2024年，大模型市場可謂熱鬧非凡，一方面，各大廠商紛紛將目光投向具體應用場景，推動行業(yè)定制化的大模型加速落地，這些模型正逐步滲透到金融、醫(yī)療、教育等多個關鍵行業(yè)中，為解決專業(yè)領域的復雜問題提供了方法。另一方面，關于大模型未來發(fā)展路徑的討論持續(xù)升溫，圍繞商業(yè)化落地、大模型與小模型的選擇、應用的方向等成為業(yè)界關注的重點話題。

那么相比于2023年，2024年大模型行業(yè)發(fā)生了哪些變化呢？

01. 理念上：從月亮到六便士，市場越來越關注投資回報

2024年大模型行業(yè)的一大變化就是市場越來越務實，越來越重視商業(yè)化落地程度。時間回到一年前，中國創(chuàng)投圈洋溢著久違的亢奮，從線上的媒體、社區(qū)，到線下咖啡館，每個人都在談論著OpenAI、大模型以及對未來AI世界的暢想。許多已功成名就、處于半隱退狀態(tài)的明星創(chuàng)業(yè)者，如李開復、王小川、王慧文等，也不甘心錯過這次難得的技術浪潮，再次出山。

而現(xiàn)在這股亢奮的情緒開始退潮。不少投資人的耐心逐正在逐漸被消耗，與企業(yè)之間的關系產(chǎn)生了裂痕。今年11月，大模型明星創(chuàng)業(yè)公司“月之暗面”與前投資人“反目”，走到仲裁的事件在業(yè)內(nèi)引起廣泛關注。

根據(jù)桔子IT數(shù)據(jù)，今年以來(1月1日~12月5日)，國內(nèi)AI領域發(fā)生439起融資案例，總?cè)谫Y金額超564億元，大概是去年的80%。粗估來看，今年以來AI領域月均融資金額不到50億元。并且機構縮減投資是普遍現(xiàn)象。據(jù)清科研究中心不完全統(tǒng)計，今年上半年國內(nèi)對外投資活動的早期投資、VC、PE機構數(shù)量同比分別減少23.9%、19.2%、25.2%。

因此如果說2023年，各家大模型廠商們都在專注于打磨模型參數(shù)、模型性能、榜單排名等各個方面的能力，爭相渴望成為“中國的OpenAI”，那么2024年，越來越多的人變得更加務實，開始更關注落地場景和商業(yè)化。

尤其是進入今年下半年，整個行業(yè)的風向更加微妙。市場逐漸對大模型祛魅，資本也回歸理性，行業(yè)的兩股勢力也發(fā)生了站位的轉(zhuǎn)換。

一邊是阿里、字節(jié)等巨頭投入的動作明顯加快，收編大模型創(chuàng)業(yè)公司的核心人才，推出一系列AI產(chǎn)品；一邊是創(chuàng)業(yè)公司開始重新評估自身的路線，國內(nèi)“AI六小虎”有兩家逐步放棄預訓練模型，業(yè)務重心轉(zhuǎn)向AI應用。

“AI大模型(賽道)，將只剩下10家企業(yè)扮演重要角色。”中國工程院外籍院士張亞勤曾表示。這幾乎是行業(yè)的共識，最后的勝利屬于少數(shù)的玩家。

大模型最終會進化成什么樣，還不確定，但可以確定的是，大模型浪潮下，技術仍在迭代，場景仍在驚艷，商業(yè)化也始終在探索的路上。

02. 路線上：從堆算力到強化邏輯學習，從大模型到小模型

2024年大模型行業(yè)的第二大變化就是技術路線上不再僅僅是堆算力，而是探索強化學習、知識計算、符號推理、類腦計算及其他新型路徑。其中投入更小，更垂直的小模型不斷涌現(xiàn)。

