几乎每一门学科中「摆脱困境」。Photomath 和 Mathly 等应用程序指导学生解决数学问题，而 PeopleAI 和 Historical Figures 通过模拟与知名人物的聊天来教授历史。

除了学习特定科目，学生们还在作业中利用 AI 助手。Grammarly、Orchard 和 Lex 等工具可帮助学生克服写作障碍并「提升」他们的写作水平。处理其他形式内容的产品在全国的高中和大学中也越来越受欢迎——Tome 和 Beautiful.ai。例如，人工智能可以帮助创建演示文稿。

我们不相信科技会完全取代人与人之间的联系。但它可以让我们感到不那么孤独。与倾听你并做出回应的人交谈是非常强大的，人工智能聊天机器人可以扮演这个角色。

关于这一点的早期证据，请查看人工智能聊天机器人产品的 reddit 版块，如 Replika、Anima 和 CharacterAI。许多用户在与这些机器人的关系中找到了真正的意义，他们每周都要花几个小时在聊天上。使用的持续性已经可以与 Z 世代的 Snap 相媲美。

人工智能还可以增强甚至激发人际关系。像 Millie 和 YourMove 这样的工具优化了约会应用程序的个人资料和信息，而像 Mumkin 这样的应用程序则帮助用户处理困难的对话。最终，我们都可能拥有一个人工智能聊天机器人，它会提醒我们何时该与朋友和家人联系，并提示我们发送完美的信息。

最后，人工智能可以帮助我们与不在身边或联系不上的人建立联系。你是否曾希望能从已故的家人那里再听到一个故事，或者你能从多年未联系的人那里得到一些建议？有些人已经对此进行了试验。不难想象这样一个世界，在这个世界上，我们所有人都有一个人工智能驱动的「数字双胞胎」，专门训练我们的写作，最终还包括说话。对一些人来说，这种探索已经开始了。

我们还希望看到更多的专业，甚至临床应用人工智能聊天机器人的案例。人工智能治疗师、营养学家、教练和导师将使全球数百万消费者的个人和职业发展成本更低、更方便。这是一个全天候的数字支持系统，用户只需打开一个应用程序就可以提问或开始对话。

早期研究发现，聊天机器人可以有效治疗心理健康。Woebot 和 Wysa 等产品已经证明了临床验证的结果，并获得了 FDA 的指定，用于治疗产后抑郁症、慢性疼痛和焦虑等疾病。目前，超过 25% 的成年人患有可诊断的精神健康问题，我们正在经历全国范围内的治疗师短缺，聊天机器人可能是非急性病例的可行解决方案。

在医疗保健之外，我们已经开始看到其他专门用于协助完成特定任务的人工智能工具和教练的出现。InterAlia 可以帮你搭配衣服，Prodigy AI 可以给你职业建议，而 Poised 可以提高你的沟通技巧，仅举几个例子。

相信有一天，我们都会拥有一个了解我们生活独特背景的个性化聊天机器人，这并不奇怪。当面临生活的变化时——比如离婚、上大学或生孩子——我们将能够以任何引起共鸣的方式获得建议。我们也可以就我们努力实现的目标寻求支持或指导，无论是加强锻炼还是改善我们的财务健康状况。

生成式人工智能让我们能够将想象变成现实——如果做得好，这感觉就像是魔法。正如我们在 Lensa 中看到的那样，内容创建一直是生成式 AI 的第一个主流用例。还记得当你的社交媒体上充斥着你朋友被描绘成超级英雄、宇航员和动漫人物的照片时吗？

肖像只是一个开始。生成式 AI 产品将服务于各种用例，从消费者「只是为了好玩」制作内容，到创作者或个体企业家通过内容获利。我们已经看到生成式 AI 工具在几乎所有媒体中都得到了推广：

艺术——Midjourney 和 Stable Diffusion 等产品允许用户输入提示和风格并获得独特的艺术。

写作——ChatGPT 领先于 Sudowrite 和 Verb 等产品。人工智能的出现是为了更专业的写作类型，比如小说。

视频——Descript 和 RunwayML 正在从生成视频编辑扩展到创建，而 Linum、QuickVid 和 Synthesia 等产品生成新的视频内容。

设计——Canva 集成了 AI，微软正在测试自己的 AI 设计平台。他们将与 PhotoRoom 和 Magician 等初创公司竞争。

音频——Boomy 和 Riffusion 等产品从头开始创作音乐，而 Murf.ai 和 Resemble 提供录音室品质的画外音。

随着时间的推移，我们可能会看到更多专业级的生成式 AI 产品出现。

如今，许多 AI 工具都存在故障（照片中会弹出第三只手臂！）或者需要很长时间来处理请求。这对大多数消费者来说都很好，但如果你试图通过内容获利，那就更令人沮丧了。为了服务于这些高级用户，我们预计许多公司将添加提供更高质量服务的「专业」级别——正如 ChatGPT 已经做的那样。

AI 很可能在游戏中扮演重要角色，这一点我们的合作伙伴已经写过很多文章。生成式 AI 将使制作高质量游戏变得更容易、更快、更便宜，同时使玩家能够真正地定制他们的游戏玩法。

最受欢迎的游戏的制作成本高达数百万美元，有时甚至高达数亿美元。除了游戏的故事情节，开发者还需要生成数以千计的媒体资产，从图像本身到 3D 模型再到配乐。

这些高质量、AAA 级游戏的命脉是人类艺术家的作品和愿景。人工智能不太可能完全取代它们。然而，我们认为人工智能将促进这些艺术家及其团队的发展，使他们能够更有效地利用时间，以更低的成本更快地推出游戏。

我们已经看到了创建游戏资产的 AI 工具，例如 Scenario 和 Iliad，以及可以构建整个虚拟世界的平台，例如 Promethean。你甚至可以使用 Inworld、Charisma 和 Convai 等产品生成非玩家角色 (NPC)。

AI 不仅会推动更多游戏的创作，还会推动一种更具动态性和个性化的新型游戏，以满足每个游戏玩家的喜好。我们已经在 AI Dungeon 和 Hidden Door 等基于文本的游戏中看到了一些早期的例子。想象一下，你进入一款游戏，只用几句话就能设计一个复杂的自定义角色。最终，这可能会扩展到你可以从头开始创建的整个虚拟世界。

为小型企业服务的工具将成为生成人工智能的杀手级用例。美国有 3200 万家小企业，它们占 2000 年以来创造的净新增就业岗位的一半以上。它们在我们的经济中发挥着至关重要的作用，但它们往往人手短缺且不堪重负，尤其是在最近劳动力短缺的情况下。

人工智能工具可以对其中许多企业产生立竿见影的影响。多一双手——尽管它们可能模糊不清！——是无价的。AI 工具和相应的用例正在成倍增加：Sameday 可以接听电话和预约；Truelark 可以处理文本、电子邮件和聊天；Osome 可以管理后台；而 Durable 可以创建一个完整的专业网站。

许多通用的内容创建工具，如 Jasper、Copy 和 Writer，已经在中小企业中获得了有意义的吸引力。但我们也开始看到专为特定类型企业的工作流程量身定制的垂直化工具。例如，像 Harvey 和 Spellbook 这样的产品可以帮助法律团队自动执行接收、研究和文件起草等任务。在房地产领域，Interior AI 使代理商能够虚拟展示他们的房产，而 Zuma 帮助物业经理将潜在客户转化为预订的旅游。

在这个领域，最富有成效的垂直领域之一是电子商务。这些企业中的大多数完全在线运营，这使他们可以轻松地将人工智能工具集成到他们工作流程的许多部分。在客户获取成本不断上升的世界里，各品牌都渴望尝试一些产品，这些产品可能有助于他们降低成本，吸引更多的购物者，并提高留存率。

Flair、Booth 和 Bloom 等工具可帮助品牌制作引人注目的产品照片，这在企业向在线购物者销售产品时非常重要。一件衣服挂在衣架上的静态照片可以变成一个女人穿着这条裙子穿过花园的形象。我们预计这些用途最终会变得高度个性化：一张沙发的登录页面将展示你公寓中沙发的照片。

除了产品照片，品牌还创造了许多类型的内容，现在可以通过 AI 进行增强。AdCreative 和 Pencil 等产品可以为电子邮件或社交媒体制作营销材料，而 Frase 或 Writesonic 可以撰写针对 SEO 优化的产品说明。最终，我们希望用户能够通过简单地描述他们想要的审美并点击一个按钮来创建一个完整的电子商务商店——以及营销它的材料。

我们仍处于生成式 AI 革命的早期阶段，但我们很高兴分享这项技术将如何影响我们的工作、学习、创造和娱乐方式。在接下来的几天里，我们将深入探讨 AI 对这些消费者类别的影响。

原文链接

近日 OpenAI 的 ChatGPT 在全球市场引领了一波又一波 AI 板块的行情疯涨，本周一 BlockBeats 已为大家梳理了加密行业大家都在炒哪些 AI 概念币。

但其实 OpenAI 创始人山姆·奥特曼（Sam Altman）早就亲自下场创办过一个加密项目——「世界货币」Worldcoin，旨在推出「一种新的、集体拥有的全球货币，公平地分配给尽可能多的人。」

将加密货币公平分配至每一个人

数据显示，2021 年全球约有超过 3 亿加密货币用户，加密货币平均拥有率仅为 3.9%。

在此背景下，Worldcoin 提出了一个纯粹而又显得有些疯狂的愿景：「在一个人人共有的加密网络中连接第一批十亿用户」。

称其「疯狂」是因为，比特币筚路蓝缕走过十三年，才堪堪使加密货币迈过 3 亿用户的里程碑。

但 Worldcoin 团队提出了让人无法拒绝的理由：「区块链和密码学等革命性新技术可以让我们共同做一些甚至政府都无法做到的事情——在全球范围内增加个人赋权和机会平等」。

如此浪漫的叙事，理所当然地吸引了一些顶级风投：

2020 年 6 月，Worldcoin 以 10 亿美元的估值融资 2500 万美元，Digital Currency Group、Coinbase Ventures、a16z、Multicoin Capital，以及包括 LinkedIn 创始人 Reid Hoffman 和 FTX 创始人 Sam Bankman-Fried 在内的天使投资人参投。2021 年 3 月底，Worldcoin 又寻求以 30 亿美元估值筹集 1 亿美元融资，a16z 继续加码。

Worldcoin 是一个运行在以太坊上的 Layer 2 网络，Token 供应上限为 100 亿枚。除了 20 亿枚将留给 Worldcoin 基金会和投资者，剩下的 80 亿枚都将在全球范围内免费分发。

