2024年逐渐远去，新的一年悄然而至，回顾这一年，科技界和风险投资圈的目光无疑聚焦在了人工智能。层出不穷的新产品，巨额的融资，独角兽创始人不断刷新人们的观念，如同走马灯般，你方唱罢我登场，而看客每天都在期待下一个大新闻。
诚然，2024年可以说是生成式人工智能大模型领域承前启后之年，虽然未再现GPT-3和ChatGPT横空出世的震撼，但在延续前几年技术积淀的基础上，开启了广泛应用的时代。从AI技术首次涉足诺贝尔奖评选，到Cursor作为AI辅助编程的标杆工具彻底改变开发者的工作方式，再到Perplexity、Talkie等现象级AI应用打入大众市场，以及Sora在多模态生成领域进一步接近自然和人类规律，生成式AI展示了从技术探索迈向实际应用的巨大势能。
与此同时，算力仍然是推动技术进步的关键瓶颈，高昂的研发成本也随之攀升。此外，技术幻觉问题以及隐私与伦理方面的挑战依旧悬而未决。尽管大模型在技术上不断取得进展，吊足了胃口的人类，已不再满足于GPT o1的能力，而是期待通用人工智能（AGI）的世界马上到来。与这一宏大愿景形成对比的是，生成式AI的焦点正在逐步转向小模型的高效化以及低能耗解决方案，以便更加深入广泛的行业应用。另外，日益强化的行业监管和愈加激烈的市场竞争，也为这一领域的发展增添了更多变数与挑战。
接下来，让我们回到2024年，共同回顾生成式AI在这一年中波澜起伏的发展历程。
技术持续突破永不停歇
在这一年中，生成式AI技术的前行步伐虽不如前几年那般势如破竹，但从深度到广度的突破依然令人瞩目。
接近年底时刻，2024年12月5日 - 21日，人工智能的头号玩家OpenAI马不停蹄地做了为期12天的直播。最后1天，OpenAI重磅发布新一代推理模型系列o3，其在极其困难的数学和逻辑问题能力基准测试ARC-AGI中，最佳状态下取得了87.5%的分数，达到85%的分数即被认为是“人类水平”，而在Codeforces竞赛编程上的评分达到2727，也超越了大部分人类程序员。
2024年从o1preview到o3在Codeforces的评分进化，来源：ibb.co
去年，OpenAI还有两个里程碑式的大模型发布。一是最早于9月发布的o1模型，代号“草莓”，尽管它的性能要低于后来发布的o3模型，但其里程碑意义不容忽视。o1模型首次实现了在回答用户提问时，形成类似人类思维方式的内部思维链CoT（Chain of Thought），这一突破显著提升了模型在处理复杂和专业性问题时的表现，尤其是在研究、策略制定、编码、数学和科学等领域的高难度任务中，回答的准确性和逻辑性得到了明显改善。“思维链”这一概念也迅速走红，成为2024年大模型领域最常被提及的技术关键词之一。
二是早在2月份就预先发布的Sora，十个月后正式发布。它支持多种输入方式，如文本、语音、图片或视频，据OpenAI介绍，Sora支持用户生成最高1080p、最长20秒、多种尺寸比例的视频，同时Sora能够理解和模拟物理世界的运动规律，使得模型的生成效果更加逼真。此外，Sora还配备了故事板、混剪等编辑功能，相当于给视频加分镜、剪辑、特效，更能满足创作者自我表达创意的需求。
OpenAI Sora，来源：OpenAI、beebom.com
随着年初Sora的推出，多家科技公司争相发布新的多模态大模型，整个2024年让我们见证了多模态大语言模型（MLLMs）的快速崛起。
2024年的多模态模型能够更加自然地融合文本、图像、音频、视频等多种模态的数据，生成高度准确的视觉内容。人们还把多模态延展到三维空间世界，李飞飞创办的World Labs用一张图、一句话就能生成3D世界的AI系统，堪称“虚拟世界生成器”，该技术将降低3D内容制作的成本、激发更多的沉浸式体验。
