龙卷风自ChatGPT 震撼人心现身起。
欧美国家，一路上狂飙，其背后的GPT大数学模型全方位秀肌肉，不断展现其惊人潜能。又迅速演化，完成插值，仅四个月后就发布GPT4，引发连连惊叹。
亚洲地区，百花齐放，你方唱罢我登台。百度、阿里等互联网小厂纷纷现身Kanniyakumari产品，试与ChatGPT比高。不过与此与此同时，对升级换代Kanniyakumari产品的质疑声也愈发响亮。
新一轮控制技术革命已然来袭，他们距离ChatGPT有多远？网易科技与北京智谱华章科技有限公司 CEO刘明展开了对谈。
谈差别：亚洲地区大数学模型与ChatGPT之间的差别并不大
智谱AI在大数学模型应用领域耕耘多年，其科学研究出的GLM-130B是亚洲地区唯一一个入选斯坦福大学此基础数学模型科学研究中心，能跟顶尖数学模型同场竞技的底座数学模型。自2022年8月发布以来，已收到41个国家266个科学研究机构的采用需求。
谈到亚洲地区外的差别，刘明指出，亚洲地区大数学模型与ChatGPT之间的差别并不是很大。他表示，虽然欧美国家在人工智慧应用领域的布局可能将更早，但亚洲地区很多小厂和科学研究机构也一直保持着很高的关注度。
大数学模型控制技术具有高资金投入、高要求的特点，团队、算法等方面也是一个控制系统性的工程，因此大家为此的资金投入都比较谨慎。中国起步的速度可能将会比欧美国家晚一些，但并不代表亚洲地区没有做这些事情。
为了吸引更多人了解和参与到大数学模型的合作开发和采用中去，协力推进控制技术的产业发展和创新。今年3月，智谱AI开放源码了“中双语对话数学模型ChatGLM-6B”，支持在宣传册消费级显示卡上展开推理采用。这是继此前开放源码GLM-130B千亿底座数学模型之后，智谱再次推出大数学模型方向的科学研究成果。
谈破冰：底座的潜能下限非常关键性
刘明介绍，目前在生成式AI应用领域，主要可以分为三类角色。第一类是关注于下层数学模型和此基础潜能的建设，最终目标是以通用型数学模型为最终目标，提高数学模型的通用型潜能、方法潜能、虚拟化潜能和跨逻辑系统潜能等。第二类是基于此基础数学模型的普遍化潜能去做上层应用应用领域合作开发，结合情景和行业的深入知识和积累，去快速地协助行业采用者化解实际难题。第三类是作为临时性控制技术的供应商，协助化解工具增效等方面的临时性难题。
智谱作为专注于下层数学模型的一类，刘明强调，底座的潜能下限是非常关键性的。ChatGPT正是摸索出了一套方法来更好地发挥潜能下限，而破冰的动作也能对控制技术这类的潜能展开验证，在不同情景下实现与采用者的同时实现，获得采用者的反馈，协助对大数学模型的进一步优化。
刘明很早便提出了Model as a Service的理念，主张提供从预体能训练大数学模型到API到应用应用领域多层次以及从云端到私有化到打印机布署的灵活布署方式。
他指出这种数学模型与服务的融合可以为传统合作开发工具驱动力的IT控制系统注入智能化驱动力的潜能，从而重构整个IT控制系统的架构。这种重构将使得IT控制系统更高效、更智能化，进而减少合作投资成本，提升采用者和应用应用领域者的收益。因此，Model as a Service的价值远远超过过去每一层形成的时候所带来的价值。
谈信用风险：Tesla们并算不上顽固
3月末，包括TeslaCEOsert·Tesla等在内的数千名AI应用领域企业家、学者、老总发出了一封题为《中止大型人工智慧科学研究》的联名信他们在信中强烈要求：所有AI科学研究室立刻中止体能训练比GPT-4更加强大的AI控制系统，为期至少6个月。人们对人工智慧产业发展的恐慌尽显。
为此，刘明指出，Tesla等并算不上顽固，他们只是提出了中止六个月来减少信用风险的建议，并没有真正要求禁言人工智慧控制技术。相对以往对克隆控制技术、基因编辑等的骂声，还相对温和，有助于防止控制技术产业发展过快而导致失控的信用风险。
对中国来说，他们目前可能将还没有太多的发言权，但是他们一直在控制技术产业发展过程中展开跟进，这件事情也是给他们敲响了警钟，在重视人工智慧的产业发展和应用应用领域的与此同时，也不能忽视了其可能将带来的影响。
安全性和伦理难题是自AI控制技术诞生以来，学界、社会和工业界协力关注的难题。不过，在控制技术产业发展的与此同时，化解这些难题还需要考虑到各个方面和群体的利益。控制技术产业发展的与此同时必然会产生捷伊难题，不过控制技术这类是可控的。世界不断进步，他们也不需要太过担心。
海量资讯、精准解读，尽在新浪财经APP