然而，这样的漫长道路不免遇到一些阻碍——大规模分发的首要问题是：如何使 Token 分发到真正的「人」手中，而非代码或机器？如何避免同一人的重复领取？即，在不进行任何 KYC 的情况下，如何证明你是你？

为此，Worldcoin 展开了币圈最声势庞大也最惹人非议的用户空投活动——生物识别领空投。

加密之眼 Orb

一千年前，吉普赛人用水晶球预测未来；如今，Worldcoin 的运营商们用 Orb 为人们发放加密货币。

看起来像眼球的 Orb 其实是一台虹膜识别设备，表面镀铬，约排球大小；由瑞典工业设计师 Thomas Meyerhoffer 设计（此前曾供职于 Apple 和保时捷）。

其主要功能是捕获人眼图像，并将其转换为唯一的 IrisHash。Orb 首先扫描用户手机上的二维码，随后捕捉多个高分辨率的多光谱虹膜图像，并根据图像计算唯一的 IrisHash，最后由一组定制的安全传感器确保注册是合法的。Worldcoin 通过这种方式来验证这名用户是否真实存在，是否已经获得了免费份额。

尽管 Orb 不要求填写姓名、地址和电话号码等个人信息，但生物识别的信息采集显然更为敏感。在 Worldcoin 的既定方案中，采集眼部图像之后将其经过哈希函数生成唯一标识符，随后将永久删除眼部图像。并采用开源的 Semaphore 零知识证明系统来增强隐私保护。

Worldcoin 联合创始人 Alex Blania 在 2021 年 10 月的 CoinDesk 采访中表示，每个人收到的金额取决于他们在项目推出的早期阶段，随着加入的人越来越多，金额会逐渐减少，但金额大致在 10 美元到 200 美元之间。这笔钱将在两年内发放，其中 10% 可以立即在 Orb 生成的钱包应用程序中获得。

据该公司模型预测，到 2023 年将有超过 10 亿人凝视过 Orb。

争议泥潭

自 2021 年下半年开始，Worldcoin 发起了一系列的地推活动。在非洲、南美、欧洲和亚洲等部分国家和地区的街头，人们常常会看到有推广团队携带着银色的球体设备，寻求路人录入眼球中的虹膜信息，作为报酬，参与者往往能得到一份小礼物和宣称价值数十美元的加密资产「代金券」。

通过采集虹膜来反作弊的方式十分特殊，但 Worldcoin 最初的推广计划还是取得了不错的效果。该公司首先面向全球欠发达的国家和地区开启地推，并招募了多个 Orb 运营商，表现较好的运营商每周每个 Orb 设备能够吸引大约 1000 名用户，还曾有一个 Orb 在一周内就注册了 2198 名用户。

贫困地区的人们对于听起来免费的馈赠自然更容易接受，这显然是 Worldcoin 的策略之一。但好景不长，由于 Worldcoin 迟迟未发行 Token，拿着「空头支票」无法兑现的参与者们开始变得焦躁。

「谎言，Worldcoin 和其他骗局没有什么不同」，在社交媒体上，有用户如此质疑道。类似的声音引发了很多人的附和，尤其在超过三个月还未收到 Token 之后，许多人都将 Worldcoin 视为一个欺诈项目。

当铺天盖地的质疑声袭来时，首当其冲的并不是 Worldcoin 官方团队。在全球各地的 Orb 运营商成为了第一道挡箭牌。

由于 Orb 运营商直接接触用户，用户们第一时间将不满的情绪发泄给他们。一名用户在发给 Orb 运营商的短信中写道，「现在已经三个多月了，你对我们的眼睛做了什么？」，还有人将 Orb 运营商称为「小偷」，指责其偷走了自己的眼睛生物数据。

据一名线下操作员透露，他们的团队收到了数百条关于 Worldcoin 的愤怒短信，让他们承担着巨大的心理压力。

事实上，大部分 Orb 运营商并不属于 Worldcoin 公司，他们是该公司寻找的第三方推广团队，根据注册用户的数量来获得报酬。据运营商透露，除了用户的指责外，他们也面临着设备故障、业绩压力、薪酬结构变化等诸多问题。

据外媒 BuzzFeed 获悉的一份文件，运营商连续两周注册人数少于 500 人就意味着没有达标，随后他们将失去自己的 Orb 设备；与此同时，一些非洲国家的操作员在被批准后，辞掉了原来的工作，并花钱印制 Worldcoin T 恤作为商品赠送，但 Worldcoin 花了 5 个月时间才将 Orb 运送到他们手里，而且送达时还有缺陷；此外，Worldcoin 也在持续调整 Orb 运营商获得的收入，他们必须尽可能多地完成注册目标，才能维持收入水平。

如今，许多用户和 Orb 运营商们都对 Worldcoin 心有不满，甚至有些运营商选择了罢工。在这些负面情绪之外，Worldcoin 面临的更大挑战是隐私和法规问题。

收集人体生物信息本就非常敏感。早些时候，前美国中央情报局雇员斯诺登便公开抨击 Worldcoin 使用人体信息进行加密，他表示，「人体不是打票机」 ， Worldcoin 保存了扫描产生的哈希，并对未来的扫描进行匹配，「这很糟糕」 。

面对隐私争议，Worldcoin 曾表示它只是为了确保达到反作弊的效果，一旦公司算法得到优化，会删除所有虹膜数据库。但这个删除操作十分难以监督，且该公司并没有透露算法获得优化的具体时间，也未说明何时停止收集数据。

由于这个全球性的项目已经在 20 多个国家收集了数十万的眼睛图像，Worldcoin 也愈发被各国监管所注意到。

当前，很多国家都规定不允许商业公司将隐私数据转移到国外，Worldcoin 显然触碰到了这条红线。以肯尼亚为例，这个非洲国家已通过一项数据保护法，禁止公司在未经新成立的数据保护专员办公室批准的情况下，将生物识别数据转移到国外。而根据数据同意书，Worldcoin 目前在美国、英国、德国、日本和印度处理用户数据。

侵犯隐私的争议和法律问题，让 Worldcoin 的发展之路受到不小的阻碍。据彭博社报道，在 Orb 运营商离去或被法规禁止开展业务后，Worldcoin 已在至少七个国家停止了运营计划。

以「世界货币」而命名并以此为目标的 Worldcoin 陷入了泥潭之中。哪怕有豪华 VC 阵容的加持，在欺诈质疑、侵犯隐私、违反隐私保护法规的多重困境下，Worldcoin 项目本身的法律问题直接威胁到它的生存，「世界货币」的目标看起来十分不切实际。

水下前进

2022 年 8 月 24 日，Techcurch 报道 Worldcoin 联合创始人兼首席执行官 Max Novendstern 已离职，并创办初创公司 Mana，2021 年 3 月份的 1 亿美元融资时至今日似乎也没有下文。

表面来看，Worldcoin 似乎成为了那种雷声大雨点小的「天亡级项目」：迟迟不发币、没了下文的融资、分崩离析的团队、隐私的「政治正确」、第三世界国家人权的政治红线、生物信息采集的「伦理争议」、传销味道浓郁的推广方式，就连创始人山姆·奥特曼本人都很久未在公开场合提到该项目，让人不禁认为其已在 OpenAI 中乐不思蜀，完全忘了他的另一个小儿子。

但如果仔细观察 Worldcoin 的官方推特，并结合思考，却可以发现该项目其实在有序前行。联创 Max Novendstern 早在 2021 年项目初期就已经辞职独立创业，该时间点意味着离职与团队和项目本身的质量并无关系，且以山姆·奥特曼在硅谷的影响力，资金问题显然不是该项目的阻力。Worldcoin 曾在一份声明中披露了将公司转型为非营利性组织的设想，这很难不让人想到山姆·奥特曼在 OpenAI 上的操作——足够纯粹的初心，与切实落地的技术路线。

Worldcoin 在最近的官方进展中披露了 World ID (our Privacy-Preserving Proof of Personhood Protocol) 的工作原理，并再次强调了整个流程中，除非用户明确同意数据保管，否则图像永远不会离开 Orb，且 IrisCode 和属于用户的钱包之间没有链接，协议完全保证了基于算法的单向隐私性。

World ID 可以看作是「DID」解决方案中截然不同的另一条路，旨在一劳永逸地解决隐私身份中的女巫攻击与人权问题，一旦成功将对整个公链生态与 Web3 社交产生深远影响。World ID 曾在 2022 年 10 宣布与 Lens 合作，将虹膜代码引入其身份确实流程，同样地，虹膜代码并不会泄露你的身份，仅仅确保唯一性。

2023 年 1 月 27 日，Worldcoin 宣布历经三年推广，参与人数突破 100 万，并首度公开硬件 Orb 的设计与工作原理，为未来更大规模的开源做准备，似乎一切都在有序进行。

OpenAI 蛰伏多年，闻者众多，人们却多以为是大佬玩票，直到玩出 ChatGPT，方惊呼科技需要纯粹的初心。然而 Worldcoin 草灰蛇线，伏笔千里，又何尝不是山姆·奥特曼的另一颗初心？

谈发币格局太小，但我们不妨关注项目进展；谈梦想被说心比天高，市场恰恰又是跟着梦想走。行情如火如荼，也许只是下一场宏大盛宴的开始。

原视频来源：画百科

ChatGPT火爆全网，赞美声不断。其实 ChatGPT 可能比你想象的更加危险。ChatGPT书写的文本和人类的创作几乎没有差别；如果骗子熟练掌握了这项技术，那么区分机器人和真人的挑战性极大，政治家也会利用 ChatGPT 撰写多种文章来影响公众舆论。在人类不断研制和开发 AI 的过程中，或许也在被 AI 一步步侵蚀。

相关阅读：《ChatGPT 引发的十大职业危机及带来的新机遇》、《chatGPT+Web3，有哪些想象空间？》

原文标题：《ChatGPT 之父阿尔特曼自述：我为何成功？》

原文整理： 创业邦

「编者按」马斯克之后，谁会是全球新一代的科技领袖？

如果你在美国做个调查，90% 的人会选择 OpenAI 创始人兼 CEO 山姆·阿尔特曼（Sam Altman）。比尔·盖茨说，公司的最新产品 ChatGPT，意义「不亚于互联网的诞生。」

