昨天在朋友圈刷到一条视频。

  中关村论坛上,一个机器人正在穿糖葫芦。

  穿进去了,一颗,两颗,三颗。

  评论区炸了。有人说太牛了,有人说太可怕了。

  我盯着那个画面看了很久。脑子里只有一个问题:

  它为什么要穿糖葫芦?

到底发生了什么?

  今天的新闻真的让人眼花。

  中央部门有96个公开了预算,油价再度上涨,黄金出现大幅下跌,狮子洋大桥完成封顶,此为世界第一。

  但这些好像都离我很远。

  真正钻进脑子里的,是那个穿糖葫芦的机器人。

  另有一则新闻,人形机器人在三至五年的时间内便可进入家庭,并且其价格将会比汽车更为低廉。

  3到5年。

  也就是2029年或者2030年。

  那时,我的孩子刚开始上小学,家里或许就将会伫立着一个价位低于车辆的机器人。

  它能干什么?

  据说能干大部分家务。

我其实有点怕

  不是说怕机器人起义那种怕。

  是怕那种“说不清楚”的感觉。

  你可晓得那种感受呀?那便是明明所有方面都挺不错的,科技呈现出进步态势,生活具备便利条件,然而你却偏偏感觉存在某些不妥之处呢。

  像小时候第一次用电脑打字。

  手放在键盘上,心里空落落的。

  好像丢了什么。

机器人该不该入场?

  这个问题我问了好几个人。

  我哥说:当然该啊!你看现在人工多贵。

  我妈说:别扯那些没用的,先把扫地机器人修好。

  我朋友说:该不该的,它已经在进场了,谁拦得住?

  谁拦得住。

  这句话让我愣了好久。

  是啊,谁拦得住?

  春晚舞台上,机器人在表演武术。

  中关村论坛上,它们在穿糖葫芦、弹琴、分拣包裹。

  重庆那个小区,有人高空撒钱,是诈骗嫌疑人在抛撒赃款。

  你看,这个世界就是这样。

  一边是荒诞,一边是进步。

  一边是机器人进场的欢呼,一边是有人撒钱、有人被骗。

我真正想问的是

  如果机器人真的来了。

  它能替我做决定吗?

  例如今日进食何事,例如孩童是否前往参加课外辅导班上学习,例如这笔款项应不应该予以花费。

  它能替我爱一个人吗?

  比如我妈生病的时候,它能不能握住她的手。

  比如我难过的时候,它能不能听懂我话里的沉默。

  彭博社说,今年可能是人形机器人商业化的元年。

  元年。

  这个词多好听啊。像一切刚开始,充满希望。

  但我想起另一个词:

  元痛苦。

  就是那种最初的、说不清楚的、不知道怎么表达的痛苦。

再说回穿糖葫芦

  我为什么一直盯着那个画面看?

  后来我想明白了。

  因为糖葫芦是要用手拿的。是要咬的。是有糖衣在嘴里化开的甜。

  机器人的手穿过它。

  但它不会尝。

  它只是完成了一个动作。

  完美,精准,力控技术很牛。

  但它不知道糖葫芦是什么味道。

  你可晓得呀,我偶尔会思索着,我们这般竭尽全力地促使机器人掌握穿糖葫芦的技能,这是不是缘由于我们自身已然有太长时间未曾好好品尝过一根糖葫芦啦?

写在最后

  博鳌论坛上,有个专家说,未来产业正从概念走向实景。

  实景。

  这个词真好。

  但我怕的是,当一切变成实景,我们反而看不清它了。

  就像每天经过的街道,你从来不看招牌上的字。

  就像身边的人,你很久没有认真看他一眼。

  机器人该不该入场?

