2024年，大模型市场可谓热闹非凡，一方面，各大厂商纷纷将目光投向具体应用场景，推动行业定制化的大模型加速落地，这些模型正逐步渗透到金融、医疗、教育等多个关键行业中，为解决专业领域的复杂问题提供了方法。另一方面，关于大模型未来发展路径的讨论持续升温，围绕商业化落地、大模型与小模型的选择、应用的方向等成为业界关注的重点话题。
那么相比于2023年，2024年大模型行业发生了哪些变化呢？
理念上：从月亮到六便士，市场越来越关注投资回报
2024年大模型行业的一大变化就是市场越来越务实，越来越重视商业化落地程度。时间回到一年前，中国创投圈洋溢着久违的亢奋，从线上的媒体、社区，到线下咖啡馆，每个人都在谈论着OpenAI、大模型以及对未来AI世界的畅想。许多已功成名就、处于半隐退状态的明星创业者，如李开复、王小川、王慧文等，也不甘心错过这次难得的技术浪潮，再次出山。
而现在这股亢奋的情绪开始退潮。不少投资人的耐心逐正在逐渐被消耗，与企业之间的关系产生了裂痕。今年11月，大模型明星创业公司“月之暗面”与前投资人“反目”，走到仲裁的事件在业内引起广泛关注。
根据桔子IT数据，今年以来(1月1日~12月5日)，国内AI领域发生439起融资案例，总融资金额超564亿元，大概是去年的80%。粗估来看，今年以来AI领域月均融资金额不到50亿元。并且机构缩减投资是普遍现象。据清科研究中心不完全统计，今年上半年国内对外投资活动的早期投资、VC、PE机构数量同比分別减少23.9%、19.2%、25.2%。
因此如果说2023年，各家大模型厂商们都在专注于打磨模型参数、模型性能、榜单排名等各个方面的能力，争相渴望成为“中国的OpenAI”，那么2024年，越来越多的人变得更加务实，开始更关注落地场景和商业化。
尤其是进入今年下半年，整个行业的风向更加微妙。市场逐渐对大模型祛魅，资本也回归理性，行业的两股势力也发生了站位的转换。
一边是阿里、字节等巨头投入的动作明显加快，收编大模型创业公司的核心人才，推出一系列AI产品；一边是创业公司开始重新评估自身的路线，国内“AI六小虎”有两家逐步放弃预训练模型，业务重心转向AI应用。
“AI大模型(赛道)，将只剩下10家企业扮演重要角色。”中国工程院外籍院士张亚勤曾表示。这几乎是行业的共识，最后的胜利属于少数的玩家。
大模型最终会进化成什么样，还不确定，但可以确定的是，大模型浪潮下，技术仍在迭代，场景仍在惊艳，商业化也始终在探索的路上。
路线上：从堆算力到强化逻辑学习，从大模型到小模型
2024年大模型行业的第二大变化就是技术路线上不再仅仅是堆算力，而是探索强化学习、知识计算、符号推理、类脑计算及其他新型路径。其中投入更小，更垂直的小模型不断涌现。
近年来，大模型发展迅速，以其出色的性能，在语音识别、自然语言处理、图像识别等多个领域取得了显著成果。这些大模型通过深度学习技术，能够处理海量的数据，并从中提取出有价值的特征和信息，为各种应用场景提供强大的支持。特别是在金融、医疗、教育等行业，大模型的应用已经逐渐深入到核心业务领域，成为推动企业创新发展的重要动力。
然而，大模型的发展也面临着一些挑战。首先，大模型的训练和推理需要消耗大量的计算资源，这使得其成本高昂，且只有少数大型企业能够承担。其次，大模型在处理特定领域的问题时，往往需要大量的数据进行微调，以适应不同的应用场景。此外，随着大模型规模的不断扩大，其可解释性和隐私保护问题也日益凸显。
并且单纯扩大规模，存在幻觉、效率、可信、安全等瓶颈，现在让一个大模型做一个奥数题和计算2+2这样简单的算术题，需要的运算量、运算次数是一样的。所以，我们能否把大模型做得更安全、更高效，更好解决现在存在的一些瓶颈？
需要指出的是本轮的AI浪潮，核心其实是LLM，即语言大模型——参数量数十亿乃至上百亿，需要专门的GPU集群，训练成本极高——真正能跑出来的产品，无一例外，都是用真金白银堆砌起来的。
但AI显然是要普及的，封闭、资本密集的大模型并不符合这样的大趋势。于是乎，开源的小模型成为了新的热点——大模型的体量，使得它在手机、物联网设备等小型终端上部署起来颇为麻烦，但小模型则不同。尤其是那些要求快速反应的领域，比如语音和图像的识别处理，小模型的处理效率也会更快——某种程度上说，小模型相当于是大模型的精华版。