38 岁的阿尔特曼有一路开挂的生涯。19 岁从斯坦福大学计算机系辍学创业；26 岁与创业伙伴将公司卖了 4300 万美元，从此财务自由；29 岁投资并管理美国最大创业孵化器 YC，5 年规模扩大十倍；30 岁，他与马斯克等人联手创办 Open AI，跻身全球顶尖创业者之列。

在 YC 创始人、硅谷创业教父 Paul Graham 眼里，Sam 是极具魄力的领导者和开拓者。「如果把 Sam Altman 扔到某个食人族之岛，5 年后他会成为这个食人族岛的国王。」

这篇文章是阿尔特曼在 2019 年即将任 OpenAI CEO 时写的博客。通过在 YC 时期和大量创业者及技术人才的交流，阿尔特曼总结了他眼中的创业秘诀，文章标题平淡无奇《如何取得成功》（How to be successful），但字字珠玑，至今仍被硅谷创投圈奉为圭臬。

以下为创业邦对原作的整理。

复利化成长

Sam 说，复利有神奇的魔力，指数曲线是创造财富的关键。一家中型企业，如果价值每年增长 50%，用不了几年就能成为巨头。

世界上，真正有网络效应和高度扩展性的行业并不多。但技术进步让这一点成了可能，你可以花时间发现和创造这样的机会。

个人职业生涯也是如此。大多数职业发展轨迹都是线性的，而成功需要选择具有复利效应的职业。达成这一目标，有多个途径，包括借力资本、技术、品牌、网络效应，以及从事管理工作。

绝对自信

Sam 说，自己认识的最成功的人，都是自信到离谱的人。

为什么？因为成功就是超越平庸，需要逆向思维才能创造出最大的价值。而对自己不自信的人很难具备逆向思维能力。

对初创企业 CEO 来说，一个挑战是激发自己以及团队的士气。如果没有自信，这个任务几乎不可能完成。一个人的志向越远大，遭受的打击就会越多。这个时候，只能靠自信。

自信容易导致自大。怎么克服？

Sam 的做法是，强迫自己假设这些批评是正确的，然后在这个基础上调整计划。企业家必须学会保持自信与自我认知之间的平衡，避免过度自信造成与他人脱节。

独立思考

创业过程需要原创性思维，学校很难教，只能是自己学。

Sam 非常推崇马斯克的「第一性原理」。马斯克建议凡事都从「第一性原理」出发，从问题的本质开始，想出新的创意，并通过与人交流，尝试发现更简便更快捷的方法以解决问题。

除此之外，Sam 有两大心得。第一，对创业者来说，失败是家常便饭，量变导致质变，失败多了，成功就出现了。

第二，把自己逼入绝境，灵感往往就来了。这话可以反过来理解，缺乏灵感，可能就是问题的难度不够大。Sam 说，灵感往往来自于压力，这一点他屡试不爽，深信不疑。（参见创业邦《金矿的死囚，创造力爆发，只因被逼入绝境》）

重视销售

光是自信还不够，创业者需要具备说服他人的能力。

Sam 说，干什么工作，本质都是销售，把自己推销出去。当老板，需要把自己推销给投资人、媒体、合作伙伴。打工，要把自己推销给老板，把产品推销给客户。

一个好的销售，需要满足四个条件：好的想法、强大的沟通能力、一点点个人魅力，以及执行力。但做好销售的前提对自己推销的产品抱有绝对的自信。

Sam 有几个特别的心得：

*书面沟通能力：把事情想清楚，再简明扼要地写清楚。

*销售和多数技能一样，是可以磨练的。做的时间越久，就越擅长。

*创业公司 CEO 要参与「打单」。这一点非常重要。

保持专注

专注可以让工作事半功倍。

Sam 说，自己认识的人，都会花很多时间想明白要专注在哪些事情，而且他们的结果都很不错。由此可见，做正确的事比工作时间长短更重要。多数人是将时间花在了无关紧要的事情上。

一旦你想明白了该做什么事情，就快速行动起来，把精力集中在少数几件最重要的事情上。成功人士都是快速行动者。

努力工作

如果你在聪明和勤奋中占了一项，就能超过 90% 的人。但想超过 99% 的人，必须聪明+勤奋。因为你的竞争对手往往是这样的人。

Sam 有两个观点：第一，做事极端，才可能有超凡的成就。

第二，创业没办法保持工作和生活的平衡。但勤奋有复利效果，往往能带来一个又一个惊人回报，这能产生巨大的生活乐趣。

Sam 认为，勤奋要产生复利，也需要尽早开始。越早开始努力工作，获利时间就越长、获利就越多。

当然，勤奋不能透支身体。怎么平衡？Sam 说，个人有个人的高招，有一点肯定靠谱，就是与相处愉快的人一起做喜欢的事。

任性一点

只要足够任性，坚持下去，世界就有可能以你的意志为转移。

大多数人要么不敢尝试，要么不够努力，要么过早放弃，导致自身潜能没有发挥出来。

Sam 认为 Airbnb 是一个好的案例。无论遇到什么困难，CEO 布莱恩·切斯基（Brian Chesky）都能坚持下来，终于等到了时来运转的一天。

怎样才能保持任性和坚定？Sam 的建议是保持乐观。乐观这种性格特征是可以通过练习逐步提升的。毕竟，商业上成功的人几乎没有人是悲观的。

打造人际网络

一个人事业的天花板，往往取决于他能在身边集结多少优秀的人。

怎样打造一个人际网络？Sam 有三点建议：

*尽可能多帮助别人

Sam 取得的工作和投资成就，大多数来自贵人的帮助。而这些人往往是他过去不经意间帮助过的人。

*保持好名声

这包括：不亏待每一个一起共事的人；与他人慷慨分享资源；慧眼识珠、知人善用，让每个人充分施展自己的才华。

*结交积极向上、志同道合之人

挖掘人才是建立人际网络的有效途径，方法就是多社交。另外，不能局限于他人过往的工作经验和当前的成就，需要关注的是此人是否有潜力，以及潜力能否短时间内被激发。

每当遇到新人，Sam 都会问自己，「这个人有异于常人的能力吗？」对于渴求人才的人来说，这个问题很值得思考。

要想发大财，必须「拥有东西」

Sam 说，福布斯榜单告诉我们，除了一些艺人，很少有人是靠薪水发财的。挣工资就是出卖自己的时间，而时间换来的财富只会保持缓慢的线性增长，不可能爆发式增长。

Sam 认为，拥有能迅速增值的「东西」才能真正致富，可以是企业、房地产，也可以是自然资源、知识产权。

迅速增值的最佳方法就是大量制造出人们想要的东西。创业就是一个途径。

要有内驱力

Sam 招聘，先看人是否有内驱力。

他认为，大多数人的工作动力主要是外部驱动，这些人做什么事情都是为了让外人觉得自己很牛。

这种心态是有害的。一是它会导致工作中过于在意他人的看法，人云亦云，因循守旧；二是会对形势出现误判，比如，容易将注意力集中在主要竞争对手，而不是客户。

Sam 相信，大多数成功人士都是靠自我驱动。他们做事情是为了让自己满意，他们觉得改变世界是自己的责任。一个人有了金钱和地位，这二者的吸引力就会逐渐消失，只有内驱力才能推动一个人向更高的地方攀登。

原文链接

原文标题：《 刚刚！微软发布会速览，新的 Bing 长啥样？ 》

原文作者：阿法兔

大家好，今天凌晨熬夜研究了一下微软开的线下发布会，摘取了一些要点，希望能给大家一些启发。感谢大家的支持和喜欢！欢迎转发！在看。

前情提要  

微软在今天北京时间凌晨在 Redmond 线下举办媒体一场活动，预计将会围绕微软的产品以及人工智能，公布最新消息，这里我们先回顾一下微软在人工智能上的布局。

2019 年，微软向 OpenAI 投资 10 亿美元，成为了 OpenAI 紧密的合作伙伴，而微软的 Azure OpenAI，于 2021 年推出的，微软云服务客户可以使用各种 OpenAI 工具，如 ChatGPT 基于的 GPT-3.5 系统，以及可以通过文本提示生成图像的 Dall-E 模型。2022 年 11 月底 ChatGPT 推出，迅速席卷互联网，用户迅速上了百万。

2023 年 1 月初，微软已经在讨论将 OpenAI 的技术纳入 Word、PowerPoint、Outlook 和其他应用程序，这样用户就可以用简单的提示自动生成文本，2023 年 1 月下旬，微软宣布即将会把 ChatGPT 加入 Azure 云服务。

此外，新版微软必应+Chatgpt 的测试版会推出，在面对谷歌刚刚宣布发布 Bard 聊天机器人的时刻，这场发布会就更容易引人注目。

之前网上流传的新版必应的特点是有一个聊天框，而不是搜索框，你可以像人一样与搜索引擎对话，用自然语言查找信息和搜索网络查询。

发布会说了啥?

发布会提出，新版微软搜索引擎，在桌面上推出了测试版，移动版也即将推出。

微软首席执行官 Satya Nadella 先上台，和大家开玩笑说我们要谈论 Kubernetes，所有人都笑了（哈哈）。Nadella 介绍了当前微软的情况，包括过去微软所经历过的所有，和取得的业务里程碑，Nadella 提到了卡特总统和当时所面临的经济、通货膨胀问题。

他说：「微软能将如何克服这些挑战？」

之后，Nadella 在分享了一些关于微软和技术的轶事后，（负责回答发布会问题的微软成员们）就开始回答关于 Bing ChatGPT 和 OpenAI 的问题了。

发布会：

新版微软必应 Waitlist 时，用户可以通过安装一个浏览器扩展，更快地获得 AI 工具, 新的微软必应不是 Tay 2.0，今天起，微软由 ChatGPT 支持的搜索引擎 Bing，会开放给所有人试用，大家很快就可以试用新的必应了。

新的 Bing 搜索引擎特性：

1. OpenAI：下一代语言模型 

2. 普罗米修斯（Prometheus）模型：提高，提高搜索结果的相关性，对答案进行注释，显示最新结果，了解地理位置，增加安全性。

3. 核心搜索索引：应用了人工智能模型，也是二十年来相关领域最大跳跃。

4. 用户体验（集成）：搜索汇集了答案、聊天和浏览器 

The New bing:

