12月上旬到中旬，OpenAI召开了为期12天的马拉松式发布会，每天都会公布一些新产品或新技术，带来了包括增强版o1大模型、文生视频大模型Sora Turbo、精简版推理模型o3-mini，以及高级语音模式增强等成果。
然而连续12天的发布会，却未能收获太高热度，即使是多款全面升级的大模型和文生视频大模型Sora Turbo，讨论度也十分有限，收到的吐槽可能比赞扬更多。
（图源：OpenAI）
其中的原因很简单，这些大模型功能确实更强了，可以帮助用户完成更多任务，但没有太多本质上的提升。广大用户期盼已久的GPT-5没有来，全新产品Sora Turbo也仅能生成最长20秒钟的1080P视频，未达到其在2024年初宣传的2分钟时长。
2023年3月GPT-4发布后，OpenAI就启动了代号为“Orion”（猎户座）的GPT-5研发项目。OpenAI主要投资者微软原计划2024年中期看到GPT-5，结果18个月时间过去了，GPT-5却依然难产。
面对迟迟未能发布的GPT-5，《华尔街日报》表示，OpenAI的AI项目费用极高，却不清楚何时能成功，甚至难以确定究竟能否成功。还有人质疑，问题或许不在OpenAI身上，而在于AI行业的发展已进入瓶颈。
耗资甚巨却不见成效，OpenAI遭遇大麻烦
2023年中期，OpenAI启动了针对Orion的首次实战测试项目，代号“Arrakis”。然而测试结果却显示，更大规模的AI大模型训练所需时间极长，会导致整体成本飙升。
OpenAI工作人员认为，Orion进展缓慢的原因在于没有足够多的高质量数据。早之前，OpenAI不断从互联网抓取数据，将新闻报道、社交媒体的帖子、科学论文等数据统统拿去训练大模型，甚至因此遭到加拿大Torstar Corp集团的起诉。
然而现有的互联网数据不够训练出GPT-5，因此OpenAI想到了一个方案——原创数据。OpenAI正在招聘人员，负责编写软件代码或解决数学问题，供Orion学习。显而易见，该方案势必导致Orion训练时间进一步延长，训练所需的成本也会大幅提高。
（图源：AI生成）
2024年初，感受到同行的压力后，OpenAI接连对Orion进行了几次小规模训练，并于5月到11月启动了第二次大规模训练，可数据量太少、数据多样化不足的问题依然存在。
OpenAI CEO山姆·奥特曼（Sam Altman）曾表示，训练GPT-4的费用大约是1亿美元，未来AI模型训练费用将达到10亿美元。而现在，GPT-5为期个月的训练已耗费了5亿美元，且未能取得理想的效果。
困扰OpenAI的不只是数据和成本，外部竞争同样关键。AI行业爆火后，对于人才的需求暴增，身为行业领头羊的OpenAI，自然成了其他企业争相挖墙脚的对象。OpenAI最初的11位联合创始人，已有9人离职，首席技术官Mira Murati、首席研究官Bob McGrew、研究副总裁Barret Zoph等高层也于2024年相继离职。
另一方面，来自对手的竞争迫使OpenAI开拓更多赛道，如打造精简版的GPT-4和文生视频大模型Sora等。知情人士称，这些新的项目导致OpenAI内部新品开发团队和Orion研究人员不得不争抢有限的资源。
对于OpenAI而言，唯一值得庆幸的是，不只是OpenAI遇到了数据、资金问题。曾在谷歌、OpenAI工作过的Ilya Sutskever直言，数据是AI的化石燃料，而这份燃料即将耗尽，但我们只有一个互联网，最大化数据的时代已经过去了。
正因如此，《华尔街日报》才会质疑GPT-5最终能否研发成功。但数据量的局限性，真的锁死AI行业的发展了吗？
赋予AI大模型思维能力，这是OpenAI的大饼？
尽管Orion项目耗费了大量资金，但拥有微软、苹果等互联网巨头支持的OpenAI，暂时不缺资金，所缺的唯有数据和算力。
面对数据量不足的问题，OpenAI研究人员想到了一个捷径——给予AI大模型更长的思考时间，去解决未经训练的困难问题。也就是说，OpenAI要凭借赋予大模型思维能力的方法，规避数据量不足的问题，令其可以像人类一样思考，去解决从未遇到类型的问题。
