2024年，人工智能領(lǐng)域經(jīng)歷了波瀾壯闊的一年，既有突破性的進(jìn)展，也伴隨著挑戰(zhàn)與反思。這一年，AI技術(shù)的每一次革新都牽動(dòng)著業(yè)界的神經(jīng)，從預(yù)訓(xùn)練模型的爭(zhēng)議到視頻生成模型的驚艷亮相，再到AI編程與語(yǔ)音交互的飛速發(fā)展，每一項(xiàng)技術(shù)都在重新定義人與機(jī)器的互動(dòng)方式。
年初，當(dāng)人們還在期待OpenAI的Sora能否如約而至?xí)r，業(yè)界對(duì)視頻生成類大模型的熱情已被徹底點(diǎn)燃。Sora憑借文字生成高清視頻的能力，讓“一鍵生成萬(wàn)千世界”成為可能，DiT架構(gòu)的創(chuàng)新更是為視頻生成模型提供了前所未有的時(shí)空建模能力。隨后，國(guó)內(nèi)多家企業(yè)如字節(jié)跳動(dòng)、快手、智譜等紛紛推出自己的文生視頻模型，雖然商業(yè)化之路依舊坎坷，但技術(shù)的進(jìn)步已不容忽視。
然而，預(yù)訓(xùn)練模型的“黃金定律”——Scaling Law，卻在今年遭遇了前所未有的挑戰(zhàn)。隨著高質(zhì)量文本數(shù)據(jù)的日益枯竭，GPT系列模型的改進(jìn)速度明顯放緩，業(yè)界對(duì)LLM能否通向AGI的質(zhì)疑聲此起彼伏。但危機(jī)往往孕育著轉(zhuǎn)機(jī)，OpenAI研究員提出了通過(guò)增加推理計(jì)算資源來(lái)提升模型表現(xiàn)的新思路，o1系列模型的推出標(biāo)志著深度推理能力成為大模型發(fā)展的新方向。DeepSeek、Kimi、阿里、昆侖萬(wàn)維等企業(yè)紛紛跟進(jìn)，推出了一系列具備深度推理能力的大模型，這些模型在自我反思、學(xué)習(xí)能力上有了顯著提升。
在編程領(lǐng)域，AI的崛起同樣令人矚目。隨著AI編程工具從Copilot向Agent轉(zhuǎn)型，Cursor、Canvas、Jules等智能編程助手的出現(xiàn)，讓開(kāi)發(fā)者的工作效率得到了前所未有的提升。ReAct框架的突破更是讓AI編程助手實(shí)現(xiàn)了從“輔助”到“自主”的轉(zhuǎn)變，讓軟件開(kāi)發(fā)變得更加簡(jiǎn)單、高效。盡管AI編程還不能完全取代程序員的工作，但它已經(jīng)打開(kāi)了人與機(jī)器協(xié)作的新篇章。
語(yǔ)音AI的發(fā)展同樣令人振奮。GPT-4o、科大訊飛的星火模型、字節(jié)跳動(dòng)的豆包等新一代端到端語(yǔ)音大模型的出現(xiàn)，讓“懂場(chǎng)合”、“通人性”的虛擬助手成為現(xiàn)實(shí)。這些模型不僅能實(shí)時(shí)感知上下文，還能靈活選擇聲音的節(jié)奏、語(yǔ)氣，甚至能被打斷和停頓。雖然實(shí)時(shí)語(yǔ)音AI的成本仍然高昂，但“算力分層”等策略的應(yīng)用正在逐步降低這一門(mén)檻。隨著技術(shù)的不斷進(jìn)步，語(yǔ)音AI有望成為智能硬件的第二春。
AI Agent的崛起則是今年AI領(lǐng)域的又一亮點(diǎn)。從智譜的AutoGLM到Anthropic的Claude Computer Use，再到谷歌的Project Mariner等，這些AI Agent不僅具備跨APP的能力，還能通過(guò)簡(jiǎn)單的語(yǔ)音指令完成復(fù)雜任務(wù)。它們正在逐漸將科幻里的“萬(wàn)能助手”變成現(xiàn)實(shí)，引領(lǐng)著人機(jī)交互的新潮流。同時(shí)，AI Agent在游戲行業(yè)的突破更是讓人眼前一亮，網(wǎng)易伏羲和騰訊的AI隊(duì)友已經(jīng)不再是傳統(tǒng)意義上的“NPC”，而是能夠聽(tīng)懂語(yǔ)音指令、實(shí)時(shí)調(diào)整策略、甚至和玩家情感互動(dòng)的智能伙伴。