  我不知道。

  我只知道,如果它真的要来,我希望它不要太完美。

  我期望着它存在弄糟搞坏的时刻,存在无法将山楂等食品依次串入竹签而形成糖葫芦的时刻,存在动作迟缓、手脚不协调的时刻。

  那样的话,也许我们还能记得。

  记得我们是人。

  是会犯错、会心疼、会突然想吃一根糖葫芦的人。

  在2013-2023期间,中国的GDP总量从近60万亿一路狂奔至129万亿,经济总量整整翻了一倍多。每年5%左右的增速,放在全球主要经济体中依然耀眼。

  但回到微观个体的饭桌上,无论是企业老板、职场白领还是外卖小哥,大家普遍的感受却是:“钱越来越难赚了”、“竞争太卷了”、“经济体感变冷了”。

  宏观数据在涨,微观体感在降。这种强烈的撕裂感,并非普通人的错觉,而是因为中国经济这台巨型机器的底层运行逻辑、财富分配管道以及社会负重结构,在2013-2023期间发生了剧烈的、不可逆的改变。

  一、财富分配管道的变轨:从“瀑布式渗透”到“孤岛式增长”

  2013-2023期间的经济增长,实质上是一场“新旧动能”的残酷交接。这场交接改变了经济增量分发给普通人的方式。

  1. 旧引擎(房地产与大基建):劳动密集型带来的“瀑布式分配”

  在2019年之前,拉动中国经济的主力是房地产和基建。这两个行业虽然一直被诟病,但它们有一个极度显著的社会学特征——产业链极长,而且极度依赖“人海战术”。

  一块地皮拍下来到楼盘交付,财富就像瀑布一样层层向下渗透:不仅养肥了开发商和银行,还养活了钢铁、水泥、玻璃、家电等上游工厂,养活了上千万的建筑工人、货车司机、装修工,甚至连工地门口卖盒饭的阿姨都能跟着赚钱。

  那个时代,创造100亿的GDP,意味着能给几十个行业、十几万个不同学历背景的家庭提供丰沛的现金流。

  2. 新引擎(高科技与“新三样”):资本密集型带来的“孤岛式分配”

  当下,拉动经济的新引擎变成了“新三样”(新能源车、锂电池、光伏)、AI人工智能和高端制造。这些产业极具战略价值,出口动辄30%的爆发式增长,成功撑起了宏观GDP的盘子。

  但它们的核心特征是“高度的资本密集与技术密集”。现在的先进制造是“黑灯工厂”和“无人工厂”,机械臂日夜挥舞,系统自动排产。某头部光伏企业经过智能化改造,单日产能大增,但单班用工人数却砍掉了一半。

  这就解释了体感的落差:现在创造同样的100亿GDP,可能只需要几座高度自动化的超级工厂、几百个高管和核心研发博士。经济增量确实存在,但它不再像瀑布一样流向大众,而是变成了少数头部企业和精英人才的“财富孤岛”。

  二、人口结构的暗流:被“抚养比”吞噬的微观增量

  如果说产业更迭改变了钱的分配方式,那么人口结构的老龄化,则在无形中抽干了年轻一代口袋里的“真实购买力”。这是一个常常被忽略的现象,但在微观家庭中极其致命的痛点。

  宏观的经济的增长,尽管带来可供分配的蛋糕变大了,但与之相随的是,吃饭的嘴变了。

  1. 劳动年龄人口锐减与老年人口暴增

  2013-2023期间,中国人口结构出现了一个决定性的历史大拐点。根据国家统计局数据,中国15-64岁的劳动年龄人口在2013年左右达到峰值(约10亿人),随后开启了长达十年的连续下降,到2023年已降至约8.8亿左右;而与此同时,65岁以上的老年人口则从1.3亿暴增到了近2.2亿。

