ChatGpt官网入口

周鸿祎为何对GPT-5泼冷水?大模型狂欢下的冷思考

chatgpt2025-05-01 15:03:476
【在AI行业狂热追逐GPT-5等下一代大模型之际,360创始人周鸿祎却发出理性警示。他认为当前大模型存在三大核心问题:技术层面尚未突破"幻觉"(虚构信息)难题;商业层面缺乏清晰的盈利模式,高昂算力成本导致企业入不敷出;应用层面仍停留于"玩具"阶段,未能深度赋能产业。周鸿祎指出,行业需要从追求参数规模的竞赛转向务实探索落地场景,"AI发展应像电力革命一样渗透千行百业"。其观点折射出中国科技界对盲目跟风技术潮流的反思,呼吁在创新热潮中保持战略定力,通过技术与实体经济的深度融合实现可持续价值。

一场发布会的“不合时宜”

2023年,ChatGPT的浪潮还未退去,科技圈已开始热炒GPT-5,然而在各大厂商争相宣布“All in AI”时,360创始人周鸿祎却公开唱反调:“GPT-5可能只是量变,别指望它带来质变。”这话像一盆冷水,浇灭了部分狂热。

这位以“犀利直言”闻名的互联网老兵,究竟看到了什么?他的观点背后,是行业对技术演进的误判,还是对现实瓶颈的清醒认知?

一、周鸿祎的质疑:GPT-5真是“救世主”?

周鸿祎的发言直指大模型发展的核心矛盾:技术突破的边际效益递减,他认为,从GPT-3到GPT-4,能力的提升更多依赖算力堆砌和数据规模扩张,而非算法层面的革命性创新。“如果GPT-5只是参数更多、训练数据更全,它依然会犯低级错误,比如一本正经地胡说八道。”

这种担忧并非空穴来风,以GPT-4为例,尽管它在专业考试中表现惊艳,但在实际应用中仍存在“幻觉问题”(编造虚假信息),某医疗企业曾尝试用GPT-4生成诊断建议,结果发现它对罕见病的回答错误率高达40%——这类场景中,模型的“量变”远不如“可靠性”的质变重要。

二、行业狂欢背后的三大现实痛点

周鸿祎的冷水,实则戳破了当下AI赛道的三个泡沫:

1、算力竞赛的不可持续性

GPT-4的训练成本据传超过1亿美元,而GPT-5可能需要10倍投入,但企业很快发现:烧钱换来的性能提升,用户未必买账,国内某AI公司高管透露:“我们的千亿参数模型,客户最常问的却是‘能不能再便宜点’。”

2、落地场景的稀缺性

大模型的“万能”标签下,真正能规模化商用的场景屈指可数,周鸿祎曾举例:“除了写诗作画、客服聊天,有多少行业愿意为‘看起来聪明’买单?”金融、制造等领域更关注垂直模型的精准性,而非通用模型的炫技。

3、安全与伦理的滞后性

360作为安全起家的公司,对AI风险尤为敏感。“如果GPT-5的代码能力再增强,黑客会不会用它批量生成漏洞攻击工具?”周鸿祎的质疑,直指行业对技术伦理的集体性逃避。

三、泼冷水的另一面:周鸿祎在布什么局?

值得注意的是,周鸿祎并非反对AI本身,相反,360早已悄然布局“安全+AI”赛道:

垂直化路线:推出针对政企安全的“360智脑”,强调“小切口、深渗透”,比如用AI分析网络攻击日志,而非追求通用对话能力。

硬件结合:投资智能硬件,将AI能力嵌入摄像头、路由器等设备,解决安防、家庭场景的具体问题。

对抗性训练:通过模拟黑客攻击数据训练模型,提升AI对网络威胁的识别率——这恰是GPT-5这类通用模型难以覆盖的领域。

这套打法与OpenAI的“大而全”形成鲜明对比,却也揭示了另一种可能:AI的下一战,或许不在参数规模,而在细分场景的“毛细血管”渗透

四、给普通人的启示:如何理性看待GPT-5?

面对技术炒作,普通用户不妨参考周鸿祎的“三问”逻辑:

1、它能解决我的具体问题吗?

比如学生用GPT查资料,需交叉验证信息真伪;企业若想用AI降本增效,先评估错误率是否可接受。

2、是否有更便宜的替代方案?

许多场景中,专用工具反而更高效,如设计师用Midjourney生成草图,比调教GPT-5描述需求更直接。

3、风险是否可控?

涉及隐私或关键决策时(如法律咨询),盲目相信AI可能埋下隐患。

技术需要“祛魅”

周鸿祎对GPT-5的冷水,本质上是一次对技术崇拜的“祛魅”,当行业沉迷于参数竞赛时,我们或许该记住他的一句话:“AI不是神,而是工具,工具的价值,永远取决于用工具的人。”

未来的AI竞争,可能不再是谁的模型更大,而是谁能更早走出实验室,真正理解用户“衬衫的第一粒纽扣该怎么扣”——那些看似微小却决定体验的细节。

本文链接:https://yunguke.com/chatgpt/1842.html

周鸿祎GPT5大模型反思周鸿祎gpt-5

相关文章

网友评论