近期在研究ChatGPT大敘事之下涌現的新的創業機會時，偶然發現了Leonis Capital風險投資基金Jenny Xiao (肖文泉)和Jay Zhao所撰寫的《China’s Generative AI Landscape and How It Compares to the U.S.》深度剖析了中、美在人工智能格局發展差異的根本原因，未來發展路線的差異化，以及ChatGPT浪潮之下催生的AI生成式創新機會。筆者在此借助GPT-4快速翻譯了這篇文章，希望能夠給大家也帶來最新的思考和啟發。

當硅谷的投資者和創始人對生成式人工智能感到興奮之際，同樣的生成式人工智能狂熱也席卷了中國的同行。關于ChatGPT、DALLE-2和Stable Diffusion的新聞幾乎同時傳遍 了西方科技社區和北京。

然而，在西方鮮為人知的是，中國正在建立自己的生成式人工智能平行世界。中國的科技巨頭們正在構建與OpenAI的ChatGPT和DeepMind的AlphaFold類似的模型，而中國的創業社區也逐漸察覺到了這項新技術所帶來的巨大機遇。

雖然美國的科技人員通常對于發生在硅谷以外的事情毫不知情，但政治評論員迅速聲稱中國在人工智能實施方面“領先于美國”，并且中美之間將出現一場“生成式人工智能軍備競賽”。

那么，中國的生成式人工智能領域到底發生了什么？它對世界其他地區有何意義？

ChatGPT發布一周內，中國科技界關于這個新聊天機器人的消息紛紛傳開。科學家開始討論人工智能何時能通過圖靈測試，科技社區開始質疑ChatGPT是否能挑戰谷歌，投資者則對生成式人工智能成為下一個萬億美元產業感到興奮。

半年前，在2022年度百度世界大會上，百度的創始人兼首席執行官李彥宏提出了一個新的市場概念：“AI生成內容”（AIGC）。他在主題演講中強調，在未來十年，“AIGC將顛覆所有現有的內容制作模式。”他相信，AIGC有可能將原創內容制作的成本降低到當前的十分之一，并將制作過程加速數百甚至數千倍。

然而，西方實驗室發布強大的人工智能模型也引發了中國科技界的警鐘。針對OpenAI發布ChatGPT的反應，中國觀察家表達了對國家在技術領域的“落后感”的擔憂。這些API受到少數西方公司的控制，進一步加劇了中國新興創業公司的焦慮情緒。

隨著ChatGPT和Stable Diffusion席卷全球，中國實驗室發布的生成式人工智能模型受到的關注要少得多。然而，中國的科技巨頭和該國最優秀的人工智能科學家正在不懈努力地構建相同的模型。事實上，中國似乎是除美英壟斷之外，唯一一個自行開發自己模型基礎設施的國家。

除了像Google、OpenAI和Meta這樣的生成式人工智能領域的知名參與者之外，就模型數量而言，排名前十的開發者中有四家位于中國。其中包括百度和阿里巴巴等科技巨頭、清華大學等頂尖大學，以及北京人工智能研究院（BAAI）等政府贊助的實驗室。

雖然以色列的AI21實驗室和加拿大的初創企業Cohere也在構建大規模模型，但除美英之外，中國是唯一一個建立和發布這些模型的多個實驗室的國家。中國還建立了自己的人工智能框架，包括華為的Mindspore和百度的PaddlePaddle。這些框架與主流的西方框架（如PyTorch和TensorFlow）不兼容，但有像Ivy這樣的轉換工具可以在這些框架之間搭建橋梁。

除了模型訓練基礎設施外，中國的開發者在硬件層面上也越來越獨立。為了應對美國制裁的威脅，中國公司越來越多地轉向國產GPU，如華為的Ascend 910，這些GPU幫助訓練了PanGu-α和ERNIE 3.0 Titan等生成式人工智能模型。這些努力為發展蓬勃的生成式人工智能生態系統奠定了基礎。

