中國版的ChatGPT要來了。
日前復旦大學計算機科學技術學院教授邱錫鵬教授透露，國內第一個對話式大型語言模型MOSS將有可能在3月底開源，在不少媒體的介紹中，復旦大學的MOSS被看作是中國版的ChatGPT。
只不過尷尬的是，從網上透露出來的內測信息來看，就算是中國頂尖大學推出的NLP模型，它回答英文問題的水平卻高於中文問題，說白了，中國人做的大型語言模型，更擅長英文，而不是中文。
針對這個問題，邱錫鵬教授坦言：英文作為科研主流語言，在學術界和工業界中得到廣泛應用，積累了大量高質量的語料數據，這為英文自然語言處理的研究提供了極大的優勢。根據相關數據，MOSS學習的英文單詞數量是中文的十倍。
必須承認，這也是國內發展NLP不得不重視的問題之一。
正如上文所說，英語作為科研主流語言，在全球範圍內有著大量的學術期刊、網頁、書籍，可以作為ChatGPT的訓練數據來源，比如說英國人創辦的《自然》雜誌、《柳葉刀》等等，在ChatGPT的訓練數據來源總量中，類似的雜誌、期刊排名第三，尤其是專業的學術期刊，這些數據會幫助ChatGPT的寫作更清晰、有條理。
除此之外，英文網站占全球網站總量近60%，而中文網站目前仍不足2%。
另外，除了中文對比英文天然存在的訓練數據差距之外，還有一個很大的困難，還是計算晶片硬體上的差距。
去年8月，美國限制高性能GPU晶片出口，所有行業人士都直接指出，這是為了限制國內AI技術的發展。當時，有些人覺得這件事沒那麼重要，可等到OpenAI在去年年底推出ChatGPT之後，國內不少人終於認識到老美釜底抽薪的招數，有多狠辣。
我們必須要承認，高性能GPU是人工智慧的基石。
據稱未來的ChatGPT5將會在25000個英偉達GPU上進行訓練，但如果算上為了滿足全球用戶的計算量，谷歌、微軟等搜索行業巨頭可能會需要總共幾十萬、甚至百萬台的英偉達GPU。
底層硬體的局限和差距，已經成為國內發展ChatGPT不得不重視的問題。
最後，在ChatGPT發布之前，很多人覺得中美兩國在AI領域的技術積累不分伯仲、平分秋色，甚至是中國小優，可ChatGPT推出之後，不少人瞬間感覺被「打臉」，原來差距如此明顯。
不得不說，我們仍要謙虛地看待國內AI技術產業的發展仍然落後國外頂尖水平。