ChatGPT之于AI产业，就像是iPhone 4的诞生之于移动互联网。新时代的来临，第一个被颠覆的就是谷歌。但ChatGPT会取代搜索引擎吗？业界还存在巨大争议。

ChatGPT优化了问题与答案生成间的匹配精准度，用户体验远好于传统搜索引擎，但背后系列短板阻碍了其中短期对传统搜索引擎的可能取代。

“一是受制于模型训练方式，数据难以实时更新；二是单次搜索成本过于高昂，测算生成一条信息的成本在1.3美分左右，是目前传统搜索引擎的3到4倍；三是统计学模型产生的内容真假混杂，用户难以辨别。

首先，ChatGPT的成本高昂。据悉，API调用是OpenAI商业模式之一，图片调用1次价格为0.016~0.02美元，语言模型调用为1K tokens（约750词）0.0004~0.02美元。随着使用规模变大，这些计算成本可能将飙升至数百万美元。

有分析称，ChatGPT每回复一次，OpenAI 的投入为1美分。而在去年12月，山姆·阿尔特曼曾在推特上回应马斯克关于成本的问题，“ChatGPT每次的对话大概花费在几美分。”据美国《财富》杂志报道，2022年，OpenAI公司净亏损总额为5.45亿美元。

小冰CEO李笛告诉《深网》：“小冰框架当前所支撑的对话交互量，一天就达到14个人类一辈子的对话交互量。若使用ChatGPT的方法，每天成本将高达3亿元，一年成本将超过1000亿元。对于产品化而言，即使再将成本下降10倍，这个商业模式也是无法成立的，因为这个成本与人类比没有优势。”

2月5日，财通证券发布《ChatGPT实测：提高外在美，增强内在自信——医疗美容革命》一文，文中称，为测试ChatGPT能否用于研究报告撰写，采用ChatGPT撰写了一篇医美行业研究报告。从结果来看，ChatGPT在文字表意、标题撰写等方面均具有较高水平，但采用该种直接生成+翻译模式形成的报告仍具有以下问题：在标点和术语方面存在明显错误；其次，无法得知引用数据来源及可靠性；此外，部分复杂语句翻译后表意不清晰。

第二，ChatGPT目前并非知识获取的通路。

出门问问创始人李志飞表示，ChatGPT在技术和商业方面、道德伦理和法规层面，仍面临问题和挑战。

李志飞认为，“比如ChatGPT，其本身并非基于真正的基础数据库及知识结构，无法实时更新，且没有一定的逻辑推理规则，所以对很多问题会无中生有，虚构或编造答案。技术层面，ChatGPT还有很多改进优化的地方。ChatGPT目前仍只是‘玩具’，距离成为真正的‘工具’，还需进一步探索商业化路径。”

“在大量的测试后我们发现，虽然ChatGPT回答问题的准确性有所提高，但如果提出的问题较为模糊或者本身包含部分错误信息在内，模型有可能以‘一本正经’的语气生成完全错误甚至凭空捏造的回答。真假答案的混杂会让用户在需要对专业性问题寻求答案时产生严重的困扰，这也是目前语言类大模型普遍存在的问题。在李笛看来，“ChatGPT不是在追求提供准确的知识，更像是某种类型的行为模式优化系统”，不是一个认真的知识系统。

第三，ChatGPT存在作弊和作假等弊端。

英国《自然》杂志宣布不再支持 AI 工具列为作者的论文。中国人民大学首都发展与战略研究院副院长郭英剑撰文表示，“虽然几年前人们已经在谈 AI 时代的到来，但当ChatGPT如海啸般迎面砸来时，学术界基本上还是属于仓促应战。”他指出，是否禁止ChatGPT真的成了人们需要面对的一个问题。

此外，Meta 首席科学家、图灵奖获得者杨立昆表示，就底层技术而言，ChatGPT 并没有特别的创新。之所以被公众被视为“革命性产品”，他认为主要是在产品层面设计得很好、组合得很好，ChatGPT对现实的把握非常肤浅。

近期，杨立昆在一次小型媒体和高管线上聚会中表示，“ 与其他实验室相比，OpenAI 并没有什么特别的进步。Transformer 是谷歌的发明，这类语言项目的工作可以追溯到几十年前”。GPT中的“T”（Transformer），是OpenAI在谷歌的Transformer语言模型框架的基础上构建的。

