文｜產(chǎn)業(yè)家 斗斗
編輯 | 皮爺
回顧 2014 年，從年初的熱潮到年中的理性回歸，再到年末的穩(wěn)步前行，大模型產(chǎn)業(yè)經(jīng)歷了從狂熱到理性的轉(zhuǎn)變。這其中，AI 大模型不僅在技術(shù)上取得了顯著進(jìn)步，更在應(yīng)用領(lǐng)域?qū)崿F(xiàn)了廣泛拓展，為各行各業(yè)帶來(lái)了前所未有的機(jī)遇與挑戰(zhàn)。
產(chǎn)業(yè)家特此總結(jié)了2024年AI大模型發(fā)展的十大趨勢(shì)。以見(jiàn)證變化，見(jiàn)證產(chǎn)業(yè) AGI 的到來(lái)。
2025年1月，全球科技界的目光再次聚焦于美國(guó)拉斯維加斯的CES大會(huì)。
在這場(chǎng)匯聚全球頂尖科技企業(yè)、創(chuàng)新產(chǎn)品與前沿技術(shù)的盛會(huì)上，AI 無(wú)疑成為了最耀眼的明星，尤其是大模型技術(shù)，以一系列令人驚嘆的落地應(yīng)用，全方位展示了其強(qiáng)大的實(shí)力與廣闊的應(yīng)用前景。
這不僅為2024年 AI 大模型的“狂飆”之年畫(huà)上了圓滿的句號(hào)，也預(yù)示著 AI 技術(shù)將在新的一年里繼續(xù)引領(lǐng)科技發(fā)展的新風(fēng)潮。
從去年 3 月份，政府工作報(bào)告中首次將“人工智能+”納入其中，到大模型服務(wù)價(jià)格的飛速下降，使得更多企業(yè)能夠以較低的成本獲取到強(qiáng)大的AI能力，推動(dòng)了大模型在各行各業(yè)的廣泛應(yīng)用。
與此同時(shí)，國(guó)內(nèi)開(kāi)源大模型的奮起直追，打破了國(guó)外大模型在市場(chǎng)上的壟斷地位，為國(guó)內(nèi) AI 技術(shù)的自主創(chuàng)新和發(fā)展提供了有力支撐。
2024 年無(wú)疑是AI大模型充滿變革與突破的一年。
年初，隨著大模型技術(shù)的不斷突破和應(yīng)用場(chǎng)景的拓展，市場(chǎng)對(duì)大模型的熱情達(dá)到了頂峰，眾多企業(yè)和資本紛紛涌入這一領(lǐng)域，希望能夠借助大模型的力量實(shí)現(xiàn)業(yè)務(wù)的轉(zhuǎn)型升級(jí)和創(chuàng)新發(fā)展。
然而，隨著市場(chǎng)的不斷深入和競(jìng)爭(zhēng)的加劇，人們逐漸意識(shí)到大模型并非萬(wàn)能，其在實(shí)際應(yīng)用中還面臨著諸多挑戰(zhàn)和局限性，如高昂的訓(xùn)練成本、數(shù)據(jù)隱私和安全問(wèn)題、模型的可解釋性和可靠性等。
這使得市場(chǎng)對(duì)大模型的期望逐漸回歸理性，開(kāi)始更加注重其在特定場(chǎng)景下的實(shí)際應(yīng)用效果和商業(yè)價(jià)值，而非盲目追求模型的規(guī)模和性能。
回顧 2014 年，從年初的熱潮到年中的理性回歸，再到年末的穩(wěn)步前行，大模型產(chǎn)業(yè)經(jīng)歷了從狂熱到理性的轉(zhuǎn)變。這其中，AI 大模型不僅在技術(shù)上取得了顯著進(jìn)步，更在應(yīng)用領(lǐng)域?qū)崿F(xiàn)了廣泛拓展，為各行各業(yè)帶來(lái)了前所未有的機(jī)遇與挑戰(zhàn)。
產(chǎn)業(yè)家特此總結(jié)了過(guò)去一年AI大模型發(fā)展的十大趨勢(shì)。以見(jiàn)證變化，見(jiàn)證產(chǎn)業(yè) AGI 的到來(lái)。
一、大模型“祛魅”在 2024
2024 年，大模型領(lǐng)域經(jīng)歷了顯著的變化。
