2023年03月25日，由CCF YOCSEF南京举办的“从ChatGPT到GPT-4: 大模型的时代机遇与挑战”特别论坛在南京大学国际会议中心成功召开。CCF YOCSEF南京候任AC委员朱光辉（南京大学）和CCF YOCSEF南京委员杨旭（东南大学）担任执行主席。CCF YOCSEF南京候任AC副主席吴天星（东南大学）和王帅（南京乾联科技）担任在线执行主席。CCF YOCSEF南京候任AC主席刘野（南京农业大学）和CCF YOCSEF南京候任AC学术秘书范际耘（南京汉德数字孪生技术研究院有限公司）担任执行秘书。

本次论坛共分为引导发言和观点思辨两个环节。论坛有幸邀请到多位来自南京地区高校和科技企业的专家学者，共同探讨了大模型时代的机遇和挑战。其中，华为江苏昇腾计算产业CTO、昇腾CANN首席布道师谭涛，创新工场南京国际人工智能研究院执行院长、倍漾量化创始人冯霁和南京柯基数据CEO、中国人民大学信息学院企业硕导吴刚担任引导嘉宾。南京大学王利民教授、东南大学法学院毕胜、苏宁易购NLP和图像方向算法总监沈艺和国际跨境电商公司平台负责人王峰担任思辨嘉宾。

在引导发言环节，谭涛做了题为“ChatGPT产业洞察”的引导发言。他介绍OpenAI自11月30日发布对话模型ChatGPT，用户数5天突破100万，月活用户2个月即达到了1个亿，迅速成为史上增长最快的消费者应用。ChatGPT能力惊艳，已经成为大家的编程助手、百科助手、生活助手和创作助手，为我们提供代码生成、BUG定位与修改，提供信息给出建议，并能够生成文本突破创意瓶颈。ChatGPT的出现预示着人工智能的对话模型能够在大范围、细粒度的问题上给出普遍稳妥的答案（虽然有时仍然会犯错）。

在OpenAI大模型商业化之路上，从2020年至今经历了从GPT-3、CodeX到WebGPT和InstructGPT的过程，并最终发展到ChatGPT。其中，在GPT-3阶段从实用性、准确性、安全性和可控性层面提升模型的通用能力；在CodeX阶段面向垂直领域继续打磨；在WebGPT阶段通过海量标记改善生成答案的权威性和全面性；在InstructGPT阶段通过使用基于人类反馈的强化学习准确理解用户意图；最后，发展到ChatGPT实现多轮对话交互。

在ChatGPT是否会成为下一代搜索引擎这一热点话题上，谭涛总结了3种流行观点。其中观点1认为ChatGPT会取代搜索引擎，满足更高效的信息获取的需求；观点2认为使用场景不同二者各有所长，ChatGPT会在某些场景分走搜索引擎部分流量，但不会取代搜索引擎；观点3认为传统的信息检索系统和预训练语言模型可以结合，从而做到连贯、集中的回答问题并增强用户体验。同时，他也指出在ChatGPT+搜索方面商业化节奏加快，微软仅用2个月便将ChatGPT集成Bing搜索引擎推向市场。互联网巨头纷纷跟进，谷歌等公司纷纷推出自己的ChatGPT竞品模型，试图在搜索引擎产业格局发生变动时分一杯羹。资本市场同样看好搜索市场格局将带来的变化。此外，谭涛也分别在ChatGPT+编程、ChatGPT+传媒以及ChatGPT+X方面给出了自己见解。

接着，冯霁做了题为“GPT：AI的平台时代”的引导发言。他首先介绍ChatGPT是一款真正通用的平台级产品，这是和其他人工智能产品最大的区别，也是ChatGPT之所以能够火爆全网的一个重要原因。接着，冯霁深入探讨了ChatGPT背后的关键技术，例如人类反馈强化学习等。最后，冯霁分别对SAAS服务公司的未来、中国能否做出GPT 、是否会有开源实现、如何重塑教育和研究流程、多样性与审查和即将颠覆的领域6个热点话题给出了自己的预测与见解。

最后，吴刚做了题为“ChatGPT对医药行业的影响及应用落地思考”的引导发言。他首先从“4+7”带量采购和合规加严，药企数字化转型加速阐述了医药行业数字化转型面临的业务挑战。接着，他总结了医药行业全流程应用场景并指出5点主要挑战，包括：（1）大量数据非结构化，分散在各个地方，动态更新速度较快；（2）知识非常专业、需要专业的医学和研发人员进行整理，大部分还是依靠人工工作；（3）数据合规性要求很高、内外部数据融合、权限控制；（4）面向内部市场、医学、研发、销售以及外部医生、患者等多种人群，对于交互和知识的需求各种各样；（5）知识运维的及时性和成本。在此基础上，吴刚详细分析了ChatGPT在医药行业落地的挑战，如私有部署、强合规、可控性和稳定性、循证溯源、低成本启动持续运维和高质量数据管理等。