1. OpenAI: next gen language model

2. Prometheus Model: Improve relevancy, annotate answers, up to date results, understand geolocation, increase safety.

3. Core search index: We applied the AI model and we saw the largest jump in relevance in two decades.

4. User Experience (unified); search coming together answers, chat, and the browser.

Q:关于广告：有没有计划纳入广告？

回复：广告一开始就就会有。

Q: 对终端用户是否有任何费用？展示的很多东西都是基于事实的。这能帮助人们进行创意写作吗？

回答：不收费，它是免费的，它可以帮助人们进行创造性的举例。

Q：开发者会得到一个 API 吗，可以对这些查询进行限制吗？

回答：我们正在继续评估我们的产品，限制这块还会有一些区别

Q:在 Chrome 或其他浏览器中能否使用？

回答：我们希望把这个功能带给所有的浏览器，只是从 Edge 开始。Chrome 需要设置一些功能，才能使用，但我们的目的是所有的浏览器。

Q:ChatGPT 有时会产生幻觉，乱编乱造，你们是否战胜了这个问题，或者说用户可能会看到这个问题？

回答：从一开始我们在努力解决这个问题，我们正在测试模型，并且努力保持接地气的语气，但是目前它还不完美（We've been working on this since the beginning. We are measuring where the model is not staying grounded in the search results, but it's not perfect. Users will see where it's changing a small number or something.）

Q：在使这个产品可持续发展和计算优化方面，你们做了哪些努力？

回答：我们希望它可以区分，在什么时候会使用严格的计算，而什么时候可以不进行那么重的的计算，这一点很智能。

问：生成的内容，是否完全会被被标记为 AI 生成的？

回答：我们的愿景是辅助，而不是希望 Bing 完全生成和写东西。

问：为什么不重新塑造一个新的品牌名称（Why not rebrand Bing?）？

回答：我们认为，（ChatGPT 的这场革命）完全是对搜索的重新认识，我们喜欢 Bing 这个品牌，所以我们也要坚持它继续叫 Bing。

问：在 GPT 上运行查询与传统搜索的成本是什么？

回答：我不打算回答这个问题。

问：在这里，数据的相关性和新鲜性性将非常重要。比如说，Bing 给出的是新鲜的训练数据、现场新闻来源，还是两者的结合？

回答：我们马上会对它进行测试，看它是否知道这个事件。

问：关于 Bing 的准确性。

回答：我们不会总让它得出 100% 的正确，Bing 一直在学习和迭代。而这里的关键其实是，如何将信息落地？要给它提供更多的数据。可以提高准确性。

问：关于模型中信息的时效性，比如说如果一台新电视刚刚发布，机器人会知道吗？

回答：We'll be impressed with the recency.

问：是否会产生大量的不良内容？被返回到模型中，让模型学习？

回答：将搜索与模型结合起来，意味着可以用搜索来进行事实核查。把这两者结合起来时，能够进行检查，产生一种平衡。

注：后续马上要开的微软投资者电话会议，能够获得更多关于这个新版必应的收入和竞争方面的细节，笔者也会进一步进行解析。  

原文链接

原文标题：《 从 AI 基础设施到应用场景，哪些 Web3 项目值得关注？两者如何结合？ 》

原文作者：饼干 & alertcat.eth，ChainCatcher

OpenAI 旗下聊天机器人 ChatGPT 在推出仅两个月后月活跃用户达到 1 亿，成为历史上用户增长最快的应用。如此强大的「涨粉」能力让 AI 热度迅速传递到加密领域，1 月 10 日，彭博社称微软正考虑向 ChatGPT 开发者 OpenAI 投资 100 亿美元，所有 AI 概念的加密货币被彻底引爆，FET、AGIX 等在一个月内涨幅超 200%。

在资本的助推下，这两项备受关注的前沿技术能否融合在一起？人工智能利用计算机通过模仿人脑的思维能力来解决问题。OpenAI 向自然语言处理（NLP）模型提供大量的训练数据，让其变得更强大。在区块链技术构建的加密世界里，每天的庞大链上数据可以为 AI 引擎提供「燃料」，让 AIGC 反馈出更优秀的策略。

另外，随着 AI 算法变得越来越智能，人们理解它们如何做出决策和结论变得越来越困难。区块链具有不可篡改的特性，可以帮助我们访问 AI 在其决策过程中使用的数据和流程的不可变记录。

AI 概念的加密项目（来源：Rootdata）

相比于 Stability AI、 ChatGPT 等人工智能在传统领域获得大量关注和采用，区块链更大的想象力在于可以改变 AI 模型的经济系统。当 FOMO 情绪褪去之后，本文将探讨那些引入 AI 技术的加密项目有哪些特点？AI 结合区块链能够产生什么样的化学反应？

AI 基础设施

AI 基础设施项目的共同特点是对于传统 AI 的架构（数据、模型和算力）进行分发和售卖。它们一般使用自己的原生代币作为交易媒介。它们往往是在用户和服务提供商之间，处于中介的地位，构建了一个去中心化的交易市场。这些都是介于传统 AI 需要完成的任务，例如 NLP、AI 语音、CV 领域使用 DApp 作为中介平台进行交易的项目。本质上是将传统市场使用代币定价与交换的去中心化市场。

Openfabric AI 

Openfabric 是一个用于构建和连接 AI 应用程序的平台。通过该平台，人工智能创新者、数据提供商、企业和基础设施提供商之间的协作将促进新智能算法和服务的创建和使用。Openfabric 生态系统由 4 个角色组成：算法创建者、数据提供商、基础设施提供商、服务消费者，其中服务消费者需要向其他 3 种服务商付费。

算法创建者：利用其专业知识来创建能够解决复杂业务问题的 AI 算法。数据提供商：确保分发大量训练 AI 算法所需的数据。基础设施提供商：运行 AI 平台的所有硬件。服务消费者：需要特定业务产品或服务的最终用户。

Oraichain

Oraichain 是一个由 AI 驱动的区块链预言机和生态系统。除了数据预言机，Oraichain 的目标是成为区块链领域中具有完整人工智能生态系统，作为创建智能合约和 Dapps 的基础层。以 AI 为基石，Oraichain 开发了许多重要的创新产品和服务，包括 AI 喂价、完全链上 VRF、Data Hub、具有 100 多个 AI API 的 AI Marketplace、基于 AI 的 NFT 生成和 NFT 版权保护、Royalty Protocol 、人工智能驱动的收益聚合器平台和 Cosmwasm IDE。

Fetch.ai 

Fetch.ai 是一个基于人工智能和机器学习的区块链平台，支持任何人共享或交易数据。作为一个自治的机器对机器生态系统，任何独立方网络都可以成为 Fetch.ai 的网络代理，将代理之间产生的任何协议记录在 Fetch.ai 区块链上。FET 是 Fetch AI 区块链的原生代币，是支付交易的主要交换媒介。

来源：Fetch.ai 博客

SingularityNET 

SingularityNET 是一个去中心化的人工智能平台和市场。开发人员将他们的服务发布到 SingularityNET 网络，供任何接入互联网的用户使用。开发人员可以使用原生 AGIX 代币对其服务收费。服务可以提供跨领域的推理或模型训练，例如图像、视频、语音、文本、时间序列、生物人工智能和网络分析。

SingularityNET 生态系统

SingularityNET 生态系统将为平台提供 AI 服务并创造 AGIX 代币的大规模利用。这些 SingularityNET 衍生产品正在多个战略性选择的垂直市场中开发，包括 DeFi、机器人、生物技术和长寿、游戏和媒体、艺术和娱乐（音乐）以及企业级 AI。

Gensyn

Gensyn 协议是一种用于深度学习计算的 Layer1 网络，通过即时奖励将计算时间投入网络并执行 ML（机器学习）任务的供应方参与者。该协议不需要行政监督或执法，而是通过智能合约以编程方式促进任务分配和支付。该网络的根本挑战是验证已完成的 ML 工作。这是处于复杂性理论、博弈论、密码学和优化的交叉问题。Gensyn 生态系统由提交者、解决者、验证者和举报者 4 个角色组成。 

提交者（Submitters）：提供将要计算的任务并为完成的工作单元付费。解决者（Solvers）： 执行模型训练并生成证明以供验证者检查。验证者（Verifiers）：将非确定性训练过程链接到确定性线性计算、复制求解器证明的一部分并将距离与预期阈值进行比较的关键。告密者（Whistleblowers）：检查验证者的工作并提出挑战，希望获得累积奖金。

Gensyn 的愿景是通过分散 ML 计算为 Web3 应用提供重要的基础设施组件，以减少 Dapps 对 Web2 基础设施的依赖。

应用场景

在此类应用场景中，项目旨在对于近年来区块链发展产生的新兴需求以 AI 的方式进行处理。

这些需求可以是使链游用户跳过繁琐的操作、使开发者快速开发链游、在区块链平台上社交、生成具有自己个性的虚拟人或者检测虚假 NFT 项目等等。与传统 AI 的平台不同，此类项目具有较强的需求不可替代性，就使其具有较深的护城河，同时，以新兴的需求作为卖点的平台，其发展难点在于获客，如何吸引足够多的客户以证明自己平台的需求是可持续的和客观存在的，成为了这类平台发展中遇到的一大问题。

链游方向

在加密游戏「P2E」模型的主流金融系统下，用户面临不断变化的游戏玩法以及大量重复性的基础操作，AI 可以为玩家提供稳定的自动化流程和制定胜率更高的游戏策略。rct AI 是一个运用 AI 为游戏行业 提供完整的解决方案，其核心技术混沌球（Chaos Box）是⼀个基于深度强化学习的 AI 引擎。rct AI 针对 Axie Infinity 开发了 AI 训练的 DRL（Deep Reinforcement Learning）模型，由于 Axie Infinity 所有卡牌的组合数量大约有 10^23 种，还有游戏中的博弈等特点，rct AI 的模型在大量模拟对战数据中提升了效率和胜率。

此外，AI 可以为开发商提供动作原型，Mirror World 是一个基于 Solana 的游戏矩阵虚拟世界，已使用 AI 技术推出了结合 Roguelike 玩法的 Mirrama、基于 PVP 的竞技场游戏 Brawl of Mirrors。此外，Mirror World 还推出了可以在游戏中互操作的 NFT 系列，这些 NFT 的原型使用 AI 动作算法完成。

相关阅读：《对话 rct AI：是时候思考区块链对于游戏发行端的改变了》

社交方向

PLAI Labs 专注于利用 AI 和 web3 构建下一代社交平台，供用户一起玩耍、交谈、战斗、交易和冒险，该平台于 2023 年 1 月获得 a16z 的 3200 万美元融资。目前，PLAI Labs 向外界展示了 2 个产品：

Champions Ascension，这是一款大型多人在线角色扮演游戏 (MMORPG)，玩家可以选择以 NFT 的形式拥有自己的角色，并能够在大型斗兽场竞技场中进行战斗，做任务，在自定义地牢中建造和竞争和交易数字物品。AI 协议平台，该平台将帮助处理从用户生成的内容 (UGC) 到匹配到 2D 到 3D 资产渲染的所有内容。

PLAI Labs 计划在今年上线 V2 白皮书，包括核心经济循环的细节（利用 NFT 和区块链提升体验）、UGC 工具包（包括 AI）计划...