融資方面，根據(jù)桔子IT的數(shù)據(jù)，2024 年 1 月 1 日至 12 月 5 日，國(guó)內(nèi) AI 領(lǐng)域共發(fā)生 439 起融資案例，總?cè)谫Y額超過(guò) 564 億元人民幣，約為去年的 80%。月均融資金額不足 50 億元，顯示出市場(chǎng)對(duì)AI投資的謹(jǐn)慎態(tài)度。
清科研究中心的統(tǒng)計(jì)也顯示，今年上半年國(guó)內(nèi)早期投資、風(fēng)險(xiǎn)投資（VC）、私募股權(quán)投資（PE）機(jī)構(gòu)數(shù)量同比分別減少了 23.9%、19.2% 和 25.2%，反映出投資者在面對(duì)AI領(lǐng)域的高投入和不確定回報(bào)時(shí)變得更加謹(jǐn)慎和理性。
技術(shù)應(yīng)用方面，2023 年眾多大模型廠商主要專注于優(yōu)化模型參數(shù)、提升模型性能、爭(zhēng)奪榜單排名等，渴望成為中國(guó)的OpenAI。
然而，進(jìn)入 2024 年后，行業(yè)參與者變得更加務(wù)實(shí)，開(kāi)始更加關(guān)注 AI 技術(shù)的落地場(chǎng)景和商業(yè)化應(yīng)用。市場(chǎng)對(duì)大模型的“祛魅”過(guò)程使得其在實(shí)際應(yīng)用中的局限性逐漸顯現(xiàn)，投資者也更加關(guān)注AI技術(shù)的實(shí)際應(yīng)用效果和商業(yè)價(jià)值，而非單純的技術(shù)指標(biāo)和排名。
這種趨勢(shì)促使 AI 企業(yè)更加注重產(chǎn)品的實(shí)用性和市場(chǎng)適應(yīng)性，推動(dòng)AI技術(shù)在各個(gè)領(lǐng)域的深入應(yīng)用。
市場(chǎng)競(jìng)爭(zhēng)方面，大模型的價(jià)格戰(zhàn)貫穿了整個(gè) 2024 年，每百萬(wàn) token 的價(jià)格從百元直降至幾厘。這種價(jià)格戰(zhàn)不僅降低了大模型的使用門(mén)檻，也對(duì)企業(yè)的盈利模式提出了新的挑戰(zhàn)。
總體來(lái)看，2024 年 AI 行業(yè)的發(fā)展呈現(xiàn)出更加務(wù)實(shí)和理性的特點(diǎn)，市場(chǎng)對(duì)AI技術(shù)的關(guān)注點(diǎn)從單純的技術(shù)指標(biāo)轉(zhuǎn)向了實(shí)際應(yīng)用和商業(yè)價(jià)值，企業(yè)也更加注重產(chǎn)品的實(shí)用性和市場(chǎng)適應(yīng)性，同時(shí)市場(chǎng)競(jìng)爭(zhēng)的加劇也促使企業(yè)不斷調(diào)整盈利模式。
二、創(chuàng)新 AI 架構(gòu)，不斷涌現(xiàn)
在 2024 年，AI 領(lǐng)域涌現(xiàn)出許多創(chuàng)新架構(gòu)，這些架構(gòu)在性能上與傳統(tǒng)的 Transformer 模型相媲美，同時(shí)在內(nèi)存效率和可擴(kuò)展性方面也表現(xiàn)出顯著優(yōu)勢(shì)。
Transformer 架構(gòu)自推出以來(lái)，憑借其自注意力機(jī)制（Self-Attention, SA）在自然語(yǔ)言處理、圖像生成等任務(wù)中取得了巨大成功。
然而，隨著模型參數(shù)的不斷增加，Transformer的算力需求和計(jì)算復(fù)雜性呈指數(shù)級(jí)增長(zhǎng)，這在大規(guī)模任務(wù)中逐漸成為瓶頸。
為了應(yīng)對(duì)這一挑戰(zhàn)，全球范圍內(nèi)的學(xué)者和研究人員從多個(gè)角度積極探索新的架構(gòu)設(shè)計(jì)。
