29｜从创业到被收购，OpenAI经历了哪些关键阶段？
![](data:image/svg+xml,<svg xmlns="http://www.w3.org/2000/svg" width="46" height="20"><rect fill-opacity="0"/></svg>)
29｜从创业到被收购，OpenAI经历了哪些关键阶段？
Tyler · AI大模型系统实战
课程介绍
讲述：Tyler
时长10:36大小9.69M
你好，我是 Tyler。
前面我们已经学习了 AI 大模型系统的具体技术和架构方法。从今天开始，我们将学习前沿拓展篇的知识。
理解历史才能预测未来，为了能让你更好地将 AIGC 和大模型技术的发展与自身的发展结合起来，找到弯道超车的机会。这节课我们把目光放在 OpenAI 身上，因为它是本轮技术革命目前为止最大的获益者。我们将会一起探讨 OpenAI 都经历了哪些关键阶段，以及在这些关键阶段的背后都有哪些经验值得我们思考借鉴。
萌芽时期
在过去的二十多年里，随着 AI 产品的发展，出现了很多轮的技术革命浪潮，最早期的 Amazon 在自己的图书推荐中，使用了协同过滤的算法，这也让做书评起家的豆瓣受到了启发，并且推出读书推荐的产品，以及影响了现在所有音乐 APP 的里程碑产品——豆瓣 FM。
在那个时代，对大家影响最大的两本书应该就是 Toby Segaran 写的《集体智慧编程》和现在已经成为字节 AML（Applied Machine Learning）团队负责人的项亮写的《推荐系统实践》了。
然而，在这一时期，大众对人工智能的认知仍然停留在概念阶段，他们不太清楚日常生活中有哪些事情受到所谓 AI 的影响，因为那时候人们使用的所谓智能产品，似乎并不那么智能。
当然，这种创新对互联网领域的发展产生了深远影响，特别是在搜索、广告和内容推荐等领域，因为在这些领域，我们开始能够大规模地收集有监督的反馈数据，比如点击、点赞和购买行为。市场也逐渐认识到，在人工智能技术上的投资，可以在商业上取得巨大回报。
前 GPT 时代
AI 领域的全面爆发是在 AlphaGo 出现后才发生的。在 AlphaGo 与柯洁的对弈中，AI 戳破了人类在计算能力上的最后一层防线，这点燃了全球 AI 发展的引线，重要的 AI 应用，如人脸识别和无人驾驶，开始以相对低的成本生成训练数据，借助更大规模的训练数据、计算能力的提升和存储成本的降低飞速发展。
OpenAI 则是创立于 AlphaGo 诞生的那一年，也就是那一轮 AI 技术浪潮的起点。在 CV 预训练模型的那节课，我们就聊过当时 AI 市场的图景，以人脸识别为主要应用的各家 AI 概念公司层出不穷。可以说 OpenAI 的发展横跨了这两次的 AI 技术革命，起家于 DeepMind AlphaGo 的走红那段时间，然而 OpenAI 真正的爆发出现在了 ChatGPT 这个 AI 领域的 iPhone 时刻。
我们知道 OpenAI 最初专注于强化学习，而他们早期最引人瞩目的成就之一是通过强化学习方法战胜了 Dota 2 世界冠军。实际上，他们在游戏中使用的强化学习算法与后来 WebGPT 和 RLHF 所采用的几乎完全相同。
GPT 时代
在 GPT 渐渐兴起的时代，马斯克已经渐渐淡出了 OpenAI 的发展过程，在技术原理篇，我为你讲到了 OpenAI 发展 GPT 的过程，这是一个先期不被看好，但是后期逆风翻盘的一个故事。
只不过更多人往往沉迷在这个故事之中，或者只记住了他们和 Google 之间的爱恨情仇。但是，很少有人去关注他们在前 GPT 时代之间的工作和出圈的 ChatGPT 之间的一些关联。
而且，在 BERT 夺去了 GPT-1 的风头后，OpenAI 仍能坚定不移地保持 GPT 系列的架构，这需要巨大的创新精神。在实验结果未知的情况下，通过巨大的实验开销完成 GPT-3，在像 Google 这样的由 OKR 导向的公司中是很难出现的。
因此，尽管 ChatGPT 的诞生在 OpenAI 中具有某种偶然性，但回顾他们的发展历程，你会发现很多偶然背后蕴含着必然。
微软时代
其实一定程度上，微软收购 OpenAI 也是一种必然。
我们都知道，微软是有自己的云服务的，云服务厂商本身就需要庞大的算力需求来支撑自己的商业逻辑，这也是阿里云 all in 大模型背后的逻辑，当然仅仅有这些也是不够的。
因为大模型在底层创造了更多的算力需求，作为云平台发展的牵引，但是这些成本是一定要有需求进行分摊的，这个需求就是微软强大的产品矩阵。当然在阿里也是相同的道理，如果能将大模型技术嵌入到阿里丰富的商业产品矩阵中，也一定会创造稳定而巨大的需求，在创造产品价值的同时，分摊这些成本。
在前面的课程中我也提过，ChatGPT 的交付目标其实和搜索引擎很像，而且也需要搜索引擎技术的积累，才能让大模型发挥更大的作用，这一点也是国内第一个入局大模型的巨头公司——百度所一直强调的。想通了这一点，我们再回头看一下微软的决策就会发现，他们也把 GPT 首先用在了 New Bing 身上。
启示
回顾完 OpenAI 和 AI 赛道的发展历程，接下来我们就分析一下这些创新之路上的经验对我们有什么启示。
创新者的窘境