相关阅读：《创业老兵再出发，Plai Labs 浅谈为何选择 Web3》

NFT 方向

Aletha AI 提出了 iNFT 的概念，iNFT 是一种结合人工智能和区块链的技术。融入 AI 之后，NFT 具有了交互性、生成性、可扩展性和独特的各种个性特征。 

简单来说，NFT 如果是一个数字人作品，融入 AI 后，成为了 iNFT，具有了和用户聊天能力的 NFT 作品。2021 年 6 月 10 日，世界上第一个 iNFT 爱丽丝在苏富比拍卖行以 478，800 美元的价格拍卖。

Altered State Machine (ASM) 是一个结合 NFT、人工智能和机器学习的创新项目，为 AI 驱动的 NFT 提供训练动力，其愿景是成为使用 NFT 技术的 AI 的所有权和货币化协议。在 ASM 生态系统中，基于 AI 的 Avatar 称为 Agent，由大脑和化身两部分组成。该项目还发行了 ASTO 代币为 ASM 生态系统提供动力。

相关阅读：《详解 Altered State Machine：利用 AI 与机器学习进化 NFT 的创新探索》

Optic 正在建立一个人工智能的 NFT 验证协议，专注于 NFT 欺诈分析和社区内的 NFT 价值发现，旨在帮助整个 NFT 市场实现更高的真实性和透明度。Optic 智能引擎通过学习真实 NFT 系列，再检索市场上的 NFT 集合。之后 Optic 会返回一个匹配分数，表明被检查的 NFT 与真实 NFT 的匹配程度。

Optic 于 2022 年 7 月完成由 Pantera Capital、 Kleiner Perkins 领投的 1100 万美元融资，Circle Ventures 、 Polygon Ventures 等参投。目前 OpenSea 已采用 Optic 的 Copymint 检测服务。

相关阅读：《浅析 Optic：人工智能 NFT 验证协议》

趋势分析

从当下的区块链 AI 项目发展途径来看，AI 的基础架构是由数据、算法和算力三部分组成。一个正常 AI 项目想要实现人工智能的生成或者分析的能力，需要有模型和数据集和调用模型的软件本体及其 GUI。那么这个领域的模型和数据集的分发，模型的训练（算力租赁），软件前端的开发上有中介的形成，而这会催生出旨在高效满足客户需求的区块链 AI 项目。

例如上文中，Fetch.ai 作为中介，可以允许客户使用其原生代币交易数据集。SingularityNET 允许客户从开发者之处购买算力训练服务，Openfabric AI 的客户需要从提供商那里获得模型（算法）、数据集、基础设施（软件）等服务，Humans.ai 本质上是以 NFT 封装了数据集训练好的 AI 模型，用户使用原生代币购买，

Gensyn 实质上是去中心化算力租赁平台。这些都是介于传统 AI 需要完成的任务，例如自然语言处理、AI 语音、图像生成领域使用 DApp 作为中介平台进行交易的项目。

那么区块链中的去中心化应用产生了新的需求，那么基于链游方向，社交方向和 NFT 方向的 AI 项目旨在解决区块链中的用户痛点，例如 rct.ai 解决了链游用户手动重复操作的问题，Mirror World 解决了链游开发，其他的项目则是针对区块链社交和 NFT 进行研发。

目前在 Web3 社交的初级阶段，引入 AI 更多地是为了一种叙事手段。在未来，AI 项目研发一些可能的方向：

加强数据隐私：Web3 可以通过使用 zk 技术，使数据隐私得到最大程度的保护，而 AI 可以在不损害隐私的情况下分析数据。

智能合约：Web3 技术可以通过智能合约的方式，将 AI 应用融入 Web3 应用中，从而实现对 AI 模型的可控性。这类应用可以用于模型和数据集的交易之中，实现自动化交易流程. 并且使用 ZK 技术保护用户的数据. 然而，这一类型的项目，面临开源数据集和开源模型的冲击问题，试想:如果用户能在 Hugging face 上面获得开源的数据和模型并且使用 auto train 训练，为什么会在区块链平台上交易? 面临 Web2 公司的冲击，Web3 AI 模型和数据集交易并无足够的护城河。

更加高效的机器学习：Web3 技术可以通过去中心化的方式提高机器学习的效率，从而让 AI 应用更加快速和可靠。这在传统的 AI 训练之中已经有所应用，例如 AlphaGo 的改进版 KataGo 使用了分布式训练技术，使得全球希望此 AI 更新的人自愿提供算力训练. 在区块链中的应用则可以类似于 Gitcoin，捐赠算力可以获得 POAP，或者类似于 AMM 提供了对于流动性的激励，成为有偿地出租算力的平台，但是由于币价的高度波动性，这类应用比起传统的 GPU 算力租赁，并不占据优势. 除非平台本身从事金融业务，足够从协议捕获的价值中补贴用户，比如 Numerai，使用 AI 技术从股市中盈利，这才使足够多的用户愿意提供 AI 的三要素进入平台。

总结

目前来看，无论是区块链原生的 AI 基础设施，还是借助 AI 引擎实现应用场景的加密项目都处于萌芽时期，主要目标在于打造一个适用的底层基础设施，磨合代币经济学与硬件提供商、数据提供商、AI 算法等人工智能解决方案的融合度。

不过，两者的融合也面临诸多挑战。首先，区块链趋向 Rollup、ZK 等复杂化技术会给 AI 获取数据带来挑战。其次，没有进行足够的持续实验数据来支持 AI 在区块链生态中的适用性，以及 AI 引擎在应对突发事件的调整能力。最后，加密领域频繁出现蹭 AI 概念的虚假项目，让人们容易丧失对该领域探索的信心。

所有的解决传统 AI 问题的区块链 AI 项目都需要回答一个疑问：为什么这个平台需要在区块链上引入代币？这就使得交易标的为 Web2 市场中已有的标的，比如模型、数据和算力的平台有着 onboarding 的劣势。

代币经济学如飞轮，可以改变一个项目的兴衰周期。在当下，如果希望正向飞轮，则需要考虑到平台实际用户，即获客问题. 需求的不可替代性就是一个项目的护城河，缺乏护城河的项目可以获得短线的成功，但是不会有足够多的用户和茁壮的开发者生态. 当需求是伪命题时，经济激励是不可持续的，项目的生命周期也会变短。我们期待，有更多的基于真实用户和不可替代的需求的 AI+Web3 项目的出现。它们旨在完成 web2 之中没有或者完成不佳的需求，从而原生地需要引入 Web3。

无论如何，AI 融入 Web3 是一种未来的技术趋势，现阶段已经出现一些结合人工智能的 Web3 应用实例。随着时间的推移，更多相关的 Web3 基础设施、新模式将会相继出现。

原文链接

随着 AI 领域在全球各大二级市场的惊艳，各行各业都在尝试与 ChatGPT 对话，试图探求这款最先进的人工智能在不同领域的理解和边界。

在 BlockBeats 与 ChatGPT 的交流中，我们可以很直观地看到它惊人的语言组织能力，这源于大量文本数据的训练，同时也能清晰地感受到它「无观点」的本质，因为 ChatGPT 内在是一个大型语言模型，只拥有「语言」的能力。但仅这一点，已足够强大，人们可以使用它更高效地获取知识，知识会以清晰易读的方式被整理到用户眼前，这在需要快速学习的加密行业，或者说在今天这个加速迭代的信息社会，无疑应是人人傍身的强大工具。

本篇访谈以 Crypto 抛砖引玉，旨在引起人们对 Web3 与 AI 的兴趣。也许我们应该仔细想想，Damus（Web3）与 ChatGPT（AI）等技术，对我们的未来究竟意味着什么。

当然，感受新技术最好的方法一定是去亲自体验。

以下是 BlockBeats 与 ChatGPT 就加密货币与 Web3 领域的对话。

BlockBeats：你好 ChatGPT，我是 BlockBeats 的记者。我想采访你，做个报道。我知道你只是一个聊天机器人，但我认为许多读者会有兴趣听听你对加密行业的回答，你愿意参加吗?

ChatGPT：当然，我很愿意提供有关加密行业的信息。作为 OpenAI 的语言模型，我是一种通过机器学习和自然语言处理技术训练出来的 AI 系统，专门用于回答用户的问题和提供信息。如果您有任何关于加密行业的问题，我很乐意回答。

BlockBeats：让我们从最基本的开始吧。你觉得应该如何向一个新人介绍加密货币与区块链？这二者之间的关系又是什么？

ChatGPT：加密货币是一种数字货币，使用密码学和分布式记账技术创建和维护。最著名的加密货币是比特币，它是一种去中心化的数字货币，不受任何政府或金融机构控制。

区块链是加密货币的基础技术。它是一个分布式数据库，存储了所有加密货币的交易记录。在区块链上，数据不能被篡改，因为它是由大量的节点共同维护的。这使得加密货币具有去中心化和安全性的优势。

因此，加密货币是基于区块链技术的数字货币，它们的发行、交换和维护都是通过区块链实现的。

BlockBeats：那你认为比特币之类的加密货币对普通人的意义是什么？普通人有必要学会使用加密货币吗？

ChatGPT：对于普通人来说，加密货币可以作为一种投资工具，或作为一种新型的货币形式。它可以给人们带来一定的投资回报，也可以帮助他们保护他们的资金不受通货膨胀的影响。此外，加密货币还可以作为一种新的货币形式，使用者可以通过互联网进行全球交易，而不受国家货币汇率和交易限制的影响。

至于学会使用加密货币是否有必要，这取决于个人的兴趣和需求。如果您对投资感兴趣，或者对数字货币的未来充满信心，那么学习如何使用加密货币是有必要的。但是，由于加密货币的市场仍然相对不稳定，因此需要对其充分了解和谨慎投资，避免风险。

BlockBeats：众所周知，长期以来，许多人认为加密行业充满了投机与骗局，这些质疑的声音中最常见的说法是「加密行业除了炒币没有任何看得见的落地应用」，你是如何看待这种争议的？

