OpenAI，困于“遙遙領先”

轟動全球的大型連續劇“奧特曼去哪兒”劃上了句號，但OpenAI的煩心事并沒有結束。

Sam Altman能在短時間內官復原職，離不開微軟忙前忙后。今年以來，微軟一直在幫助好兄弟做大做強。不僅追加投資了100億美金，還大規模調用了微軟研究院的人力，要求放下手頭的基礎科研項目，全力將GPT-4等基礎大模型落地成產品，用OpenAI武裝到牙齒[1]。

但很多人不知道的是，今年9月，微軟研究院負責人Peter Lee曾接到過一個秘密項目——打造OpenAI的替代品。

第一個“去OpenAI化”的，正是微軟的首個大模型應用Bing Chat。

據The Information爆料，微軟正嘗試將原本集成在Bing當中的OpenAI大模型，逐步替換成自研版本。11月的Ignite開發者大會上，微軟宣布Bing Chat更名為Copilot，如今市場定位與ChatGPT頗為相似——很難不讓人多想。

全新的Copilot

不過，微軟的初衷并不是OpenAI的技術能力有瑕疵，也不是預見到了OpenAI管理層的分歧，真實原因有點讓人哭笑不得：

因為OpenAI的技術能力太強了。

開著蘭博基尼送外賣

促使微軟自研大模型的契機，是OpenAI的一次失敗[3]。

ChatGPT轟動全球之際，OpenAI的計算機科學家們正在忙于一個代號為Arrakis的項目，希望對標GPT-4打造一個稀疏模型（sparse model）。

這是一種特殊的超大模型：處理任務時，模型只有特定部分會被激活。例如當用戶需要生成一段摘要時，模型會自動激活最適合該工作的部分，不必每次都調動整個大模型。

相較于傳統的大模型，稀疏模型擁有更快的響應速度和更高的準確性。更重要的是它可以大大降低推理的成本。

翻譯成人話就是，殺雞再也不用牛刀了——而這正是微軟所看重的。

谷歌對稀疏模型優勢的總結

輿論聊到大模型成本時，總愛談論7、8位數的訓練成本，以及天文數字的GPU開支。但對大多數科技公司而言，模型訓練和數據中心建設只是一次性的資本開支，一咬牙并非接受不了。相比之下，日常運行所需的昂貴推理成本，才是阻止科技公司進一步深入的第一道門檻。

因為在通常情況下，大模型并不像互聯網那般具備明顯的規模效應。

用戶的每一個查詢都需要進行新的推理計算。這意味著使用產品的用戶越多、越重度，科技公司的算力成本也會指數級上升。

此前，微軟基于GPT-4改造了大模型應用GitHub Copilot，用于輔助程序員寫代碼，收費10美元/月。

據《華爾街日報》的爆料，由于昂貴的推理成本，GitHub Copilot人均每月虧20美金，重度用戶甚至可以給微軟帶來每個月80美金的損失[5]。

GitHub Copilot

大模型應用的入不敷出，才是推動微軟自研大模型的首要原因。

OpenAI的大模型在技術上依舊遙遙領先，長期位于各大榜單的首位，但代價是昂貴的使用成本。

有AI研究員做過一筆測算，理論上GPT-3.5的API價格，幾乎是開源模型Llama 2-70B推理成本的3-4倍，更別提全面升級后的GPT-4了[6]。

然而除了代碼生成、解決復雜數學難題等少數場景，大部分工作其實完全可以交由參數較小的版本和開源模型。

初創公司Summarize.tech就是個活生生的案例。它的業務是提供總結音視頻內容的工具，擁有約20萬月活用戶，早期曾使用GPT-3.5來支持其服務。

后來，該企業試著將底層大模型更換成開源的Mistral-7B-Instruct，發現用戶并沒有感知到差異，但每月的推理成本卻從2000美元降低至不到1000美元[7]。

也就是說，OpenAI為客戶無差別提供動力強勁的蘭博基尼，但大部分客戶的業務其實是送外賣——這構成了OpenAI的“遙遙領先難題”。

所以不光是微軟，連Salesforce、Wix等OpenAI的早期大客戶，也已經替換成更便宜的技術方案。

降低推理成本，讓“開奧迪比雅迪更便宜”，成為了OpenAI必須要解決的課題，這才有了前文提到的稀疏模型項目Arrakis。

事實上，不光是OpenAI，谷歌也在從事相關研究，并且已經取得了進展。8月的Hot Chips大會上，谷歌首席科學家、原谷歌大腦負責人杰夫·迪恩更在演講中提到，稀疏化會是未來十年最重要的趨勢之一[8]。

杰夫·迪恩還發表過稀疏模型的論文

正是遙遙領先帶來的高成本讓微軟琢磨起了“自力更生”的可能性，OpenAI其實也注意到了這個問題：

11月6日的開發者大會上，OpenAI推出了GPT-4 Turbo，一口氣降價1/3，已低于Claude 2——即最大競爭對手Anthropic開發的閉源大模型。