在运算效率方面，2024年的新一代多模态模型通过引入稀疏激活机制、模型压缩和分布式算力架构，大幅提升了处理速度和响应效率，与以往需要离线计算或长时间生成的模型相比，性能更为出色。此外，这些模型突破了早期多模态技术对单一任务的限制，具备更强的上下文理解能力和任务适配性，能够胜任更复杂的任务，例如根据一张照片生成完整的故事情节，或通过语音输入实现图像增强和视频制作。这些进步让多模态模型在影视及广告行业的应用更为广泛，使其大幅提升内容创作效率、显著降低制作成本成为可能。
2024年，当AI各类大模型的不断升级，巨量算力需求持续攀升。为了满足日益复杂的任务需求，进一步增强算力成为推动大模型技术进步的核心动力。
提及算力必须要提到英伟达，去年其H100 GPU凭借卓越的并行计算能力和显著优化的AI训练与推理速度，成为生成式AI的核心处理器。去年3月，英伟达发布了新一代GPU架构——Blackwell，该架构在训练与推理方面展现出卓越性能，进一步巩固了其行业领导地位。同时，谷歌的TPU和亚马逊的Inferentia等专为AI任务设计的定制芯片也在2024年加速普及，这些AI芯片亦推动了算力效率的持续提升，为人工智能的深度应用提供了强大支持。
英伟达创始人黄仁勋展示Blackwell GB200 Superchips，来源：英伟达
与此同时，云平台则成为AI算力的最佳载体，它不仅降低了企业和开发者使用高性能AI算力的门槛，还为模型训练、推理和部署提供了强大的基础设施支撑。2024年，这一协同关系在技术和应用领域都实现了重要突破，如英伟达与多家云服务商合作推出了“AI超级计算云”。
云计算服务模式也在不断演变，模型即服务（MaaS）逐渐成为一种新兴的基础服务，通过MaaS，用户无需自行构建或训练模型，即可直接通过API调用云平台托管的大模型。这种模式不仅让原本未采用SaaS的用户感受到云计算的弹性和按需付费的优势，降低开发者的技术门槛的同时，也推动了更多企业主动上云，加速了云计算与人工智能的融合与落地。
在2024年，针对大模型长期以来的“幻觉”（Hallucination）问题的缓解方法，业界亦达成了较为明确的共识。“幻觉”是指模型在生成内容时出现的不准确或虚假的信息，成为AIGC投入实际应用的最大障碍。当前，利用Agent和检索增强生成（RAG）技术结合小模型和微调的方法，可以大幅降低“幻觉”的不良影响，让结果达到需求方可接受的程度。
Agent架构让大模型能够分解复杂任务，逐步进行推理。与传统的大模型“一步到位”给出答案不同，Agent的多步骤执行机制更接近人类的逻辑思维。例如，在回答涉及多个逻辑链条的复杂问题时，比如金融涉及时事和法律的问题，Agent可以分步调用小模型或外部工具验证每一环节，减少幻觉的产生。
当用户提出一个问题时，RAG机制让大模型优先从知识库中检索相关文档，这些知识库可能来源于内部文档，也可能是实时搜索获取，然后基于这些可靠数据生成回答，从而显著提升内容的准确性和可解释性，同时有效降低大模型的训练成本。此外，在有些特定领域，如医学、教育，通过微调小模型，可大幅提升其在该领域的表现，不仅应对了大模型泛化能力强但特定领域表现不足的短板，亦使其更容易落地到应用场景，由此开启了大模型企业级应用时代。
来源：Mhammed Talhaouy
应用爆发大放异彩
谈及应用，2024年可谓是AI大模型应用全面爆发的一年。在这一年中，大模型不再只是科研论文中的技术突破，停留在ChatGPT 20美元订阅费的体验版，而是广泛推向全球各个应用场景，成为改变行业运作方式的推动力量。从办公效率革命到精准医疗，从智能金融到数字人的直播体验，人们开始利用大模型赋予各行业全新的生命力。
实际上，从2024年12月的AI排行榜可以看出，MAU（按月活跃用户）排名靠前的AI应用主要还是集中在办公效率工具领域，除了ChatGPT、Gemini和Claude等聊天机器人外，许多应用在办公场景中亦表现突出。微软Copilot作为早期的样板，推动了办公工具在2024年的全面发展。文章写作、PPT制作、绘图、视频创作、笔记和语法校正等功能，不仅能为用户节省大量时间，还能生成新颖、有创意的成果。不过此类应用的门槛相对较低，同质化竞争较为激烈。同一种需求，市场上可能存在上百个类似产品，脱颖而出并不容易。
