2024年度AI十大趨勢報(bào)告

站在新進(jìn)展新信息的最前沿，站在產(chǎn)學(xué)研交匯地帶，把總之，希望這份年度趨勢報(bào)告，能夠?qū)δ阍跉q末年初了解 科技合作伙伴Microsoft牛數(shù)據(jù)XINluDATA2024年度??AI趨勢/技術(shù)篇趨勢??模型創(chuàng)新：架構(gòu)優(yōu)化加速涌現(xiàn)，融合迭代?勢所趨/產(chǎn)品篇/?業(yè)篇結(jié)語1.架構(gòu)層創(chuàng)新助?解決算?瓶頸現(xiàn)實(shí)問題趨勢二ScalingLaw泛化:推理能力成皇冠明珠,倒逼計(jì)算和數(shù)據(jù)變革1.AI模型的性能強(qiáng)烈依賴于規(guī)模/10趨勢三AGI探索:視頻生成點(diǎn)燃世界模型,空間智能統(tǒng)一虛擬和現(xiàn)實(shí)1.視頻?成：從擴(kuò)散模型出發(fā)2.世界模型：從?動(dòng)駕駛領(lǐng)域到整個(gè)世界3.具?智能：回到現(xiàn)實(shí)世界，回到產(chǎn)業(yè)鏈一、大模型創(chuàng)新:架構(gòu)優(yōu)化加速涌現(xiàn),融合迭代大勢所趨一、大模型創(chuàng)新:架構(gòu)優(yōu)化加速涌現(xiàn),融合迭代大勢所趨若能突破若能突破Transformer在算?和數(shù)據(jù)需求??的限制，新架構(gòu)有望在?然語?處理和計(jì)算機(jī)發(fā)了越來越多的“過時(shí)”爭論，體現(xiàn)出?漸迫切的架構(gòu)創(chuàng)涌現(xiàn)，世界范圍內(nèi)的學(xué)者從多個(gè)?向努?，試圖在保留Transformer架構(gòu)優(yōu)勢的基礎(chǔ)上創(chuàng)新性引?其他架構(gòu)特點(diǎn)，解決算?開銷問題，Transformer的絕對(duì)統(tǒng)治地位得到挑來越需要新的突破，以構(gòu)建強(qiáng)?且?效的新?代基礎(chǔ)?模型。強(qiáng)?意味著卓越的性能、泛化能?和抵抗幻覺能?；?效則指低成本、?效率和低能耗。只有具備這兩?特質(zhì)，??智能才能真正成為?和電?02 這些新興?模型架構(gòu)不僅在性能上可以與Transformer模型競爭，還在內(nèi)存效率和可擴(kuò)展性上展現(xiàn)出優(yōu)勢。梅花創(chuàng)投楊顏媛表?，部分新架構(gòu)更易于進(jìn)?并?計(jì)算，技術(shù)原理03元始智能），在實(shí)現(xiàn)?效推理、節(jié)省存儲(chǔ)開銷的同時(shí)保持模型的?性能。這使得RWKV可以“像Transformer?樣”進(jìn)?并?訓(xùn)練，?WKV運(yùn)算符：WKV運(yùn)算符利?時(shí)間衰減因?對(duì)權(quán)重進(jìn)?更新，使得每個(gè)時(shí)間步的輸出依賴于之前所有時(shí)間步的信04更新，確保在每個(gè)時(shí)間步只傳遞和處理相關(guān)信息，從?減少梯度消失和爆炸問題，增強(qiáng)了模型的穩(wěn)定性率），05：（層次化卷積模型，以UniRepLKNet為代據(jù)，如圖像、?頻、時(shí)序預(yù)測等。該模型提出了“局部結(jié)構(gòu)設(shè)計(jì)、重參數(shù)化、核??選擇和隨深度并采?硬件感知的并?算法，在圖像識(shí)別任務(wù)中實(shí)現(xiàn)領(lǐng)先性能，并在?頻、視頻、點(diǎn)云和時(shí)間序列等多模態(tài)任務(wù)中也取得了顯著的結(jié)果。UniRepLKNet的優(yōu)勢在于充分利??核卷積神經(jīng)?