一个有趣的网站
分享有价值的文章

ChatGPT 背后:一个天才、百亿融资和 1 亿日活

1.jpg

此刻,ChatGPT 的火热程度已经无需多言。

11 月 30 日上线,上线一周获得百万注册用户,成为史上最快到百万用户的产品;

1 月 23 日,微软确认了对 ChatGPT 母公司 OpenAI 的新一轮数十亿美元投资;

2 月 4 日,ChatGPT 版搜索引擎曾悄然上线,但几分钟又后迅速下线;

2 月 6 日,谷歌预告其智能对话机器人 Brad 即将上线;

然而今天,北京时间 2 月 8 日,微软紧急推出由 OpenAI 提供技术支持的最新版 Bing(中文名 “必应”)搜索引擎和 Edge 浏览器。

火从产品本身,烧到了各个领域,从硅谷点燃了全球。从 Google 指数上看,ChatGPT 在全球的热度指数激增;从创投圈来看,2023 年开年以来,赛道内初创公司受投资者持续追捧。1 月,有消息称前 OpenAI 员工创办的 Anthropic 即将获得 3 亿美元投资,而这一投资者在本月被证实是谷歌;前谷歌员工创办的 Character.AI 也在当月称已与多个投资方就本轮融资进行讨论;在中国的农历年后,每一个投资人都开始寻找中国的 ChatGPT。

毋庸置疑,背后最大赢家是 ChatGPT 的母公司 OpenAI,以及 “再生父母” 微软。而二者的关系也可以追溯到更早。

一个问题浮出水面:为什么会是 ChatGPT?为什么是 OpenAI?

毕竟,志在实现通用人工智能目标的公司可不止 OpenAI 一家,ChatGPT 也并不是近年来唯一一个掀起 AI 热潮的对话机器人。2016 年,微软在 Twitter 上发布了 Tay,2022 年 8 月,Meta 推出了 BlenderBot 3,但均由于聊天对话存在偏见、种族歧视、反犹语言等问题而匆匆下架。谷歌也早在 2021 年 5 月就公布了 LaMDA,但迟迟未作为产品发布。

本文,36 氪试图回答一些问题:ChatGPT 何以免去 AI 对话固有的道德、法律非议?为什么 OpenAI 能够成为破局者?手握海量数据和大量计算资源的科技巨头如谷歌、Meta 败阵而归,AIGC 赛道创业公司不胜枚举,OpenAI 为何能够拔得头筹?微软持续多次豪掷百亿,野心到底是什么?

2.png

烧钱背后的商业天才

钱和所有 AI 技术的关系都是必要不充分的:钱不一定能砸出 AI 突破性进展,但是没钱一定做不出来。

这条对 OpenAI 一样适用。对 AI 研发企业而言,无论是 NLP 模型的开发和训练,以及后续 AI 服务提供所需担负的算力成本和运营成本,还是需要向顶尖科研人员支付高昂的薪酬。

AI 实现路径条条不同,OpenAI 又选择了一条更烧钱的技术路径 —— 通过增加数据量、提高算力来提升模型性能。仅 2022 年,OpenAI 就花费了约 5.44 亿美元,而收入仅为 3600 万美元。

这样的 “账” 显然不是一般创业公司所负担得了。但好在,从创立那天开始,OpenAI 就不缺钱。

2015 年 OpenAI 成立之初,与创始团队背景同样瞩目的是众星云集的投资者名单和高达 10 亿美元的启动资金,这其中包括 Elon Musk 、Peter Thiel 和 PayPal 校友、LinkedIn 联合创始人 Reid Hoffman 等多位硅谷重量级人物的资金支持。2016 年,Y Combinator 又追加了 12 万美元的种子前轮投资。

相比之下,Google 2014 年收购 DeepMind 仅花费了 4 亿美元。

OpenAI 管理层并不满足于此。为满足呈指数级增长的计算资源需求,这些资金或许远远不够:以 GPT-3 为例,2020 年,大型语言模型 GPT-3 的发布使 OpenAI 在 AIGC 领域初露头角。聊天机器人 ChatGPT 正是在此模型基础上构建的。相较于 2019 年 2 月发布的 GPT-2,GPT-3 的模型能力得到了显著提升,易用性、安全性有了明显改进,在文案写作和总结、翻译、对话等任务中的表现都更加优异。也正因此,GPT-3 成为了 OpenAI 首个开放商用测试的语言模型。GPT-3 和 GPT-2 的最大区别在于模型规模更大 ——GPT-2 拥有 15 亿参数,GPT-3 则拥有 1750 亿参数,模型训练使用的数据量高达 0.4 万亿 token。然而,和模型规模、训练数据量一样增长的,是 GPT-3 的模型训练成本。有数据显示,GPT-3 的单次训练成本高达 460 万美元。

