自從OpenAI發布ChatGPT以來，各行各業都在聚焦大模型做不同角度的延伸，基于時下備受關注的RTE領域，聲網首席科學家鐘聲也從大模型的角度帶來了智能化趨勢與實時互動相關話題的分享，共同探討RTE行業面臨的全新機遇。
鐘聲指出，從Bing搜索到Office ，ChatGPT已經被微軟接入到了各個業務線里。從運營支撐系統和業務支撐系統的維度來看，ChatGPT是一個“Game Changer”，它進來以后，對客服、搜索、助手都是有明顯幫助的。有數據顯示，有人在ChatGPT上的聊天時間比平時多了5倍，這個趨勢可能會讓娛樂、咨詢、學習、方案、決策、診斷、設計、寫代碼等從業人員自身難保。
ChatGPT可以生成讓人難以想象的內容和廣告，從搜索、算法推薦，再逐步過渡到內容完全監管，給在座的我們帶來了很大的威脅。Facebook有1200萬商戶在投放廣告，大家可以試想一下，這些廣告都可以使用算法生成。或許，以后主播、用戶產出的UGC內容都不如算法帶來的這些內容更有趣、更有深度和廣度。
面對ChatGPT的進化，相關從業人員可以重點關注以下五個方面。
1、性能云計算、存儲、智能芯?和?效AI算法。一是DSA（架構），領域相關的架構并且做存算一體，量子計算等。推理芯片需要降低成本，即便像現在的ChatGPT，它推理部分的成本仍然很高。二是DSA（算法），為領域定制，理論上要少4、5個數量級，才能長期維持下去。
2、ChatGPT的數理能力比較差。有人把ChatGPT和另外一個數理工具Wolfram/Alpha連在一起，讓ChatGPT吸Wolfram的能力，以此提升在數理計算的精確度。舉個例子，有一家醫療公司上線了DocsGPT，它可以幫助醫生做它最不想做的事，比如把賬單送到保險公司、寫病歷等。另外，Meta此前發布的LLaMA大模型沒有OpenAI那么大，但它做了70億、130億、650億的好幾個模型，所以往這個領域深鉆，讓小模型小一點，再專注于自己的特長，并非一定要做像GPT-4這樣全能、智能，通用的人工智能。
3、大模型面臨數據資源不夠。再過幾年，當可供AI高質量訓練的數據不夠時，它的進步就會很受限。現實生活中產生的UGC、AIoT、攝像頭等各種各樣的數據，基本能夠用來完善或解決已知的問題，但未知的問題怎么辦？是不是可以用AIGC自己補充、合成數據的方法把它接入到數理軟件上，用計算機程序和數據去補充高質量的訓練數據，這里最重要的還是看AI是否能夠自己產生數據。
4、核心技術。我特別主張在邊緣和端上多加智能化的算法和芯片優勢。跟Web3.0的思路一樣，如果未來被幾個少數的中心化AI控制，人類命運可能真的會被主宰了。所以，適當把智能分散，讓智能泛在是很有必要的。此外，邊端上的能力個性化、隱私也很重要。
5、智能泛在。如果大數據無處不在，用AI算法來學習大數據，然后泛化這個智能，只需一個索引就能把它檢索出來，比如生成視頻。
舉幾個例子，音“融”笑貌，了解我的人，聽到我聲音就知道我講話的樣子，甚至能想象出來我的神態；“笑”逐顏開，像動補、面部，用部分的關鍵信息就能夠在另外一處重構視頻形象；心想“視”成，AIGC按你喜歡的方式生成一段滿足你個性化需求的視頻。
鐘聲還針對“聲網生成式AI技術”做了詳細分享，他指出，聲網生成式AI技術聚焦為RTC/RTE領域提供更好的服務，可以實現超分、超質、超音、超流、超測、超幀、摳圖等。
以在聲網SDK上集成的，僅靠語音數據生成視頻或驅動的“超音”案例來看，左邊輸入ChatGPT的數據，右邊就可以達到1080P或者更高的分辨率。從移動端上實現的面捕實時驅動案例來看，由于模型比較好，想要移動端覆蓋高，就不能只盯著高端手機。我們對算法做了極致的優化，像我剛才說的超級畫質一樣，可以一幀1080P。在iPhone10或者iPhone11上處理時間不到1ms，4K的視頻也能靠軟件處理。
未來，ChatGPT大模型的發展必將為實時互動領域帶來更多的機遇以及挑戰，我們只有提前謀劃，提前布局，才能更精確的踩在風口浪尖。