絡(luò)的特點(diǎn)，通過創(chuàng)新的架構(gòu)設(shè)計(jì)，有效地解決了感受野、特征抽06070808?分塊遞歸：即并?表?和遞歸表?的混合形式，將輸?序列劃分為塊，在塊內(nèi)按照并?表?進(jìn)?計(jì)算??效內(nèi)存使?：LFM的核?優(yōu)勢在于其?效的內(nèi)存使?和強(qiáng)?的推理能?，這使得它在處理?量順序數(shù)據(jù)時(shí)表現(xiàn)?結(jié)構(gòu)化操作單元：這些單元是模型的基本組成部分，屬于?個(gè)全新的設(shè)計(jì)空間。LFM的設(shè)計(jì)允許模型在擴(kuò)展、推這些加速涌現(xiàn)的創(chuàng)新架構(gòu)多是在不同程度保留Transformer架構(gòu)優(yōu)勢基礎(chǔ)上同時(shí)，?前?多數(shù)創(chuàng)新架構(gòu)雖然能夠在?些?規(guī)模性能測試中實(shí)現(xiàn)與傳統(tǒng)Tranformer架構(gòu)同等甚?更優(yōu)越的性能，0902ScalingLaw泛化二、ScalingLaw泛化:推理能力成皇冠明珠,倒逼計(jì)算和數(shù)據(jù)變革2020年，伴隨著GPT-3問世，第?代ScalingLaw指引我們?cè)趨?shù)量、數(shù)據(jù)集和計(jì)算量之間尋找模型性能的最優(yōu)解；?參數(shù)量與計(jì)算量膨脹下，帶動(dòng)萬卡集群以及?性能?絡(luò)的?數(shù)據(jù)耗盡危機(jī)中，合理善?合成數(shù)據(jù)成技術(shù)原理關(guān)總結(jié)到，他們發(fā)現(xiàn)損失函數(shù)（loss）隨著模型??、數(shù)據(jù)集??和訓(xùn)練使?的計(jì)算量?呈冪律變化。?模型的性能在02ScalingLaw泛化儲(chǔ)、智算平臺(tái)等關(guān)鍵技術(shù)，將底層基礎(chǔ)設(shè)施整合成為?臺(tái)超級(jí)計(jì)算機(jī)，以千億級(jí)甚?萬億級(jí)參數(shù)規(guī)模的?模型訓(xùn)練。02ScalingLaw泛化盡管萬卡集群必然會(huì)強(qiáng)調(diào)對(duì)加速卡的需求，我們?cè)诩夹g(shù)上關(guān)注的卻應(yīng)該是集群的互聯(lián)。從千卡到萬卡，單卡性能下降8%左右，?前全球范圍內(nèi)已經(jīng)有企業(yè)開始追求「10萬卡」以上的集群規(guī)模，在萬卡到10萬卡我們必須要意識(shí)到?個(gè)問題，也許有有估計(jì)稱現(xiàn)有?類公開?本存量約為模型有可能在2026年-2032年之間耗盡這?存量。如果過度訓(xùn)練，這?時(shí)還值得我們關(guān)注的?個(gè)問題是，數(shù)據(jù)的質(zhì)量02ScalingLaw泛化?統(tǒng)計(jì)分布：分析真實(shí)數(shù)據(jù)以確定其潛在的統(tǒng)計(jì)分布，例如正態(tài)分布、指數(shù)分布或卡?分布。然后從這?基于模型：訓(xùn)練機(jī)器學(xué)習(xí)模型以理解和復(fù)制真實(shí)數(shù)據(jù)的特征?深度學(xué)習(xí)：使?深度學(xué)習(xí)的?式?成?質(zhì)量的合成數(shù)據(jù)集。這些?法通常?于更復(fù)雜的數(shù)據(jù)類型，例如圖像或時(shí)間但合成數(shù)據(jù)是否是應(yīng)對(duì)數(shù)據(jù)危機(jī)的最佳解藥仍值得商榷。?先，真實(shí)數(shù)據(jù)永遠(yuǎn)存在相當(dāng)多的離群值和異常值，合成數(shù)據(jù)?成算法很少能重現(xiàn)它們。其次，合成數(shù)據(jù)的引?