OpenAI 疯狂码算力的烧钱速度的确超乎想象。根据 2020 年发表于 MIT Technology Review 上的一篇针对 OpenAI 的采访报道,OpenAI 联合创始人 Greg Brockman 称,公司早在 2017 年就意识到保持非营利组织在财务上是不可持续的。

为满足日益增长的资金需求,2019 年 3 月,成立四年后的 OpenAI 设立 OpenAI LP,从非盈利公司转型为有限盈利公司,并紧接着在 7 月宣布了微软的 10 亿美元注资。此外,OpenAI 同年还获得了来自 Khosla Ventures、Reid Hoffman Foundation、Matthew Brown Companies 的投资。

在 2023 年微软确认追加数十亿美元投资前,OpenAI 已完成六次融资。GPT-3、DALL・E 2 图像生成器、ChatGPT 这三个关键产出正是在 OpenAI 完成组织变革和一系列吸金动作后陆续推出的。

看到这里,或许有人会疑惑,既然 AI 烧钱人尽皆知,为什么连谷歌收购 DeepMind 都只花了 4 亿,而 OpenAI 却能以 “十亿” 为单位不停拿钱?

种种夸张吸金动作背后,答案指向一个天才 ——Sam Altman。

2019 年 3 月,Sam Altman 接管 OpenAI LP,改变了 OpenAI 的融资策略,进一步给了 OpenAI 烧钱的底气。Sam Altman 的独特经历赋予了他敏锐的商业嗅觉和出色的融资能力,使其成为了接管 OpenAI LP 的不二人选。

尽管 Sam Altman 也是技术出身,但他并不单纯关注技术进步,而是在注重效率和产出的同时,更加看中能够通过技术进步实现的价值创造。

Altman 的天才属性自小就有体现。从 8 岁起就开始学习编程,在预科毕业进入斯坦福大学学习计算机科学两年后,Altman 和同学辍学创办了 Loopt—— 一款用于共享实时位置的应用程序。然而,影响其后续职业走向的并非 Loopt 本身,而是作为 Loopt 投资方之一的 Y Combinator。

依靠从 Loopt 挖到的第一桶金,Altman 转而投身于风投事业,于 2012 年创办了 Hydrazine Capital,将筹得的大部分资金投向了 Y Combinator 投资的公司。

2014 年,年仅 28 岁的 Altman 接任 Paul Graham 的 Y Combinator 总裁一职,并于次年登榜《福布斯》30 岁以下风险投资人 TOP 30 榜单。在任期间,Altman 致力于为理工科创业公司提供机遇,关注能够在实现技术突破后获得巨大潜在回报的深科技领域,包括核聚变、量子计算。

据他所说,通用人工智能,也是其中之一。Sam Altman 认为,AI 将引领新一代技术革命,而通用人工智能是需要让所有人都能享受到技术革命带来的红利。在 2022 年 9 月 Greymatter 的一集播客中,Greylock 合伙人、领英创始人 Reid Hoffman 与 Altman 围绕下一代 AI 技术展开了探讨。Altman 称 “AI 是一个可以孵化出无数工具,推动各行各业前进的基础平台。”

也就是说,Altman 认为在底层人工智能技术的加持下,将会产生更多的,基于特定行业的具体应用场景,帮助行业实现技术变革。这也意味着,最后可以获得最大收益的是能够率先搭建技术领先的基础 AI 模型,并先发制人,以开放 API 的形式,吸引各行业企业基于基础模型开发具体 AI 应用的企业。

凭借自身对 AI 行业的独特理解,以及从业多年对科技创投圈兴奋点的把控,Sam Altman 显然向硅谷完美讲述了他所认为的 OpenAI 的高估值故事,并在组织变革的关键时点成功将微软拉入局中,为这一估值故事背书。

事实上,在 Sam Altman 成为 OpenAI LP 掌舵人后,OpenAI 的发展策略 —— 先发制人以获取先动优势,也正是参照 Altman 对行业未来的设想进行的。