近年來，大模型發(fā)展迅速，以其出色的性能，在語音識別、自然語言處理、圖像識別等多個領域取得了顯著成果。這些大模型通過深度學習技術，能夠處理海量的數(shù)據(jù)，并從中提取出有價值的特征和信息，為各種應用場景提供強大的支持。特別是在金融、醫(yī)療、教育等行業(yè)，大模型的應用已經(jīng)逐漸深入到核心業(yè)務領域，成為推動企業(yè)創(chuàng)新發(fā)展的重要動力。

然而，大模型的發(fā)展也面臨著一些挑戰(zhàn)。首先，大模型的訓練和推理需要消耗大量的計算資源，這使得其成本高昂，且只有少數(shù)大型企業(yè)能夠承擔。其次，大模型在處理特定領域的問題時，往往需要大量的數(shù)據(jù)進行微調(diào)，以適應不同的應用場景。此外，隨著大模型規(guī)模的不斷擴大，其可解釋性和隱私保護問題也日益凸顯。

并且單純擴大規(guī)模，存在幻覺、效率、可信、安全等瓶頸，現(xiàn)在讓一個大模型做一個奧數(shù)題和計算2+2這樣簡單的算術題，需要的運算量、運算次數(shù)是一樣的。所以，我們能否把大模型做得更安全、更高效，更好解決現(xiàn)在存在的一些瓶頸？

需要指出的是本輪的AI浪潮，核心其實是LLM，即語言大模型——參數(shù)量數(shù)十億乃至上百億，需要專門的GPU集群，訓練成本極高——真正能跑出來的產(chǎn)品，無一例外，都是用真金白銀堆砌起來的。

但AI顯然是要普及的，封閉、資本密集的大模型并不符合這樣的大趨勢。于是乎，開源的小模型成為了新的熱點——大模型的體量，使得它在手機、物聯(lián)網(wǎng)設備等小型終端上部署起來頗為麻煩，但小模型則不同。尤其是那些要求快速反應的領域，比如語音和圖像的識別處理，小模型的處理效率也會更快——某種程度上說，小模型相當于是大模型的精華版。

相較于大模型，小模型在特定場景下展現(xiàn)出了獨特的優(yōu)勢。一是小模型具有較低的計算復雜度和資源消耗，這使得其能夠在資源受限的環(huán)境下運行，如移動設備、邊緣計算節(jié)點等。二是小模型往往針對特定任務進行優(yōu)化，因此在某些應用場景下能夠取得與大模型相近甚至更好的性能。三是小模型的可解釋性較強，更易于被用戶理解和接受。以openai的GPT-4o mini來說，成本下降的情況下，質(zhì)量反而更高，這就是數(shù)據(jù)集和訓練方式改變后帶來的突破。

03. 應用上：從對話到多元應用，AI Agent、具身智能等涌現(xiàn)

2024年大模型行業(yè)的第三大變化就是應用不斷迭代。根據(jù)lifearchitect.ai數(shù)據(jù)，截至目前，全球總共有467個大模型。新技術不斷涌現(xiàn)，行業(yè)競速賽愈演愈烈，大模型廠商都在不斷迭代升級，旨在離AGI更進一步。進入到今年，除了應用上的百家爭鳴，一個明顯的變化在于，以ChatGPT為代表的大語言模型局限性日益顯現(xiàn)。

例如，他們只能處理文本領域的任務，無法與物理和社會環(huán)境進行互動；雖然大模型語料庫已經(jīng)十分豐富，但關于人類的價值觀的文本，他們并不具備理解能力。

在此前提下，OpenAI今年9月推出的o1系列模型重點在于會思考。彼時，OpenAI CEO奧特曼對o1信心滿滿，“我認為這次 o1 模型發(fā)布最重要的信息是，AI 發(fā)展不僅沒有放緩，而且我們對未來幾年已經(jīng)勝券在握。”

與GPT系列模型不同，o1系列模型有更強大的“思路鏈”，模型會在思考后回答用戶問題，輸出高質(zhì)量的內(nèi)容，而非迅速回應無效回答。此外，o1系列更擅長推理，推理能力大幅提升，特別是在奧數(shù)、編程等領域展現(xiàn)出了優(yōu)勢。