可能導(dǎo)致模型在訓(xùn)練過程中出現(xiàn)過擬合，從?影響其在現(xiàn)實(shí)世界的?次實(shí)驗(yàn)，使?合成數(shù)據(jù)9次迭代后就會(huì)andGeneralizabilit這?年，我們確實(shí)觀測到規(guī)模的增加帶來了基本的推理能?，但02ScalingLaw泛化以o1為代表的以o1為代表的Inferencescalinglaw使得模型推理能??幅提升，在GPQA這樣的?類專家benchmark上已經(jīng)超過?類PhD?平。推理能??幅提升可以顯著減少幻覺，提?Agent類?）：）：）：訓(xùn)練的探索時(shí)間和增加模型推理的思考時(shí)間Pre-trainingPost-trainingDatasetPreprocessing!Pre-trainingPost-trainingDatasetPreprocessing!Optimization02ScalingLaw泛化②鏡像下降與RLHF結(jié)合，這被認(rèn)為是?PPO并將模型平均技術(shù)在每?輪訓(xùn)練中都作?于獎(jiǎng)勵(lì)模型、模仿學(xué)習(xí)+強(qiáng)化學(xué)習(xí)成為典型模仿學(xué)習(xí)+強(qiáng)化學(xué)習(xí)成為典型AI模型發(fā)展路徑范式。本質(zhì)上是數(shù)據(jù)的稀缺與否及質(zhì)量?低的問題，數(shù)據(jù)多就優(yōu)先模仿學(xué)習(xí)，數(shù)據(jù)少就優(yōu)先強(qiáng)化學(xué)習(xí)（可?我產(chǎn)?數(shù)據(jù)最終是綜合兩種類型的算法技術(shù)以產(chǎn)?更盡管當(dāng)前推理算?還沒有超過訓(xùn)練算?，但推理成本已經(jīng)超過了訓(xùn)練成本。畢竟訓(xùn)練成本是?次值得?提的是，ScalingLaw并?是嚴(yán)格的?然法則，?是?類基于經(jīng)驗(yàn)觀察得出的趨來提供?向性的指導(dǎo)。新舊ScalingLaw的應(yīng)?和泛化將調(diào)整我們對(duì)資源配置和技術(shù)重?03三、AGI探索:視頻生成點(diǎn)燃世界模型,空間智能統(tǒng)一虛擬和現(xiàn)實(shí)“?個(gè)視頻模型”之爭也引發(fā)了?動(dòng)駕駛領(lǐng)域基于??優(yōu)勢，對(duì)世界模型的研究和探索；?能夠帶來體驗(yàn)的世界模型，事實(shí)上也能夠作?于機(jī)器?領(lǐng)域；引發(fā)諸多討論的空間智能概念，與我們?直探索?智能密不可分……技術(shù)原理擴(kuò)散模型?前已經(jīng)在圖像?成、圖像超分辨率和圖像編輯等任務(wù)中取得了顯著0303逆向過程來?成數(shù)據(jù)。在DiT中，這個(gè)逆向過程Transformer以其?注意?機(jī)制?聞名，能夠捕捉序列數(shù)據(jù)中的?距離依賴關(guān)來實(shí)現(xiàn)的，這個(gè)表?被分割成多個(gè)補(bǔ)丁，每個(gè)補(bǔ)丁作為?個(gè)序列元素輸?到TraDiT?持條件?成，這意味著它可以在?成過03?Transformer能夠處理?距離依賴關(guān)系。這種混合架構(gòu)能夠同時(shí)利?兩者TimeSformer是?種專?為視頻理解任務(wù)設(shè)計(jì)的Transformer架構(gòu)，它通過Transformer架構(gòu)中，有效地處理視頻數(shù)據(jù)。這種架構(gòu)可以?于視頻?成任務(wù)，?成），），03OpenAISora通過結(jié)合擴(kuò)散模型與Transformer模型，能夠模擬真實(shí)世時(shí)間?