一方面,正如 Sam Altman 所说,OpenAI 的战略选择是 “先做最有信心能成功的事情,然后分出 10% 的资源进行成功确定性更低的探索工作”。通过迅速推出市场可感知的 AI 技术进步,并展现出商业化前景的产品:AI 图像生成工具 DALL・E 2、AI 聊天机器人 ChatGPT,OpenAI 在声量上已经秒杀一众科技巨头。在 DALL・E 2 正式开放注册后,用户数高达 150 多万,这一数字在一个月后翻了一倍。而 ChatGPT 的月活用户数更是在上线后两个月就突破了一亿。ChatGPT 的病毒式增长也为 OpenAI 提供了有助于模型优化的大量用户数据。

另一方面,尽管围绕 OpenAI 是否仍然 “Open” 的争论仍未停息,但是早在推出 GPT-3 的时候,OpenAI 就开启了小规模的商业测试,并逐步开放 API 接口。据路透社报道,迄今为止,已有多家企业,甚至竞争对手在 OpenAI 上构建应用程序,其中一些企业已借此实现了用户数量和营业收入的增长。文案生成平台 Jasper 就是其中之一。根据 TechCrunch 报道,据 Jasper CEO Dave Rogenmoser 称,截至 2022 年 10 月,Jasper 用户数量已超 7 万,在推出后一年内就创造了约 4500 万美元的收入,并预计将会在 2022 年底实现收入翻番。

无疑,Sam Altman 在商业上的极强天赋,为 OpenAI 赢得了时间、资源和钱,而时间、资源、钱,又逐渐量变积累,在 ChatGPT 推出之时爆发。

3.png

微软成为最大赢家前,也曾陪 OpenAI 走过漫漫长夜

1 月,微软确认三度投资 OpenAI,金额数十亿美元;2 月 8 日,微软整合 ChatGPT 产品至其搜索引擎产品 Bing 当中。

不少人认为,现在微软已经成为 ChatGPT 背后的最大赢家:

从投资角度,在收回投资之前,微软将获得 OpenAI 75% 的利润分成,之后微软将持有 OpenAI 49% 的股份,OpenAI 一旦开始盈利,在返还 First close partners(FCP)后,75% 的盈利将回报给微软;

从商业竞争角度,此前多年谷歌一直占有全球 90% 搜索引擎的份额,而微软此次和 Bing 联动,或将改变互联网商业格局。

而当我们把视线收回到 2019 年,微软第一次给 OpenAI 10 亿美元时,或许并没有想到自己将成为最大赢家。

微软和 OpenAI 的前世今生起源已久。迄今为止,微软已经完成了分别于 2019 年、2021 年对 OpenAI 承诺的两笔投资。今年 1 月宣布的第三笔数十亿美元投资意味着微软和 OpenAI 的进一步深度绑定。

如今看来,资金投入仅是微软和 OpenAI 合作的第一层;微软押注 OpenAI 也绝非谋求未来利润回报这么简单。

一方面,OpenAI 亟需算力投入和商业化背书。为拉动微软入局,Sam Altman 做了不少努力。在接管 OpenAI LP 后,Altman 多次飞往西雅图与微软 CEO Satya Nadella 进行交谈。

另一方面,微软 2016 年推出 Tay 聊天机器人受挫后,在 AI 技术商业化应用方面日渐式微,在基础研究层面也尚无具备广泛影响力的产出,亟需寻求技术突破,以重获 AI 竞争力。

2019 年微软首次注资 OpenAI 后,双方开始在微软的 Azure 云计算服务上合作开发人工智能超级计算技术。同时,OpenAI 逐渐将云计算服务从谷歌云迁移到 Azure。有报道指出,OpenAI 每年在微软云服务上模型训练花费约为 7000 万美元,构成了微软向 OpenAI 投资的重要部分。

有了微软云的加持,OpenAI 码算力的能力和底气日渐增长,第一个突破性成果 GPT-3 随之于 2020 年问世。同年,微软买断了 GPT-3 基础技术的独家许可,并获得了技术集成的优先授权,将 GPT-3 用于 Office、搜索引擎 Bing 和设计应用程序 Microsoft design 等产品中,以优化现有工具,改进产品功能。

2021 年微软再次投资,双方合作关系正式进入第二阶段,从合作探索期进入蜜月期。一方面,作为 OpenAI 的独家云提供商,在 Azure 中集中部署 OpenAI 开发的 GPT、DALLE、Codex 等各类工具。这也形成了 OpenAI 最早的收入来源 —— 通过 Azure 向企业提供付费 API 和 AI 工具。