吴刚进一步讲述了医药场景的知识管理、研发阶段的知识发现、临床试验阶段的竞争情报、研究中心筛选和试验设计、以及市场推广阶段的医学信息学术推广。同时，他给出了大模型在医药行业应用测试中关于疾病智能问答的案例分析，通过在准确率、循证溯源、合规性和用户体验四个测试维度，对比了ChatGPT、New Bing、百度文心一言和医学Chatbot的性能。最后，吴刚在大模型医药行业落地思考方面提出了基于FAIR原则的”大模型+知识图谱”双平台解决方案。

为感谢三位引导嘉宾的精彩报告，论坛执行主席分别向三位嘉宾颁发了感谢证书。

在观点思辨环节，本次论坛围绕以下三个议题分别展开深度讨论。

思辨议题1：哪些行业最可能受到ChatGPT的冲击和影响？哪些行业将可能诞生基于ChatGPT的杀手锏应用？

阿里巴巴杨瀚涛指出ChatGPT在客服领域应用，做复杂问题的处理，对电商来说可以削减掉人工成本。在电商搜索模块，个人数据+浏览习惯+搜索习惯能够更好地做商品推荐。东南大学杨旭指出好的研究都是在学科与学科的边缘之间，ChatGPT可以帮助实现跨专业的交叉融合，加速创新的速度，实现学科与学科的打通。南京邮电大学蔡惠讨论了ChatGPT未来是否会砸掉导师的饭碗，使用ChatGPT自动分析论文优缺点，效果不错，甚至有意外和惊奇的观点，这样学生是否还需要老师的指导？此外，输入过多易死机；结论是做很好的辅助，加快我们做科研的节奏。南京工程学院张嘉超认为ChatGPT对教育界不是冲击，而是减轻做重复工作内容的工作量，给我们带来了便利，不会对高校从业者带来冲击。目前ChatGPT对于内容文本的生成还是会有缺陷。

思辨嘉宾东南大学毕胜认为ChatGPT对风险性比较低的行业、应用冲击比较大；风险性比较高的领域，对技术的能力、可信性要求比较高，大模型生成的内容不一定被专家接受，比如法律、医疗；风险性较低的领域商业价值比较高；从技术角度来说，某些中间任务受较大冲击，如果NLP的分词等，中间任务是否还有必要存在？搜集信息、整理信息并输出观点，如财会等任务，这种应用也受很大冲击。满帮集团王东认为ChatGPT目前在纵深行业的数据获取不到，做不了。小公司存活困难，上游公司更聚合，短期内会呈现百花齐放态势。引导嘉宾华为谭涛认为AI能否承担脑力劳动，是AI伦理问题，不是技术能力问题，领域数据壁垒很高，不是技术本身的问题；AI是否能够突破体力劳动，目前是突破不了，要解决功率问题，不能总是依赖云端，要实现模型在终端机器人的部署，而功耗问题是一大瓶颈。

江北大数据中心沈佳良给出了文心一言的答案，客户服务和咨询行业、金融和银行业、制造业、教育行业和翻译和语言能力是最有可能受到ChatGPT冲击的行业。在杀手锏应用方面，沈佳良认为ChatGPT会催生新的行业的兴起，未来的这些行业前途似锦，大有空间。BreezeML公司张怀政指出，他用ChatGPT已超过两个多月，和ChatGPT互相训练，印象最深的是两个点：1）保险行业，包括买保险、核保、报销三步骤，让ChatGPT帮他写第三步的邮件，非常专业，如果将个人信息喂给ChatGPT，也可以解决前两步，ChatGPT可以大幅改进保险领域；2）要学会提问，ChatGPT是非常强的，要通过合理的提问发挥ChatGPT的潜力，另外教育行业、教育方式会被大幅改变。南京邮电大学徐睿文指出学生用ChatGPT生成内容，遭到老师的质疑，直接使用，缺少思维过程，工具阶段-素养阶段，教育应该培养有思维能力、思辨能力的高阶人才，ChatGPT只是做一个辅助，帮助提升的环节。