在模型參數數量(模型性能的粗略代表)方面，中國模型比西方頂級模型落后大約一年。與“來自中國的更大、更強、更快的人工智能”的說法相反，中國在模型大小和性能上落后于西方。而且中國很難在短時間內超越美國，主要是因為頂尖人工智能人才的差距。中國實驗室非常善于學習西方領先實驗室的進步，但在提出原創模型和推動研究邊界方面能力不足。因此，在一段時間內，中國在生成式人工智能模型領域可能仍將緊隨其后。

在西方發布開源模型的情況下，中國開發者也能夠繞過昂貴的開發需求，并迅速將現有模型適應到中文語境中。在Stable Diffusion發布幾個月后，中國的研究團隊IDEA-CCNL迅速訓練并發布了Stable Diffusion的中文版本（稱為Taiyi-Stable Diffusion）。該模型在捕捉中國文化背景方面表現得更好。

“鐵馬冰河入夢來”3D繪畫（宋代詩人陸游的詩句） ‍

“水飛流三千尺”油畫（唐代詩人李白詩句）

在應用層面上，中國的發展也落后于硅谷的初創企業生態系統。這再次挑戰了中國在人工智能實施方面領先于美國的觀點。如果你將我們的中國市場地圖與之前的硅谷市場地圖進行比較，你會發現在中國還有許多垂直領域尚未發展起來。例如，在中國建設開發者工具和提供編碼幫助的生成式人工智能公司很少。這可能是一個完全由西方公司主導的領域，因為在開發者工具市場中存在較少的文化、語言和政策障礙。

即使在現有的垂直領域中，中國的參與者也相對較少。中國的文本生成、圖像生成和音頻生成初創企業的發展水平需要時間才能達到西方的水平，并且可能難以找到足夠大的市場。這是因為大部分西方的文本生成和圖像生成初創企業是面向企業的公司，而中國的B2B市場規模要小得多。

這意味著中國的生成式人工智能領域更像是一個競爭對手較少、市場動態迅速發展、甚至可能存在更多初創企業和投資機會的藍海。難怪中國的科技巨頭和頂級風投基金密切關注著該國的生成式人工智能領域。

然而，中國的企業市場發展程度相比美國市場，企業不愿意為軟件付費，更習慣于支付服務費用。我們可能會看到中國的人工智能公司創造出一種本質上是“服務為先，人工智能軟件為后”的商業模式。這些公司的行為可能與傳統的SaaS公司有所不同。

與美國擁有強大的水平SaaS市場不同，中國的人工智能公司更適合深入發展，為少數幾個大型行業提供服務，而不是廣泛針對SaaS市場。在一些領域，中國領先于美國，包括電子商務、短視頻制作，也可能包括游戲。事實上，我們已經看到中國的生成式人工智能公司進入了這些領域。Fancy Technology，一家人工智能視頻生成平臺，專門針對電子商務企業。

由于文化障礙和政策限制，西方科技初創企業越來越放棄中國市場。在中國，可能會出現平行的生成式人工智能領域，國內公司彼此競爭，并相對獨立于硅谷的同行公司。

然而，與其他領域類似，“復制到中國”的簡單模式通常不起作用。在西方，基于文本的人工智能寫作和營銷工具是最受歡迎的生成式人工智能公司類型，但在中國這類工具相對較少。中國公司較小的銷售和營銷預算對商業化構成挑戰。高質量的中文語言訓練數據的稀缺性對高性能語言模型的發展構成了瓶頸。更廣泛使用基于視頻的營銷意味著基于文本內容的用例更為有限。

相反，中國正在開發自己的生成式人工智能應用領域。在基于文本內容創建工具方面，與銷售和營銷相關不同，許多產品提供普通和學術寫作支持以及翻譯。受歡迎的人工智能寫作工具 Pitaya 專注于提供學術寫作輔助和英語翻譯服務。這是因為中國龐大的學生群體常常在英語和學術寫作方面遇到困難，而中國面向全球的公司需要員工與外國同行用英語進行溝通。