与此同时,拥有 OpenAI 新技术商业化授权,微软开始将 OpenAI 工具与自有产品进行深度集成,并推出相应产品。例如,2021 年 6 月基于 Codex,微软联合 OpenAI、GitHub 推出了 AI 代码补全工具 GitHub Copilot。该产品于次年 6 月正式上线,以月付费 10 美元或年付费 100 美元的形式提供服务。

2022 年,微软开始通过 Edge 浏览器和 Bing 搜索引擎在部分国家和地区提供基于 AI 图像生成工具 DALLE 开发的 Image creator 新功能。同年 10 月,微软宣布将推出视觉设计工具 Microsoft designer。

而今年公布的微软对 OpenAI 的第三次出手,彻底拉开了 AI 军备竞赛的帷幕,也标志着 OpenAI 新技术商业化进入了新的阶段。

从现有结果来看,通过指数级增长的计算资源投入,来实现技术持续改进,以量变推动质变,这一以快制胜的路径是 OpenAI 在这一阶段作出的正确选择。

对微软而言,不管 OpenAI 未来是否会在达成承诺的投资回报后拿回经营主动权,至少目前看来,微软已经靠 “借力打力” 在 AI 领域扳回一城。

4.png

先做、砸钱、大厂资源一样不落,Google 为什么步步被压?

诚如上文所言,在 OpenAI 造梦途中,和 Sam Altman 的掌舵同样不可或缺的,自然是以 “首选商业合作伙伴” 身份入局的微软。

也是因此,全世界关注者都无法不将 “OpenAI x 微软” 与 “DeepMind x 谷歌” 这两对 “CP” 做对比,而双方也更是如此,不少人推测,商业军备战已经拉开序幕。

在 OpenAI 与微软的 “步步紧逼” 之下,Google 早已一改 ChatGPT 刚发布时事不关己的态度:2022 年底,从发布 “红色警报”,召开 AI 战略会议,到指导研发团队的工作重心向 AI 产品开发和发布倾斜,再到被曝出已退出一线多年的两位创始人紧急回归参与战术制定,Google 显然已经在战略层面上重视 OpenAI 和微软对公司核心业务和市场地位的威胁。

战略紧急调整,反映到行动上,更值得玩味:今年 1 月,被 Google 收购的 DeepMind 宣布 ChatGPT 竞品 Sparrow 内测版将于本年度上线。英国金融时报 2 月 3 日报道,Google 已经向投资前 OpenAI 员工创办的初创企业 Anthropic 投资 3 亿美元;同时,在微软将推出内嵌 ChatGPT 的新版搜索引擎 Bing 这一消息满天飞的情况下,Google 紧急宣布将于 2 月 8 日召开 AI 与搜索发布会。

此外,就在 2 月 6 日 —— 发布会即将举行的两天前,Google CEO Sundar Pichai 提前透露,基于 LaMDA 开发的 AI 对话服务 Bard 将和轻量版本的 LaMDA 一同发布。LaMDA 是 Google 2021 年 5 月推出的,专攻对话生成的大型语言模型。此时,距离 LaMDA 的首次发布,已经过去了近两年。

LaMDA 发布时间早于 ChatGPT 一年多,介于 OpenAI 推出 GPT-3 和 InstructGPT 的时间点之间。InstructGPT 是 OpenAI 基于 GPT-3 微调得出的优化模型,在模型训练中加入了人类评价和反馈数据来实现强化学习,以产出更简洁易懂的自然语言文本。LaMDA 能够调用的参数量与 GPT-3 旗鼓相当。

和 ChatGPT 一样,LaMDA 可以为用户提出的问题提供更自然、更合理的回答。同时,相较于 ChatGPT,LaMDA 还具备实时调用外部知识源的能力,这一特征也将赋予 Bard 优于 ChatGPT 的时效性价值。由于 ChatGPT 模型训练未涵盖 2021 年之后的数据,其目前无法提供这样的基于实时信息的回答。

事实上,仔细梳理 OpenAI 和 Google 在大型语言模型研发方面的成果线,不难发现,近年来双方一直呈现势均力敌的扭打态势。甚至在大型语言模型领域,Google 才是那个更早一步有所作为的一方。

5.jpg

Google 与 OpenAI 大型语言模型研发大事记

2017 年 6 月,Google 推出了能调用 6500 万参数的 Transformer 模型,并将模型首次用于理解人类语言,开创了自然语言处理的新篇章。OpenAI 的自然语言模型 GPT 系列以及 DeepMind 推出的能够预测蛋白质 3D 结构的 AlphaFold,都是在 Transformer 模型的基础上构建的。

如此看来,从技术、资金实力,以及研究团队层面来看,Google 都并不逊于 OpenAI。

既然如此,是什么延缓了 Google 开放 LaMDA,推出 AI 聊天机器人的步伐,以至于陷入了 OpenAI 反客为主的被动境地?