  2. “隐形税收”:社会总抚养成本的急剧攀升

  这种人口结构的剧变,带给年轻人的直接体感就是“无力感”。

  对于国家而言,老年人增多意味着医疗保障、养老金支出的几何级增长。这些庞大的公共支出,最终都会通过税收、社保费率等形式,由正在工作的年轻人来承担。

  对于微观家庭而言,过去是一对夫妻养一个老人,现在可能是一对夫妻甚至单身年轻人,需要承担2-4个老人的医疗与养老重担。

  这就导致了一个残酷的现象:哪怕你的名义工资比五年前涨了20%,但由于家庭和社会层面的养老、医疗支出大幅增加(隐形的抚养成本),你手里能自由支配去吃喝玩乐的“闲钱”反而变少了。经济增长的红利,很大一部分被迫填补了人口老龄化的结构性缺口。

  当我们看清了“产业机器的换擎”与“人口老龄化的重压”这两个宏观底色后,就不难理解微观个体的疲惫感。蛋糕还在变大,但切蛋糕的刀子变了,等分蛋糕的嘴巴也变老了。

  三、产业链的极度内卷:GDP在涨,但企业的“利润”消失了

  很多人在看宏观经济时容易陷入一个误区:认为只要GDP(国内生产总值)在涨,大家就应该有钱赚。

  但GDP衡量的是“产值”和“规模”(卖了多少东西),而企业真正能用来给员工发工资、发奖金的,是“利润”。过去几年,中国实体经济最大的痛点,可以用五个字概括:“增量不增利”。

  1. 价格战与“卷王之王”的诞生

  随着传统需求见顶,而中国强大的制造产能依然在全速运转,导致了各行各业出现了严重的“供大于求”。为了活下去,企业只能打响惨烈的“价格战”。

  我们看看这两年的市场:新能源汽车动辄降价两三万;一杯现磨咖啡从二三十元被卷到了9.9元甚至8.8元;光伏组件的价格跌破了成本线;连电商平台也全面退回到了“全网最低价”的白刃战。

  2. 利润消失的微观传导

  价格战打赢了,企业的市场份额保住了,销售额(产值/GDP)甚至还增长了。但结果呢?利润被彻底打光了。

  当一个行业的利润率从10%降到2%甚至亏损时,老板的第一反应绝对不是给员工加薪,而是“降本增效”。于是,裁员、降薪、砍福利、强制加班接踵而至。

  这就完美解释了“宏观与微观的温差”:宏观上看,商品越卖越多,GDP依然保持着5%的增长;但微观上看,企业没赚到钱,员工薪水缩水,甚至还要面临随时被优化的风险。大家都成了在跑步机上狂奔的仓鼠,跑得满头大汗,却寸步难行。

  四、就业门槛的折叠:从“肯干就能挣”到2亿灵活就业的“终极蓄水池”

  因为上述的新旧产业错位和企业利润内卷,直接导致了整个社会的就业结构发生了剧烈的“折叠”。过去那种阶梯式的、包容性极强的就业市场,被撕裂成了两极。

  1. 向上跃升的知识硬壁垒:高学历的无限内卷

  10多年前,普通人只要“敢闯敢干”,去工地包工程、去做房产中介、去开个小服装厂,都能吃到时代红利,拿到远超平均水平的薪资。门槛在于“意愿和胆识”。(“清华北大,不如胆子大”)

  但今天,高薪赛道(AI算法、芯片研发、新能源工程师)门槛极高,非“985/211理工科硕士”连简历都递不进去。绝大多数普通学历的年轻人、文商科毕业生,即便再拼命,也根本摸不到新经济财富的边缘。知识壁垒变成了硬核的阶层门槛。

  2. 向下溢出的终极蓄水池:2亿人的“灵活就业”

  那么问题来了:从房地产、教培、传统制造等旧经济中溢出的海量中年劳动力,以及每年上千万进不了高科技赛道的应届大学生,最终都去了哪里?

