ChatGPT 也涨不动了|当前播报

深燃（shenrancaijing）原创

作者 | 李秋涵

【资料图】

编辑 | 魏佳

你还在用 ChatGPT 吗？

在全球掀起 AI 热潮的 ChatGPT，似乎进入了瓶颈期。

首先是关于 ChatGPT 的使用率，有不利的数据出现。6 月初，摩根士丹利发布的一项调查显示，只有 19% 的受访者表示他们之前使用过 ChatGPT，只有 4% 的人表示依赖 ChatGPT。调查表示，比例低的惊人。

这项调查在今年 4 月进行，涉及人数为 2000 人。不过，在全球 78 亿人口面前，这样的样本量不算大，也一定程度上降低了其参考性。

还有一个基数更广泛的数据值得关注，ChatGPT 的增长已经明显放缓。

根据网站数据分析工具 SimilarWeb 数据，前期 ChatGPT 的访问量增长率惊人，1 月份的环比增长率为 131.6%，2 月份为 62.5%，3 月份为 55.8%，在 4 月份明显放缓，环比增长率为 12.6%，到了 5 月，这个数字已经变为了 2.8%。

随着 ChatGPT 普及，参考基数变大，增长率放缓是正常现象，不过，根据目前已有的趋势来看，6 月的环比增长率也有可能为负数。

今年年初，ChatGPT 像一声惊雷，让全球见识到了生成式 AI 的威力，也让背后的 GPT（生成式预训练 Transfomer 模型）大火，掀起大模型创业潮。它刷新了很多数字，最让人印象深刻的，是史上用户增长速度最快的消费级应用，在推出仅两个月后，ChatGPT 的月活用户已经突破了 1 亿。

但对它未来的发展，即便是创造者也很难给出明确答案。此前 OpenAI 董事会成员海伦 · 托勒就曾表示，" 甚至创造它们的人也不知道它们能做什么，不能做什么。我预计，我们真正了解 GPT-4 能做和不能做的所有事情，可能还需要几年时间。"

ChatGPT 现在的天花板，不代表就是 GPT 的天花板，但作为目前最厉害的大语言模型支撑的产品，ChatGPT 的走向，也能成为观察 GPT 应用的一个窗口。关于 AI 的狂想还在继续，时间已经过去了近半年，我们好奇的是，ChatGPT 的使用情况到底如何？它被高估了吗？

ChatGPT 真的很多人用吗？

对于 ChatGPT 的使用体验，不同行业、不同人答案不同。有人把它当玩具，使用了一两次后就不再登录；有人努力把它变为工具，在工作中以提高效率；也有人，在努力将 ChatGPT 变为工具的过程中失败了，因为觉得它 " 不够好用 "。

夏楠属于第三种。她从事外贸行业，会用 ChatGPT 写工作邮件，也会让它解答一些生活中的烦恼，为了能更好的使用 ChatGPT，她都是用英文发指令。

从 2 月开始使用 ChatGPT，她的体验分为了三个阶段，最开始是好奇，很多问题都想抛给 ChatGPT，看它怎么回答，探索它。从 5 月开始，她感觉 ChatGPT" 变笨了 "，之前能做到的，现在做不到了。现在，她对 ChatGPT 的评价是，" 不好用 "。

比如最近，他们公司接了一个炒菜机器人的 ODM（原始设备制造）业务，她想让 ChatGPT 提供这个市场的预测数据，在反复推拉后，ChatGPT 还是没有给她答案。而在写工作邮件上，经过调教，ChatGPT 也只给到她一个命令式的跟进邮件，文字官方式的长篇大论，也不是她想要的，她希望 " 它能写出有礼貌的，信息表达很明确的邮件 "。

她觉得，ChatGPT 之所以做不到，短板在于 " 不懂得人情世故 "。得不到想要的结果，她的使用频次也降低了，从一个星期五六次变为了一周一次。

当然，之所以会有这样的体验，背后综合影响因素很多，和使用者是否问到了 ChatGPT 擅长的领域有关，也要看使用者有没有找到与 ChatGPT 合适的交流方式。

正在澳大利亚生活的 Lucy，从去年底 ChatGPT 一推出后就开始用英文使用它。现在，她日常用 ChatGPT 来整理学术研究上的思路、学习语言，是生活里必不可少的工具。只是，准确性的问题一直让她烦恼，文献参考需要自己找，" 如果我质疑它的回答，它就会顺着我的思路回答 "。

