Ⅰ- 大模型更加实用，但不再惊艳
2024年初，国内大模型领域呈现出“群雄逐鹿”的局面。 据《每经》统计，截至2024年4月，已经有305个大模型问世，去年诞生的新词“百模大战”到今天依然适用，但价格战的爆发和应用侧的需要已经事实上清退了绝大多数本就没必要诞生的模型。
第一个趋势是小参数的端侧模型。中杯大杯特大杯的分类已经无法满足各类场景的不同需求，大参数模型拥有强大的能力，但它们的训练和调用成本高昂，在硬件能力有限的情况下难以普及。
端侧模型的出现让简单的AI应用进入日常生活不再遥远，最典型的案例是手机/PC端侧模型，比如小米的MiLM、vivo的蓝星大模型等等，它们既在手机上保留关键能力，又能降低资源消耗，这类模型的部署很大程度上成为了AI渗透日常的关键一步。
在此基础上，另一大趋势是混合专家（MoE）技术的应用，一种使模型调用成本更低但依然高效的解决方案。普通的大模型就像一个全知全能的专家什么都会，但价格昂贵（算力需求高）。而MoE模型则如同邀请了一个专家团队，这些专家分别擅长不同领域，用户在需要时调动对应的专家即可。通过这一机制，模型的算力需求和成本大大降低。以Mixtral-8x7B为例，它在性能上与GPT-4差距不大，但在资源需求上却低得多。
此外，多模态的研究也开始成为2024年大模型发展的一个重要方向。人类认知世界是通过视觉、声音、触觉等多模态的方式来实现的，而大模型如果想要真正具备智能，同时真正具备应用价值，仅靠文字输入和输出显然是不够的。以生成配图为例，AI不仅需要理解文字内容，还要能把握图像的语境，随着谷歌发布原生多模态大模型Gemini，多模态能力成为了各大AI公司研究的重点。
对于普通用户来说，大模型回答内容的好坏没有一个特定的评判标准，但大模型能读取的内容越多一定越强。今年3月份，月之暗面的kimi选择了卷“超长文本”这条路。原本我们想让大模型读一本书，或者一篇长文章，都需要用上各种提示词，而kimi直接把大模型的读取能力提高到能够处理200万上下文长度，相当于3本《红楼梦》。随后kimi在国内的影响力一路飙升，连月之暗面接待用户的矿泉水牌子都被扒出来炒作，成就了所谓的“kimi概念股”。
大模型行业的真正“爆点”出现在2024年5月。Deepseek公司掀起了一场价格战，字节、阿里等大厂纷纷跟进降价，百度和讯飞更是推出了免费模型。在技术层面，如模型压缩、混合精度训练等，帮助厂商降低了训练和调用成本，从而为价格调整提供了空间。市场层面，这场价格战无疑是在模仿互联网时代的商业模式，通过降低价格来迅速扩大市场份额。同时，厂商也通过获得更多的用户数据来提升模型的训练效果。
经过这一轮价格战，国内大模型行业的生态得到了重塑。许多中小型企业被迫退出市场，剩下的大厂则通过价格优势占据了市场主导地位。
但领头大模型的技术进步并未停止，2024年9月，OpenAI发布了GPT-o1，该模型通过强化学习和思维链技术，显著提升了推理能力，尤其是在数学问题、编程任务以及科学推理等领域。国内的Kimi和智谱也几乎同步发布了类似的产品，推理能力成为了下半年大模型研究的焦点。
虽然现在的大模型好用便宜，但都不如梦里的GPT-5。
2024年年末，最受关注的大模型消息应该就是GPT-5难产。据《华尔街日报》12月20日报道，OpenAI的GPT-5项目的开发已持续超过18个月，该项目应在2024年年中完成，但现在进度严重滞后。 原因之一是训练成本太高，据估计，GPT-5训练的算力成本可能高达5亿美元（约合36.6亿元人民币），另一方面，可供GPT-5训练的优质数据稀缺，OpenAI不得不专门请一堆人从零给GPT5写训练数据。
希望，2025年能看到GPT-5发布。
Ⅱ - 把功能放进一个软件里
大模型能力是基础，但对于用户日常使用而言，在互联网时代的熏陶下，所有人都期望一个APP能解决所有问题，AI时代也不例外。因此站在软件的角度，整个2024年最清晰的脉络，则是将更多的功能，塞进一个软件里。
▶ AI搜索内容为王