例如，Meta Platforms推出的“記憶層”技術(shù)，通過(guò)引入高效的查詢機(jī)制，顯著降低了模型在存儲(chǔ)和檢索數(shù)據(jù)時(shí)的計(jì)算成本。這種技術(shù)在參數(shù)數(shù)量?jī)H為1.3億的基礎(chǔ)模型上，添加了128億的記憶參數(shù)，使得模型的性能與更大規(guī)模的模型相當(dāng)，但計(jì)算所需的算力卻大幅減少。
此外，混合專家模型（MoE）也逐漸受到關(guān)注。MoE架構(gòu)通過(guò)將模型分解為多個(gè)專家子模型，每個(gè)子模型只在特定任務(wù)中被激活，從而大幅提高了模型的算力效率。
除了這些架構(gòu)創(chuàng)新，元始智能的RWKV架構(gòu)也引起了廣泛關(guān)注。RWKV通過(guò)將Transformer的高效并行訓(xùn)練與RNN的高效推理能力相結(jié)合，實(shí)現(xiàn)了在效率和語(yǔ)言建模能力上的突破。盡管RNN在過(guò)去被認(rèn)為能力弱于Transformer，但RWKV通過(guò)引入強(qiáng)化學(xué)習(xí)方法，使得模型能夠在必要時(shí)重新閱讀前文，從而提升了其記憶能力和整體性能。
這些新架構(gòu)的涌現(xiàn)，不僅在技術(shù)上為AI的發(fā)展提供了新的可能性，也為解決算力開(kāi)銷問(wèn)題提供了有效的解決方案。隨著這些創(chuàng)新架構(gòu)的不斷成熟和應(yīng)用，未來(lái)的AI系統(tǒng)將能夠更好地平衡性能與資源消耗，推動(dòng)AI技術(shù)在更廣泛的領(lǐng)域中實(shí)現(xiàn)突破和應(yīng)用。
圖片來(lái)源：量子位《2024年度AI十大趨勢(shì)報(bào)告》
三、模型訓(xùn)練成本降低
隨著人工智能技術(shù)的快速發(fā)展，AI模型訓(xùn)練成本一直是業(yè)界關(guān)注的重點(diǎn)。2024年，通過(guò)算法優(yōu)化、硬件升級(jí)和云計(jì)算服務(wù)的普及，這一成本顯著降低。
算法優(yōu)化是降低訓(xùn)練成本的關(guān)鍵因素之一。例如，DeepSeek v3模型通過(guò)采用先進(jìn)的算法優(yōu)化技術(shù)，僅以557萬(wàn)美元的訓(xùn)練成本，便達(dá)到了與Claude 3.5 Sonnet等頂級(jí)模型相媲美的性能。
硬件的升級(jí)也為成本降低提供了堅(jiān)實(shí)基礎(chǔ)。隨著GPU等硬件性能的不斷提升，單位計(jì)算能力的成本逐漸下降。DeepSeek v3在訓(xùn)練過(guò)程中使用了2048個(gè)H800 GPU，僅用了不到2個(gè)月的時(shí)間就完成了訓(xùn)練，這種硬件進(jìn)步使得大規(guī)模模型的訓(xùn)練變得更加經(jīng)濟(jì)高效。
云計(jì)算服務(wù)的普及為降低訓(xùn)練成本提供了另一重要途徑。云服務(wù)提供商通過(guò)優(yōu)化資源分配和管理，使企業(yè)可以根據(jù)實(shí)際需求靈活租用計(jì)算資源，降低了初始投資和運(yùn)營(yíng)成本。此外，云平臺(tái)還提供了強(qiáng)大的數(shù)據(jù)存儲(chǔ)和處理能力，進(jìn)一步支持了AI模型的訓(xùn)練和部署。
算法優(yōu)化、硬件升級(jí)和云計(jì)算服務(wù)的普及共同作用，大幅降低了AI模型訓(xùn)練成本，使得AI技術(shù)更加經(jīng)濟(jì)且提高了模型性能。這使得更多企業(yè)和研究機(jī)構(gòu)能夠負(fù)擔(dān)得起AI模型的開(kāi)發(fā)和應(yīng)用，推動(dòng)了人工智能技術(shù)的廣泛應(yīng)用和創(chuàng)新。
