ChatGpt的发展历程中，除了大模型的演进，也涌现了大量垂直小模型，面向垂直行业“淘金”似乎成为了更多科技公司的共同选择。
以软件开发行业为例，在降本、增效、提速的目标下，大量“小模型”开始涌现，在这些助力软件开发行业高质量发展的“小模型”中，不乏值得我们回顾的优秀案例。
01ChatGPT对软件开发的影响有多大？
事实上，ChatGPT不仅带动了互联网、IT、云计算等科技公司新概念的发展，当前的聊天机器人市场也带动了软件开发行业的增长。实践表明，程序员并不是简单地敲代码，需要花费80%的时间进行调试、修改和沟通协调，以同步客户需求信息。因此，ChatGPT的出现将帮助程序员解决一些简单的代码编写任务，减少编写代码的时间，提高软件开发效率。目前，国内一些公司如软件开发公司福祉世软件等已从中受益，并在全面接入ChatGPT后成功在科创板上市。
据知情人士透露，软件公司Freshworks首席执行官Girish Mathrubootham对《财富》杂志表示：“软件开发以前需要8到10周的时间，但现在员工使用ChatGPT编写代码，不到一周就可以完成。”
在理解ChatGPT背后的逻辑之前，我们需要先了解什么是大型语言模型（LLM）。大型语言模型（LLM）已经被业界明确定义，通过深度学习算法进行训练，利用大量语料数据学习文本的概率分布和语法结构，生成与语料相似的高质量新文本，通过不断的训练，可以提高生成文本的质量。目前大型语言模型（LLM）可以应用于问答、文本识别、文本分类、文本生成、代码生成等场景。但是大型语言模型（LLM）目前无法识别非真实的语料数据，这也促使业界成立相关数据标准公司，以保证语料数据的正确使用。
大型语言模型 (LLM) 通常在包含大量数据的大型数据集上进行训练。因此，ChatGPT 对软件开发具有以下好处：
首先，ChatGPT 可以加速开发者训练自然语言处理模型的过程。通过预训练生成的语言模型可以提高模型的准确率和性能。例如在命名实体识别任务中，ChatGPT 通过学习命名实体的语义和结构特征来生成高质量的数据集，从而提高模型的准确率和效率。此外，ChatGPT 还可以作为各种自然语言处理任务的预训练语言模型。
其次，ChatGPT 还可以用于软件开发过程中的自动生成代码，它可以通过学习代码的语义和结构来生成高质量的程序代码。比如当我们输入“从一个数组中选取前 n 个最大的元素”时，ChatGPT 就可以生成相应的代码来实现这个功能。
第三，ChatGPT 可以实现代码智能补全，在编写程序时，它可以为下一个可能的单词或语句提供提示，让程序员可以更快地编写代码。通过代码上下文，ChatGPT 可以预测下一个可能的关键字或语句软件系统模型，让程序员在编码过程中更加高效。
第四，ChatGPT还可以用于对话式编程。在这种编程模式下，程序员可以用自然语言与ChatGPT进行交互，告诉它要实现的功能和需求。通过分析和理解自然语言的含义，ChatGPT会自动将其转化为程序代码，实现所需的功能。
TensorFlow 2.0 是开发者中最受欢迎的机器学习库之一。它包含 Keras API，这是一种对话式编程 API，可让编写神经网络模型更加方便和简单。Keras API 可以使用 ChatGPT 进行自然语言处理，并提供交互式编程模式。
…
考虑到对软件开发行业的经济影响，令人震惊的是，ChatGPT背后的巨头公司投入了大量的资源。从目前的情况来看，基于大型语言模型（LLM）的ChatGPT的初步开发可能只能由少数全球科技巨头主导。
不管ChatGPT是如何训练的，所有参与者都有一个共同的诉求，就是希望有更多的企业购买并使用这个工具，这关系到参与者的前期投入和研究回报。
那么，谁来为ChatGPT的新产品买单呢？这是一个值得深入探讨的问题。
02 从巨头到垂直行业应用，模型越小，未来机会就越多！
不过在针对具体行业开发 ChatGPT 方面，主要参与者很可能并非像微软、谷歌等在 ChatGPT 上投入巨资的科技巨头，毕竟他们更热衷于大规模模型训练，比如搜索引擎等重大应用。当然，在国内，百度、腾讯、阿里巴巴、字节跳动、京东、360、科大讯飞等知名科技公司也相继参与了 ChatGPT 的研发。不过这些科技公司更专注于在现有业务系统中加入 ChatGPT 功能，在垂直行业布局的参与度还比较低。
可以看出，在ChatGPT垂直行业的发展中，具有强大集成能力的软件开发商仍然发挥着主要作用。