即便如此，众多机构仍看好ChatGPT及其AIGC赛道的未来。

“正如移动设备通过GPS、摄像头和网络连接等新功能释放了新类型的应用程序一样，我们预计这些大型模型将激发 AIGC 应用程序的新浪潮。就像十年前移动互联网被一些杀手级应用打开了市场一样，AIGC 的杀手级应用程序也会出现，比赛开始了。”红杉美国两位合伙人Songya Huang和Pat Grady在去年发表的一篇文章中这样预判。

一位AI领域创业者表示，“关于ChatGPT现在太多泡沫了，国内估计今年上半年会雨后春笋冒出一堆做ChatGPT的相似产品，这些人去年可能是做AIGC的，前几年可能还是币圈的。”

过往，5G、自动驾驶、元宇宙，都曾被资本追捧。时至今日，5G 的超级应用还未诞生，自动驾驶还在 L4 级(高度自动驾驶) 上探索，而元宇宙曾经耀眼的光环已经有些黯淡。比尔·盖茨称，“ChatGPT 让我们窥见了未来”，但这个未来到底还有多远？

从中国股市来看，兔年以来chatGPT概念火得一塌糊涂，成为市场上的天之骄子，当这个概念究竟能给上市公司带来多少的实际收益还不好说，从另一个角度来看，目前仍旧属于概念的炒作，并且真正进行开发还是属于头部互联网巨头的产物，那么在chatGPT之后，究竟什么才能承接这个概念并且有实质性发展的行业呢？这或许就是我们需要挖掘的下一个金矿。

CPO有望成为高算力下解决方案，目前海外包括Nvidia、Cisco、Intel、Broadcom等都在储备或采购相关设备，已部分应用于超算等市场，未来FANG等大厂加速切换至AI投入，相关解决方案渗透率可能大幅上行。

CPO，就是共封装光学，是指把硅光模块和CMOS芯片用高级封装的形式集成在一起，从而在成本、功耗和尺寸上都进一步提升数据中心应用中的光互联技术。

据悉，CPO技术涉及到光电芯片的混合集成，这是当前光器件领域竞争的热点。当网络速度提高至800Gbps以上，可插拔光组件将遭遇密度和功率问题，CPO成为了业界亟需的封装替代方案。

根据光通信行业市场调研公司数据显示，过去10年里全球销售的可插拔光模块达到了10亿只，其中一半用于光纤到户FTTx市场，有至少1000万只用于大型云计算公司数据中心内部互联。但是，随着数据中心用户对于功耗与高密度安装越来越高，可插拔模块渐渐不能满足需求，将在2027年-2028年开始出现向下的趋势。

同时，CPO也是业界公认的未来更高速率光通信的主流产品形态之一，相比其他产品与技术有着独特的优势。

降低功耗。电学引擎与光学引擎的电路距离大大缩短，电信号损耗降低，简化后的SerDes去掉 DFE、FFE 和 CTLE 之后功耗降低，最高可节省30%的功耗。

降低成本。封装工艺成本更低，高集成度的光引擎成本更低，同时省去部分电学芯片成本更低，可降低 25%-30%的成本。

减小尺寸。借助硅光技术和 CMOS 工艺，共封装的方式显著减小光电引擎各自独 立封装方式的尺寸，同时能够实现更高密度的 I/O 集成。

目前，多家厂商都在竞相布局CPO技术和产品：AWS、微软、Meta、谷歌等云计算巨头，思科、博通、Marvell、IBM、英特尔、英伟达、AMD、台积电、格芯、Ranovus等网络设备龙头及芯片龙头，均前瞻性地布局CPO相关技术及产品，并推进CPO标准化工作。

根据一份报告显示，CPO在2026年的市场规模将达到3.44亿美元， 到2030年将迅速增长至23亿美元。

ChatGPT加速的AI的进程，对于功耗和成本的要求来得更快。CPO配套硅光可能在未来2-3年有望快速放量。

概念股一览：

联特科技：目前研发的有基于 SIP(硅光)的 800G光模块，以及用于下一代产品CPO所需的高速光连接技术、激光 器技术和芯片级光电混合封装技术等。

锐捷网络：CPO设备兼容液冷散热模式，散热成本对比同性能的可插拔光模块设备降低了35%;

天孚通信 ：研发高速光引擎项目，面向全球AI算力核心芯片龙头厂商体系供货;

中际旭创：正在开展CPO相关研究，以SiP+平台为基础对新器件、光电协同设计、以及2.5D/3D 光电融合封装等方面进行持续的开发和创新;

星网锐捷：发布首款应用CPO技术的25.6T数据中心交换机。