總之，2024 年 AI 模型訓(xùn)練成本的顯著降低，為人工智能的發(fā)展帶來(lái)了新的機(jī)遇和挑戰(zhàn)。隨著技術(shù)的進(jìn)一步進(jìn)步，AI模型訓(xùn)練成本將繼續(xù)下降，將推動(dòng)AI技術(shù)在更多領(lǐng)域的應(yīng)用和突破。
四、RAG，從“萬(wàn)能鑰匙”到專攻“小而難”
2024年，RAG（檢索增強(qiáng)生成）技術(shù)經(jīng)歷了顯著的架構(gòu)變化和市場(chǎng)趨勢(shì)的轉(zhuǎn)變。
RAG由檢索和大模型生成兩部分組成，其核心優(yōu)勢(shì)在于能夠避開(kāi)大模型上下文窗口長(zhǎng)度的限制、更好地管理和利用客戶專有的本地資料文件以及控制幻覺(jué)。
然而，隨著大模型上下文窗口長(zhǎng)度的增加，RAG在解決上下文窗口限制方面的優(yōu)勢(shì)逐漸減弱，但其在管理和利用專屬知識(shí)文件以及控制幻覺(jué)方面的能力變得更加重要。
在2024年上半年，市場(chǎng)對(duì)AI的期望是“無(wú)所不能，大而全”，RAG技術(shù)被視為解決復(fù)雜問(wèn)題的萬(wàn)能鑰匙。
然而，隨著技術(shù)的深入應(yīng)用和實(shí)際落地，行業(yè)逐漸回歸理性，開(kāi)始更加注重“小而難”的問(wèn)題解決。企業(yè)開(kāi)始將大模型技術(shù)引入業(yè)務(wù)中，要求高、需求剛、付費(fèi)爽快，這使得RAG在業(yè)務(wù)流程中的“白盒流程多”、“易控”等特點(diǎn)受到企業(yè)客戶和開(kāi)發(fā)者的青睞。
一個(gè)數(shù)據(jù)顯示，RAG架構(gòu)在企業(yè)級(jí)AI設(shè)計(jì)模式中的采用率從31%上升至51%，成為主流趨勢(shì)。
這一變化反映了RAG技術(shù)在實(shí)際應(yīng)用中的價(jià)值逐漸顯現(xiàn)，尤其是在企業(yè)知識(shí)管理系統(tǒng)、在線問(wèn)答系統(tǒng)和情報(bào)檢索系統(tǒng)等領(lǐng)域。RAG技術(shù)的應(yīng)用不僅提高了信息檢索的準(zhǔn)確性和效率，還為企業(yè)提供了更加個(gè)性化和精準(zhǔn)的解決方案。
在技術(shù)層面，RAG的架構(gòu)也在不斷優(yōu)化和深化應(yīng)用。
例如，通過(guò)提高檢索效率、擴(kuò)展上下文長(zhǎng)度和增強(qiáng)系統(tǒng)魯棒性等措施，RAG技術(shù)能夠更好地處理復(fù)雜的信息檢索任務(wù)。此外，多模態(tài)RAG的出現(xiàn)將RAG的能力拓展到了文本之外的更廣闊領(lǐng)域，如圖像、視頻等，實(shí)現(xiàn)了文本和視覺(jué)數(shù)據(jù)之間的無(wú)縫交互。
展望未來(lái)，RAG的價(jià)值將更加體現(xiàn)在實(shí)際應(yīng)用中，成為推動(dòng)AI落地的核心引擎。隨著技術(shù)的不斷發(fā)展和市場(chǎng)需求的不斷變化，RAG技術(shù)將繼續(xù)在企業(yè)級(jí)AI應(yīng)用中發(fā)揮重要作用，幫助企業(yè)更好地管理和利用知識(shí)資源，提升業(yè)務(wù)效率和競(jìng)爭(zhēng)力。
五、Agent，引領(lǐng)一波新變革
今年下半年，AI Agent（人工智能代理）成為了科技界的熱門(mén)話題。
全球科技巨頭如微軟、蘋(píng)果、谷歌、OpenAI和Anthropic等紛紛公布了相關(guān)進(jìn)展。在國(guó)內(nèi)市場(chǎng)，百度、阿里、騰訊等企業(yè)也相繼推出了各自的智能體平臺(tái)。
一個(gè)數(shù)據(jù)顯示，智能體架構(gòu)已經(jīng)成功支撐了12%的實(shí)施項(xiàng)目。