度與時(shí)序?致性：Sora能夠?成?達(dá)領(lǐng)先的量產(chǎn)智能駕駛玩家蔚來、理想等都提出了有關(guān)世界模03模型的成功中汲取靈感，將世界建模定義為?監(jiān)督的視?智能是指?種基于物理?體進(jìn)?感知和?動(dòng)的智能系統(tǒng)，其通過智能體與環(huán)境的交互獲取信息、Sim2Real(simulationtor2003?項(xiàng)明顯特征是，在完成了??、避障等基本功能后03空間智能是指機(jī)器在三維空間和時(shí)間中感知、推理和?動(dòng)的能?，幫助它理解事物在三維空間中的AppleApple款為空間計(jì)算所打造的操作系統(tǒng)visionOS，它包括了2203?數(shù)字孿?：通過集成物理模型、傳感器更新、運(yùn)?歷史等數(shù)據(jù)，在虛擬空?沉浸技術(shù)（XR）：主要包括增強(qiáng)現(xiàn)實(shí)（AR）、虛擬現(xiàn)實(shí)（VR）和混合現(xiàn)實(shí)（MR)，他們?前仍是空間計(jì)算概念落?觸覺反饋和感官界?：設(shè)備的觸覺反饋增加了沉浸感，混合現(xiàn)實(shí)頭戴設(shè)備和觸感?套能在虛擬環(huán)RokidRokid像技術(shù)實(shí)現(xiàn)AR效果，同時(shí)深度整合阿?巴巴旗下通義千交互實(shí)現(xiàn)物體識(shí)別、實(shí)時(shí)翻譯、定位導(dǎo)航、購物?付多推理和?動(dòng)能?的機(jī)器?能徹底改變我們與及到?量的數(shù)據(jù)處理、模型訓(xùn)練以及如何在現(xiàn)實(shí)場景有效23趨勢四AI應(yīng)用格局:第一輪洗牌結(jié)束,聚焦20賽道5大場景趨勢五AI應(yīng)用競爭:多領(lǐng)域競速運(yùn)營大于技術(shù),AI助手兵家必爭趨勢六AI應(yīng)用增長:AI+X賦能類產(chǎn)品大干快上,原生AI爆款難求趨勢七AI產(chǎn)品趨勢:多模態(tài)上馬,Agent席卷一切,高度個(gè)性化呼之欲出AI軟件產(chǎn)品--多功能綜合平臺(tái)息流FlowUs有道--AI開發(fā)平臺(tái)-AI智能助?Kimi智能助?-AIAgent斑頭雁BetterYeah懂法貓SeeAI新媒體?章光速寫作新華妙筆公?寫作?字游俠媒幫派偽原創(chuàng)蛙蛙寫作cueMe+阿?悉語--AIPPTAiPPTiSlideChatPPT歌者PPT秒出PPTGaiPPTHONORMmeizuHONORMmeizugd:artTiamat-A-AI圖像編輯BGM貓?zhí)?AI硬件新物種i圖回回AI硬件產(chǎn)品eli-其他-其他04四、四、AI應(yīng)用格局:第一輪洗牌結(jié)束,聚焦20賽道5大場景維度觀察國內(nèi)產(chǎn)品的現(xiàn)狀，我們結(jié)合產(chǎn)品具體功能、使?體驗(yàn)、運(yùn)營狀況和??數(shù)據(jù)等因素，(一)20+細(xì)分賽道國內(nèi)國內(nèi)AIAPP賽道分布.........旦w文門......2504國內(nèi)國內(nèi)AI分品Web端賽道分布insigitGcitwindAI圖?6款款確的收費(fèi)模式和付費(fèi)意愿。僅有????明確進(jìn)?會(huì)員收費(fèi)，?Kimi智能助?則是打賞式收費(fèi)，智譜清?和天?AI26042704奇/搜搜薯等。這種結(jié)合不僅增強(qiáng)了平臺(tái)作為搜索引擎的功能性，AI陪伴也是眾多公司布局AI原?應(yīng)?的重要選擇。包含?冰科技、?線球科技、Minimax、階躍星?、有零科技在內(nèi)2804國內(nèi)產(chǎn)品在新增速度和??