神秘嘉宾ChatGPT自己的回答为：ChatGPT 的出现将对许多行业产生深刻的影响和冲击。以下是可能受到 ChatGPT 影响的行业：1) 客服行业：ChatGPT 可以通过自然语言处理技术，模拟人类客服与客户进行交互。这意味着在某些情况下，ChatGPT 可以替代人类客服，从而减少企业的成本和提高客户服务质量；2）教育行业：ChatGPT 可以作为学生的智能助手，回答他们的问题并提供支持。这对于在线教育平台或远程教育来说尤其重要，因为 ChatGPT 可以在不同的时区和时间段为学生提供帮助；3）媒体和出版业：ChatGPT 可以为新闻媒体、博客和其他出版物提供内容建议和生成文章，从而提高效率和创造力。ChatGPT 还可以根据用户的喜好和兴趣，个性化推荐内容。除此之外，基于 ChatGPT 的杀手锏应用可能包括：1）智能客服机器人：ChatGPT 可以被用于开发智能客服机器人，使用户可以与企业自动化的客服系统进行交互；2）智能写作助手：ChatGPT 可以被用于开发智能写作助手，可以自动生成文章、短信和电子邮件等内容；3）个性化推荐系统：ChatGPT 可以被用于开发个性化推荐系统，根据用户的兴趣、历史行为和其他特征，向他们推荐最相关的内容。

思辨议题2:ChatGPT大模型是一把“双刃剑”，如何结合行业特点，为ChatGPT找到正确的“打开方式”?

在思辨议题2方面，王峰认为ChatGPT是一个现象级的产品，背后体现出大模型和算力结合的应用。双刃剑体现的是大家的态度，乐观的是辅助我们做很多东西，悲观的是很多行业业务优势会被颠覆。数据堂沈杰提出了ChatGPT如何管理和监督的问题，他指出ChatGPT将造成社会差异化更加两极分化。我们在询问ChatGPT时，同时也在把我们个人的数据分享给它。ChatGPT会更了解我们，会让我们失去一些思考的能力。南京工程学院张嘉超表示持乐观的态度，随着生产力结构的变化，ChatGPT已经促使了这种变化，催生了新的行业、新的岗位，带来新的机会；教育中如果不去使用，可能成为一种弊端，不符合市场的教育，是否是真正的教育；ChatGPT会在交叉行业中产生更强的能动性，提升效率。

PP酱PPT周国的观点是最终只能不得不去拥抱ChatGPT。从用户角度上，最终在各种文案上会带来更低的成本，更好的使用体验。南京理工大学赵庆玲指出如果大家都用ChatGPT，产生错误结果，但是大家都不知道，带来误导，例如看病中的误诊，对ChatGPT结果的验证非常重要。在教育行业应用ChatGPT，如何避免学生无法基础理论知识，而是“吃快餐”。东南大学杨旭提出如何检测ChatGPT有没有说谎？模型生成器有没有生成一些社会偏见？能否在一个小领域去利用它做好场景应用，做好数据标注的问题。南京邮电大学刘天亮表示ChatGPT依旧有很多不足，在领域里面效果不足，情感互动也不足够好，你想用他的功能，但是你的意图、想法、模式、数据，被大家所复用。和行业结合的目标和特点需要考虑，需要目标驱动，否则变成没有自己主见的表达，过于依赖ChatGPT，无法完全信任。

苏宁易购沈艺表示就算没有ChatGPT，算法工具也是在不断更迭，而ChatGPT只会加快这样的更迭。我们首先要去打开ChatGPT，去深度体验它，才能找到正确的打开方式。深度体验以后，ChatGPT对于个人而言，可以只把有利的一面留给自己。王峰表示跟行业应用的结合其实很多大模型已经有思考，比如文心一言，已经在从领域生态的角度研发大模型，利用私域专有模型调整通用大模型可能是一个有效路径。南京邮电大学蔡惠指出ChatGPT会涉及一些隐私问题。但是不能因为有隐患，就彻底放弃ChatGPT。重复性劳动的群体不能固步自封。ChatGPT是趋向于良性的发展，减轻很多文案整理类似的工作。ChatGPT像是一个图书馆的角色，拓展我们的知识边界，打破学科之间的壁垒。

神秘嘉宾ChatGPT自己的回答为：作为一款大型语言模型，ChatGPT可以被视为一把“双刃剑”，因为它的能力可以在不同行业和领域中产生巨大的影响。为了确保ChatGPT能够以正确的方式为特定行业服务，以下是一些建议：1）了解行业需求：ChatGPT的应用需要与行业需求相结合。因此，了解行业特点和需求是至关重要的。ChatGPT的应用需求可能与客户服务、市场营销、自然语言处理等相关；2）优化领域特定的语言模型：为了确保ChatGPT能够以正确的方式为特定行业服务，建议对其进行领域特定的优化，以便更好地满足行业需求。例如，在自然语言处理领域，ChatGPT可以进行文本分类和命名实体识别等特定的语言模型优化；3）使用聊天机器人或虚拟助手的形式：为了更好地满足客户需求，ChatGPT可以以聊天机器人或虚拟助手的形式进行应用，以便快速响应客户需求并提供解决方案；4）保障数据安全和隐私：ChatGPT在应用中涉及大量的数据，因此需要保障数据的安全和隐私。建议采取相关的安全措施，如加密、身份验证等，以确保数据的保密性和完整性。5）持续优化：随着行业的不断变化和创新，ChatGPT也需要不断地进行优化和改进。建议进行持续的研发和优化，以更好地满足行业需求和客户需求。

