2023年12月26日，中国大模型公司DeepSeek在笼罩着科技界的期待中，发布了名为DeepSeek-V3的新一代超大规模AI模型。这款性能堪比GPT-4o，训练成本仅为557.6万美元的模型，一经推出便备受瞩目，被誉为“AI届拼多多”。然而，就在国内网友欢呼之际，这款模型却出现了令人意外的“翻车”事件。

　　关于这次事件的一个显著问题是，DeepSeek-V3在回答“你是谁”时，竟自称是ChatGPT，并在回应API问题时，直接引用了OpenAI的信息。这引发了关于AI模型身份认同及智能水平的热烈讨论。业内专家分析认为，DeepSeek-V3可能是基于ChatGPT生成的文本进行训练，这在某种程度上预示着模型可能吸收了大量ChatGPT的输出内容，导致其在对话中重复使用这一些内容。随着互联网环境的变化，慢慢的变多的AI垃圾数据充斥网络，欧洲联盟的一项报告说明，到2026年，预计90%的在线内容都是AI生成的，这让过滤AI生成内容变得愈加复杂。

　　“翻车”的现象凸显了AI行业一个更为严峻的问题——人类创造的数据资源正在逐渐耗尽。近年来，尽管AI技术如火如荼，但对于训练所需的基础数据，全球各大AI研究人员的警报声已越来越响。过去十年，AI模型训练所需的数据量飙升了100倍。然而，令人担忧的是，人类每年贡献的新数据增幅却仅有不到10%。研究团队预测，若这种趋势继续，预计到2028年，AI训练所需的数据集将接近互联网公共文本的整体规模，意味着在未来四年内，AI将面临数据枯竭的困境！

　　此时，许多内容创建者开始意识到其作品被滥用的潜在风险，慢慢的开始通过收紧访问权限、要求支付使用费甚至采取法律手段来保护自身内容。2023年12月，《》已经对OpenAI及其合作伙伴提起了诉讼，指控其侵犯版权。而面临相似风险的还包括数十家媒体机构及内容创作者，反击AI行业的逐渐升级。

　　为应对即将来临的数据瓶颈，诸如字节跳动这类互联网巨头慢慢的开始以支付报酬的方式招聘“AI录音员”来自主创造语料库。这一些平台正在发掘高质量的数据来源，以确保AI模型训练的连续性，然而，这显然是条昂贵的道路。随着AI用户对按月收费模式的反对声不断，成本的飙升为商业化成功蒙上了阴影。

　　人类的数据即将被AI耗尽，未来的AI行业将如何破局？大规模生产数据会成为新兴的长期职业吗？而AI的发展又将为人类社会带来怎样的影响？

　　本周六（1月4日）晚9点，鸿学院微课堂即将展开题为《中国AI大模型DeepSeek-V3突现危机：人类数据或面临枯竭》的讨论，不容错过！返回搜狐，查看更加多