這表明AI驅(qū)動(dòng)的解決方案將通過(guò)軟件完全操作，從而提升效率和靈活性。隨著技術(shù)的不斷進(jìn)步，越來(lái)越多的企業(yè)開(kāi)始采納AI Agent技術(shù)，以實(shí)現(xiàn)更高的自動(dòng)化水平和更高效的運(yùn)營(yíng)方式。
例如，在零售領(lǐng)域，AI Agent可以作為購(gòu)物助手，為用戶提供個(gè)性化的購(gòu)物體驗(yàn)。在醫(yī)療領(lǐng)域，Agent技術(shù)能夠幫助管理和分析醫(yī)療記錄，提高醫(yī)療服務(wù)的效率。
然而，盡管AI Agent技術(shù)備受期待，其可信度問(wèn)題也引發(fā)了廣泛的關(guān)注。
大型語(yǔ)言模型（LLM）容易受到虛假信息的影響，這可能導(dǎo)致AI Agent在執(zhí)行任務(wù)時(shí)出現(xiàn)錯(cuò)誤。為了解決這一問(wèn)題，研究人員正在探索多種方法來(lái)提高Agent的可信度。
例如，通過(guò)引入檢索增強(qiáng)生成（RAG）技術(shù)，結(jié)合外部知識(shí)庫(kù)來(lái)指導(dǎo)文本生成，從而提高模型的準(zhǔn)確性和可靠性。此外，透明的運(yùn)行過(guò)程和靈活的糾正機(jī)制也是構(gòu)建可信Agent的重要基礎(chǔ)。
六、多模型策略盛行
在2024年，企業(yè)界出現(xiàn)了一個(gè)顯著的趨勢(shì)：不再依賴單一的大模型，而是采取務(wù)實(shí)的多模型策略。這種策略的核心在于根據(jù)不同的使用場(chǎng)景和業(yè)務(wù)需求，選擇合適的模型進(jìn)行部署。這種轉(zhuǎn)變不僅提高了模型的靈活性和適應(yīng)性，還能夠更好地滿足企業(yè)多樣化的業(yè)務(wù)需求。
數(shù)據(jù)顯示，OpenAI的市場(chǎng)份額從50%下降至34%，這表明其先發(fā)優(yōu)勢(shì)有所減弱。
與此同時(shí)，Anthropic的市場(chǎng)份額從12%翻倍至24%，成為主要受益者。Anthropic的Claude系列模型，尤其是最新的Claude 3.5 Sonnet，在多學(xué)科綜合推理方面的能力顯著提升，吸引了許多企業(yè)從GPT-4轉(zhuǎn)向Claude。
這種市場(chǎng)變化反映了企業(yè)在選擇AI供應(yīng)商時(shí)，更加注重模型的安全性、價(jià)格、性能和擴(kuò)展功能。
多模型策略的興起，使得企業(yè)在面對(duì)復(fù)雜的業(yè)務(wù)場(chǎng)景時(shí)，能夠更加靈活地選擇和組合不同的模型。
例如，在金融服務(wù)領(lǐng)域，企業(yè)可能需要一個(gè)能夠處理復(fù)雜數(shù)據(jù)和嚴(yán)格法規(guī)的模型，而在媒體和娛樂(lè)領(lǐng)域，則需要一個(gè)能夠生成高質(zhì)量?jī)?nèi)容的模型。通過(guò)多模型策略，企業(yè)可以在不同的業(yè)務(wù)部門(mén)和應(yīng)用場(chǎng)景中，選擇最適合的模型來(lái)提高效率和效果。
此外，多模型策略還促進(jìn)了企業(yè)內(nèi)部的技術(shù)創(chuàng)新和協(xié)作。企業(yè)可以根據(jù)自身的業(yè)務(wù)需求，開(kāi)發(fā)和優(yōu)化特定的模型，從而在競(jìng)爭(zhēng)中獲得優(yōu)勢(shì)。例如，一些企業(yè)通過(guò)大模型與小模型的協(xié)同工作，實(shí)現(xiàn)了更高效的業(yè)務(wù)流程和更好的用戶體驗(yàn)。