2024年12月全球AI产品榜（web端），来源：公众号@AI产品榜 aicpb.com
此外，有些专业性较强的领域，像金融、法律、医疗和制造等行业，尽管存在一些具有针对性的AI应用，但即便在行业内部也鲜有应用，尚未实现广泛的“破圈”。对于投入大量开发成本的企业负责人而言，尽管他们绞尽脑汁，尝试为自身行业需求定制“套壳”的AI解决方案，但这些应用往往未能达到预期的用户量，更难以实现销售转化。
红杉资本在《Generative AI’s Act o1》报告中肯定了AI在各专业场景中通过“Multi AI Agent”实现深度整合的未来趋势，然而，这并非简单的“新瓶装旧酒”，而是对传统数字化的颠覆性革新。与过去的任务编排模式相比，AI Agent正朝着完全自动化的方向迈进，减少甚至无需人工干预，背后应是对行业深度理解基础之上的强大推理能力。红杉的报告人表示，这个过程还在持续进化之中。
https://www.sequoiacap.com/article/generative-ais-act-o1/，来源：Sequoia Capital
值得注意的是，去年AI搜索引擎——作为一个独特的应用领域，其头部企业在融资方面取得了显著进展。其中，Perplexity AI在12月完成了5亿美元的融资，使公司估值达到90亿美元；此外，企业搜索初创公司Glean于9月宣布完成超过2.6亿美元的融资，估值翻倍至46亿美元；甚至连OpenAI也于7月25日首次推出了搜索引擎产品SearchGPT。
成功背后的原因，我们认为主要来自三大方面，第一是AI搜索依靠的技术已经取得了长足进步，正如前面提到的大模型、RAG以及算力，正让搜索结果变得“简单可依赖”；第二，搜索蕴含着巨大的市场，实际是在侵蚀现有搜索引擎的市场空间，AI搜索的前段逻辑是先给出结果，再给出对应的参考网站，这为大量用户节省了二次查找的时间，部分替代了原有搜索引擎的功能；第三，在Agent架构下提供专业领域的知识库，能够灵活地帮助用户查找特定网站或特定专业领域的内容，而传统搜索引擎配置信息源的成本比较高。
带来更为惊人变化的，还有广告领域。美国数字营销公司AppLovin转型成为AI公司后，股价已从年初的每股38.78美元一度飙升到最高每股417.64美元（2024年12月6日最高价），涨幅超过977%。生成式AI+动态预算优化是AppLovin AI的核心逻辑，从而能够提高投资回报率和货币化机会。
具体来说，AppLovin首先采用生成式AI自动生成个性化广告内容，接触到大量的用户，然后通过AI模型实时监测用户获取成本（CAC）和用户生命周期价值（LTV）来动态调整广告预算，形成一个持续优化的闭环，机器学习则帮助平台逐步提升投放效率并降低成本。同时，AppLovin采用多AI Agent协同架构，将复杂的广告运营流程分解为创意生成、行为预测、竞价优化和效果分析等独立的Agent协作运行，如此进一步提升平台的灵活性和效率。
Applovin机制，来源：https://www.linkedin.com/pulse/applovin-app-hyoungjun-kang-tjthe/
比Applovin更加迅速崛起的2024年现象级应用，Cursor无疑是最值得关注的一匹黑马。这家基于提示词自动生成应用程序的AI应用公司在去年8月份之前还默默无闻，8月a16z和Thrive Capital给Cursor的投资到位，估值4亿美元，到年底的B轮融资，估值高达26亿美元，12个工程师让公司估值上涨了6.5倍，如今已经成为百万程序员的必备神器，靠每月20美元的订阅费，让经常性年收入达到1亿美元。