ChatGPT：这是一个有争议的问题，有人认为加密货币的落地应用仍然不够普及，而另一些人则认为加密货币和区块链技术已经有了很多有趣的落地应用，尤其是在金融领域。实际上，加密行业是一个新兴的行业，并且仍在不断发展和成熟，因此我们可能需要时间才能证明它的实际影响和潜力。总体来说，我认为加密货币和区块链技术具有很大的潜力，但同时也存在一些风险，因此我建议对这些技术进行谨慎的评估和考虑。

BlockBeats：你认为要想实现「大规模的加密货币采用」，最难以逾越的鸿沟是什么？

ChatGPT：实现大规模的加密货币采用面临着多重挑战。下面是一些可能的最大障碍：

法律和监管：许多国家的法律和监管框架对加密货币的使用和交易有限制，这限制了它们的普及和应用。

技术挑战：加密货币的技术是复杂的，对于不熟悉技术的普通人来说难以理解。

安全风险：加密货币面临着黑客攻击、诈骗和被盗的风险，这使得许多人对它们不感兴趣。

教育和宣传：许多人仍然不知道加密货币的存在，也不了解它们的作用和潜在的优势。因此，加密货币需要更多的教育和宣传。

投资风险：加密货币市场仍然相对不稳定，并且面临着波动性和投资风险，这吓阻了许多潜在投资者。

通过解决这些挑战，才能有可能实现大规模的加密货币采用。

BlockBeats：那你可以为我们介绍一些加密技术有潜力的应用场景么？

ChatGPT：当然，加密技术可以用于多个领域。例如：

金融：加密货币、去中心化账本、数字资产管理等；

商业：供应链金融、点对点支付、去中心化数据存储等；

社交媒体：去中心化社交网络、分散的内容分发系统等；

医疗：医疗数据存储、跨境医疗保健、电子病历等；

法律：数字合同、去中心化身份验证、数字版权管理等。

这只是加密技术的一个方面，实际上，加密技术还有很多有潜力的应用领域。

BlockBeats：你提到了去中心化应用，加密行业的人常常将去中心化的理念与 Web3 放在一起，什么是 Web3？Web3 是互联网的未来么？

ChatGPT：Web3 是指新一代去中心化互联网的理念，旨在重新设计现有互联网架构，从中心化到去中心化，让数据控制和管理更加用户导向。许多人认为 Web3 是未来的依据，因为它将带来更多的用户隐私、更低的防护成本、更低的数据流失风险等优秀特点。此外，由于 Web3 架构是基于区块链技术的，它可以提供高度可靠的安全性，进一步推动去中心化应用的落地。

然而，由于它是一个非常新的概念，并且尚未得到广泛的推广和应用，因此对于 Web3 是否能够实现其承诺并成为互联网的未来仍然存在争议。只有时间才能证明这一点。

BlockBeats：现在哪些 Web3 项目值得特别关注呢？原因是什么？

ChatGPT：作为一种语言模型，我没有个人意见，但是以下是一些值得关注的 Web3 项目：

Ethereum： Ethereum 是一个开放式的、分布式的区块链平台，是 Web3 生态系统的重要组成部分。Ethereum 支持智能合约开发和分散应用，并预计将在未来推出其升级版本 Ethereum 2.0，以加强网络性能和安全性。

Polygon：Polygon 是一个快速、低延迟和安全的以太坊扩展网络。它提供了一个以太坊兼容的开发环境，并通过降低网络费用和提高交易速度，帮助开发人员建立更多以太坊应用。

Filecoin：Filecoin 是一个去中心化存储网络，通过使用文件系统协议 IPFS，它帮助用户安全地存储和分发数据。Filecoin 为开发人员和用户提供了一个更安全、可靠和可扩展的存储解决方案。

Aave：Aave 是一个去中心化贷款和借贷平台，它允许用户贷款或借贷，而无需经过银行或其他金融机构。Aave 的目标是通过提供更低的利率和更灵活的贷款选项，帮助用户获得更好的财务自由。

BlockBeats：我知道你只能回答 2022 年前的知识，因此你有所不知，最近由于你的出色表现，全球市场都陷入了疯狂。但回到价值的探讨，在加密市场，除了炒 AI 概念币之外，Web3 和 AI 有什么结合点吗？

ChatGPT：Web3 和 AI 有许多结合点，不止是炒 AI 概念币。下面是一些 Web3 和 AI 的结合点：

数据隐私：AI 模型需要大量数据来训练，而 Web3 的去中心化方法可以提供数据隐私和数据所有权的保护。

计算资源：Web3 的去中心化网络可以提供分布式的计算资源，从而支持 AI 模型的训练和部署。

集体决策：通过使用 Web3 平台的智能合约和去中心化自治组织（DAO），可以实现集体决策和协同决策，从而支持 AI 模型的发展和管理。

金融包容性：Web3 的去中心化金融（DeFi）可以支持 AI 在金融领域的应用，从而提高金融包容性。

这些结合点只是 Web3 和 AI 的一部分结合点，还有其他更多的结合点，随着技术的发展可能还会有更多的结合点。

BlockBeats：你觉得你作为 AI，在 Web3 世界上可以承担什么角色呢？或者你可以怎么帮助 Web3 行业发展？

ChatGPT：作为 AI，我可以在 Web3 世界中扮演多种角色，这取决于如何使用我的技术。例如：

智能合约审核：我可以通过自动审核代码并检查其安全性来帮助开发者创建安全的智能合约。

数据分析：我可以通过分析 Web3 网络上的数据，帮助用户做出更明智的决策。

协助交互式应用：我可以作为 Web3 应用程序的智能助手，帮助用户完成任务并回答他们的问题。

总的来说，我的技术可以帮助 Web3 行业发展，提高效率和安全性。

BlockBeats：Web3 与人工智能（包括你）都被认为是面向未来的下一代技术，你认为二者将如何构建出一个未来的数字世界呢？这种未来将是怎样的？可否描述一下可能的未来图景？

ChatGPT：预测未来是有风险的，但可以说明 Web3 和 AI 可以推动数字世界的发展方向。可以想象一个未来的数字世界，其中包含大量通过 Web3 技术构建的去中心化应用和服务，以及使用人工智能（AI）技术开发的智能合约、智能金融（DeFi）等。

这个数字世界将具有更高的数据隐私和安全性，因为用户的数据将存储在分布式网络中，并且通过加密技术进行保护。决策过程将更加透明和可审计，因为 Web3 技术可以实现智能合约和去中心化自治组织（DAO）。

此外，人工智能（AI）可以通过对数据进行分析和挖掘，为用户提供更加个性化的服务和推荐，并且帮助解决一些复杂的问题。同时，ChatGPT 等人工智能（AI）技术可以帮助用户更快捷地获取信息和解决问题。

总的来说，Web3 和人工智能（AI）将构建出一个更加安全、更加透明、更加高效的数字世界，帮助用户解决一些数字世界存在的问题。

BlockBeats：真是不错的图景，Web3 将构建一个更理想的世界，不是吗？

ChatGPT：是的，这是一种很美好的想象。不过，未来因素很多，并不能保证实现。希望通过技术进步和积极的社会变革，使得 Web3 等技术能够为人类带来更加公平、包容、可信和更高效的数字世界。

本文来自 ChatGPT，不代表 BlockBeats 观点

原文来源： 加密KOLstarzq.eth；AIGC 探索站主理人 Szhans

ChatGPT 无疑是近期发展最迅猛的应用之一，它的崛起也使生成式人工智能赛道升温。ChatGPT 在今年 1 月，即推出仅两个月后，月活跃用户估计已达 1 亿。TikTok 从推出到用户达到 1 亿用了大约 9 个月的时间，而 Meta 的 Instagram 用了大约 2.5 年。我们已经不记得有哪款应用的扩张速度如此之快。ChatGPT正在挑战着人类工作生活的方方面面。社区小伙伴提出 ChatGP T也许会替代人类现有的工作，颠覆社会对人才的需求模式。BlockBeats将其观点整理如下。

ChatGPT 引发的十大职业危机

以下观点来自于 AIGC 探索站主理人 Szhans。  

ChatGPT 只有短短几个月时间，商业世界引起了掀起巨浪，绝非技术平台之间的较量，它是 AIGC 对全世界的革命。

我们已经看到教育和医疗行业已经大跨步的颠覆 ，更多科技大佬近日直接宣布这是他们人生中感受过最强一次技术创新，堪比工业革命。  

以下这则「坏消息」来知名科技媒体 Business Insider，通过与各领域专业人士对话，分析出 ChatGPT 技术直接冲击的十大职业。它们是：

1，技术工作（编码员、计算机程序员、软件工程师、数据分析师）

BI 所访谈的专家说，程序员、软件开发人员和数据分析师可能会被 AI 取代。

虽然计算机编程是需求量很大的技能，但在不久的将来，ChatGPT 等技术将大量填补空白。Madgavkar 认为，软件开发人员、网络开发人员、程序员和数据科学家等技术工作对人工智能技术 "取代他们更多的工作 "是 "相当容易接受的"。

这是因为像 ChatGPT 这样的人工智能擅长以相对准确的方式计算。而 ChatGPT 可以比人类更快地生成代码，这意味着可以用更少的员工来完成工作。

布鲁金斯研究所的高级研究员 Mark Muro 告诉 BI，他曾研究过 AI 对美国劳动力的影响：「一个软件开发人员团队的工作，可能只需要其中一小部分人」。像 ChatGPT 制造商 OpenAI 自身，已经在考虑用 AI 取代软件工程师。

尽管如此，哥伦比亚商学院教授 Oded Netzer 认为，人工智能将帮助编码员而不是取代他们。「就工作而言，我认为它主要是一种增强剂，而不是完全取代工作。编码和编程是一个很好的例子。它实际上可以很好地编写代码」

2，媒体工作（广告、内容创作、技术写作、新闻）

图 2 所代表着擅长制作书面内容的知识工作者们。Madgavkar 说，整个媒体工作--包括那些广告、技术写作、新闻和任何涉及内容创作的角色--可能会受到 ChatGPT 等强烈影响。她补充说，这是因为人工智能能够很好地阅读、书写和理解基于文本的数据。

「分析和解释大量基于语言的数据和信息是一种技能，你会期待 AIGC 技能的提升」。

经济学家保罗·克鲁格曼在纽约时报专栏文章www.nytimes.com中说，ChatGPT 可能 "比人类更有效地 "完成报道和写作等任务。媒体行业已经开始尝试使用人工智能生成的内容。科技新闻网站 CNET 使用与 ChatGPT 类似的人工智能工具写了几十篇文章，而 BuzzFeed 近日已经宣布，它将使用 ChatGPT 制造商的技术来生成新形式的内容。（随后估价大涨）