總體來(lái)看，多模型策略的盛行不僅改變了AI市場(chǎng)的競(jìng)爭(zhēng)格局，也為企業(yè)的數(shù)字化轉(zhuǎn)型提供了新的思路和方法。隨著技術(shù)的不斷進(jìn)步和應(yīng)用的深入，這種策略將繼續(xù)推動(dòng)企業(yè)創(chuàng)新和發(fā)展，為企業(yè)創(chuàng)造更多的商業(yè)價(jià)值。
七、具身智能，站上C位
2024年，具身智能作為人工智能領(lǐng)域的一個(gè)重要分支，逐漸成為研究和應(yīng)用的熱點(diǎn)。
在日常生活中，具身智能的應(yīng)用已經(jīng)初露端倪。
例如，智能掃地機(jī)器人能夠通過(guò)感知周圍環(huán)境，自動(dòng)規(guī)劃清潔路徑，避免碰撞障礙物，高效完成清潔任務(wù)。自動(dòng)駕駛汽車在實(shí)際道路測(cè)試中也展現(xiàn)出與人類駕駛員相似的駕駛能力，能夠識(shí)別交通信號(hào)、行人和車輛，做出實(shí)時(shí)的駕駛決策。
人形機(jī)器人也被認(rèn)為是實(shí)現(xiàn)具身智能的理想平臺(tái)之一。
具體來(lái)看，其不僅能夠模仿人類的外觀，還能通過(guò)集成先進(jìn)的傳感器和算法，執(zhí)行更加復(fù)雜的任務(wù)。
隨著技術(shù)的不斷進(jìn)步，具身智能在多個(gè)領(lǐng)域展現(xiàn)出其獨(dú)特的價(jià)值和潛力。在工業(yè)領(lǐng)域，具身智能機(jī)器人可以提高生產(chǎn)效率和安全性，執(zhí)行復(fù)雜的裝配、搬運(yùn)和檢測(cè)任務(wù)。在服務(wù)業(yè)，它們可以提供更加高效和個(gè)性化的服務(wù)，如酒店前臺(tái)接待、餐廳服務(wù)等。
此外，具身智能還在探索新的應(yīng)用場(chǎng)景，如在災(zāi)害救援中代替人類進(jìn)入危險(xiǎn)區(qū)域進(jìn)行搜救。
盡管具身智能在技術(shù)上取得了顯著進(jìn)展，但仍面臨一些挑戰(zhàn)。
例如，硬件的穩(wěn)定性和成本問(wèn)題、多模態(tài)數(shù)據(jù)的整合與處理、以及在復(fù)雜環(huán)境中的適應(yīng)能力等。然而，隨著研究的深入和技術(shù)的突破，這些問(wèn)題有望逐步得到解決，具身智能將在更多領(lǐng)域?qū)崿F(xiàn)商業(yè)化應(yīng)用。
總之，具身智能作為人工智能與機(jī)器人技術(shù)的結(jié)合體，正逐步改變?nèi)藗兊纳詈凸ぷ鞣绞健Ｋ粌H為人類提供了更加智能和便捷的服務(wù)，也為各行各業(yè)的發(fā)展帶來(lái)了新的機(jī)遇和挑戰(zhàn)。
八、向量數(shù)據(jù)庫(kù)逐漸“替代”傳統(tǒng)數(shù)據(jù)庫(kù)
向量數(shù)據(jù)庫(kù)作為一種新興的數(shù)據(jù)庫(kù)技術(shù)，近年來(lái)在人工智能領(lǐng)域迅速崛起，逐漸成為傳統(tǒng)數(shù)據(jù)庫(kù)的重要補(bǔ)充甚至替代者。
與傳統(tǒng)數(shù)據(jù)庫(kù)不同，向量數(shù)據(jù)庫(kù)通過(guò)將數(shù)據(jù)轉(zhuǎn)化為向量形式，能夠更精確地表示數(shù)據(jù)的特征或類別，從而實(shí)現(xiàn)高效的相似性搜索和范圍查詢。
隨著人工智能技術(shù)的飛速發(fā)展，特別是大模型的廣泛應(yīng)用，向量數(shù)據(jù)庫(kù)的需求也在不斷增加。大模型通常需要處理大量的高維數(shù)據(jù)，向量數(shù)據(jù)庫(kù)能夠有效地支持這些數(shù)據(jù)的存儲(chǔ)和檢索。