  答案是:被装进了名为“灵活就业”的庞大蓄水池。

  根据国家统计局公布的公开数据,我国灵活就业人员(外卖骑手、网约车司机、快递员、带货主播、自媒体等)规模已经达到了惊人的2亿人!占据了全国近四分之一的就业人口。

  3. 蓄水池里的“算力剥削”

  当海量劳动力涌入这些几乎没有门槛的服务业时,残酷的供需逆转发生了。网约车司机多到多地政府发布“运力饱和预警”;外卖骑手多到连注册都需要排队。

  由于人实在太多了,平台根本不需要提高单价来招人,反而可以利用精密的大数据算法,不断试探骑手和司机的生理极限,压低客单价。这就是为什么大家觉得“工作越来越累,钱却越来越难挣”的根本原因——2亿人在同一个低门槛的泥潭里拼命划水,形成了史上最残酷的存量博弈。

  企业陷入了利润的“无限价格战”,打工人陷入了学历与灵活就业的“两极折叠”。大家都在拼命维持原有的生活水平,但时代的齿轮却把每个人都逼成了“卷王”。

  五、经济循环的严重阻塞:印钞机在转,但钱在金融系统里“打空转”

  经济学中有一个常识:一个人的支出,就是另一个人的收入。钱只有像血液一样在全社会快速流转起来,大家才会觉得“生意好做,钱好赚”。这被称为“货币乘数效应”。

  但最近几年,这种循环出现了极其罕见的阻塞。用金融术语来说叫“资金空转”或“货币沉淀”。

  1. M1与M2的“史诗级剪刀差”:企业不敢扩张,资金趴在账上

  央行每年都在保持货币供应(M2广义货币)的稳健增长,水池里的总水量确实在增加。但在过去,这些钱会迅速被企业借走去建厂房、买设备、发工资(转化为M1狭义货币,即流通中的现金和企业活期存款)。

  现在呢?出现了历史级的“M1-M2负剪刀差”,甚至在近期M1出现了负增长!意思是:系统里虽然钱多(M2高),但企业对未来的预期极度谨慎。老板们不愿意借钱扩张,哪怕借了低息贷款,也是存成定期吃利息,或者拿去还以前的高息旧债了。

  这就解释了为什么普通人觉得“钱难赚”:因为钱在银行系统内部“打空转”,根本流不到实体经济的毛细血管里。企业不投资扩张,自然就不会增加招聘、不会给员工大幅加薪。

  2. 地方政府的身份转换:从“投资狂魔”到“化债先锋”

  在2013-2023年,政府是推动资金流转的“超级引擎”。他们通过城投平台借钱修路架桥,大把的钞票如流水般注入建筑商、材料商和打工人的口袋。但如今,随着地方债务压力的显现,他们的核心任务变成了“化解存量债务”。

  这就意味着,很多新投放的信贷资金,其实是拿去“填旧债的窟窿”了,并没有形成新的实物工作量,更没有转化为老百姓的收入。宏观上看到信贷规模庞大,微观上大家却连水花都看不见。

  六、居民资产负债表的受损:从“敢于透支”到“疯狂存钱”

  这是普通人体感变差的最后一个,也是最致命、最贴近每个人生活的原因——家庭财富预期的逆转。经济学家辜朝明曾提出过一个词,叫“资产负债表衰退”,这正是无数中国家庭正在经历的痛点。

  1. 消失的“财富效应”与刚性的沉重房贷

  过去一段时间,中国家庭高达70%的财富捆绑在房产上。在房价永远涨的年代,哪怕你月薪只有8000,每个月要还5000房贷,但年底一算账,家里的房子又升值了30万!这种账面财富的暴增(财富效应),会让你极度自信,敢于去刷信用卡买名牌、吃米其林、甚至借钱创业。

  但这两年,随着房价的回调,这股“财富效应”破灭了。你的首付可能亏掉了,但你当初借的几百万房贷(负债端)却是一分钱没少、利息雷打不动。资产在缩水,负债却坚如磐石,每个月赚的辛苦钱填完房贷所剩无几。这种巨大的落差,瞬间抽干了普通人的安全感。

