式AI的核心竞争力，而与之相对应的，数据质量提升是需要钱的。综上可以看出，算力、数据、算法调参这三个方面，OpenAI前期烧钱的规模是海量的，而GPT-4也是一步步技术积累的最终结果，所谓台上一分钟，台下十年功，一点也不夸张。

　　其次，国内生成式AI企业要在基础科学上做积累。大模型算法的道理并不复杂，复杂的是算法细节，自从微软收购OpenAI后，OpenAI的算法不可能开源，所以“等、靠、要”的做法已经行不通，国内AI企业要在算法技术上投入研发，构建中国AI企业自身的算法能力，然而算法的精益也要依靠基础科学的进步，比如基础数学研究。所以要积极在学术上加强投入，而不应该仅仅聚焦在应用科学层面。

　　再者，国内生成式AI企业不要盲目的推出对标产品。前车之鉴就是谷歌，在OpenAI推出产品后，谷歌匆忙应战，结果发布会的若干个小瑕疵导致谷歌股价暴跌。国内生成式AI要清楚的认识到，这一次ChatGPT的成功和过去其他概念有所不同，这次ChatGPT的成功基础在于用户的认可，用户是会拿着ChatGPT和其他竞品做比较，这就让后来者实际上更难做，要求也更高。如果生成式AI方面没有达到ChatGPT的效果，则往往会暴露自己能力上的短板。而反过来说，国内生成式AI企业也可以另辟蹊径，GPT-4也不是万能钥匙，在他的短板领域，完全可有一定的作为。

　　综上，国内AI企业还是要重视积累，参数积累、数据训练积累、算力的积累。科技的道路，弯道超车的机会有，但不多，诸如新能源车我国就实现了弯道超车，但大多数科技领域开展的是阵地战，大战无战法，也要尝试“结硬寨，打呆仗”的做法，夯实中国生成式AI发展的基础，推出成熟度较高的产品。