OpenAI新近推出的人工智能聊天机器人ChatGPT爆火出圈，引起全网热议已经持续超过一周。网友有表示惊艳的，有感到焦虑的，更多的是好奇的。那么，从运营商的视角来看，ChatGPT这一类的内容生成式AI，将带来哪些挑战和启示？我们邀请了中国电信研究院五位专家一起来聊一聊。
ChatGPT将带来软件研发效率的提升
阳志明 云网采控技术研发部
问：ChatGPT可以写代码、找BUG，这对软件开发行业会带来冲击还是帮助？
阳志明： 结合对ChatGPT的了解和对软件研发过程的理解，个人认为ChatGPT对软件开发行业带来的更多的是研发效率的提升，我们需要重视ChatGPT反映的AI应用能力指数级提升的趋势，积极拥抱变化，确保跟上AI浪潮。
一、 ChatGPT可以帮助提升代码编制效率
基于开源基础，ChatGPT能够通过与程序员的交互，给出建议代码块，乃至给出简单的领域数据模型设计。ChatGPT基于浩瀚的开源海洋，为程序员提供粒度更细、匹配度更高的软件代码，能显著提升程序员特别是初级程序员的研发效率。
二、 ChatGPT当前给软件行业带来更多的是帮助而不是冲击
软件研发包含的是需求的准确捕获、分析设计、编码、测试与运营迭代的全过程，除ChatGPT能够提供的基础代码之外，大量的编译调试工作无可避免，更不用说聚焦需求和架构所做的大量创造性工作，以及Bug修复和迭代优化的漫长过程，都需要程序员持续创造性输出，决定了这一行业暂时还不会被AI工具大量替代。
三、 需重视ChatGPT反映出的我国AI研发和应用能力与国际最先进水平存在巨大的差距
AI时代技术进步一日千里，本质上，ChatGPT代表的是人类对开源软件智慧应用能力指数级的提升，ChatGPI可能促使最顶尖软件公司能力更强。美国在AI及ChatGPT这个细分领域内，存在跟世界各国形成代差的趋势。
四、 主动、积极地拥抱ChatGPT带来的行业巨变
就像AI对围棋行业带来的影响一样，善用AI能力至关重要。中国软件行业需要在ChatGPT为代表的AI浪潮中，加大对AI基础能力的研发投入。个人和团队也需要在软件研发过程中，主动拥抱变化，积极应用ChatGPT等新技术，加速自身能力的提升。
由ChatGPT引发的算力思考
雷波 网络技术研究所
问：ChatGPT训练学习、大数据分析、创作内容需要应用庞大的算力资源，算力成本将成为制约其发展的关键因素，这对算力基础设施及相关技术提出了哪些要求？
雷波： 在ChatGPT这款集成多技能的聊天机器人爆火出圈的背后，除了依托海量的语料数据库，还离不开强大的算力支撑。
有数据显示，ChatGPT训练所消耗的算力大约为3640 PF-days，这意味着假如每秒运算1000万亿次，也需要持续运行3640天，由其产生的经济投入将达到百亿量级。
ChatGPT的算力成本不仅体现在算力建设上，还存在于算力的部署密度、网络连接、能效水平等方面，因此，发展集约化、规模化、低碳化的算力基础设施将成为*局破**的关键。
以我国正在推进的“东数西算”工程为例，通过构建全国一体化的新型算力网络体系，将东部算力需求有序引导到西部，凭借西部的自然资源优势，为数字化应用提供低碳、低成本的优质算力。
对于ChatGPT等高算力应用，将数据处理任务转移到成本更低、同时兼顾规模优势的数据中心，将有助于实现以需求为指引的灵活调度模式。
作为我国最大的IDC服务提供商，中国电信早在2020年就布局了“2+4+31+X+O”的数据中心体系，实现多层次算力与网络的智能互联。伴随AI应用的不断涌现，中国电信还将持续优化东西部资源配比，使能算力服务的普适普惠和高效利用，加速智能场景的规模化落地。
ChatGPT打开魔盒音视频跨模态AIGC一触即发
张园 大数据与人工智能研究所
问：ChatGPT在原创文字生成领域大火，这对音视频领域带来什么挑战和启示？
张园： 基于GPT-3.5的语言类大模型ChatGPT上线两月就突破了一亿用户数，其母公司OpenAI在AIGC(人工智能自动生成内容)领域持续深耕，有理由预期ChatGPT将会成为AI新型基础设施，成为⼈⼈必备的日常生活和工作智能助⼿和搜索工具。
但是，ChatGPT的*力主能**要集中在人机交互和语言生成，暂时不具备直接预测和生成音视频的能力。因此，在人类和机器感知数据占比最大的音视频领域，未来还蕴含着巨大的AIGC的机会。
这个领域已有一系列的工作，如OpenAI在音乐、图像等生成领域的MuseNet、JukeBox、Image GPT (iGPT) 、DALL-E 2等等，用预测音乐和像素代替语言token，可以广泛地应用于娱乐媒体内容制作、3D模型场景制作、数字人制作和交互等场景，可以构建大型虚拟空间，为车联网、交通、工业、医疗等行业训练开发AI提供试验空间。