行業(yè)風向標的新動作，引發(fā)國內(nèi)大模型廠商的追趕。11月16日，月之暗面公布了k0 math；11月20日，Deepseek上線DeepSeek-R1-Lite大模型；11月27日，昆侖萬維推出“天工大模型 4.0” o1 版……無一不在強調(diào)大模型的邏輯思考能力。

與此同時，到了今年下半年，幾乎人人都在談“AI Agent”(人工智能代理，也可稱為“智能體”)。在海外市場，微軟、蘋果、谷歌、OpenAI、Anthropic等科技巨頭紛紛公布相關進展；在國內(nèi)市場，百度、阿里、騰訊、智譜、榮耀、聯(lián)想等一眾廠商的智能體平臺也紛至杳來，一場圍繞“AI Agent”的爭奪戰(zhàn)正悄然開啟。

所謂“AI Agent”，OpenAI將“AI Agent”定義為以LLM為大腦驅(qū)動，具有自主理解、感知、規(guī)劃、記憶和使用工具的能力，能自動化執(zhí)行復雜任務的系統(tǒng)。不同于傳統(tǒng)人工智能，AI Agent 具備通過獨立思考、調(diào)用工具去逐步完成給定目標的能力。

舉個簡單的例子，如果用戶想要進行一次家庭聚餐，LLM可以為其提供就餐地點和店鋪相關信息提示，而AI Agent不僅能夠提供擇店鋪建議，還能基于用戶預算搜索菜系和店鋪，執(zhí)行預訂操作，并將行程添加到日歷，還可以發(fā)送行程提醒。

有觀點認為，‌AI Agent的出現(xiàn)是為了解決LLM在具體應用場景中的局限性。LLM雖然具備了一定的智能，能夠生成文本、圖片和視頻等內(nèi)容，但其功能相對有限，無法獨立完成復雜的任務。AI Agent作為大模型的上層應用，能夠通過感知環(huán)境、進行決策和執(zhí)行動作，幫助大模型實現(xiàn)更多的功能，從而更好地為各行各業(yè)賦能。

此外具身智能也是大模型應用的一大分支。所謂具身智能是指將人工智能(AI)融入機器人等物理實體，賦予它們具有像人類一樣的感知、學習和與環(huán)境動態(tài)交互的能力。在生活中，可感知周邊環(huán)境的智能掃地機器人、已進入路測的自動駕駛汽車，都可被視為具身智能的雛形，而人形機器人則是具身智能最理想的載體。

以上種種，其實都可以視為行業(yè)在為大模型尋找最適合的“殺手級”應用。

04. 結(jié)語：朝著AGI的星辰大海，不斷前進

綜上，無論是理念的變化，亦或是路線的選擇，還是應用的迭代，最終的目的就是一個——走向AGI(通用人工智能)。

所謂AGI，即能夠執(zhí)行任何智能任務的人工智能，是人類智慧的延伸，也是未來科技的燈塔。它不僅僅是對特定任務的自動化，而是對人類智能的全面模擬，包括學習、推理、規(guī)劃、感知、語言理解和創(chuàng)造力等。在這條道路上，我們正逐步攻克技術難題，從深度學習到神經(jīng)網(wǎng)絡，從自然語言處理到機器視覺，每一次技術的突破都是朝著AGI目標邁進的一大步。科學家們在算法優(yōu)化、數(shù)據(jù)集構建、硬件加速等方面不懈努力，以期構建出更加智能、更加靈活、更加接近人類思維的AI系統(tǒng)。

盡管挑戰(zhàn)重重，但人類對知識和智慧的追求從未停止。筆者相信，隨著技術的不斷進步和人類智慧的不斷積累，AGI終將成為現(xiàn)實。它將幫助我們解決復雜的問題，提高生活質(zhì)量，甚至開啟人類文明的新篇章。而在這個過程中，我們不僅要追求技術的極致，更要思考如何讓技術更好地服務于人類，如何確保AGI的發(fā)展能夠促進社會的公平與和諧。

       原文標題 : 年終盤點：AI大模型今年有哪些變化？