此外，一些中國基于文本的產品針對特定用例甚至更為狹窄的垂直領域。另一家領先的自然語言處理（NLP）初創企業“瀾舟”專注于金融文本分析。它使中國金融機構能夠從成千上萬頁的會議記錄、合同和市場報告中快速提取關鍵數據點。盡管中國的通用型人工智能模型仍落后于世界領先模型，但構建具有大量領域數據的垂直特定模型通常彌補了性能差距，并產生更好的實際應用結果。

在中國，生成式人工智能中發展最迅速的領域之一是AI視頻生成，尤其是數字人和電子商務視頻營銷。與西方的AI人物形象和數字人初創企業傾向于追求性能不同，中國公司更加注重其形象的娛樂價值。只需比較位于倫敦的AI視頻初創企業Synthesia創建的AI人物形象與中國的小冰生成的AI員工崔筱盼即可看出。Synthesia的人物形象看起來像你日常生活中的商務人士，而小冰的人物形象崔筱盼看起來像是一位韓流偶像。

Synthesia 創建的 AI 頭像

小冰AI員工崔筱盼榮獲2021年萬科“年度最佳新員工”

數字人物和AI形象在中國的媒體、娛樂和電商行業中也被廣泛使用。一個原因是這些AI形象具有更高的娛樂價值，它們外觀更好，它們的創作者對媒體和娛樂有更好的理解。因此，消費者更愿意接受AI戀人、電視主持人和TikTok營銷人員的存在。

中國滑雪運動員谷愛玲的人工智能頭像，由數字媒體公司咪咕創建

另一個原因是中國的電子商務領域更加注重視頻而不是文本或圖像。中國有一個龐大的視頻營銷行業，企業通過直播和短視頻來銷售他們的產品（請記住，中國是極其受歡迎的短視頻應用TikTok的發源地）。如果中國的一些AI視頻初創企業取得突破并在全球范圍內成為主導者，那將不足為奇。

然而，與西方的同行一樣，中國的生成式人工智能初創企業面臨著相同的挑戰，包括尋找適合應用的技術難題以及長期商業化和盈利化問題。例如，中國已經有許多AI圖像生成應用程序，但很少有建立可行商業模式的。大多數應用更像玩具而不是實用工具，一旦用戶習慣了這項技術，它們很可能會失去用戶的關注。商業化問題經常出現在中國投資者對生成式人工智能未來前景的討論中。

談論硅谷初創企業在全球市場的計劃是很正常的。但一提到中國企業的海外擴張，往往會引發西方觀察者的警惕。然而，對中國初創企業來說，擴張海外是一個自然的步驟，隨著中國的初創企業成熟，這種情況會越來越多見。隨著中國科技行業的發展，更多的企業將從一開始就面向全球市場。

這些中國初創企業中，許多進入的是西方企業未充分滿足的市場。AI語音助手初創企業AI Rudder主要面向東南亞市場，提供近20種不同語言和當地方言的產品。該公司最初在上海成立，很快在新加坡設立了辦事處，以服務東南亞市場。

AI時尚初創企業ZMO.ai也在中國創立，并獲得了來自高瓴資本和GGV Ventures等頂級中國風險投資基金的資助。該公司已在美國和加拿大設立辦事處，并進入北美市場。該公司為全球時尚品牌創建AI模型。

ZMO.ai 生成的 AI 模型圖像

一方面，中國的生成式人工智能公司希望進軍全球市場，這是因為中國的B2B業務面臨一些挑戰。這在很大程度上是因為中國公司對軟件付費的意愿較低，因為在中國勞動力成本仍然較低。另一方面，具有中國背景的創始人很可能希望將他們的工程團隊保留在中國，以利用中國豐富且具有成本優勢的工程人才，就像Zoom和字節跳動所做的那樣。