活躍等數(shù)據(jù)上普遍下滑。?全球范圍內(nèi)，CharacterAI、JanitorAI、Crushon、Talkie經(jīng)過和海外產(chǎn)品的深?對(duì)?，量?位智庫認(rèn)為關(guān)鍵在于國內(nèi)產(chǎn)品缺乏對(duì)深度情感鏈接的探索。CharacterAI、Replika等海外產(chǎn)品更注重個(gè)性化和深度情感交流，追求具有獨(dú)??格和復(fù)雜情感反應(yīng)的AI形象。?國內(nèi)市場則更傾向于短期的趣味性互動(dòng)或娛樂化的陪伴功能，產(chǎn)品滿?的需求過于淺層，同類產(chǎn)品間可替代性強(qiáng)，難以讓??深?AI可以根據(jù)模板直接產(chǎn)出整段?字。?深度AI編輯功能則更類似Copilot，能夠在成?過程中提供?本潤?、續(xù)寫擴(kuò)室和圖怪獸。另?類則是進(jìn)?步功能細(xì)分的產(chǎn)品，包括主打圖?290404內(nèi)技巧，代表產(chǎn)品有佐糖、Fotor和AI改圖。?批量修圖在會(huì)議跟拍和?像攝影中基本成為?業(yè)標(biāo)配。代表產(chǎn)品有像素蛋糕、百度?盤AI修圖、美圖云秀。?在APP端，畫質(zhì)提升和智能摳圖成為主流功能。美圖秀秀、醒圖、AI相機(jī)在Web端和APP端呈現(xiàn)出了明顯差異。Web端主要為電商2B的AI商拍，具體使?者可以將?底商品圖或?臺(tái)圖進(jìn)?上傳，產(chǎn)品會(huì)根據(jù)所需的模特姿勢、背景氛圍等?成可直接使?的商品詳受技術(shù)進(jìn)步的影響，?字/圖?直接?成視頻在技術(shù)和創(chuàng)業(yè)領(lǐng)域已經(jīng)成為熱?，但由于產(chǎn)品落地具有?定的滯后性，?基于AI的視頻編輯軟件：包括視頻翻譯、?本剪視頻、?像智能修圖、添加濾鏡、畫質(zhì)修復(fù)等功能，代表產(chǎn)品有300404(二)五大使用場景國內(nèi)國內(nèi)AIAPP賽道分布insigi文w國內(nèi)國內(nèi)AI分品Web端場景分布3204夠?yàn)樘囟▓鼍?站式解決?案。相對(duì)于專注單?場景的其他產(chǎn)品，這類綜合性產(chǎn)品能夠?qū)崿F(xiàn)不同功能?低成本提升輸出內(nèi)容的專業(yè)度：提?詞優(yōu)化系統(tǒng)、結(jié)合垂直領(lǐng)域?qū)＜抑R(shí)、加???驗(yàn)證環(huán)節(jié)?成質(zhì)量與穩(wěn)定性：?質(zhì)量內(nèi)容的?致性輸出，需?解決變現(xiàn)瓶頸，尋求訂閱制收費(fèi)之外的變現(xiàn)?式，基于?成內(nèi)容量收費(fèi)或3304?情感交互的深度與?然度，如情感識(shí)別和共鳴能?、多模態(tài)的?多是在原有?常?軟件的基礎(chǔ)上通過要素識(shí)別和個(gè)性化計(jì)劃制定來提升??體驗(yàn)。具體包含AI健康、AI教育、AI運(yùn)動(dòng)、AI?記等。預(yù)估未來健康、運(yùn)動(dòng)和教育將成為重點(diǎn)發(fā)展賽道，原有相關(guān)互聯(lián)?產(chǎn)品，如Keep等，將結(jié)合場景經(jīng)3405五、五、AI應(yīng)用競爭:多領(lǐng)域競速運(yùn)營大于技術(shù),AI助手兵家必爭為了客觀還原國內(nèi)AI產(chǎn)品的現(xiàn)狀，針對(duì)篩選出的40(一)APP端數(shù)據(jù)分析但由于APP端在使?場景（?活化的碎?化場景）、可?數(shù)據(jù)（?機(jī)?帶的GPS數(shù)據(jù)、攝像頭提供的圖像數(shù)據(jù)等）、使?時(shí)?