这里我也想和你分享一本非常好的书《创新者的窘境》，这本书讨论了科技发展和商业规律的关系，它对我们理解这一轮科技革命很有帮助。我是在很久之前读的这本书，但是工作的这十多年中，这本书真的是常读常新。
这本书中将创新区分为不同的类型，分别是渐进创新和颠覆性创新。渐进创新是指对现有产品或服务的小规模改进，而颠覆性创新则是指通过引入全新的技术或商业模式来彻底改变市场格局。
书中还描述了创新者在面对不同类型的创新时可能遇到的困境：颠覆性创新可能会在最初被低估，但最终改变市场，而传统市场领导者可能会陷入“创新者的窘境”，无法适应新的市场动态。
此外，这本书还从创新生命周期的角度，分析了创新通常会经历的不同生命周期阶段，包括发展、成熟和衰退。了解这些阶段对于组织决策非常重要。
商业规律与技术革命
结合这节课的内容以及个人的一些心得体会，我想再和你展开聊聊创新和商业发展中的一些规律。
总的来说，在商业上，只有离客户最近的人才能获胜。互联网行业的每一轮洗牌都是新产品不断走近客户的过程，这个过程中的商业创新不一定和技术有关，但是颠覆式的创新一定是由科技革命带来的，每一轮颠覆式的科技创新中，都会诞生一些新的巨头，但是这些巨头很少有人能够横跨两轮科技革命，成为常胜将军。
从这个角度讲，我们似乎在历史中得到了某些启示，但是其实什么也没有得到。为什么这么说呢？因为即便大公司的创始人或者管理者知道自己所面临的问题，碍于太过依赖商业手段，管理内耗和怕输思想等带来的种种问题，大概率也是有心无力，最多只能让这个衰退来得更慢一些。而且大部分的成功者往往连这种觉察可能都不会有，意识不到新的危机，最终沦为“骄傲的将军”，被打得片甲不留。
唯一的区别是，在这个过程中，会有一些敏感的人成功逃顶（之后我会举例子），并开启新的第二曲线，而且后知后觉的人则往往会留在一艘将沉的巨轮上一同沉沦。
之所以和大家聊这些，是因为关注大模型技术的我们，本身就处在新一代的技术革命浪潮下，所以我们更需要理解这一轮技术革命的背后逻辑，并且准确判断目前该技术处于哪个生命周期。
如果你是一名创业者，必须拥有敏锐的察觉，知道自己的业务所处的发展阶段，并且提前布局未来。如果你是一名职场人，也必须要先能察觉自己所处的真实环境，降低自己的职业风险。
你可能还会问，那为什么总有那么多优秀而又聪明的人在一个下降的船上呢？很好的问题。因为，他是时刻清楚自己在这里的目的的，他们知道那是一艘下降的船。而且那艘船的船长更清楚这件事，只不过他在船上的目标很明确，那就是拿到无论是收入上的还是名誉上的溢价，像母螳螂吃掉丈夫一样吃掉这艘船上的一切，一旦他们无法再获得任何的溢价，则会立马跳转到另一艘上升的火箭上。
因此，我们不要恋战，而是要多思考，尊重客观规律，作出正确的判断，选择一块适合自己的战场，这样对自己和社会都是更有价值的。
总结
最后我们总结一下。
今天，我们探讨了 AI 技术的演进历程以及 OpenAI 在其中扮演的关键角色。希望学完今天的内容，你能从创新发展规律的角度，重新审视 AI 技术的历史和前沿。
随着技术的发展，AI 从早期的概念渐渐走向实际应用，推动了互联网领域的革命，但当时的智能产品仍受限。随后，AlphaGo 的出现引发了全球 AI 热潮，催生了人脸识别和无人驾驶等领域的快速发展。
OpenAI 在这一时代逐步崭露头角，并在 2018 年发布了 GPT 技术。在 GPT 技术的推动下，OpenAI 取得了快速发展，为 AI 领域的进步作出贡献。微软收购 OpenAI 并将 GPT 技术应用于搜索引擎，这反映了大型科技公司整合大模型技术的趋势。
下节课我们会进一步从产业应用的特点来分析，随着数字产业化和产业数字化的不断深入，大模型真正适合的领域有哪些，敬请期待。
思考题
你所在的公司或业务处于创新中的哪个阶段？你认为目前所在业务的前景如何，会往哪个方向发展？
恭喜完成我们第 29 次打卡学习，期待你在留言区和我交流互动。如果你觉得有收获，也欢迎你分享给你身边的朋友，邀 TA 一起讨论。
OpenAI在AI技术领域取得了巨大成功，经历了从萌芽时期到被微软收购的关键阶段。随着技术革命的浪潮，人工智能的影响逐渐显现。AlphaGo的出现点燃了全球AI发展的引线，OpenAI也在这一时期崭露头角。随着GPT的兴起，OpenAI在技术原理上逆风翻盘，坚定不移地保持GPT系列的架构，展现了巨大的创新精神。最终，微软收购了OpenAI，这也是一种必然，因为微软有自己的云服务，需要庞大的算力需求来支撑自己的商业逻辑。微软将GPT首先用在New Bing身上，展现了对大模型技术的应用前景。回顾OpenAI和AI赛道的发展历程，我们可以得到一些启示，包括创新者的窘境和创新生命周期的重要性。这些经验对于读者了解AI技术的发展历程和未来趋势具有重要意义。
分享给需要的人，Ta购买本课程，你将得18元
生成海报并分享2023-10-25
赞 6
提建议
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
上一篇
28｜总体回顾：工业级AI大模型系统的庐山真面目
下一篇
30｜藏宝图：大模型产业全景图，新业态带来哪些新机遇？
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。