  2. 预防性储蓄与“极致平替”的崛起

  当人们发现资产缩水、且未来赚钱越来越难时,第一反应是什么?疯狂存钱,提前还贷,绝不乱花。

  前几年,中国居民的新增存款创下了历史天量。大家把钱死死锁在银行里,消费自然就降级了。高端商场门庭冷落,而主打“极致性价比”的拼多多、1688、零食折扣店却赚得盆满钵满。

  那段时间,不是中国人没需求了,而是大家开始算计着过日子了。当所有老百姓都捂紧钱包不消费时,商家的东西卖不出去,利润大跌,进而只能裁员降薪。这又反过来进一步压低了老百姓的收入预期,形成了一个相互强化的紧缩循环。

  为什么2018-2023这段时间,宏观经济在增长,微观体感却如此寒冷?基于上面的信息,我们可推知,因为中国经济的底层逻辑变了。

  宏观总量的“增”,掩盖了结构分化的“痛”。这并不是谁的阴谋,而是任何一个后发经济体发展所经历的某个阶段——在其迈向高质量发展时,必然要经历的阵痛周期。

  回顾过去,看清这些宏观数据,让我们在这个百年未有的大变局中,找准自己的生态位:

  时代的狂风正在转变为考验技术的暗流。如果说宏观是我们必须接受的宿命,那么,微观就是我们可以大有作为的道场。

  看透周期,顺势而为,方能在充满挑战与机遇的新时代新阶段中,安身立命。

  2月下旬以来,随着企业开始逐步复工复产,坐落在北京北五环的东升科技园逐渐有了人气。不过,与园区内上千名员工一起上班的,还有几台送餐机器人。在疫情防控期,它们被正式启用,为东升科技园内的部分餐饮商户们提供配送服务。

  这款机器人名为「Segway配送机器人S2」(以下简称“S2”),由短交通设备(如滑板车、平衡车等)制造商九号机器人研发推出。当用户在APP上点餐后,停在楼内大厅中的S2会接到指令,到相应商家门口等待接单,再将打包好的餐食送至用户单位门口通知用户取餐。

  虽然同是执行配送任务,但与疫情期间各大科技公司推出的室外末端配送机器人不同,S2的配送范围主要在室内。据介绍,S2机器人主要满足写字楼、商场、酒店、医院等室内场景的配送需求。配送范围为室内最后一百米,兼顾室外五十米,可以处理室内平层、闸机、自动门等各种复杂场景。

  S2的商业化负责人告诉界面新闻,从2019年三季度开始,公司就开始在东升科技园区内部署配送机器人,数量在3到5台左右。在疫情发生之前,园区内有三家餐饮商户接入配送机器人程序,日送单量能达到八十到一百单。

  疫情爆发后,随着东升科技园内开始逐步复工,上班族的订餐需求也在增长。为避免人员聚集可能带来的疫情传播风险,园区内食堂不对外开放,但可以配送或者自提。于是,S2也开始承接着来自食堂的订单配送需求,现在日均订单量能达到150单,比疫情之前提升了50%多。

  如S2这样的室内配送机器人属于服务机器人。近年来,随着技术逐步发展以及企业降低人力成本的需求,国内服务机器人市场开始升温。据中国电子学会的统计数据,2019年,国内服务机器人市场规模约为22亿美元,同比增长33.33%,高于全球服务机器人市场增速,占全球市场的比重约为23%。

  工信部曾在2017年12月发布《促进新一代人工智能产业发展三年行动计划》,其中提到:到2020年中国计划完成智能家庭服务机器人、智能公共服务机器人的量产和应用,而医疗康复、助老助残、效仿救灾领域的机器人也要实现样机生产、完成技术和功能验证。

  疫情期间,众多刚刚推向市场的服务机器人纷纷走上防疫一线,在医疗、配送和巡检等领域发挥作用。例如,智能机器人公司云迹科技向武汉火神山医院捐赠了十几台机器人进行物资配送;送餐机器人公司普渡科技向深圳、杭州等地送出约100台设备,用于为疫情隔离人群提供无接触送餐服务;人工智能独角兽优必选在疫情期间推出的防疫机器人“黄田田”,可在高速检查站提醒过往司机提前扫码登记。