OpenAI的“蘭博基尼”雖然還不夠便宜，至少比其他小轎車實惠了不少。

可惜11天之后，一場足以載入科技史的鬧劇，正使得這一努力大打折扣。據外媒爆料，在奧特曼與OpenAI董事會談判回歸的那個周末，已有超過100個客戶聯系了友商Anthropic[10]。

商業化的悖論

即便沒有這場內亂，OpenAI的客戶流失危機可能依然存在。

這要從OpenAI的模型與產品設計思路講起：

不久前，OpenAI往開發者社群中投入了GPTs這顆重磅炸彈。用戶可以利用自然語言來定制不同功能的聊天機器人。截止至奧特曼復職當天，用戶已上傳了19000個功能迥異的GPTs聊天機器人，平均日產1000+，活躍程度堪比一個大型社區[11]。

功能迥異的GPTs

眾所周知，GPT模型并不開源，而且還有“遙遙領先難題”。但對個人開發者和小型企業來說，OpenAI具備兩個開源模型所無法匹敵的優勢：

其一是開箱即用的低開發門檻。在海外論壇上，一些利用OpenAI基礎模型搞開發的小型團隊，會將自家產品形容為“wrappers（包裝紙）”。因為GPT模型強悍的通用能力，他們有時只需要替模型開發一個UI，再找到適用場景，就能拿到訂單。

開發者如果需要進一步微調模型，OpenAI同樣提供了一項名為的LoRA（低秩自適應）的輕量級模型微調技術。

簡單來說，LoRA的大致原理是先將大模型“拆散”，再面向指定任務做適應性訓練，進而提升大模型在該任務下的能力。LoRA主要著眼于調整模型內部結構，并不需要太多行業數據進行微調。

但在定制開源模型時，開發者有時會使用全量微調。雖然在特定任務上表現更好，但全量微調需要更新預訓練大模型的每一個參數，對數據量要求極高。

相比之下，OpenAI模式顯然對普通開發者更加友好。

LoRA原理示意圖

其次，前文曾提到大模型并不具備規模效應，但這句話其實有一個前提——即計算請求充足的情況下。

測試顯示，每批次發送給服務器的計算請求越少，對算力的利用效率會降低，進而會導致單次計算的平均成本直線上升[6]。

OpenAI可以一次性將所有客戶的數百萬個計算請求一起捆綁發送，但個人開發者和中小企業卻很難做到這一點，因為并沒有那么多活躍用戶。

簡單來說就像送快遞，同樣從上海到北京，OpenAI客戶多，可以一次送100件；其他模型就湊不出這么多了。

咨詢公司Omdia的分析師曾評價稱，OpenAI從規模效應中的獲利，遠遠超過大多數在AWS或Azure上托管小型開源模型的初創企業[14]。

所以，雖然“ChatGPT一更新就消滅一群小公司”的現象客觀存在，但還是有不少開發者愿意賭一把。

PDF.ai的創始人Damon Chen就是直接受害者，PDF.ai的主要功能是讓模型閱讀PDF文件，結果10月底ChatGPT也更新了這項能力。但Damon Chen卻非常淡然：“我們的使命不是成為另一家獨角獸，幾百萬美金的年收入已經足夠了”。

但對于富可敵國的大公司來說，OpenAI的這些優勢全都成了劣勢。

比如，OpenAI在輕量級開發上頗有優勢，但隨著企業不斷深入場景，需要進一步定制時，很快會又一次面臨“遙遙領先難題”：

由于GPT-4過于復雜且龐大，深度定制需要耗費最低200萬美金和數月的開發時間。相比之下，全量微調開源模型的成本多為數十萬美元上下，兩者明顯不是一個量級。

另外，微軟、Salesforce等大客戶自己的計算請求就夠多了，根本不需要和別人一起拼單降成本，這讓OpenAI在成本端優勢全無。即便是初創企業，隨著用戶不斷增加，使用OpenAI模型的性價比也會降低。

前文提到擁有20萬月活的初創公司Summarize.tech，就成功利用開源的Mistral-7B-Instruct降本50%以上。

要知道7B參數的小型開源模型還可以運行在“老古董”級的英偉達V100上——該GPU發布于2017年，甚至沒進美國芯片出口管制名單的法眼。

Summarize.tech

從商業角度看，能夠支撐公司營收的恰恰是財大氣粗的大公司，如何抓住那些“野心不止數年收入百萬美金”的客戶，已是OpenAI必須面對的命題。

閃點事件

讓OpenAI“面對商業化問題”聽上去似乎有些奇怪，畢竟直到2023年初，跟賺錢相關的議題還遠不在OpenAI的日程表上，更別提搞什么開發者大會了。

今年3月，OpenAI總裁布羅克曼（Greg Brockman）——也就是上周和奧特曼一起被開除的大哥——接受了一次采訪。他坦誠地說道，OpenAI并沒有真正考慮過構建通用的工具或者垂直領域的大模型應用。雖然嘗試過，但這并不符合OpenAI的DNA，他們的心也不在那里[17]。