究其原因,Google 在研发和成果应用两个层面做出了与 OpenAI 截然不同的决策:赛马、创新 VS 小步快跑、专一。

造成这一决策差异的,是两家公司本身的特征,包括公司固有的组织形式和现有市场地位等。

在研发层面,尽管在 2018 年到 2021 年间,双方都注重通过增加模型规模来实现性能提升,但 Google 内部研发团队采用赛马制,也就是同时有多个进行类似研究的团队。因此,Google 对 Transformer 模型变体的研究以及相关垂直领域工具的研发是多线并行的,即从不同方向进行探索。

这也使得虽然 Google 研究产出较多,创新性较高,采用的具体技术路线差异较大,但是缺乏聚焦,以至于一些研究成果仅仅停留在学术层面,而未能进行下一步应用。

而 OpenAI 选择了小步快跑的专一路线,即 OpenAI 专注于在 GPT 系列上实现模型性能的迭代提升,以及基于 GPT 系列的垂直领域工具研发。OpenAI 于 2016 年确立了两个主要目标:制造通用机器人和使用自然语言的聊天机器人。但是,从 GPT-1 发布之后,OpenAI 逐渐将所有重心转向大型语言模型的研发上。有了研究聚焦,在一定程度上加速了研发和技术商业化进程。

在成果应用层面,创业公司的步子反而迈得会更大,与微软结盟后,OpenAI 采取了更加激进的新技术商业化策略,进一步将大量精力投入到能够迅速实现商业化应用的新技术研发和新产品开发方面。这也是 OpenAI 员工出走的原因:在模型尚不完善的情况下,就急于进行商业化落地。

而有趣的是,部分 Google 员工出走的原因恰恰又是 Google 在新技术商业化方面过于保守。

保守的原因之一是风险规避,包括由于生成内容可能产生种族偏见、性别歧视等有害内容的道德风险,用于训练的数据可能涉及的版权、引用溯源等法律风险,以及由于生成内容包含虚假信息而损害用户对公司信任度的风险。

考虑到上述潜在风险,Google 一直对 AI 聊天机器人、AI 图像生成工具等产品及相关模型的开放持谨慎态度。背靠 Google 的 DeepMind 也是如此。以至于,LaMDA 和 Sparrow 两个大型语言模型,以及 Imagen、Parti、Muse 这三个文本 – 图像生成模型迟迟未上线。

但光脚不怕穿鞋,一直以来都是如此。同样的风险 OpenAI 自然也会面临,但 OpenAI 的做法似乎表明其并不介意承担此类风险。当然,可能一部分原因是,OpenAI 确实在一定程度上保留了技术开源的初心,但也需承认,相较于 Google,缺钱烧的 OpenAI 更需要快速实现新技术商业化。

商业落地后的种种事实也表明,种族偏见、缺乏真实性等问题以及艺术工作者、教育机构的批判并不会妨碍 OpenAI 加速新技术商业化的决策。

2021 年开始,OpenAI 陆续推出了 DALL-E、Codex、ChatGPT 这一系列基于 GPT-3 新的垂直领域应用,并试图通过直接提供相应工具或授权微软将其集成于现有产品中的方式来赚取收入。

保守的第二个原因则更隐晦,对于核心业务和市场地位较为稳定的 Google 而言,需要更审慎地评估新技术商业化应用实际能够为公司创造的价值。除了涉及新技术商业化本身的成本收益权衡,Google 还需要考量其可能对现有核心业务的影响,比如新产品的推出是否会蚕食搜索引擎市场,进而影响 Google 的主要收入来源 —— 背靠搜索引擎的广告业务。因此,Google 近年来主要将新技术用于现有产品的功能改进和优化。

事实证明,在瞬息万变的商业战场,没人会替你的保守买单。Google 真正急眼的原因,是看到 ChatGPT 迅速吸引用户的能力 ——ChatGPT 上线仅 5 天用户量就突破 100 万。截止今年一月底,ChatGPT 月活用户已经突破 1 亿。这样的能力,在 OpenAI 决定向 Google 核心业务和市场地位发起挑战后,可能会对 Google 造成不可预料的负面影响。