  虽然在各个细分市场中都已经有成型的产品面世,但是服务机器人行业在国内尚处于发展初期阶段。

  以室内配送机器人为例,相关厂商目前主要是在小范围内运营或者试运营,距离规模化的商业落地仍然有距离。除了技术成熟度还有待提高外,一个重要原因在于市场需求还没有被充分激发,“市场对于服务机器人的价值存在怀疑,因为现在很多地区的人力成本还比较低,没有机器人去替代人工的动力。”前述S2商业化负责人说。

  不过,业内普遍认为,此次疫情可能会成为服务机器人行业发展的催化剂。一方面,疫情期间涌现出各类无人机、无人车配送,令无接触式配送深入人心,尤其是在医院等高危场所中,机器人配送更成为疫情期间的刚性需求。另一方面,由于交通管制和防疫要求等原因,多地出现用工荒的情况,也会让企业开始思考采用机器人来承担一些简单重复性工作的必要性。

  现在服务机器人市场的玩家已经开始思考如何抓住疫情期间出现的机遇,争取在更大范围内实现落地。S2商业化负责人告诉界面新闻,接下来九号机器人的S2会在多个楼宇独栋大厦铺开,包括理想国际大厦、电信研究院等,除了商家直送能力,还会拓展快递配送等市场。

  在当前金融及各类需身份验证的服务体系中,传统客户身份验证(KYC)程序长期面临可靠性不足与成本高昂的双重问题,成为制约行业效率提升的关键瓶颈。更关键的是,人工主导的流程难以完全抵御伪造文件、身份冒用等欺诈行为,数据泄露事件也时有发生,这些问题共同导致传统 KYC 程序无法适配当前行业对高效、安全身份验证的需求,亟需技术革新打破困境。

  微云全息(NASDAQ:HOLO)敏锐捕捉到区块链技术的应用潜力,将研究重点聚焦于区块链技术如何通过信息存储与监控机制,改变现有的身份验证服务模式,尤其针对通用 KYC 文件验证流程展开专项调查。在微云全息的研究框架中,区块链技术对 KYC 流程的革新主要体现在两个核心环节:一是信息存储层面,客户的 KYC 文件(如身份证、资产证明、资质文件等)经加密处理后上链存储,形成唯一的数字身份档案,各类服务机构可通过授权访问调取信息,避免客户在不同机构重复提交材料;二是信息监控层面,区块链的实时同步与追溯功能,能对 KYC 文件的调用记录、修改痕迹进行全程监控,一旦发现异常操作(如未授权调取、篡改尝试),系统可及时触发预警,有效防范信息被篡改或滥用。这种 “存储 + 监控” 的双重机制,旨在从流程根源解决传统 KYC 的效率与安全问题。

  当前各行业对优化 KYC 系统的需求已十分迫切,而将 KYC 流程与区块链这类安全可靠的技术相结合,不仅能增强对欺诈活动的抵御能力,还能同步克服传统流程在可扩展性与隐私保护方面的挑战。从抵御欺诈来看,区块链的不可篡改特性使伪造 KYC 文件失去意义 —— 任何试图修改上链信息的行为都需突破所有节点的共识机制,技术门槛极高,从根本上降低了身份冒用、文件造假等欺诈风险,适用于支付安全、借贷审核等对身份真实性要求高的场景;在可扩展性方面,区块链的分布式架构支持多机构共同接入,不同服务机构可在统一账本上共享客户的合规 KYC 信息,避免重复核验,大幅提升流程处理效率,尤其适用于跨机构、跨区域的 KYC 协作(如跨境电商身份验证、跨平台金融服务等);在隐私保护上,区块链的加密技术与授权访问机制,能确保客户信息仅对经过许可的机构开放,既满足业务需求,又防止数据过度暴露,符合当前数据安全合规要求。