持續四天半的鬧劇之后，Brockman也再度回歸

這里的DNA，其實指的是一種純粹理想主義、保護人類免受超級智能威脅的科學家文化。畢竟OpenAI的立身之本很大程度上建立在2015年馬斯克與奧特曼的“共同宣言”——AI更安全的道路將掌控在不受利潤動機污染的研究機構手中”[18]。

理想主義大旗的號召下，OpenAI成功招募到了以伊利亞(Ilya Sutskever)為首的頂尖科學家團隊——盡管當時奧特曼提供給他們的薪資還不足谷歌一半。

讓OpenAI開始轉變的一個關鍵因素，恰恰是ChatGPT的發布。

最初，OpenAI領導并沒有將ChatGPT視作一款商業化的產品，而是將其稱為一次“低調的研究預覽”，目的是收集普通人與人工智能交互的數據，為日后GPT-4的開發提供助力。換句話說，ChatGPT能火成這樣，是OpenAI沒有想到的。

出乎意料的爆紅改變了一切，也促使奧特曼和布羅克曼轉向了加速主義。

所謂加速主義，可以簡單理解為對AGI的商業化抱有無限熱情，準備大干快上跑步進入第四次工業革命。與之對應的則是安全主義，主張用謹慎的態度來發展AI，時刻衡量AI對人類的威脅。

一位匿名OpenAI員工在接受《大西洋月刊》采訪時說道，“ChatGPT之后，收入和利潤都有了明確的路徑。你再也無法為‘理想主義研究實驗室’的身份做辯護了。那里有客戶正等著服務[20]?！?/p>

ChatGPT也催生了“科技界最好的兄弟情誼”

這種轉變讓OpenAI開始踏入一個陌生的領域——持續將研發成果轉換成受歡迎的產品。

對一家曾以理想主義標榜的象牙塔來說，這項工作顯然有些過于“接地氣”了。比如技術領袖伊利亞就是個計算機科學家而非產品經理，之前在谷歌也多負責理論研究，產品落地的職責在杰夫·迪恩領導的谷歌大腦團隊身上。

在ChatGPT發布前，OpenAI更像是幾個財富自由的科學家和工程師組成的小作坊，但時過境遷，他們變成了一個正兒八經的商業機構。

過去一年，OpenAI新增了數百位新雇員，用于加速商業化。根據The Information的報道，OpenAI的員工總數很可能已經超過700人。就算不考慮賺錢，也得有方法應對運營成本——畢竟科學家也要還房貸啊。

短暫又劇烈的“奧特曼去哪兒”事件并沒有解決這個問題，反而讓它變得愈發尖銳：OpenAI到底是個什么組織？

在CNBC的一次采訪里，馬斯克曾這樣形容由他親手創辦、后來又將他掃地出門的公司：“我們成立了一個組織來拯救亞馬遜雨林，但后來它卻做起了木材生意，砍伐了森林將其出售[18]。”

這種矛盾使得OpenAI困于遙遙領先，也催生了這場驚呆所有人下巴的鬧劇。

今年早些時候，連線雜志的記者曾跟訪了奧特曼一段時間，期間也曾反復提及這個問題，但奧特曼每次都堅稱，“我們的使命沒有改變”。但當信奉安全主義的伊利亞滑跪，以及奧特曼回歸，顯然OpenAI已經做出了它的選擇。

參考資料

[1] How Microsoft is Trying to Lessen Its Addiction to OpenAI as AI Costs Soar，The Information

[2] Microsoft rebrands Bing Chat to Copilot, to better compete with ChatGPT，The Verge

[3] OpenAI Dropped Work on New ‘Arrakis’ AI Model in Rare Setback，The Information

[4] GPT-4 Architecture, Infrastructure, Training Dataset, Costs, Vision, MoE，SemiAnalysis

[5] Big Tech Struggles to Turn AI Hype Into Profits，The Wall Street Journal

[6] Why GPT-3.5 is (mostly) cheaper than Llama 2，Aman

[7] OpenAI’s Corporate Sales Come Under Pressure From Microsoft as AI Customers Eye Cheaper Options，The Information

[8] THE NEXT 100X FOR AI HARDWARE PERFORMANCE WILL BE HARDER，Next Platform

[9] OpenAI’s ‘Extinction Event’ For Other AI Startups，The Information

[10] OpenAI’s Customers Consider Defecting to Anthropic, Microsoft, Google，The Information

[11] GPTs Hunter

[12] What it Takes to Make Open-Source AI Cheaper Than OpenAI，The Information

[13] 圖解大模型微調系列之：大模型低秩適配器LoRA（原理篇），猛猿

[14] Open Source vs. Closed Models: The True Cost of Running AI，AI Business

[15] Why a New OpenAI Product Costs $2 Million，The Information

[16] “血色婚禮”后，生成式AI仍在第一幕，我思鍋我在

[17] OpenAI President on Musk Criticism: ‘We Made a Mistake’，The Information

[18] What OpenAI Really Wants，Wired

[19] 深度學習革命，凱德·梅茨

[20] Inside the Chaos at OpenAI，The Atlantic

編輯：李墨天

視覺設計：疏睿

責任編輯：李墨天