除了 ChatGPT 的使用体验感受不一，从数据来看，ChatGPT 的普及率，暂时也还没有想象中的广。

摩根士丹利相关报告截图

除了摩根士丹利的报告，还有一些数据可以作为佐证。根据 SimilarWeb 数据，3 月 -5 月，美国、日本是全球为 ChatGPT 贡献流量份额最高的国家，分别位列第一、第三。不过，最近，美国的流量已经下滑了 10.28%。

ChatGPT 的全球流量分布 来源 / SimilarWeb 数据

美国方面，在 5 月底，皮尤研究中心发布了一份调查，他们在今年 3 月中旬在 1 万多名美国成年人当中展开调查，18% 的人听说过很多关于 ChatGPT 的事情，39% 的人听说过一点，42% 的人根本没有听说过。

而在日本，根据日本 ICT 市场调查咨询机构 MM 总研的最新调查报告，5 月 24 日 -31 日期间，以日本及美国企业所属的 13814 名员工（其中，日本 13412 人、美国 402 人）为对象，进行的网络调查结果是，日本企业的 ChatGPT 使用率仅 7%，与美国企业的 51% 使用率相比，两者相差高达 44 个百分点。

日本企业中，近半数员工（46%）回答 " 不知道 "ChatGPT，而即便知道 ChatGPT，但回答 " 未使用 " 的比重也达 42%。

这些都是最近的报告，样本量在 1 万人左右。不过 ChatGPT 大热后，全球关于它的使用报告众多，观点不一，甚至有的得出的是相反结论。上述报告有一定参考性，但也因地域和人群的差别，不一定能完全反应真实情况。

还有更明确的值得参考的整体性数据，可以帮助我们认识 ChatGPT 的应用现状。

根据 SimilarWeb，ChatGPT 增长明显放缓，尤其到 6 月，截至 6 月 20 日，6 月已经过去三分之二，访问量比 5 月少了 38% 左右，粗略推算，到 6 月 31 日如果没有特别新的刺激，6 月的环比流量或将下降。

ChatGPT 近期流量变化 来源 / SimilarWeb 数据

同时，还可以参考的是，根据 SimilarWeb，在 5 月，ChatGPT 的跳出率是 12.59%，低于谷歌、Youtube 等，而在 6 月 24 日，跳出率已经上升到 37.37%。平均访问持续时间也从 8 分 32 秒，下降到 7 分 48 秒。

另一个数据是，接入 GPT 大模型后 Bing 的市场份额变化。

来源 / Statcounter

Bing 的市场占有率，在二三月份刚引入 GPT 时引发关注，根据网站通讯流量监测机构 Statcounter，2023 年 3 月 Bing 的市场份额是 2.86%，5 月是 2.77%，不仅占比没有提高，甚至还有下降趋势。

是什么限制了 ChatGPT？

关于 ChatGPT 应用上的问题，已经老生常谈，不过这些问题对它应用普及上的影响，或许比想象中广。

首先是 " 变笨 " 这件事。

6 月初，"ChatGPT 变笨了 " 的声音引发过讨论。不过 OpenAI 开发者推广大使 Logan Kilpatrick 曾出面回应，表示自 3 月 14 日发布 GPT-4 以来，大模型的本体一直处于静态，不存在大量外部数据污染模型的情况。同时他也承认，大模型本身存在不稳定性，因此对相通的提示词，存在回答前后不一致的情况。

一位 AI 从业者告诉深燃，5 月就有国外从业者在 OpenAI 论坛里分享论证 GPT 变笨的文章。最近，他用 GPT-4 的 API 做了测试，让它做简单的计算题。从结果准确度来看，GPT-4-0314 取得了满分，GPT-4 取得了 80 分，GPT-4-0613，勉强可以拿 50 分。其中，0314、0613 即指 3 月 14 号、6 月 13 号的快照（指整个系统在某个时间点上的状态）。这个结果，给他一种 GPT-4 在被削弱的感受。