（全天候互動(dòng)）??相對(duì)于Web端和PC端有共8款產(chǎn)品今年累計(jì)新增下載量超過千萬。依次為超過5000萬的Kimi智能助?和百度?庫。2000萬量級(jí)的WPS3505），），363623567新增百萬級(jí)AI新增百萬級(jí)AIAPP05123567891234568937051234678938(二)Web端數(shù)據(jù)分析訪問量超百萬級(jí)AIWeb端分品通義百度AI助?124567893905位。另外還有Pixverse、新媒體?145678E因9400522344 125678LibLibAI05(三)量子位智庫AI100蓋了技術(shù)、??、商業(yè)等產(chǎn)品評(píng)價(jià)維度，同時(shí)包含不同區(qū)間的下載總量、新增下載、活躍??數(shù)、留存率等定量數(shù)據(jù)，以及??評(píng)價(jià)、底層技術(shù)、功能評(píng)測等定性評(píng)分，以真實(shí)數(shù)據(jù)為基礎(chǔ)，結(jié)合??體驗(yàn)和市場前景，全?客觀評(píng)綜合綜合AI100功能分布綜合AI100場景分布款、6款和10款產(chǎn)品?圍，后兩者的數(shù)據(jù)表現(xiàn)綜合AI100場景分布42綜合AI100功能分布05綜合AI1002024年度最受歡迎的100款2024年度最受歡迎的100款A(yù)IGC分品AippTAippTn4305原生AI2024年度最受歡迎的100款2024年度最受歡迎的100款A(yù)IGC分品豆包Marscoder4406六、六、AI應(yīng)用增長:AI+X賦能類產(chǎn)品大干快上,原生AI爆款難求4506(一)辦公軟件類AI+X分品其中，主要業(yè)務(wù)為提供模板及參考內(nèi)容的素材庫類產(chǎn)品和百度文庫WPSWPSAIAI4606BoardmixBoardmix博思白板博思白板稿定設(shè)計(jì)由于AI的?成能?尚?法直接?幅優(yōu)化核??作內(nèi)容，此類軟件更多提供周邊的AI優(yōu)化編輯功能。稿定4706(二)內(nèi)容平臺(tái)類AI+X分品?在編輯軟件??，?前，包括字節(jié)剪映、快?快剪、bi4806?場景融合優(yōu)勢：在X+AI應(yīng)?中，AI功能能夠?縫集成到已有產(chǎn)品和?作流程中，???需遷移底層數(shù)據(jù)和邏輯，就可以在熟悉的平臺(tái)上完成從?檔編輯到A?認(rèn)知負(fù)擔(dān)最?化：在??熟悉的界?中?然植?AI功能，復(fù)?已有的操作邏輯和交互?式，避免引?新的概念或?確保AI?具能夠在不同平臺(tái)（如移動(dòng)端、桌?端）?縫運(yùn)?，優(yōu)化??的多平臺(tái)體驗(yàn)?根據(jù)??操作上下?，提供智能提?或?動(dòng)觸發(fā)AI功能，減少?動(dòng)?與知名品牌或平臺(tái)合作，通過?與知名品牌或平臺(tái)合作，通過4907七、七、AI產(chǎn)品趨勢:多模態(tài)上馬,Agent席卷一切,高度個(gè)性化呼之欲出(一)多模態(tài)多模態(tài)交互的核?在于通過整合不同類型的輸?和輸?然的交互體驗(yàn)。相?單?的?本或語?交互，多模態(tài)交互能夠更好地適應(yīng)不同的場景和??需求，提升?機(jī)的靈活性和??體驗(yàn)。例如，在駕駛、運(yùn)動(dòng)、辦公等不同環(huán)識(shí)別??的指令，還能通過圖像識(shí)別??的表情、?勢或周圍環(huán)境。多模態(tài)信息的融合能夠幫助AI更準(zhǔn)確和全?地理解??的需求，減少誤解或偏差，幫助AI更有效在?前國內(nèi)的AI產(chǎn)品中，最為常?的是語?