这样一来,Google 需要作出的权衡反而更加简单明了:相较于新技术商业化由于潜在风险、蚕食现有业务可能造成的经济损失,如果不这样做,是否将面临更大的,不可挽回的经济损失。

Google 的战略回应已经说明,此刻,在它看来,将新技术商业化可能对其核心业务造成的不良影响,远不及 OpenAI 和微软具有挑衅意味的竞争行为可能对其造成的毁灭性打击。至于 Google 能否迎头赶上,以及一系列战略回应将对其核心业务、商业模式带来何种影响,还有待时间考证。

根据微软和 Google 争先召开发布会这一行为来看,我们或许将很快得到这些问题的答案。

6.png

新版 Bing 来了,商业化进展到哪?

过去几年的纠缠或紧或松,关系亦敌亦友,但现在,微软和谷歌都等不及了。

就在今日凌晨,抢先 Google 一步召开的记者上,微软正式宣布将推出新的由 AI 驱动的 Bing 搜索引擎主页。果然不出意料,微软 CEO Satya Nadella 在邀请函中提到的 “分享一些令人兴奋计划的部分进度” 是指基于 GPT 更新的 Bing。

根据 CNBC 报道,该主页将附带有扩展聊天框,能够 ChatGPT 一样回答用户问题,不仅仅是事实问题,还能为用户定制旅行线路,提供旅行建议,估算旅行成本。该主页将和 Edge 浏览器在今日同时发布有限预览版。即对现阶段用户的搜索数量设置了一定限制。完整版有望在未来几周内向数百万人开放。此外,微软还计划推出移动版 Bing。

不难推测,有了类似 ChatGPT 聊天功能的加持,至少在短时间内新版 Bing 的访问量应该不会太低。

但是,至于微软如何以及能否借此增加用户粘性,以实现更高的搜索引擎市场份额还是一个未知数。一是由于 ChatGPT 尚不支持获取实时数据,因此回答缺乏时效性,新版的 Bing 应该也尚无此特征;二是由于搜索引擎作为一款常用工具,相比于功能的多样化,信息的准确度可能更加重要。这也是有观点认为 ChatGPT 对 Google 搜索引擎业务的影响并不大的主要原因。

另外,新功能的接入给微软带来的收益能否覆盖云计算成本的增加也值得推敲。这个问题的答案不仅关乎 OpenAI 的高估值故事是否能够站得住脚,也是 OpenAI 和微软能否真正引发搜索引擎革命的关键。

根据目前数据,OpenAI 的商业化之路或许并不轻松。据 Fortune 报道,有消息称 OpenAI 2022 年收入仅约 3500 万美元,目前仍处于严重亏损状态,但 OpenAI 预计其将于 2023 年、2024 年分别实现 2 亿美元、10 亿美元营收。

近期 OpenAI 和微软一系列 “加强绑定” 或是 OpenAI 对商业化的逐步尝试。

  • 1 月,OpenAI 开始围绕付费版本 ChatGPT Professional 开展市场测试,并于 2 月 1 日正式推出 ChatGPT Plus,定价为月订阅费 20 美元。付费用户可以获得更快的响应速度,并优先尝试新功能。目前该服务仅限于美国本地用户使用,预计后续将面向其他国家和地区提供。
  • 微软也于 2 月 1 日发布了基于 ChatGPT 的高端版 Teams 消息服务,用以简化会议,包括自动生成会议记录、推荐任务,创建会议模版等。每月费用为 10 美元。
  • 2 月 4 日,ChatGPT 版搜索引擎悄然上线,但几分钟又后迅速下线。而就在今日凌晨(当地时间 2 月 7 日下午),微软在紧急召开的记者会上宣布和 ChatGPT 具有类似功能的新版 Bing 引擎将于当日上线。

但无论如何,微软已经先人一步。而靠着天才创始人、背靠微软、胆大心细的 OpenAI,能否打破种种桎梏,变成下一个时代的 “微软”,我们拭目以待。

来源:36 氪 Pro 微信号:krkrpro

历史上的今天:

赞(0)
未经允许不得转载:前方高能 » ChatGPT 背后:一个天才、百亿融资和 1 亿日活
分享到: 更多 (0)

前方高能丨一个有趣的网站!