例如，生成式AI和檢索增強(qiáng)生成（RAG）架構(gòu)等應(yīng)用，都需要向量數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)和檢索大量的知識(shí)庫(kù)嵌入。
一組數(shù)據(jù)顯示，2024年，全球數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模首次突破千億美金，達(dá)到約1010億美元，其中中國(guó)數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模為74.1億美元，占全球的7.34%。
這一數(shù)據(jù)表明，向量數(shù)據(jù)庫(kù)作為新興技術(shù)，正在逐漸成為數(shù)據(jù)庫(kù)市場(chǎng)的重要組成部分。
目前，全球數(shù)據(jù)庫(kù)供應(yīng)商數(shù)量為167家，產(chǎn)品數(shù)量達(dá)到269款。隨著技術(shù)的不斷發(fā)展和市場(chǎng)需求的增加，預(yù)計(jì)向量數(shù)據(jù)庫(kù)的市場(chǎng)份額將繼續(xù)擴(kuò)大。
向量數(shù)據(jù)庫(kù)的市場(chǎng)趨勢(shì)也顯示出其巨大的發(fā)展?jié)摿ΑＲ环矫妫蛄繑?shù)據(jù)庫(kù)與傳統(tǒng)數(shù)據(jù)庫(kù)的融合正在不斷加深，許多傳統(tǒng)數(shù)據(jù)庫(kù)廠商也開(kāi)始逐步集成向量檢索的能力。另一方面，向量數(shù)據(jù)庫(kù)的成本也在逐漸下降，預(yù)計(jì)未來(lái)幾年將出現(xiàn)3-5倍的成本下降。這將進(jìn)一步推動(dòng)向量數(shù)據(jù)庫(kù)在各個(gè)行業(yè)的應(yīng)用和普及。
總之，向量數(shù)據(jù)庫(kù)憑借其在處理高維數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)方面的獨(dú)特優(yōu)勢(shì)，正在逐漸改變傳統(tǒng)數(shù)據(jù)庫(kù)市場(chǎng)的格局。隨著人工智能技術(shù)的不斷發(fā)展，向量數(shù)據(jù)庫(kù)的應(yīng)用前景將更加廣闊，有望在更多領(lǐng)域發(fā)揮重要作用。
九、多模態(tài)模型成為2024賽點(diǎn)
2024年，多模態(tài)能力已成為AI大模型的基本標(biāo)配。幾乎所有主要的模型供應(yīng)商都發(fā)布了多模態(tài)模型，能夠處理圖像、音頻和視頻輸入。
例如，字節(jié)跳動(dòng)在2024年推出了 PixelDance 和 Seaweed 兩款視頻生成模型，這些模型在視頻生成的質(zhì)量和效率上都有顯著提升。
騰訊的混元大模型也在2024年升級(jí)為混合專家模型（MoE）架構(gòu)，參數(shù)規(guī)模達(dá)萬(wàn)億，擅長(zhǎng)處理復(fù)雜場(chǎng)景和多任務(wù)場(chǎng)景。
智象未來(lái)科技有限公司在2024年12月發(fā)布了智象多模態(tài)生成大模型3.0版，該模型在圖像和視頻生成能力上實(shí)現(xiàn)了全面升級(jí)。
科大訊飛的訊飛星火大模型4.0 Turbo也在多模態(tài)應(yīng)用中表現(xiàn)出色，支持多語(yǔ)種語(yǔ)音識(shí)別和高度擬人化的語(yǔ)音合成能力。
這些多模態(tài)模型的發(fā)布不僅推動(dòng)了技術(shù)的進(jìn)步，還為實(shí)際應(yīng)用帶來(lái)了新的可能性。
例如，多模態(tài)模型可以用于更復(fù)雜的場(chǎng)景理解，如通過(guò)圖像和音頻的結(jié)合來(lái)更好地理解用戶的需求和意圖。此外，多模態(tài)生成能力的提升也使得生成高質(zhì)量的圖像和視頻內(nèi)容變得更加容易。