思辨议题3:国内一些大公司和科研团队也在争相入局ChatGPT大模型，打造“中国版ChatGPT”还存在哪些挑战?还需要在哪些方面努力?是否可以实现弯道超车?

南京大学王利民表示ChatGPT技术上跟美国还是有很大的差距，树大根不深：ChatGPT第一版是2018年，2020年第三版。中国目前达不到第三版的水平。原创性技术的差距比较大。而且原创技术会封锁，至少领先中国2-3年。挑战主要三方面：1）国内的状态，各大互联网企业的数据不能做到共享；2）数据算力：中国的情况是没有强大硬件的支撑，系统层面的能力还是比较弱的；3）人才：美国那边集聚很多科学家，工程师一起做一件事。国内大厂能否从上到下打通，集中起来做同一件事情，而且大厂对于人才和知识产权不够尊重。

冯霁则表示不同意利民的观点，1）教授在互联网公司跳来跳去，可能是教授的利己主义，高校去互联网公司，对于财富的需求大于其他方面，怎么去更好联动需要探索；2）高校的问题在于国家的教育制度不允许失败，像自然科学基金的申请，证明你能干，你能做，才能批，比如ChatGPT还没出来的时候，我不认为国家会批任何人的类似的申请项目；中国的企业文化跟硅谷有很多差别，对于AI lab总是既要、又要、还要；3）25-35岁的年轻人，给他们环境，才有可能做出自己的ChatGPT；中国人爱做验证的事情，很多大厂现在申请1000块卡是没有问题的，能不能有好的企业文化，让30-50个能打的年轻人去冲，个人认为高校做ChatGPT应该没戏，大概就是百度、腾讯、华为等一些拥有云算力的企业有可能追赶，不是超车。

谭涛表示国内的资本分配的方式跟美国就不太一样。美国那边高校、科研、资本都在一个园区，更利于成果转化。而在国内的投资环境，可能中间一个过程失败了就撤资，中国的资本更看重短期的收益，并不能长期跟踪一个项目，比如说一个项目，连续投入上百亿的一个研发项目，没法变现，且持续10年，国内应该没有一家上市公司能够坚持住，就会放弃。

满帮集团王东表示部分同意冯霁的观点，现在的商业模式已经形成，已经逐步替代很多任务，生成图片、生成代码，大厂的投入是很坚决的，是很有希望的；在低利润情况下，大模型的使用很贵，是否无法在低利润场景下应用。星河激荡姜勖指出不一定我们需要在chatbot上竞争，可以考虑在领域里面做一些小模型，在下游任务上面做一些优化，在这些方面发力会更有机会。

神秘嘉宾ChatGPT自己的回答为：中国一些大公司和科研团队想要开发自己的版本的ChatGPT模型，这是非常具有挑战性的任务，需要面对许多技术和资源方面的问题。首先，要开发一个像ChatGPT一样强大的模型，需要大量的数据和计算资源。中国公司和科研团队需要投入巨大的资源来构建高质量的语料库，并在高性能计算基础设施上训练模型。这需要大量的资金和技术支持，对于中国公司和科研团队来说都是一个挑战。其次，开发出一个像ChatGPT一样的模型需要一支强大的研发团队，这需要在自然语言处理、深度学习、计算机视觉等领域拥有强大的专业知识和技能。中国公司和科研团队需要拥有这些知识和技能的团队，这也是一个挑战。除此之外，还需要考虑到法律和隐私问题。由于自然语言处理技术的性质，开发一个像ChatGPT一样的模型需要处理大量的用户数据。因此，需要建立符合国际标准的数据保护机制，确保用户隐私不会被侵犯。这需要技术和法律方面的支持，也是一个挑战。

最后，执行主席朱光辉对本次特别论坛进行了总结，并期待大家能够将论坛上的思想碰撞和交流带回到工作中，为人工智能的发展贡献自己的力量。本次论坛的成功举办，不仅为人工智能大模型领域的研究和发展提供了宝贵的交流平台，也为CCF YOCSEF南京在未来的活动积累了宝贵的经验和资源。

特别鸣谢南京乾联科技有限公司和朗力半导体有限公司对本次论坛活动的大力支持与赞助。