營(yíng)收再創(chuàng)新高!ChatGPT移動(dòng)端收入將近460萬美元,但增長(zhǎng)疲態(tài)初現(xiàn)

根據(jù)市場(chǎng)情報(bào)公司Appfigures的最新數(shù)據(jù),其營(yíng)收增長(zhǎng)已經(jīng)開始放緩。雖然在過去的幾個(gè)月里,ChatGPT的收入增長(zhǎng)超過30%,其中7月份為31%,8月份為39%,但到9月份,這一數(shù)字降至20%。

640.png

圖片來源:攝圖網(wǎng)

本文來自前瞻網(wǎng),作者/羅。

據(jù)相關(guān)媒體報(bào)道,人工智能聊天機(jī)器人ChatGPT在移動(dòng)領(lǐng)域的努力獲得了豐厚回報(bào),但也正面臨挑戰(zhàn)。從積極的方面來看,安裝數(shù)量和營(yíng)收都在持續(xù)增長(zhǎng),9月份在這兩個(gè)方面都創(chuàng)下了新紀(jì)錄。到目前為止,7月份增至274萬美元,8月份為381萬美元,9月份創(chuàng)下了458萬美元的最新紀(jì)錄。

然而,根據(jù)市場(chǎng)情報(bào)公司Appfigures的最新數(shù)據(jù),其營(yíng)收增長(zhǎng)已經(jīng)開始放緩。雖然在過去的幾個(gè)月里,ChatGPT的收入增長(zhǎng)超過30%,其中7月份為31%,8月份為39%,但到9月份,這一數(shù)字降至20%。

ChatGPT營(yíng)收增長(zhǎng)放緩的原因可能有幾個(gè)方面。首先,ChatGPT的初期推出引起了廣泛關(guān)注,但隨著時(shí)間推移,新鮮感逐漸消退,用戶需求可能趨于飽和。其次,ChatGPT在應(yīng)用場(chǎng)景上還存在一定的限制,無法完全替代人工客服或其他解決方案。此外,ChatGPT可能面臨著技術(shù)上的挑戰(zhàn),如準(zhǔn)確性、語義理解等方面的問題,這也可能導(dǎo)致用戶對(duì)其信任度下降。最后,市場(chǎng)競(jìng)爭(zhēng)激烈,其他競(jìng)爭(zhēng)對(duì)手的產(chǎn)品不斷涌現(xiàn),也對(duì)ChatGPT的市場(chǎng)份額造成了一定沖擊。

——AI大模型是一種新的智能計(jì)算范式

超大規(guī)模智能模型,簡(jiǎn)稱大模型,是近年興起的一種新的人工智能計(jì)算范式。和傳統(tǒng)AI模型相比,大模型的訓(xùn)練使用了更多的數(shù)據(jù),具有更好的泛化性,可以應(yīng)用到更廣泛的下游任務(wù)中。按照應(yīng)用場(chǎng)景劃分,AI大模型主要包括語言大模型、視覺大模型和多模態(tài)大模型等。業(yè)界典型的自然語言大模型有GPT-3、源、悟道和文心等。視覺大模型也已廣泛應(yīng)用于自動(dòng)駕駛、智能安防、醫(yī)學(xué)影像等領(lǐng)域。基于多模態(tài)大模型的以文生圖技術(shù)也迅速發(fā)展,AI內(nèi)容生成(AI Generated Content,AIGC)已成為下一個(gè)AI發(fā)展的重點(diǎn)領(lǐng)域。

640.png

——AI大模型助力人形機(jī)器人拆解任務(wù)

人形機(jī)器人決策難度更高:決策層依據(jù)感知層獲取的信息進(jìn)行決策判斷,來控制機(jī)器人身體做出動(dòng)作規(guī)劃并下發(fā)指令。特斯拉人形機(jī)器人與FSD底層模塊打通,一定程度上算法可復(fù)用,但人形機(jī)器人需完成人類各種動(dòng)作,動(dòng)作連續(xù)復(fù)雜、需頻繁的物理交互且操作因果性多,算法難度遠(yuǎn)高于自動(dòng)駕駛。

隨著人工智能大模型的快速發(fā)展,ChatGPT能夠助力人形機(jī)器人拆解任務(wù)。大語言模型擅長(zhǎng)推斷語言條件,并利用其代碼編寫能力,拆分任務(wù),給出運(yùn)動(dòng)規(guī)劃的目標(biāo)函數(shù)。

640.png

——預(yù)訓(xùn)練大模型成為人工智能領(lǐng)導(dǎo)者的競(jìng)爭(zhēng)焦點(diǎn)

預(yù)訓(xùn)練大模型是人工智能產(chǎn)業(yè)發(fā)展的必然選擇,基于海量行業(yè)數(shù)據(jù)和知識(shí),通過強(qiáng)大算力集群,預(yù)先訓(xùn)練基礎(chǔ)模型,并結(jié)合應(yīng)用場(chǎng)景的數(shù)據(jù)和各類需求,通過“預(yù)訓(xùn)練大模型+任務(wù)微調(diào)”的方式,進(jìn)行“工業(yè)化”的高效率開發(fā)。開發(fā)者利用預(yù)訓(xùn)練大模型,只需要少量數(shù)據(jù),就可以快速開發(fā)出精度更高、泛化能力更強(qiáng)的行業(yè)模型。預(yù)訓(xùn)練大模型可以提升人工智能項(xiàng)目開發(fā)效率,降低研發(fā)成本,縮短研發(fā)時(shí)間,解決人工智能項(xiàng)目碎片化的問題。

根據(jù)Omdia的數(shù)據(jù),中國(guó)開發(fā)者對(duì)基于昇思MindSpore打造的盤古NLP大模型最感興趣。首先,盤古NLP大模型在技術(shù)上處于領(lǐng)先地位,千億參數(shù)模型,學(xué)習(xí)了40TB的中文文本數(shù)據(jù),在中文領(lǐng)域有天生優(yōu)勢(shì);其次,盤古NLP大模型可覆蓋多個(gè)場(chǎng)景下語言處理的任務(wù)和需求,泛化能力強(qiáng),在知識(shí)問答、知識(shí)檢索、知識(shí)推理等文本生成領(lǐng)域有廣泛應(yīng)用前景;另外,盤古NLP大模型對(duì)開發(fā)者友好,可以讓開發(fā)者能用拖拉拽的方式使用大模型,開發(fā)和生產(chǎn)成本低。這也從另外一個(gè)角度驗(yàn)證了盤古大模型的開放性,開發(fā)者可以跨平臺(tái)快速調(diào)用盤古大模型,與其他工具和應(yīng)用結(jié)合使用。

640.png

百度集團(tuán)副總裁、深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程研究中心副主任吳甜表示,AI大模型百花齊放的現(xiàn)象表明了一個(gè)趨勢(shì),即生成式AI在未來可能會(huì)對(duì)產(chǎn)業(yè)結(jié)構(gòu)以及社會(huì)帶來深刻的影響?,F(xiàn)在只是剛剛拉開帷幕,AI對(duì)產(chǎn)業(yè)的滲透正在加深。毋庸置疑的是,生成式AI將推動(dòng)全球生產(chǎn)力革新與商業(yè)模式重塑。

THEEND

最新評(píng)論(評(píng)論僅代表用戶觀點(diǎn))

更多
暫無評(píng)論