来源 / unsplash

根据监管机构 NewsGuard 的专家分析，OpenAI 最新版本的 GPT-4，在输出信息方面，比 GPT-3.5 要糟糕。在今年 3 月份发布的报告中，NewsGuard 提到，GPT-4 不仅在其研究人员的提示下回答了完全虚假的新闻叙述，而且比 GPT-3.5 回答的内容更差。

在上述 AI 行业从业者看来，这样变化的结果是，用户需要变得更为具体和主动地引导 GPT-4，才能获得与过去相当的回答质量。

这也再度影响 ChatGPT 的使用门槛，而这与 ChatGPT 的初衷有所背离。

最开始 ChatGPT 爆火，就有业内人士对深燃分析，它带来的影响是将通用人工智能放在了每个用户面前，也把人机交互的门槛，打到了最低点。

但目前来看，门槛还是存在。从 ChatGPT 的用户画像，也能看出这个产品的普及情况。根据 SimilarWeb 数据，使用者主要分布在计算机电子与技术行业，其中，编程和软件开发占比最大。其他行业里，只有游戏行业中的视频游戏机和配件的从业者占比较多。

在使用 ChatGPT 的体验上，一位工程师给深燃的反馈最为积极，表示一直在用，" 能帮我解决小的程序上的问题 "。

尽管都说，" 淘汰你的不是 AI，是会用 AI 的人 "，如果普通人使用起来门槛越来越高，那也一定程度上脱离了 ChatGPT 的初衷。

还有两个问题，是 ChatGPT 从最开始就面临的质疑，即准确率和隐私保护。

根据上述日本相关机构的报告，在被问到今后若要继续 / 扩大使用 ChatGPT，需要解决什么问题时，日本企业、美国企业分别有高达 49%、45% 的回答是 " 案件的精度 "，其次为 " 个人资料等隐私 ( 日企 34%、美企 35% ) "，和 " 对问题的理解程度 ( 日企 33%、美企 34% ) "。

准确度方面，OpenAI 的 CEO 山姆 · 奥特曼，也做出过解释，这个程序会自信地宣称一些东西是事实，但其实它是编造出来的，就像谎话连篇的政客一样。他给这种现象起了个名字—— " 幻觉难题 "。

总之，准确率要实现起来非常不容易。原因就是因为它不是靠记忆，而是凭借演绎推理能力来工作。" 大语言模型靠的是推理的拼字游戏，不可能像数据库一样完全准确，人也不能完全保证准确 "，关注 AI 行业的工程师杨阳告诉深燃。

隐私方面，OpenAI 至今还没有给出明确的解决方案。在加拿大工作的小虹就告诉深燃，公司特地发邮件通知，让大家谨慎使用 ChatGPT。

基于这些限制，ChatGPT 的应用场景也受限制。

关注产业的投资人陈默默告诉深燃，它其实适合 " 生产力驱动 " 的内容生产，而不是 " 创意驱动 " 的内容生产，在前者上，能替代不少有重复经验累积的人力。

用户洛洛从 4 月开始使用 ChatGPT，她开了会员，主要用于写脚本和文案，" 只要能给它正确的公式，基本可以反馈给我任意思维的脚本，只是拿到手要改 "。她表示，产出的脚本比较基础，没法做成爆款，但它逻辑没有问题，" 像公司日常的一些大量的视频输出，是可以支持的 "，她现在的 ChatGPT 使用频率，基本上一周 3 次以上。

现在夏楠调整了策略，只问它一些流程式的问题，比如开 ebay 网店的流程。尽管这类问题也可以问谷歌、百度，但 "ChatGPT 的回答更好 "，她举例，最近她去德国旅行，让 ChatGPT 给她安排旅游计划，给出的答案有参考性，交通安排的也很清楚。

这些长期使用 ChatGPT 的用户，不论对 ChatGPT 的使用体验满意与否，他们都提到，ChatGPT 更像是一个升级了的谷歌、百度，带来了一定助力。

ChatGPT，象征意义高过实质意义？

最近，OpenAI 推出了类似于 LLM 版的 App Store，加速生态的建设，还被曝光了一些功能上的优化。这背后也隐藏着一个信号，GPT4 暂时已经到天花板，要加速生态建设，在 GPT5 出不来之前，先做一些体验上的优化。

