2024大模型十大趋势：走进“机器外脑”时代
趋势1 算力底座：迈向十万卡集群量变， 速度和效率双提升
生成式 AI 的迅猛演进，推动 AI 基础设施（AI Infra）加速 发展，增长趋势将从大模型专业领域延伸至各 行业领 域，AI Infra“质量双螺旋”的发展模式将逐步形成，单集 群从万卡“量变”至十万卡的同时，集成、互联和分布式 将成为AI Infra“质变”破局的三板斧。
趋势2 推理分析：LLM带来推理能力跃迁，推动智力即服务
大型语言模型（LLM）为人工智能带来了所未有的推理能力，极大地扩展了机器的认知 边界。它们不再仅仅是执行简单任务的工具，而是成为了人类的"智力外脑"，能够提供 深入的分析、创造性的解决方案和复杂的决策支持。这种推理能力的跃迁得益于LLM 在理解和生成自然语言方面的巨大进步。它们能够解析复杂的文本，提取关键信息，进 行逻辑推理，并生成连贯、有见地的回应。这使得LLM能够处理各种知识密集型任务， 如法律分析、市场研究、科学发现等，为个人和企业提供了强大的智能支持。
趋势3 创意生成：AIGC应用爆发， 降低专业创作门槛
在这个精神追求引领物质需求的时代，AI的进步与社会文化的演变紧密相连，专注音乐 和视频生成的AI平台应运而生，为热爱创作的“斜杠青年”们提供了更低门槛的工具， 创建了自我表达和创意释放的新社区。大模型的崛起并非仅仅是人工智能对人类能力 的替代，更开启了人与AI协作的全新篇章。
趋势4 情绪智能：多模态大模型赋予机器情感价值，打开人机陪伴市场
兼具EQ与IQ的大模型将在未来2-3年内打开人机陪伴市场。基于最新的AI模型如GPT-4o和 Gemini 1.5 Pro，未来AI陪伴将通过流式语音识别、多模态AI和情感计算等技术极大地提升互 动体验。在个性化方面，AI通过深度分析用户的情感和行为提供精准服务；在共创方面，AI能够 实时理解和回应用户的意图，共同创造一个可交互的丰富世界；在平权方面，多语言支持和辅 助技术使不同背景的用户无障碍交流。为实现情感交互和多样性表达，如何做好大模型的长期 记忆和持久性是需要突破的核心技术难点，其中涉及两个环节：一是记忆系统的建立，另一个 是“回忆策略”的设定。此外，数据隐私、算法偏见和心理依赖等伦理和隐私问题也需要得到 充分关注和解决，以确保技术的公平性和安全性。预测未来人机陪伴市场将从以互动游戏、兴 趣社区为主的年轻人市场，进一步破圈到包括各年龄层的更广泛用户群体，通过不同级别的情 感理解、发散性、准确性、物理交互水平解决用户的多元化陪伴诉求。
趋势5 智能制造：多模态大模型技术升级，提升工业新质生产力
2024年被普遍认为是大模型应用落地的元年，而工业场景将会是大模型的重要战场。工业生 产包含复杂的流程，为AI落地提供了丰富的场景。未来多模态大模型有望与当前普遍使用的专 用小模型互补融合，并深度赋能工业制造的各个环节，从而推动生产制造的提质增效。例如在 研发设计、生产和管理等环节的应用有助于提升生产效率、产品品质和任务处理能力。大模型 与产业深入融合以及多模态的混合交互模式的出现，有望重构智能制造系统并推动工业智能 化。另一方面，随着场景数据的整合和积累，多模态大模型的感知和理解能力将进一步升级， 以满足生产制造中的个性化需求。如提升垂直场景中超微小目标感知及超细粒度语义理解，强 化对复杂多模态Prompt的理解能力等。未来借助PEFT等技术的发展，大模型+小样本数据适 配的模式将成为模型更新新范式，极大地降低了专属数据量需求。应用中“大模型+工业？”的 落地模式将迎来爆发，从而推动工业产业变革，助力人类社会迈向更高层次智能化发展。