AI搜索被视为大模型应用中最具潜力的方向之一，并且已经成为首个实现大规模落地的领域。生成式大模型本身是一个内容库，它的训练需要大量的数据。此外，生成式大模型最常见的交互方式是对话式这与用户的搜索需求高度契合。
用李彦宏的话来说：“生成式AI与搜索是天作之合。”在此背景下，AI搜索成为了行业的焦点，特别是以AI搜索为核心功能的Perplexity，其估值不断创新高，吸引了OpenAI、谷歌等科技巨头的积极布局，掀起了年初AI搜索的热潮。
腾讯和字节跳动通过借助各自独有的内容生态（抖音和公众号），将AI搜索融入自家的AI助手中，这种策略让它们能够利用现有的庞大用户基础和内容生态，避免了传统搜索引擎的激烈竞争，找到自己独特定位。
▶ 更像人的AI语音
使人工智能能够像人类一样进行自然对话，一直是评估其能力的关键标准，许多人梦想拥有一个类似《钢铁侠》中的贾维斯智能助手。
然而，当前的交互方式仍主要依赖文本。基于此发展起来的音频大模型，实际上是将语音转化为文字，由大模型进行理解和生成，再将生成的文字转换为语音输出。在这一过程中，不可避免地遇到一些文字交互特有的问题，例如对方言的理解困难、情绪识别的不准确，以及用户在对话中途无法有效打断等问题。
在5月OpenAI春季新品发布会上展示了ChatGPT的高级语音模式后，AI语音交流能力的巨大进步引起了广泛关注。
▶ AI视频正在变成生产力工具
在OpenAI于2024年2月15日发布AI视频技术之前，AI视频仍处于实验和抽象阶段，能够实现如PPT一样的背景变化就已被视为领先，代表性的AI软件和公司包括Runway、Pika等。
然而，Sora的出现大大提升了人们对AI视频的期望，scaling law被证实在视频领域也有效，于是各大公司开始投入AI视频，争相在时长、画面运镜、风格和画质上“卷”出更多差异。
然而，AI视频最大的问题在于商业化，这也不被不少人认为是Sora迟迟不发布的原因。恰逢短剧市场火爆，并且短剧在制作上不需要天衣无缝的画面，契合一致性不强的AI视频，抖音快手开始尝试AI+短剧的模式，借此宣传自家AI视频软件。抖音《三星堆：未来启示录》和快手《山海奇镜之劈波斩浪》分别在各自平台获得了1.35亿和5200万的播放量。
AI视频商业化的关键在于把软件卖出去，尤其是在“最佳”AI视频sora还处于画饼阶段。而相较于付费意愿不强的国内市场来说，海外用户付费习惯更好，市场空间明显更大。
为了让AI视频更有生产力，而不是停留在整活视频。AI视频短剧平台产品出现，进一步降低了AI短剧的制作门槛。这些平台将脚本创作、分镜设计、视频生成等短剧制作所需的各个步骤整合在同一个应用中，极大简化了创作流程。比如8月，昆仑万维发布全球首个集成视频大模型与3D大模型的AI短剧平台SkyReels，让创作者“一键成剧”。
▶ 门槛降低的AI Agent
前文提到的AI视频、AI语音、AI搜索等功能，都可以归纳为AI Agent。简而言之，AI Agent是由人工智能驱动的代理人，能够代替人类完成各类任务。
2023年3月，AutoGPT框架项目的发布掀起了AI Agent的浪潮，随后，Baby AGI、AgentGPT等类似产品相继涌现。 然而，由于开发门槛较高，用户数量相对有限。
2024年，AI Agent的趋势逐渐聚焦于降低开发门槛，推动技术的普及。
在今年4月的Create大会上，百度发布AI开发工具AgentBuilder、AI原生应用开发工具AppBuild，主打一个会说话就能开发AI。
12月字节跳动的AI开发平台扣子，也频频更新低代码开发软件，如Project IDE、UI Builder等。
尽管许多用户通过AI Agent实现了“开发者”身份，可“如何让AI开发者赚到钱”却成为了大厂们最新的问题。
目前的AI Agent大部分只能针对单一任务，如编程、修图、写文章等，让AI Agent从单一任务转向广泛通用是发展的另一大趋势。
11月智谱AI发布了其重磅产品——AutoGLM，这款AI Agent能够真正帮助用户自动完成各类任务。在发布会上，智谱AI的CEO张鹏通过AutoGLM向现场人员发放了20000元红包，并宣称这是“历史上AI首次向人类发送红包”。