不只是改变程序员，Cursor重大意义更在于工作方式的变革。在Cursor的世界里流传着一段传奇故事是一位8岁的小女孩利用Cursor在45分钟内就构建了一个聊天机器人，技术对普通人的神奇改变犹如当年的“别针换别墅”；同样不会编程的产品经理陈云飞花了1小时写了一个名为“小猫补光灯”的APP，然后发布在了苹果APP Store，一度在收费榜中排名第一。著名人工智能专家、Coursera创办人吴恩达认为懂AI的产品经理将在未来的市场中占据更为重要的位置，AI让开发门槛降低，而对能够明确“构建什么”的人才需求将大幅上升。
另外值得一提的是2024年获得巨大发展的中国AI出海应用。根据SensorTower发布的2024年上半年美国AI应用市场的下载量数据显示，排名前十的AI应用中有三款来自中国企业。其中，MiniMax的陪伴式应用Talkie在美国下载量排名第四，超越了美国同类产品领头羊Character.ai。MiniMax的另一款AI视频应用海螺（Hailuo）亦曾在9月登顶全球及国内增速榜首，而在教育领域，Question.AI和Gauth更是双双领跑美国市场，成为行业标杆。
最近几年，中国科技企业在全球化的运营经验越来越成熟，善于根据目标市场的文化特点和用户习惯调整产品，而且中国出海的AI应用通常采用更高性价比的服务策略，例如，通过低门槛的订阅费或免费增值模式吸引大量用户，随后再利用丰富的功能层层加深用户粘性。
来源：talkie
我们再来说说AI硬件，2024年也被视为AI硬件的创新大年。各类硬件设备——从手机、PC、汽车、耳机、眼镜甚至玩具——纷纷融入AI技术，尽管这些AI硬件还未全面渗透到消费者的日常生活，但通过AI技术的加持，已经增强了原有产品的用户体验。
苹果和Google推出的AI手机成为这一年行业的标志性事件。前者推出了集成Apple Intelligence的大模型生态系统，将AI深度融入iPhone 16系列手机；后者则在其Pixel系列中强化了多模态交互功能，国产手机厂商也纷纷布局这一领域。此前根据赛迪顾问预测，2024年新型AI手机的出货量预计将会达到1.5亿部，占全球智能手机总出货量的13%。
AI手机各厂商的目标远不止类Siri的升级版或是简单接入大模型，2024年流行的一个名词“端侧AI（On-device AI或Edge AI）”是指在本地设备（如手机、平板、智能手表、智能音箱等终端设备）上运行人工智能模型，而不需要将数据传输到云端进行计算。这样做的好处，除了实时响应与增强体验以外，还可以借助App Intents和App Entities，实现互联互通，调起更多的APP。
尽管不需要特定的手机硬件支持，智谱AutoGLM借助上述理念展现了更为强大的AI助手引起了用户的广泛共鸣，比如用户可以用语音向安装了AutoGLM的手机提问，“帮我上小红书看看火锅需要什么食材”，于是AI智能体上小红书笔记里帮用户去寻找火锅食材，并在“到家App”上自动将上述食材多步骤操作加入购物车并下单。而未来具有端侧AI功能、搭载AI加速芯片的手机将会适配支持更复杂任务交由本地化处理。
作为人工智能与机器人产业交汇处的具身智能（Embodied AI），在2024年悄然取得进步。频繁亮相的特斯拉Optimus机器人去年在运动控制和任务执行方面展现出强大的迭代速度，在运动控制、任务执行、学习能力等方面不断提升水平，业已被特斯拉引入自家的汽车生产线测试。同样，搭载了视觉语言模型（VLM）、能够进行常识性推理，并能与人类进行有效沟通的Figure AI人形机器人Figure 02，也于去年11月正式进入汽车巨头宝马的生产线打工。
Tesla Optimus在操作物体时也具备交流能力，来源：特斯拉