中國政府在監管生成式人工智能方面領先于其西方對應機構。2022年11月，中國國家互聯網信息辦公室發布了《關于互聯網信息服務中深度合成內容管理的規定》，這是一套管理合成內容（包括AI生成的文本、圖像和視頻）的政策。這些規定于2023年1月生效，并包括風險評估、實名用戶注冊以及標記AI生成內容等要求。

然而，隨著生成式人工智能產品變得越來越流行，其他道德和政策問題可能會出現。目前，AI生成內容處于法律灰色地帶，版權和知識產權歸屬仍不清晰。正如OpenAI的代碼生成模型Codex面臨一名GitHub開發者的侵權訴訟，西方和中國的AI公司都對知識產權保持更加謹慎。中國的AI藝術生成初創公司TIAMAT確保其模型是使用沒有知識產權的數據進行訓練的。這一措施也被美國知名的藝術生成應用Midjourney所采用。

分析中國的生成式人工智能領域時，不能忽視美國加強制裁的影響。2022年9月，美國政府禁止頂級芯片制造商Nvidia和AMD向中國銷售其最先進的圖形處理器（GPU）。許多西方觀察家認為，這一舉措可能會嚴重阻礙中國大規模生成式人工智能模型的發展，因為這些模型通常需要大量計算資源進行訓練。

然而，這些制裁對應用層面的初創公司的影響相對有限，因為很少有公司使用先進的GPU來訓練和部署他們的人工智能模型。即使是百度等中國科技巨頭的AI云服務業務，也受影響較小，他們在業務中很少使用受制裁的GPU，并且從長遠來看，他們的目標是開發自己的GPU來替代進口產品。Nvidia也為中國市場專門推出了符合規定的GPU，以規避制裁。

受影響的主要是中國依賴先進GPU來訓練和擴展模型的基礎研究機構。事實上，中國大部分大規模生成式人工智能模型都是在Nvidia GPU上進行訓練的，包括大部分BAAI的Wudao 1.0和Wudao 2.0模型、清華大學的多模態CogView模型以及百度的大規模語言模型ERNIE 3.0。

最近，拜登政府正在考慮對美國對華出口投資實施新的控制措施。這些限制的影響將取決于其范圍和條件。在美國政府開始考慮對投資實施控制之前，北京已經對美元基金的投資活動實施了限制。盡管這些基金大多數在中國注冊，但由于其資本來源于國外，它們在中國的深科技領域幾乎被排除在外。美國對對華出口投資的額外限制將進一步加強美國和中國科技生態系統之間的壁壘。

中國的生成式人工智能領域正在快速發展，可能是除了硅谷以外最值得關注的地區。中國是美國和英國以外唯一一個開發完整“生成式人工智能技術棧”的國家，從基礎模型到應用層面都有所涉及。由于中國市場在許多方面與西方市場存在很大差異，因此中國的生成式人工智能垂直領域與西方有著很大的不同。與此同時，中國的創業者和投資者面臨著與西方同行相同的生成式人工智能挑戰，包括構建可持續商業模式和實現先進技術的商業化。中國的開發者還面臨著美國的制裁和國內政策限制等額外挑戰。

我們目前仍處于中國生成式人工智能生態系統的初期階段。與移動時代類似，兩個生態系統中具有標志性的未來以人工智能為核心的公司將呈現出截然不同的面貌。在美國，這些公司可能會針對傳統企業使用案例，得益于該國成熟的B2B軟件市場，而在中國，作為一個擁有巨大電商、供應鏈和消費者行業的國家，我們預計將看到創業者構建具有競爭力的以人工智能為核心的公司，為這些市場提供服務作為起點。

盡管基礎研究能力存在技術滯后，并且面臨著日益加劇的美中緊張局勢的壓力，但我們預計中國的市場和人才將繼續為本國及其他地區產生令人興奮的公司。

英文原版鏈接

https://www.leoniscap.com/posts/chinas-generative-ai-landscape

本文來自微信公眾號“出海后廠村”（ID:Overseas-tech），翻譯：GPT-4，校對：村長，36氪經授權發布。