自然语言处理（NLP）技术的发展和运用，使得计算机性能增长速度一举跃过摩尔定律瓶颈，将AI拱入属于它的高光时代。而象征技术融合的ChatGPT一夜爆红，仿佛给整个商业社会带来了一次“技术革命”。
微软、谷歌、百度、华为、阿里...全球范围内的科技巨头，争先恐后真金白银地押注，掀起了一场以资本和技术为基础的生态竞速。
无疑，GPT模型在这场革命中扮演了一个举足轻重的角色。从GPT-3到GPT-3.5，再到现在的GPT-4，我们已经见证了这个模型能力的惊人飞跃。
然而，这是否意味着我们已经看到了GPT的终局？接下来，本文将从垂直、个人、离线三个维度，对GPT的发展趋势、未来前景进行一些基于客观现实的大胆猜想。
垂直GPT百花齐放
3月的最后一天，彭博新闻社发布了专门为金融领域打造的大型语言模型(LLM)——BloombergGPT，引发金融圈“地震”。
基于LLM的生成式人工智能，已经在许多领域展示了令人兴奋的新应用场景。但是，金融领域的复杂性和独特的术语，意味着其需要特定的语言模型。作为全球最大的财经资讯公司，彭博社在这方面恰好拥有巨大优势。
在过去40年里，彭博收集了海量的金融市场数据，拥有广泛的金融数据档案，涵盖一系列的主题。使用该公司数据终端的客户遍布全球，包括交易员、投行、美联储、美国其他官方机构以及全球各大央行等。
这些特有数据，使得BloombergGPT比ChatGPT拥有更专业的训练语料。据彭博社发布的报告中可以看出，研究人员利用彭博社现有的数据，对资源进行创建、收集和整理，构建了一个3630亿个标签的数据集，并基于通用和金融业务的场景进行混合模型训练，以支持金融行业内各种各样的自然语言处理(NLP)任务。
除了金融领域，医疗、教育也均有更为垂直的GPT产品涌现。例如，IBM Watson Education推出了一款名为“Teacher Advisor with Watson”的教育GPT，可以为教师提供个性化的教学建议和支持；Kheiron Medical推出的“MIA”医疗GPT，可以为医生提供乳腺癌筛查和诊断支持。
相对于“广而泛”的ChatGPT，垂直GPT的发展优势十分明显。
首先就是成本上，垂直GPT针对特定领域或行业进行优化，只需利用该领域内的专业数据进行训练，避免了ChatGPT那样数据采集的高成本和高难度。
另外对比通用的GPT产品，垂直GPT的训练成本和应用成本更低。由于垂直GPT针对特定领域进行优化，训练数据更加专业化和精细化，可以通过更少的数据和更短的训练时间，获得更好的效果。