进一步分析发现，将ChatGPT应用到具体的行业中，可以帮助其实现更好的商业化。有人可能会质疑：ChatGPT为什么要向垂直行业领域发展，并逐步推出小模型呢？这种从大模型到小模型的转变，有以下几个效果，对ChatGPT在行业中的普及有非常积极的影响。
首先，它带来了新的就业机会。因为开发ChatGPT所涉及的代码编写需要专业人员的技术支持。他们负责调试和修改ChatGPT的代码，并根据客户需求进行个性化设置。这个过程为程序员创造了新的就业机会。
第二是节省软件代码编写的时间。前面提到，程序员其实只花 20% 左右的时间在编写代码上，剩下的 80% 的时间都花在调试、修改、沟通、协调、同步客户需求信息上。因此，使用 ChatGPT 可以帮助程序员处理一些简单的代码编写任务，减少编写代码所需的时间，提高软件开发的效率。
第三是让软件开发更加有逻辑性。ChatGPT的优势在于强大的逻辑推理能力，这是计算能力和虚拟训练的结合，它能发掘训练数据统计中蕴含的规律，让写出来的代码更有逻辑性。
第四，更容易将ChatGPT与垂直行业需求结合起来，发挥出行业应用价值。可以根据不同行业的需求，构建独立的、逻辑清晰、数据准确的行业语料库，提升ChatGPT的训练效果。通过更精准的训练，ChatGPT也能更快应用于各个行业。小型的垂直行业模型和专业领域数据集，可以缩小企业训练的范围和强度，降低整体的训练成本，推动ChatGPT进入企业市场。到那个阶段，ChatGPT将能够实现商业化发展，引发各个行业的竞争，形成产业化的ChatGPT市场。
显然，无论是在少数大型企业，还是在更多的垂直行业，未来 ChatGPT 相关模型应该会更小，以符合行业发展的客观规律。但业内专家认为，任何行业的发展都需要经历三个阶段，从“make it work”到“make it perform”再到“make it cheap”。目前 ChatGPT 处于“make it perform”的可用性阶段，未来必将走向更易用、更实惠的阶段，让 ChatGPT 真正融入各个垂直行业，普及到更广泛的用户。
需要强调从“能用到好用再到用得起”的发展规律，因为只有真正实现 ChatGPT 的“廉价化”，打造符合行业应用需求、价格为大多数人都能承受的专业聊天机器人，才能引发大规模普及，真正实现聊天机器人的商业化。这个过程会从最初“调侃”ChatGPT 的热度，逐渐转变为其落地行业应用，展现出前所未有的行业价值，让更多立志在 ChatGPT 淘金热中取得成功的企业得以实现目标。
03FuncGPT AI生成器让ChatGPT走进软件开发行业的千家万户
ChatGPT 的自动代码生成技术虽然在代码编写领域得到了广泛的应用，但仍然面临一些挑战，其中最重要的挑战就是语言模型的准确性。然而，对编程语言的理解还存在一定的瓶颈，因此如果用户输入的文本描述不准确、不规范，生成的代码可能达不到预期；如果缺乏企业最佳实践，生成的代码可能对我没什么用；生成的功能代码不符合行业标准，可读性不强，没有参考价值等等。
深谙行业know-how的垂直细分小模型的出现，改变了上述局面。近日，飞算科技发布了一款AIGF产品——FuncGPT AI生成器，希望通过大模型技术，彻底解决全栈全自动开发模式中手动编写函数的痛点。据了解，作为飞算SoFlu软件机器人的一部分软件系统模型，慧函数支持全类型函数的创建。AIGF通过采用代码编写和大规模机器联合训练的最佳实践，赋能软件开发，实现函数的自然语言生成，秒级全自动开发。更重要的是，SoFlu中慧函数的使用，在生成后即可直接应用，进一步保证了软件开发整体的效率和安全性。
FuncGPT AI生成器有五大特点：
l 自然语言：可以通过自然语言生成函数，降低软件开发的门槛。
l 秒级功能开发：秒级自动化功能开发，秒级完成，效率提升千倍。
l 一站式功能开发及应用：功能生成后可直接应用，保证效率和安全。
l 质量可靠：生成的函数代码符合业界标准、可读性好、满足最优解。
l 灵活生成：可根据开发者的具体需求生成，并支持调整和修改。
飞算科技首席科学家陈定伟表示：“慧函数采用大模型技术，专业团队花了两年时间训练模型，它生成的函数代码符合业界标准，可读性好，满足最优解。”
可以预见，HuiFunction的支持将进一步增强SoFlu软件机器人的自动化进程，提高软件开发效率。同时相信AIGF等功能和技术的支持将使SoFlu软件机器人在软件工程降本增效的道路上走得更快、更远。