  微云全息通过消除对中介机构的依赖,减少因手动任务繁多而可能引发的恶意活动与操作错误。传统 KYC 流程中,往往需要第三方机构(如公证机构、信息核验平台、资质认证公司等)参与信息验证,这些中介环节不仅增加了流程复杂度与时间成本,还可能成为风险隐患:中介机构的信息存储系统若存在漏洞,易成为黑客攻击目标,且手动传递信息过程中,也可能因人为失误导致数据错漏。而区块链技术的去中心化特性,使 KYC 信息的验证可通过节点间的共识机制直接完成,无需依赖第三方中介,既缩短了流程链路,又减少了人为干预带来的错误,同时避免了中介机构可能存在的道德风险与安全漏洞。

  微云全息(NASDAQ:HOLO)关于区块链技术革新通用 KYC 流程的研究,不仅为解决当前 KYC 领域的痛点提供了可行路径,更对各类需身份验证行业的数字化转型具有重要推动意义。。未来,随着研究的不断深入,微云全息有望进一步优化区块链在 KYC 中的应用细节,如完善共识机制以提升处理速度、优化加密算法以平衡隐私与合规,从而推动区块链技术在通用 KYC 领域的规模化落地,为多行业发展注入新动能。

  本文属于原创文章,如若转载,请注明来源:微云全息(NASDAQ:HOLO):区块链破解通用 KYC 痛点的技术路径https://news.zol.com.cn/1154/11544930.html

  https://news.zol.com.cn/1154/11544930.htmlnews.zol.com.cntrue中关村在线https://news.zol.com.cn/1154/11544930.htmlreport2697在当前金融及各类需身份验证的服务体系中,传统客户身份验证(KYC)程序长期面临可靠性不足与成本高昂的双重问题,成为制约行业效率提升的关键瓶颈。更关键的是,人工主导的流程难以完全抵御伪造文件、身份冒用等欺诈行为,数据泄露事件也时有发生,这些问题共同导致传统...

  ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列任务。

  这款AI语言模型,让撰写邮件、论文、脚本,制定商业提案,创作诗歌、故事,甚至敲代码、检查程序错误都变得易如反掌。

  不少和ChatGPT“聊过天”的网友纷纷感叹,“只有你想不到,没有ChatGPT办不成的”。和ChatGPT聊天,可以直奔主题、开门见山,也能由浅入深、由表及里。

  当被问到一些严肃性话题和解决方案,ChatGPT的回答逻辑合理、用词到位,虽然没有提出老生常谈之外的观点,但清晰直观且迅速的表达方式、反应过程令人拍案叫绝。

  上线仅仅两个月,ChatGPT的活跃用户就突破一亿。

  ChatGPT爆红背后也有挑战

  自ChatGPT发布以来,它的能力也不断被人们解锁,但人们在试用中慢慢发现,数学能力是ChatGPT的一大短板,连简单的“鸡兔同笼”题都能算错。大概是考虑到这一点,ChatGPT近日宣布了一次重要更新:提升了真实性和数学能力。

  据了解,ChatGPT较上一代产品提升明显,对话模式具备更好的交互体验。但对比Google等搜索引擎,ChatGPT尚不具备替代搜索引擎的能力。ChatGPT的数据来自训练数据库,目前数据库仅更新至2021年,可用信息有限,同时真实性也无法得到保障。

  此外,从商业模式来看,ChatGPT目前采用免费的模式。根据OpenAI的CEO SamAltman披露,ChatGPT每次聊天成本约为几美分,其中一部分来自Azure云服务,未来公司在持续优化成本的同时,会考虑通过收费获利,预计的收费模式包括订阅制、按条收费等。

  随着ChatGPT迅速走红,其竞争者也不断涌现,从Anthropic公司的Claude、DeepMind公司的Sparrow、谷歌公司的LaMDA到Character AI,这个赛道将变得越来越“卷”。