相较于大模型，小模型在特定场景下展现出了独特的优势。一是小模型具有较低的计算复杂度和资源消耗，这使得其能够在资源受限的环境下运行，如移动设备、边缘计算节点等。二是小模型往往针对特定任务进行优化，因此在某些应用场景下能够取得与大模型相近甚至更好的性能。三是小模型的可解释性较强，更易于被用户理解和接受。以openai的GPT-4o mini来说，成本下降的情况下，质量反而更高，这就是数据集和训练方式改变后带来的突破。
应用上：从对话到多元应用，AI Agent、具身智能等涌现
2024年大模型行业的第三大变化就是应用不断迭代。根据lifearchitect.ai数据，截至目前，全球总共有467个大模型。新技术不断涌现，行业竞速赛愈演愈烈，大模型厂商都在不断迭代升级，旨在离AGI更进一步。 进入到今年，除了应用上的百家争鸣，一个明显的变化在于，以ChatGPT为代表的大语言模型局限性日益显现。
例如，他们只能处理文本领域的任务，无法与物理和社会环境进行互动；虽然大模型语料库已经十分丰富，但关于人类的价值观的文本，他们并不具备理解能力。
在此前提下，OpenAI今年9月推出的o1系列模型重点在于会思考。彼时，OpenAI CEO奥特曼对o1信心满满，“我认为这次 o1 模型发布最重要的信息是，AI 发展不仅没有放缓，而且我们对未来几年已经胜券在握。”
与GPT系列模型不同，o1系列模型有更强大的“思路链”，模型会在思考后回答用户问题，输出高质量的内容，而非迅速回应无效回答。此外，o1系列更擅长推理，推理能力大幅提升，特别是在奥数、编程等领域展现出了优势。
行业风向标的新动作，引发国内大模型厂商的追赶。 11月16日，月之暗面公布了k0 math；11月20日，Deepseek上线DeepSeek-R1-Lite大模型；11月27日，昆仑万维推出“天工大模型 4.0” o1 版……无一不在强调大模型的逻辑思考能力。
与此同时，到了今年下半年，几乎人人都在谈“AI Agent”(人工智能代理，也可称为“智能体”)。在海外市场，微软、苹果、谷歌、OpenAI、Anthropic等科技巨头纷纷公布相关进展；在国内市场，百度、阿里、腾讯、智谱、荣耀、联想等一众厂商的智能体平台也纷至杳来，一场围绕“AI Agent”的争夺战正悄然开启。
所谓“AI Agent”，OpenAI将“AI Agent”定义为以LLM为大脑驱动，具有自主理解、感知、规划、记忆和使用工具的能力，能自动化执行复杂任务的系统。不同于传统人工智能，AI Agent 具备通过独立思考、调用工具去逐步完成给定目标的能力。
举个简单的例子，如果用户想要进行一次家庭聚餐，LLM可以为其提供就餐地点和店铺相关信息提示，而AI Agent不仅能够提供择店铺建议，还能基于用户预算搜索菜系和店铺，执行预订操作，并将行程添加到日历，还可以发送行程提醒。
有观点认为，AI Agent的出现是为了解决LLM在具体应用场景中的局限性。LLM虽然具备了一定的智能，能够生成文本、图片和视频等内容，但其功能相对有限，无法独立完成复杂的任务。AI Agent作为大模型的上层应用，能够通过感知环境、进行决策和执行动作，帮助大模型实现更多的功能，从而更好地为各行各业赋能。
此外具身智能也是大模型应用的一大分支。所谓具身智能是指将人工智能(AI)融入机器人等物理实体，赋予它们具有像人类一样的感知、学习和与环境动态交互的能力。在生活中，可感知周边环境的智能扫地机器人、已进入路测的自动驾驶汽车，都可被视为具身智能的雏形，而人形机器人则是具身智能最理想的载体。
以上种种，其实都可以视为行业在为大模型寻找最适合的“杀手级”应用。
结语：朝着AGI的星辰大海，不断前进
综上，无论是理念的变化，亦或是路线的选择，还是应用的迭代，最终的目的就是一个——走向AGI(通用人工智能)。
所谓AGI，即能够执行任何智能任务的人工智能，是人类智慧的延伸，也是未来科技的灯塔。它不仅仅是对特定任务的自动化，而是对人类智能的全面模拟，包括学习、推理、规划、感知、语言理解和创造力等。在这条道路上，我们正逐步攻克技术难题，从深度学习到神经网络，从自然语言处理到机器视觉，每一次技术的突破都是朝着AGI目标迈进的一大步。科学家们在算法优化、数据集构建、硬件加速等方面不懈努力，以期构建出更加智能、更加灵活、更加接近人类思维的AI系统。
尽管挑战重重，但人类对知识和智慧的追求从未停止。笔者相信，随着技术的不断进步和人类智慧的不断积累，AGI终将成为现实。它将帮助我们解决复杂的问题，提高生活质量，甚至开启人类文明的新篇章。而在这个过程中，我们不仅要追求技术的极致，更要思考如何让技术更好地服务于人类，如何确保AGI的发展能够促进社会的公平与和谐。