隨著多模態(tài)模型的普及，其應(yīng)用場(chǎng)景也在不斷擴(kuò)展。在教育領(lǐng)域，多模態(tài)模型可以用于開(kāi)發(fā)更具互動(dòng)性的學(xué)習(xí)工具，通過(guò)圖像和音頻的結(jié)合來(lái)提高學(xué)習(xí)效果。在醫(yī)療領(lǐng)域，多模態(tài)模型可以幫助醫(yī)生更好地分析醫(yī)學(xué)影像和患者數(shù)據(jù)。在娛樂(lè)和創(chuàng)意產(chǎn)業(yè)，多模態(tài)生成模型可以用于創(chuàng)作新的藝術(shù)作品和影視內(nèi)容。
十、從大到小，從通用到垂直
2024年，小模型在特定領(lǐng)域展現(xiàn)出了顯著的優(yōu)勢(shì)。
這些小模型因其較低的計(jì)算復(fù)雜度和資源消耗而備受青睞，尤其是在資源受限的環(huán)境中，如移動(dòng)設(shè)備和邊緣計(jì)算節(jié)點(diǎn)。它們不僅能夠高效運(yùn)行，而且往往針對(duì)特定任務(wù)進(jìn)行了優(yōu)化，使得在某些應(yīng)用場(chǎng)景下，它們的表現(xiàn)甚至能與大型模型相媲美，有時(shí)還能超越。
此外，小模型的可解釋性更強(qiáng)，更易于用戶理解和接受。以 OpenAI 的 GPT-4o mini 為例，盡管成本降低，但其性能卻得到了提升，這得益于數(shù)據(jù)集和訓(xùn)練方法的改進(jìn)。
在特定領(lǐng)域，垂直模型也展現(xiàn)出了超越通用模型的能力。
例如，在法律咨詢、化工研究和醫(yī)療服務(wù)等領(lǐng)域，定制化的AI模型能夠更深入地理解和處理專業(yè)知識(shí)，提供更準(zhǔn)確和有針對(duì)性的服務(wù)。
這些專業(yè)模型不僅有助于解決行業(yè)內(nèi)特有的問(wèn)題，還促進(jìn)了相關(guān)行業(yè)的快速發(fā)展。隨著各行業(yè)對(duì)AI技術(shù)需求的增長(zhǎng)，預(yù)計(jì)未來(lái)將有更多垂直模型出現(xiàn)，進(jìn)一步推動(dòng)各行業(yè)的智能化轉(zhuǎn)型。
這些模型的出現(xiàn)，標(biāo)志著AI技術(shù)正朝著更精細(xì)化、專業(yè)化的方向發(fā)展，為各行各業(yè)帶來(lái)更高效的解決方案。
寫(xiě)在最后：
從市場(chǎng)對(duì)大模型的“祛魅”到創(chuàng)新AI架構(gòu)的涌現(xiàn)，再到模型訓(xùn)練成本的降低，2024這一年，見(jiàn)證了AI技術(shù)的快速發(fā)展和應(yīng)用場(chǎng)景的擴(kuò)展。
RAG技術(shù)從“萬(wàn)能鑰匙”轉(zhuǎn)變?yōu)閷Ｗ⒂诮鉀Q“小而難”的問(wèn)題，而AI Agent（智能體）技術(shù)則引領(lǐng)了一波新的變革。
多模型策略的盛行和具身智能的關(guān)注度提升，進(jìn)一步推動(dòng)了AI技術(shù)在各個(gè)領(lǐng)域的應(yīng)用。
向量數(shù)據(jù)庫(kù)的興起和多模態(tài)模型的普及，標(biāo)志著AI技術(shù)在處理非結(jié)構(gòu)化數(shù)據(jù)和多模態(tài)信息方面的能力增強(qiáng)。
最后，從小模型在特定領(lǐng)域的顯著優(yōu)勢(shì)到垂直模型的超越通用模型的能力，AI技術(shù)正朝著更精細(xì)化、專業(yè)化的方向發(fā)展，為各行各業(yè)帶來(lái)更高效的解決方案。
這一年的發(fā)展不僅展示了AI技術(shù)的潛力，也為未來(lái)的智能化轉(zhuǎn)型奠定了堅(jiān)實(shí)的基礎(chǔ)。