早在 4 月，山姆 · 奥特曼就表示，还没有开始研究 GPT-5，也没有立即开始的打算，还曾表示，" 大型模型时代已经到头了。"

据 OpenAI 官网，GPT 模型参数数量（可以理解为喂养模型的语言材料）在不断提升。GPT-1 是 1.17 亿，GPT-2 有 15 亿，到了 GPT-3，飙升至 1750 亿，GPT-4，根据国外媒体机构 Semafor 的一份报告，比 GPT-3 大六倍左右，具有 1 万亿个参数。

此前杨阳也对深燃表示，或许 GPT-4 就成长到头了，语料是一个原因，" 人类历史上创造出的优秀资源就这些了 "，模型本身的限制也是一个原因。在他看来，现在 GPT-4 被限制了，应该有能力没有被完全开发出来。

近日，Facebook 母公司 Meta 首席人工智能科学家 Yann LeCun 就指出，ChatGPT 背后的生成式人工智能技术已进入了死胡同，拥有太多的局限性。

出于巨头间的竞争关系，或许很难将这话作为客观参考。但可以肯定的是，ChatGPT 的确遇到了瓶颈。

要让大语言模型有更好的应用，不少人把视线投向垂直领域的应用上。

AI 行业从业者秦凯对深燃做了一个比喻，ChatGPT 这类泛化型的人工智能，应用宽泛时，能力就像是高中生、大学生，和垂直场景结合时，fine-tuning（在自然语言处理中使用的技术，也叫微调）的数据足够精确和贴合场景，能力就能变为硕士、博士，能解决更具体的需求。

杨阳也认同这一看法。他提到，目前的模型最多只能进行一倍左右的优化，" 大家有一个基础共识，GPT-5 来了，也不会带来颠覆性的进化 "，短期内不可能达到 AGI（通用人工智能）水平。

来源 / unsplash

不过，他表示，现在做具体垂类应用，首先是费用高，训练模型对公司来说依旧是不小的成本；其次是数据安全、数据隔离的问题，目前采用的办法是，" 在大模型基础上套小模型 "，但带来的问题是，现在的底层技术还在变化，" 没有人知道下一个模型，更优秀的模型什么时候出现 "，这个中间阶段让大家很迷茫，" 如果三五年后才出现，那现在基于大模型做垂类的产品是不亏的，场景落地后有机会回收资金。但如果很快就出现了，那大家现在做的外挂型垂类产品，是没有多少意义的。"

投资人陈默默表示，这是一个 " 先有鸡还是先有蛋 " 的问题，他们还是愿意去看相关项目，在细分领域里切一个特定场景的应用，因为 " 哪怕未来的底层有变化，只要行业没有变动，在应用层的行业理解上还是会有沉淀 "。

但他们在看项目时遇到的问题是，很难有人可以明确告诉他们，产品能节省多少人力成本。" 看下来，还是得给机器配个人 "，她举例，关注赋能研发端论文筛选归纳相关的垂类产品，实际使用也还是需要一个人顺着机器的结果，再做进一步验真、开发和研究，实际上很难说效率有特别好的优化 "，所以现在，一些投资人都会倾向于再观望观望。

在关注垂类领域的 AI 创业公司的产品时，她的感受是，" 我们对技术带来的产业升级机会保持谨慎乐观，目前可能它的市场意义，高过实质意义 "。

秦凯总结，人们对 ChatGPT 的期望过高，但有两个瓶颈。首先，下一代大语言模型通过更大的参数规模和更强算力的收益边际递减，人们的期望可能无法很快满足。其次，当前的大语言模型是泛化的，需要很长时间来解决特定、真实的问题。目前垂直领域的生成式 AI，已经变成了针对具体企业做定制化需求和私有部署的体力活，" 底层模型依靠 transformer 方式缺乏解决非常复杂问题的能力，现在的应用情况与预期的水平相距甚远 "。

应用还在继续，技术还在发展，关于 ChatGPT 的应用及潜力还需要再观望。即便是这样，ChatGPT 已经让一些人的生产效率，有了一个数量级的提高，即便当下有瓶颈，"ChatGPT 已经是很伟大的产品，这就够了。" 杨阳表示。

* 题图来源于 unsplash。应受访者要求，文中夏楠、Lucy、杨阳、小虹、洛洛为化名。