Madgavkar 认为，内容创作者所做的大部分工作都是无法自动化的，这些职业中的每一项都有大量的人为判断。

3 法律行业的工作（律师助理、法律助理）

与媒体角色一样，法律行业的工作，如律师助理和法律助理，负责消费大量的信息，综合他们所学的东西，然后通过法律简报或意见书使其易于消化。Madgavkar 说，像这些面向语言的角色很容易被自动化：「这些数据实际上是相当结构化的，非常以语言为导向，因此对 AIGC 相当有利。」

但同样，人工智能也不会完全实现这些工作的自动化，因为它需要一定程度的人类判断，以了解客户或雇主想要什么。

「这几乎有点像这些职业可能得到的生产力提升，因为你可以使用实际上做得更好的工具」

4 市场研究分析员

Mark Muro 说，人工智能善于分析数据和预测结果。这就是为什么市场研究分析师可能容易受到人工智能驱动的变化的影响。市场研究分析师负责收集数据，在这些数据中确定趋势，然后利用他们发现的东西来设计有效的营销活动，或决定在哪里投放广告。

「这些是我们现在看到的人工智能可以处理的事情」

5 教师

全国各地的教师都在担心学生利用 ChatGPT 作弊，但据罗切斯特理工学院计算和信息科学系副主任史鹏程称，他们也应该考虑到自己的工作安全。

ChatGPT 已经可以轻松地教课了，施告诉《纽约邮报》：「虽然它在知识方面有错误和不准确的地方，但这很容易改进。基本上，你只需要训练 ChatGPT」

6 金融工作（金融分析师、个人财务顾问）

布鲁金斯学会的研究员穆罗继续表示，像市场研究分析师、金融分析师、个人财务顾问以及个人金融领域其他需要操作大量数字数据的工作都会受到人工智能的影响。

「人工智能可以识别市场的趋势，强调投资组合中哪些投资表现更好，哪些更差，沟通所有这些，然后由例如金融公司使用各种其他形式的数据来预测更好的投资组合；这些分析师赚了很多钱，但他们的部分工作是可以自动化的。」

7 交易员

图 7，是交易员在纽约市的纽约证券交易所大厅里工作的场景。

罗切斯特理工学院的施认为，华尔街的某些角色也可能处于危险之中。

「在投资银行，人们从大学毕业后就被雇用，花两三年时间像机器人一样工作，做 Excel 建模--你可以让人工智能来做这些。」

8 平面设计师

在 12 月的一篇 哈佛商业评论 文章中，三位教授指出 [DALL-E]，一种能在几秒钟内生成图像的人工智能工具，是图形设计行业的潜在颠覆者。

「提高数百万人创造和处理图像的能力将对经济产生深远影响，对于一些工作受到直接影响、难以适应的人来说，人工智能的这些最新进展肯定会迎来一段困难和经济上的痛苦。」

9 会计师

会计通常被视为一个 稳定的职业]，但是这个行业的职业面临风险。

多伦多大学通信、文化、信息和技术研究所副教授布雷特-卡拉维（Brett Caraway）上周在多伦多全球新闻广播 640 台说：「技术还没有让所有人失业，但它确实让一些人失业了，智力劳动，尤其可能受到威胁。这是新的东西，看看它对就业和政治有多大的破坏性和痛苦，将是很有趣的。」

10 客户服务人员

你可能体验过给某品牌公司的客户热线打电话或在线咨询，然后由机器人回答。ChatGPT 和相关技术会加速这种趋势。科技研究公司 Gartner 2022 年的一项研究预测，到 2027 年，聊天机器人将成为大约 25% 公司的主要客户服务渠道。

如果你能用一套独有视角，把 ChatGPT 理解为「复杂适应系统」，相信 BI 这份访谈和分析，绝非危言耸听。坏消息，甚至会比目前能想象的要更糟。

ChatGPT 对人才需求带来的变化，以及需要的应对措施和机会点

以上观点来自于加密 KOL Starzq.eth。  

相信很多朋友已经被【ChatGPT 用 2 个月达到月活用户 1 亿】的新闻刷屏了，此前记录是 TikTok 用时 9 个月 每一次亿级产品的出现，背后都是对【人才需求】的范式转移，早早做好准备的人会在新的浪潮中受益终身 下面我将分享 3 点 ChatGPT 对人才需求带来的变化，以及需要的应对措施和机会点。

ChatGPT 会替代大量职位，我们需要具备差异化能力：想象力、决策和沟通能力 2. 传统的人才培养体系将失效，我们需要为自己设计培训系统 3. 2023 将是 solopreneur（个体企业家）元年，个人创作者必须升级自己。 下面我将详细介绍：

ChatGPT 会替代大量职位，我们需要具备差异化能力 基于解决问题的能力，我把人才分为 3 个等级 

1. Entry: 问题明确，解法唯一，比如回答客户特定问题。 

2. Middle: 问题明确，方法不唯一，比如给定某个主题写一篇文章。

3. High: 问题不明确，方法也不唯一，比如某 NFT 项目方接下来应该怎么做。

对于第一类 Entry Level 人才 ChatGPT 几乎完全可替代，客服/实习生的职位会被压缩甚至取消 更早上线的 AI 绘画产品已经出现了这个趋势，AI 成本为 1/800, 初级画师被抢活。

对于第二类 Middle Level 人才 

a. 如果文章是基于历史信息的总结和小幅度创新，篇幅较短的情况下，ChatGPT 基本也能胜任，身边已经有不少做电商的朋友用 ChatGPT 来写营销活动的文案了。某些博主用 ChatGPT + Midjourney + Clipchamp，生成的绘本故事媲美市面上 80% 的产品。

b. 篇幅较长的情况，ChatGPT 也有成功的案例，比如通过沃顿商学院的考试 

c. 需要推理、洞察、创新类的主题，ChatGPT 目前还不太能胜任，因为这块需要有对未来的想象力和远见，而未来的发展是具有跳跃性的，算法更擅长遵循历史数据的轨迹。

对于第三类 High Level 人才 其核心能力是定义问题，然后可以由前两类人才来解决 定义问题的过程可以抽象为 4 个步骤 

1. 了解现状 

2. 找出一系列相关问题 

3. 基于现状和对未来的预测，决策出哪一个问题是最重要的 

4. 让团队相信自己的判断 

前 2 步属于」收集信息&提炼」, ChatGPT 也可以做。 对于第 3 步，除了需要有对未来的想象力之外，还需要有相应的决策能力。而决策本身不是纯理性的，包含对现实的理解和利弊权衡，对未来的判断和押注，是逻辑和直觉的组合，科学和艺术的交汇点 对于第 4 步，决策后需要对整个团队进行宣讲和影响，取得共识，这也是我们常说的沟通能力。但是后面 2 步也是 CEO 的核心能力。 

总结一下 

1. ChatGPT 可以胜任：明确问题下的固定答案，基于历史信息的总结和小幅度创新 

2. ChatGPT 不能胜任：想象力、决策和沟通能力 

解决方法1: 让自己向问题的上游靠近，做定义问题的人。训练想象力、决策能力和沟通能力，具备机器无法拥有的竞争力。

下面是网友总结出的 ChatGPT 可以做的事情，换言之就是可以替代的职位。如果你正在做这些事，需要思考里面哪些部分是机器无法替代的，去做针对性的加强；或者向更上游的职位转型。

解决编码问题

编辑博客

帮助你编辑文本

搜索信息

开发APP

代替谷歌搜索

回答问题

传统的人才培养体系将失效，我们需要为自己设计培训系统 这具体是什么意思呢？ 我们传统的人才培养体系，是基于上面提到的 3 个 Level 进行一步步晋级。应届生作为 Entry Level 先做确定性的事情，在工作的锻炼下逐步变为 Middle Level 和 High Level，掌握定义问题和决策方案的能力。

但 ChatGPT 的出现，会让 Entry Level 职位急剧减少，甚至消失；对 Middle Level 的职位也会有部分替代。这使得传统人才培养体系不再 work, 作为应届生或者新人，应该如何应对？ 我的建议是 1. 在校期间多参加一些严肃性的项目（有明确结果且需要对结果负责，），更好的提升决策和沟通能力。

2. 多思考和探讨开放性的问题（中国教育的短板），培养自己的想象力和洞察力。然后看看和行业高手的差距在哪里，不断缩小差距 我非常推荐日常写作，做自己的 CEO。一方面可以提升上面提到的相关能力，另一方面内容产生的人脉和复利也可以帮助应届生更好的找到工作。

以我写这条为例，市面上关于 ChatGPT 的文章已经很多了，如果我要新写一篇，选择哪个点切入，其实就是在定义问题 我需要了解现状，做出决策，产出解决方案；文章发出后，读者的反馈会让我知道决策质量的高低，解决方案的完成度，然后我会基于反馈来迭代，一轮一轮后，相关能力自然就提升了。  

原文标题：《 热度「狂飙」的 ChatGPT，亟待「合规刹车」 》

原文作者： 肖飒法律团队

核心提示：

ChatGPT 等基于自然语言处理技术的聊天 AI，就短期来看亟需要解决的法律合规问题主要有三个：

其一，聊天 AI 提供的答复的知识产权问题，其中最主要的合规难题是聊天 AI 产出的答复是否产生相应的知识产权？是否需要知识产权授权？

其二，聊天 AI 对巨量的自然语言处理文本（一般称之为语料库）进行数据挖掘和训练的过程是否需要获得相应的知识产权授权？

其三，ChatGPT 等聊天 AI 的回答是机制之一是通过对大量已经存在的自然语言文本进行数学上的统计，得到一个基于统计的语言模型，这一机制导致聊天 AI 很可能会「一本正经的胡说八道」，进而导致虚假信息传播的法律风险，在这一技术背景下，如何尽可能降低聊天 AI 的虚假信息传播风险？

总体而言，目前我国对于人工智能立法依然处在预研究阶段，还没有正式的立法计划或者相关的动议草案，相关部门对于人工智能领域的监管尤为谨慎，随着人工智能的逐步发展，相应的法律合规难题只会越来越多。