ChatGPT的成功，一方面是大模型技术的成功，一方面是准确把握聊天机器人的商业模式成功，只有同时把握好技术和商业才形成爆款。在ChatGPT爆火之际，有必要深入分析和厘清其技术发展源头、脉络与后续走向，从而跟上发展，避免掉队；但也切忌千军万马过独木桥式的“追赶”。
我们要强调开辟有足够创新空间的新方向，要有预见性敢于独树一帜，按照第一性原理，真正理解ChatGPT成功的技术和商业根因，从而设计我们在非重复领域成功的战略道路。
在AIGC大爆发的前夜，聚焦音视频，突破多模态跨模态GPT(MetaGPT/VideoGPT/ImageGPT/AudioGPT…)预期将成为下一个爆点。此外，在针对涉及隐私的图像和声音的领域，需要更加重视生成式AI可能涉及的知识产权、安全隐私和失业问题。
ChatGPT不会完全取代新媒体运营
郭靓 战略发展研究所
问：ChatGPT可以生成相当精彩的文本内容，这对新媒体运营有什么启示？知识版权上有问题吗？
郭靓： ChatGPT作为一种全新的聊天机器人模型，好像“什么都懂”，还能连续作答，善解人意。能够撰写各类书面材料，而且知识全面、逻辑严谨、文笔流畅，答案和问题之间的匹配精准度高，其优异的表现给人们带来了极大的震撼。
作为AIGC(人工智能自动生成内容)的分支，ChatGPT加快了媒体智能化发展的趋势，可以快速生成新闻报道，甚至辅助人们开展头脑风暴来产生创意灵感，特别是在对创作要求不高、但又要求推出短平快的内容时， ChatGPT可以在新媒体运营中大显身手。
ChatGPT在技术上并不新鲜，是一种智能聊天引擎。其原理是基于已有的数据库将相关信息智能关联起来，给出聊天“答案”。但同样受制于该模型训练模式，数据难以实时更新，在内容生成时会存在以下不足：可能得到的不是正确的答案，可能违反法律或道德准则，很难有新的观点和新的内容，容易出现内容堆砌、说正确的废话，或者由于数据库相关知识不足，拿现成的内容作答而侵犯了版权等。
更需要注意的是，错误的信息源和数据可能导致错误的内容，ChatGPT成为假新闻之源同样令人担忧。因此新媒体运营在借助ChatGPT能力时，要加强审核与查重，采取措施确保发布内容准确可靠。
ChatGPT能让运营商网络智能化水平加快5年？
钱兵 AI研发中心
问：智能运维与ChatGPT的关系如何？后者在运营商场景下的行业落地前景如何？
钱兵： 智能运维 (Intelligent Operation and Maintenance, or IoM) 是指利用智能技术，如人工智能(AI)、大数据分析和云计算，来提高运维效率和质量的一种实践。
ChatGPT 是一种语言生成模型，它可以生成语言文本，进行文本聊天，提供知识和信息等。它并不是一种直接解决运维问题的工具，但是它可以作为智能运维系统中的一个组件，辅助运维人员快速获取相关信息，减少工作量。
在运营商场景下，ChatGPT 的行业落地前景非常广阔。例如，智能客服助手、运维专业问答助手、职业培训机器人等等。它可以通过语言交互的方式，快速获取网络问题的详细信息，并提供相关的诊断建议和解决方案。
要实现这样的应用，需要满足一定的必要条件：
· 大量高质量的知识数据： 为了使 ChatGPT 能够生成准确的诊断建议和解决方案，需要收集和整理大量高质量的知识数据。
· 可靠的语言生成技术： 需要先进的语言生成技术，使 ChatGPT 能够生成高质量的诊断建议和解决方案。
· 稳定可靠的技术架构： 为了确保系统的稳定性和可靠性，需要稳定可靠的技术架构，包括数据存储、知识检索、模型训练和评估等。
· 专业的技术团队： 为了实现智能运维系统，需要有专业的技术团队，包括人工智能、大数据分析和运维领域的专家。
问：大模型、大数据是否是运营商在这类内容生成式AI方面的优势？运营商目前可以学习和参考ChatGPT什么内容？
钱兵： 运营商拥有大量网络专业的语料大数据和网络大模型，大模型可以通过学习更多的语言和语境特征，从而更好地生成内容。同时，大数据也可以帮助模型在生成内容时做出更准确的决策。
对于运营商来说，可以学习和参考 ChatGPT 的方法包括：
· 预处理技术： 运用预处理技术对数据进行预处理，以获得更好的训练效果。
· 语言模型技术： 学习使用语言模型技术，以生成合理的内容。
· 内容生成方法： 学习使用内容生成方法，以生成高质量的内容。
运营商还可以考虑通过训练自己的模型来提高生成内容的质量，并通过不断评估和优化模型来保持生成内容的质量。
据说，这篇文章的某些部分
就是通过ChatGPT辅助完成的
您看完觉得写的怎么样？