问题是，AI大模型真的具有思维能力吗？苹果研究员在《理解大语言模型中数学推理局限性》论文中提出了异议，苹果研究人员称，AI大模型只能套用现有模式，不具备真正的推理能力。苹果还举了一个奇异果测试案例，在该案例中，当描述语加了句废话“其中五个比平均较小”，GPT-4o mini便无法准确计算奇异果数量。
在之前的文章中，小雷曾实测了该案例，GPT-4o mini虽计算失败，但豆包、Kimi等多款大模型成功通过测试。另外，现在向AI大模型询问数学问题，得到的回答通常会带有解题思路，也能够说明大模型已不再是单纯套用训练过的模式，而是根据一定的逻辑去解题。
通过这种方式，训练AI大模型所需的数据量自然会大幅减少，未来甚至有可能实现仅输入数学公式就能解决相应问题。当然，目前AI大模型的能力还没有达到这种地步，高质量数据依然不可或缺。
高质量数据真的如Ilya Sutskever所言，被用完了吗？小雷认为，答案是否定的。准确地说，容易采集的数据被用完了。
训练AI大模型的数据主要有三大来源：第一，公开数据，如部分机构或组织公开的开源数据、互联网上的帖子、论文等等，尽管互联网数据也存在版权问题，但审查并不严格，而且方便抓取；第二，自有数据，如阿里巴巴、小米等企业开发AI大模型，完全可以使用平台用户积累的数据；第三，合作数据，AI公司与其他企业交换或购买到的数据。
（图源：AI生成）
被采集完的数据，主要指公开数据和自有数据，合作数据还有极大的挖掘空间。例如在中国互联网文化的发展历程中，网页端的占比没有想象中大，大量数据集中在App开发者手中，与开发者合作互换或购买这部分数据，同样可以用于训练大模型。另外，不少企业也会有一些保密数据，AI公司也可以买来训练大模型。
这些数据并未公开，企业需要付出一定的成本才能获取到，可能会增加AI公司训练大模型的成本。因而不少AI公司也在考虑，使用AI生成的数据或对已有数据进行变换处理，用于训练AI大模型。
不过AI创作的数据用于训练自身，可能会出现故障或生成无意义内容，因而需要另一款AI大模型负责生成数据，以规避该问题，这种方案同样需要大量资金。
AI大模型的发展进入了瓶颈，但远没有到尽头，只是AI企业获取数据的成本飙升，且对于算力的需求更高。解决困境的方法也很简单，那就是尽快实现盈利。
AI大模型成了吞金兽，烧钱模式何时休？
前几年元宇宙、区块链、一滴血预测所有疾病等轰动全球的泡沫接连被戳破，导致不少网友怀疑AI也是泡沫和骗局。就小雷的体验而言，AI已成为提高我们工作效率的好帮手，如本文多张配图便是由AI生成，AI绝非泡沫，但资金问题已然成为困扰AI技术发展的重要因素。
今年初，奥特曼曾表示，需要7万亿资金重塑全球半导体行业格局，为AI大模型的训练提供足够的算力支持。当时几乎所有人都认为奥特曼的想法不切实际，NVIDIA CEO黄仁勋更是表示，目前全球数据中心总价值仅1万亿美元。
现在看来，7万亿美元都不见得能够将AI行业推至巅峰，AI公司仍需为数据付出极高代价。没有大量数据，AI大模型就难以产生质变，若不能质变，其带来的价值不够，又可能导致投资者放弃支持。在AI大模型一只脚踏入瓶颈的今天，尽快扭亏为盈方能激活AI行业。
当前全球付费版AI大模型的订阅价格都相当昂贵，行业领头羊OpenAI推出的ChatGPT更是如此，ChatGPT Plus订阅价格已高达20美元/月，更强的ChatGPT Pro则达到了惊人的200美元/月。
（图源：ChatGPT截图）
然而提高订阅费用就能实现盈利吗？恐怕不行。愿意付费使用的个人用户始终是少数，唯有打造专业应用场景，从企业身上赚钱，方能尽快实现盈利。更何况专业场景训练所需的数据和算力较少，能够一定程度节省成本。C端市场向来钱少事多加众口难调，可以暂时减少相关投入，以降低支出成本。
AI公司实现盈利后，投资者自然更有信心投入资金支持，公司也将有更多资金购买数据和算力芯片，从而训练和提升AI大模型。
25年1月7日，CES（国际消费电子展） 2025 即将盛大开幕，雷科技报道团蓄势待发，即将飞赴美国·拉斯维加斯现场全程报道，敬请关注。
热门跟贴