各大车企加速布局人形机器人以外，工业巡检、仓储物流、医疗辅助、建筑与施工、家政服务等领域都在成为具身智能的落地场景。例如Google DeepMind推出的RT-2模型，通过视觉-语言-动作（VLA）模型，将多模态大模型塞进机械臂，使推理与知识赋能给机器人，既能用在家政行业，执行烘焙、清理和准备食材等任务，也能运用在自动化生产线，让我们看到通用机器人的可能性。
而2024年备受关注的世界模型（WFMs）概念，为具身智能的训练与测试开辟了全新范式。机器人能够在虚拟的小世界中进行“试错”和“练习”，从而具备“脑补”的能力，即提前模拟和预测自身动作的结果。这种能力支持具身智能体实现自主决策与持续学习，让机器人从传统的“被动执行”迈向“主动进化”，此被视为迈向通用人工智能（AGI）的重要一步。
你方唱罢我登场的企业竞争格局
2024年，大模型已不再是OpenAI的一枝独秀。如果说2023年以Claude和Llama为代表的挑战者只是星星之火，而在2024年挑战OpenAI的大模型已经燎原。例如，DeepSeek v3模型以仅557万美元的训练成本实现了与Claude 3.5 Sonnet等顶级模型相媲美的性能，显著降低了高性能AI的进入门槛。同时，Meta推出的Llama 3.1和Llama 3.2开源模型在多模态能力上取得重大突破，在图像、音频和文本处理方面更加高效。
我们查看了包括Open LLM Leaderboard、LiveBench AI、MMLU、Chatbot Arena、SuperClue、Lmarena AI在内的多家大模型测评网站，尽管大部分OpenAI旗下的大模型仍居榜首，不过有些靠前位置则被Claude和Gemini取代。根据Menlo Ventures的调查报告，Claude的市场份额从12%翻番到24%，Google从7%提升到12%，而OpenAI的市场份额则从去年同期的50%下降至 34%。
2023和2024年各主要大模型公司市场份额对比，来源：Menlo Ventures
我们先来说说Claude，这个大模型的母公司Anthropic是由OpenAI的前核心团队成员于2021年创立，到2024年也不过3年时间。之所以独立出来创业，创始团队认为，随着大模型越来越强大，AI的不可预测性和安全风险也在增加，因此他们提出了“宪法AI（Constitutional AI）”的理念，强调通过内置规则和透明的设计来减少模型的有害输出。
安全性貌似与普通人无关，不过我们从大模型幻觉角度考虑就容易理解一些，更严格的标准不会让大模型胡说八道，而且，对于金融、医疗和法律等对数据安全与准确性要求高的行业，可靠性与稳定性显得尤为重要，让其成为企业市场的热门选择。前面提到的当红辣子鸡Cursor，去年毅然将其AI编程助手的默认模型也从GPT换成了Claude。
受到企业级用户青睐，加上Claude 3.5本身的技术实力，其流量在2024年实现了爆发式增长，从1月的2019万攀升至11月的8932万，增幅高达342%。这一成绩亦与Anthropic的市场策略密切相关，Claude凭借高性能和灵活架构，成为企业整合AI技术的首选方案之一，同时通过相对低价和良好的企业适配性占据市场优势。据彭博社报道，2024年美国AI初创企业融资达970亿美元，占全年初创融资总额的近一半，创历史新高，Anthropic抓住这一良机，大幅扩充销售团队规模，从2023年的200余名增长至去年9月的1000余名，同比增长500%，加速向市场渗透。因此，许多中小企业在2024年从开源或其他大模型转移到Claude作为其生成式AI能力的底层支持。
我们再来看Gemini。Gemini的发展要放在Google的大格局里看。尽管此前有Bert大模型，但2022年底Google并没有跟上Transformer的浪潮，换句话说，Google落后了，不仅落后于微软，也落后于Meta。而2024年，是Google在AI领域奋起直追的一年。