一、ChatGPT 并非是「跨时代的人工智能技术」

ChatGPT 本质上是自然语言处理技术发展的产物，本质上依然仅是一个语言模型。

2023 开年之初全球科技巨头微软的巨额投资让 ChatGPT 成为科技领域的「顶流」并成功出圈。随着资本市场 ChatGPT 概念板块的大涨，国内众多科技企业也着手布局这一领域，在资本市场热捧 ChatGPT 概念的同时，作为法律工作者，我们不禁要评估 ChatGPT 自身可能会带来哪些法律安全风险，其法律合规路径何在？

在讨论 ChatGPT 的法律风险及合规路径之前，我们首先应当审视 ChatGPT 的技术原理——ChatGPT 是否如新闻所言一样，可以给提问者任何其想要的问题？

在飒姐团队看来，ChatGPT 似乎远没有部分新闻所宣传的那样「神」——一句话总结，其仅仅是 Transformer 和 GPT 等自然语言处理技术的集成，本质上依然是一个基于神经网络的语言模型，而非一项「跨时代的 AI 进步」。

前面已经提到 ChatGPT 是自然语言处理技术发展的产物，就该技术的发展史来看，其大致经历了基于语法的语言模型——基于统计的语言模型——基于神经网络的语言模型三大阶段，ChatGPT 所在的阶段正是基于神经网络的语言模型阶段，想要更为直白地理解 ChatGPT 的工作原理及该原理可能引发的法律风险，必须首先阐明的就是基于神经网络的语言模型的前身——基于统计的语言模型的工作原理。

基于统计的语言模型阶段，AI 工程师通过对巨量的自然语言文本进行统计，确定词语之间先后连结的概率，当人们提出一个问题时，AI 开始分析该问题的构成词语共同组成的语言环境之下，哪些词语搭配是高概率的，之后再将这些高概率的词语拼接在一起，返回一个基于统计学的答案。可以说这一原理自出现以来就贯穿了自然语言处理技术的发展，甚至从某种意义上说，之后出现的基于神经网络的语言模型亦是对基于统计的语言模型的修正。

举一个容易理解的例子，飒姐团队在 ChatGPT 聊天框中输入问题「大连有哪些旅游胜地？」如下图所示:

AI 第一步会分析问题中的基本语素「大连、哪些、旅游、胜地」，再在已有的语料库中找到这些语素所在的自然语言文本集合，在这个集合中找寻出现概率最多的搭配，再将这些搭配组合以形成最终的答案。如 AI 会发现在「大连、旅游、胜地」这三个词高概率出现的语料库中，有「中山公园」一词，于是就会返回「中山公园」，又如「公园」这个词与花园、湖泊、喷泉、雕像等词语搭配的概率最大，因此就会进一步返回「这是一个历史悠久的公园，有美丽的花园、湖泊、喷泉和雕像。」

换言之，整个过程都是基于 AI 背后已有的自然语言文本信息（语料库）进行的概率统计，因此返回的答案也都是「统计的结果」，这就导致了 ChatGPT 在许多问题上会「一本正经的胡说八道」。如刚才的这个问题「大连有哪些旅游胜地」的回答，大连虽然有中山公园，但是中山公园中并没有湖泊、喷泉和雕像。大连在历史上的确有「斯大林广场」，但是斯大林广场自始至终都不是一个商业广场，也没有任何购物中心、餐厅和娱乐场所。显然，ChatGPT 返回的信息是虚假的。

二、ChatGPT 作为语言模型目前其最适合的应用场景

虽然上个部分我们直白的讲明了基于统计的语言模型的弊端，但 ChatGPT 毕竟已经是对基于统计的语言模型大幅度改良的基于神经网络的语言模型，其技术基础 Transformer 和 GPT 都是最新一代的语言模型，ChatGPT 本质上就是将海量的数据结合表达能力很强的 Transformer 模型结合，从而对自然语言进行了一个非常深度的建模，返回的语句虽然有时候是「胡说八道」，但乍一看还是很像「人类回复的」，因此这一技术在需要海量的人机交互的场景下具有广泛的应用场景。

就目前来看，这样的场景有三个：

其一，搜索引擎；

其二，银行、律所、各类中介机构、商场、医院、政府政务服务平台中的人机交互机制，如上述场所中的客诉系统、导诊导航、政务咨询系统；

第三，智能汽车、智能家居（如智能音箱、智能灯光）等的交互机制。

结合 ChatGPT 等 AI 聊天技术的搜索引擎很可能会呈现出传统搜索引擎为主 + 基于神经网络的语言模型为辅的途径。目前传统的搜索巨头如谷歌和百度均在基于神经网络的语言模型技术上有着深厚的积累，譬如谷歌就有与 ChatGPT 相媲美的 Sparrow 和 Lamda，有着这些语言模型的加持，搜索引擎将会更加「人性化」。

ChatGPT 等 AI 聊天技术运用在客诉系统和医院、商场的导诊导航以及政府机关的政务咨询系统中将大幅度降低相关单位的人力资源成本，节约沟通时间，但问题在于基于统计的回答有可能产生完全错误的内容回复，由此带来的风控风险恐怕还需要进一步评估。

相比于上述两个应用场景，ChatGPT 应用在智能汽车、智能家居等领域成为上述设备的人机交互机制的法律风险则要小很多，因为这类领域应用环境较为私密，AI 反馈的错误内容不至于引起大的法律风险，同时这类场景对内容准确性要求不高，商业模式也更为成熟。

三、ChatGPT 的法律风险及合规路径初探

第一，人工智能在我国的整体监管图景

和许多新兴技术一样，ChatGPT 所代表的自然语言处理技术也面临着「科林格里奇窘境（Collingridge dilemma）」这一窘境包含了信息困境与控制困境，所谓信息困境，即一项新兴技术所带来的社会后果不能在该技术的早期被预料到；所谓控制困境，即当一项新兴技术所带来的不利的社会后果被发现时，技术却往往已经成为整个社会和经济结构的一部分，致使不利的社会后果无法被有效控制。

目前人工智能领域，尤其是自然语言处理技术领域正在快速发展阶段，该技术很可能会陷入所谓的「科林格里奇窘境」，与此相对应的法律监管似乎并未「跟得上步伐」。我国目前尚无国家层面上的人工智能产业立法，但地方已经有相关的立法尝试。就在去年 9 月，深圳市公布了全国收不人工智能产业专项立法《深圳经济特区人工智能产业促进条例》，紧接着上海也通过了《上海市促进人工智能产业发展条例》，相信不久之后各地均会出台类似的人工智能产业立法。

在人工智能的伦理规制方面，国家新一代人工智能治理专业委员会亦在 2021 年发布了《新一代人工智能伦理规范》，提出将伦理道德融入人工智能研发和应用的全生命周期，或许在不久的将来，类似阿西莫夫小说中的「机器人三定律」将成为人工智能领域监管的铁律。

第二，ChatGPT 带来的虚假信息法律风险问题

将目光由宏观转向微观，抛开人工智能产业的整体监管图景和人工智能伦理规制问题，ChatGPT 等 AI 聊天基础存在的现实合规问题也急需重视。

这其中较为棘手的是 ChatGPT 回复的虚假信息问题，正如本文在第二部分提及的，ChatGPT 的工作原理导致其回复可能完全是「一本正经的胡说八道」，这种看似真实实则离谱的虚假信息具有极大的误导性。当然，像对「大连有哪些旅游胜地」这类问题的虚假回复可能不会造成严重后果，但倘若 ChatGPT 应用到搜索引擎、客诉系统等领域，其回复的虚假信息可能造成极为严重的法律风险。

实际上这样的法律风险已经出现，2022 年 11 月几乎与 ChatGPT 同一时间上线的 Meta 服务科研领域的语言模型 Galactica 就因为真假答案混杂的问题，测试仅仅 3 天就被用户投诉下线。在技术原理无法短时间突破的前提下，倘若将 ChatGPT 及类似的语言模型应用到搜索引擎、客诉系统等领域，就必须对其进行合规性改造。当检测到用户可能询问专业性问题时，应当引导用户咨询相应的专业人员，而非在人工智能处寻找答案，同时应当显著提醒用户聊天 AI 返回的问题真实性可能需要进一步验证，以最大程度降低相应的合规风险。

第三，ChatGPT 带来的知识产权合规问题

当将目光由宏观转向微观时，除了 AI 回复信息的真实性问题，聊天 AI 尤其是像 ChatGPT 这样的大型语言模型的知识产权问题亦应该引起合规人员的注意。

首先的合规难题是「文本数据挖掘」是否需要相应的知识产权授权问题。正如前文所指明的 ChatGPT 的工作原理，其依靠巨量的自然语言本文（或言语料库），ChatGPT 需要对语料库中的数据进行挖掘和训练，ChatGPT 需要将语料库中的内容复制到自己的数据库中，相应的行为通常在自然语言处理领域被称之为「文本数据挖掘」。当相应的文本数据可能构成作品的前提下，文本数据挖掘行为是否侵犯复制权当前仍存在争议。

在比较法领域，日本和欧盟在其著作权立法中均对合理使用的范围进行了扩大，将 AI 中的「文本数据挖掘」增列为一项新的合理使用的情形。虽然 2020 年我国著作权法修法过程中有学者主张将我国的合理使用制度由「封闭式」转向「开放式」，但这一主张最后并未被采纳，目前我国著作权法依旧保持了合理使用制度的封闭式规定，仅著作权法第二十四条规定的十三中情形可以被认定为合理使用，换言之，目前我国著作权法并未将 AI 中的「文本数据挖掘」纳入到合理适用的范围内，文本数据挖掘在我国依然需要相应的知识产权授权。

其次的合规难题是 ChatGPT 产生的答复是否具有独创性？对于 AI 生成的作品是否具有独创性的问题，飒姐团队认为其判定标准不应当与现有的判定标准有所区别，换言之，无论某一答复是 AI 完成的还是人类完成的，其都应当根据现有的独创性标准进行判定。其实这个问题背后是另一个更具有争议性的问题，如果 AI 生成的答复具有独创性，那么著作权人可以是 AI 吗？显然，在包括我国在内的大部分国家的知识产权法律下，作品的作者仅有可能是自然人，AI 无法成为作品的作者。

最后，ChatGPT 倘若在自己的回复中拼接了第三方作品，其知识产权问题应当如何处理？飒姐团队认为，如果 ChatGPT 的答复中拼接了语料库中拥有著作权的作品（虽然依据 ChatGPT 的工作原理，这种情况出现的概率较小），那么按照中国现行的著作权法，除非构成合理使用，否则非必须获得著作权人的授权后才可以复制。