趋势6 游戏环境：大模型与游戏共振共生，打造Agent最佳训练场
大语言模型与游戏环境的相结合，正在为AI Agent训练打造最佳训练场。游戏不仅能 为AI Agent训练提与现实世界类似的虚拟环境，还能为AI Agent训练提供清晰、可量化 的评估规则，大幅提升技术迭代与测试效率。当前，包括OpenAI、DeepMind等在内的 前沿研究团队都选取游戏作为AI Agent训练场景，致力于在不同类型的游戏场景中的 打造通用AI Agent。大模型与游戏共振共生，不断加速技术迭代与应用创新。未来2-3年内，基于游戏环境 训练通用AI Agent将成为行业趋势，游戏将成为AI Agent训练的重要试验场。在大模型 和游戏环境的加持下，AI Agent将有望实现决策和泛化能力的突破。
趋势7 移动革新：端侧模型带来智能设备与应用入口变革
端侧生态已成为科技大厂竞争的焦点，端侧大模型结合AI芯片和操作系统，正在构建 出一套完整的技术体系。目前，全球科技巨头如Google、苹果、微软以及国内终端厂商 都在积极探索这一领域。智能终端在接下来几年，鉴于终端瓶颈、AI agent、端侧真需 求等方面的考虑，端+云的混合模型可能更加符合未来长期的发展趋势，其中云端模型 承担主要的计算和存储任务，而端侧模型则专注于满足用户的隐私保护和数据安全需 求。在交互入口方面，SaaS正在全面推进AI化，AI功能已被集成到各种应用中，从而提 升用户体验；随着AI原生OS的发展，操作系统可能会发展成API直接调用的模式，减少 对传统图形用户界面的依赖，当前APP的交互服务形态将发生变化，回归本源，服务的 深层价值决定着用户去留及时长。
趋势8 具身智能：人型机器人与大模型共同进化，为外脑提供“躯体”
人型机器人作为人工智能的终极载体之一，凭借其类人形态和全身自由度，能够适应 未经特别改造的人类环境，从而在各种生产和生活场景中发挥作用。人形机器人的发 展依靠两大技术支柱：运动控制与任务训练。机器人本体运动控制即从传统的液压系 统向更高效、更精确的电机驱动系统的转变，使得机器人的物理动作更加细腻和人性 化；其次，大模型的应用，即结合先进的机器学习技术，尤其是在任务训练方面，大模 型的利用极大提高了机器人的学习效率和执行复杂任务的能力。这两种技术的融合不 仅推动了人形机器人的技术革新，也为其在实际应用中的广泛部署打开了可能。
趋势9 开源共享：开源生态实现降本普惠，推进外脑共享和迭代
基于对国内外100多个开源大模型的分析，我们预计未来2-3年内，AI开源生态将迎来 繁荣发展，随着开源大模型数据质量与多样性提升，大模型将实现规模缩减和质量提 升，推进开源大模型从“可用”到“好用”的演变。开源社区的全球协作特性促使开发者 共享资源，推动全球知识分享与技术协作。开源模型特别适合需求个性化、数据敏感 的垂直行业应用，也为中小企业提供低成本、高效率的AI解决方案，助力更多商业场景 的创新发展。此外，AI开源也为安全治理和人才培养提供了更好地条件。
趋势10 人机对齐：AI对齐是大模型产品的重要竞争力，也关乎通用人工 智能的未来
在大模型时代，随着AI模型具有越来越多的类人能力、越来越像人，不再被视为纯粹 的被动工具，如何让AI模型的能力和行为和人类的价值、目标、伦理道德、意图等追求 相一致，这个被称为AI对齐的问题变得越来越重要。人机对齐由此成为了AI发展的重要 理念和技术实践。在实践层面，人机对齐是大模型产品成功的关键，也是实现通用人工 智能（AGI）的前提。通过人机对齐我们可以构建更加实用、真诚、安全、无害的AI系 统，确保智能向善。
报告原文节选如下：