首先Google想到用AI能力最强的DeepMind的团队，我们都知道DeepMind最成功的作品是阿尔法狗（AlphaGo），尽管过去很多年，实力还在，今年诺贝尔化学奖的两位得主就出自DeepMind，其中一个还是DeepMind的联合创始人兼CEO。
Google打破部门间的藩篱，将Gemini的主导权交给DeepMind，谷歌首席执行官Sundar Pichai称，此次重组旨在不断加快谷歌人工智能开发的步伐。此次重组效果是明显的，Gemini因此能够融合深度学习、神经网络和生成对抗网络（GAN）等多种先进的AI技术，使其具备更强的自我学习能力和生成能力。
我们看到去年全面升级后的Gemini 2.0，以多模态为发力点，使其能够处理文本、图像、音频和视频等多种输入来源，具备全面的感知与理解能力，进一步接近人类对物理世界的认知。而Gemini 2.0强调的定位——“Our new AI model for the agentic era”，通过多模态的强大能力突破了单一任务的限制，更可能达到智能代理所需的“全面感知 + 自主决策”。
Gemini的信心还源于Google尤其是云服务的强力支持。在电商冲击广告业务、搜索面临Perplexity围追堵截之时，Google比以往任何时候都更加重视AI的推动作用。2024年，Google Cloud以Gemini 2.0为核心，整合旗下AI模型与组件，对Vertex AI平台进行升级，并与其生态系统（如Workspace）实现无缝衔接，旨在吸引更多的企业客户，从需求侧深度绑定谷歌云服务，助力其在云计算和AI应用领域占据更大的市场份额。
Google Cloud 12月在深圳的发布会现场，来源：数据猿陆易斯
AI的价值之所以能在云层面得以承载，是因为云平台提供了一个强大的、可扩展的环境，让企业能够以较低的门槛快速开发、部署并运行AI应用。除Google 外，2024年亚马逊AWS和微软Azure也在云平台上深度布局AI，以争夺市场份额。
亚马逊AWS在2024年的re:Invent大会上推出了一系列新技术，包括Amazon Nova基础模型和Amazon Bedrock的重大升级。Bedrock则新增超过100款AI模型，并引入多代理合作和安全防护机制，以优化推理场景的准确性和成本。AWS还强化了其生成式AI助理Amazon Q，使其更深入地应用于软件开发和商业场景。
微软不只与OpenAI保持整合，在Microsoft Ignite 2024全球开发者大会上，微软宣布，已经建立了全球规模最大的企业级AI解决方案生态系统，用户可以通过Azure AI目录访问超过1800个AI模型，企业可根据自身需要构建AI智能体。微软表示，自推出以来，已有超过10万家组织用Copilot Studio创建了自身的AI智能体。
国内的通义千问（阿里巴巴）和豆包（火山引擎，字节跳动）同样体现了大模型与云计算深度绑定的发展策略。
阿里巴巴依托其强大的阿里云生态，充分整合了旗下大模型通义千问的能力。通过阿里云，通义千问能够为企业提供定制化的行业解决方案，如电商推荐、客户服务、内容创作等，从而吸引更多的企业客户上云。火山引擎则利用豆包大模型，提供诸如广告优化、内容生成、视频编辑等高度垂直的服务，与字节跳动的内容生态如抖音、今日头条等平台以及工具链如创作工具剪映高度协同。
来源：艾瑞
由此我们可以看出，尽管中美的科技巨头在产业结构上采取了相似的路径，但中国企业更加注重内部生态的整合。对于国内头部企业而言，走过了“百模”大战的2024年是围绕大模型生态进行布局和竞争的一年，不论是C端还是B端市场，都涵盖在内。对于中国消费者而言，他们并非局限于某一特定生态，而是通过对比各家产品功能，力求获得最佳性价比。
我们以字节跳动的AI布局为例。首先，2023年11月，字节成立Flow部门，专注于AI模型的技术开发与应用，共分为三层，Stone团队承担产品研发支持职能；Seed团队主攻大模型研发；Flow团队则聚焦AI产品应用开发。其中，作为底座的豆包大模型以“豆包通用模型PRo”、“视觉理解模型”、“语音合成模型”为主打分别对应文本、视频和音频，其研发水平的提升通过评测的方法不断对比国际同类大模型，而其中又根据不同细分场景，再切出来几十种特定模型，如声音复刻模型、角色扮演模型，适配各类场景应用；而更底层的火山引擎则提供底层算力和云计算基础。
然后，字节沿用国内APP矩阵的做法，开发一系列的AI产品，并非只单做国内市场，而是采取海内外同步推进的战略，多场景全方位对标国际产品。比如豆包对应ChatGPT，虚拟陪伴猫箱对标Character AI、智能体开发平台Coze对应Dify、AI编程工具Marscode对标Cursor；这里也包括一些硬件产品，比如AI耳机“Ola Friend”、AI玩具“显眼包”。
字节跳动旗下AI应用/硬件，来源：第一财经杂志官方百家号、海通国际
与此同时，字节还将AI整合进现有产品线，提升现有产品的流量、回访率和复购率等，例如为抖音和Tiktok提供“即创”工具平台，提供包括数字人、直播脚本在内的创作工具；为剪映提供“即梦”文生图、文生视频工具；为大力教育提供豆包爱学等等。
另外，不容忽视的是字节以“更低价格”与“更易落地”的策略抢占市场先机。2024年5月，豆包大模型刚发布的时候，主力模型在企业市场的定价只有0.0008元/千Tokens，0.8厘就能处理1500多个汉字，比行业便宜99.3%，如此比其他竞品赢得了更多的客户。
算力采购价格是影响大模型最终价格的核心因素，尽管国产芯片逐渐加码，国内厂商对英伟达仍有巨大的采购需求。根据科技顾问机构Omdia数据，字节跳动和腾讯2024年分别订购了约23万片英伟达的芯片，其中包括Hopper架构下的低版本芯片H20，在Hopper架构的总购买数量仅次于微软。
来源：Omdia
在算力领域，英伟达凭借其领先的技术和生态系统，始终占据行业主导地位。根据Trendforce和Digitimes，单看搭载GPU的AI服务器，英伟达市占率逼近9成，其主要竞争对手AMD市占率则仅约8%。去年10月，AMD发布了MI325系列数据中心加速器，与英伟达依然有显著差距，其管理层表示，与目前正在扩大规模的英伟达Blackwell的竞争可能不那么顺利。从收入的表现来看也是如此，AMD的收入增长并不像英伟达那么明显。
来源：wright's research
靠追赶是很难撼动行业主导者地位的，但下一代技术未必。2024年12月10日，谷歌推出Willow芯片，携带105个物理量子比特，能够在短短不到五分钟的时间，完成了当今最快的超级计算机Frontier需要10²⁵年才能完成的一个基准测试任务。这将为人工智能的发展提供全新范式的想象空间。
这一年，人工智能带给我们不同层面的想象空间还有很多，当OpenAI GPT3打开了潘多拉的盒子，2024则是人工智能迈向全新高度的一年。从生成式大模型的技术持续突破，到多模态模型应用的全面爆发，再到AI驱动行业变革的深度渗透，AI的影响力已经无处不在。然而，这一年也让我们意识到，算力、幻觉、成本、伦理和监管等问题依然是未来发展的重要挑战。
尽管通用人工智能（AGI）的宏大愿景仍需时间来实现，2024年让我们看到了人工智能从“前沿探索”逐步走向“实际落地”的巨大潜力。小模型的高效化、多模态模型的自然化、Agent架构的智能化，以及各行业的广泛应用，特别是与云生态的全面衔接，都表明人工智能已不再是远离生活的科技，而是深刻改变社会经济格局的重要力量。
展望未来，人工智能的道路依然波澜壮阔。随着更先进的技术、更高效的模型、更强大的算力和更健全的行业生态的逐步形成，人工智能的奇迹将继续书写。而我们每个人，也将在这场浩大的技术浪潮中，成为亲历者、见证者，甚至是推动者。波澜壮阔的2024年，将为人工智能的未来埋下无数可能的种子。
文：陆易斯 / 数据猿责编：凝视深空 / 数据猿