+?宇的多模態(tài)交互，多出現(xiàn)于AI智能助?和AI陪伴中。隨著Transformer架構(gòu)使?模型對(duì)圖像和視頻信息的處理能?快速提升，預(yù)計(jì)25年將開始出現(xiàn)更為綜合性AI能夠通過物聯(lián)?、特定信息等多種感知通道進(jìn)?協(xié)同。多模態(tài)輸?和輸出將使AI交互性更強(qiáng)，交互頻次更?和適50(二)Agent化“數(shù)字員?”。代表包括邏輯智能的InsiderX智能員?、意?科技的Tyrion.ai平臺(tái)、未來式智能的Au技術(shù)上，?模型模型性能有了顯著進(jìn)步。?具調(diào)?和多Agent調(diào)?編排能?的完善使Agent能夠更好地跨越不同平臺(tái)的布局，聯(lián)想、榮耀等?商?前已有旗艦機(jī)型出現(xiàn)，榮耀已率先發(fā)布?個(gè)跨應(yīng)?開放?態(tài)AI智能體。搭載有?研AI5107取代，并出現(xiàn)定制化的?動(dòng)化流程、個(gè)性化的知識(shí)管理和獨(dú)特的?業(yè)解決?案等(三)高度個(gè)性化銷（商品個(gè)性化推薦、營銷內(nèi)容個(gè)性化?成）領(lǐng)域有明顯進(jìn)展。在硬件端搭載的多款A(yù)I智能助?已開始以?度個(gè)性?構(gòu)建多模態(tài)實(shí)時(shí)??畫像：融合?為數(shù)據(jù)、偏好設(shè)置、歷史交互等多種數(shù)據(jù)，并結(jié)合實(shí)際情境精準(zhǔn)確定??需求互聯(lián)?資源等；同時(shí)需要具備上下?感知能?，能夠根據(jù)??當(dāng)前的需求、任務(wù)和對(duì)話上下?，?動(dòng)篩選出最?知識(shí)適配機(jī)制：建?個(gè)?知識(shí)域和偏好的映射關(guān)系，52趨勢八AI智變千行百業(yè):左手變革生產(chǎn)力,右手重塑行業(yè)生態(tài)趨勢九AI行業(yè)滲透率:數(shù)據(jù)基礎(chǔ)決定初速度,用戶需求成為加速度趨勢十AI創(chuàng)投:投融資馬太效應(yīng)明顯,國家隊(duì)出手頻率提升08八、八、AI智變千行百業(yè):左手變革生產(chǎn)力,右手重塑行業(yè)生態(tài)(一)(一)AI:落地于千行百業(yè)告》、《AIGC教育?業(yè)全景報(bào)告》、《AI?樂應(yīng)??業(yè)報(bào)告》、《中國AI?模型創(chuàng)業(yè)格局報(bào)告》、《中國具?智能區(qū)分AI+?業(yè)和AI原??業(yè)的重要特征是AI在其組織架構(gòu)的地位。例如智能駕駛、具但AI+與AI原?在?業(yè)中并不是涇渭分明的關(guān)系，?是基于以上特點(diǎn)和量?位智庫在2024年度對(duì)整個(gè)AI及相關(guān)落地?業(yè)的重點(diǎn)追蹤和觀察，我們以智能駕駛、具?智能、智能硬件、游戲、影視、營銷、教育、醫(yī)療為5408(二)(二)AI落地行業(yè)特點(diǎn)分析2023年，我們跟進(jìn)了端到端模型在?動(dòng)駕駛領(lǐng)域的重要進(jìn)展，未來場景和真實(shí)的未來時(shí)刻數(shù)據(jù)，進(jìn)??監(jiān)督訓(xùn)練。同時(shí)在本報(bào)告的第近年來越來越多的L4玩家推出適?于乘?車的智能駕駛產(chǎn)品。?動(dòng)駕駛技術(shù)的釋放可以讓數(shù)據(jù)質(zhì)量（傳感器?案是否?致也是智能駕駛能?迭代的影響因素之?。不同傳感器?案會(huì)使?不同5508?業(yè)主要由?動(dòng)駕駛技術(shù)供應(yīng)商、車?和出?平臺(tái)組成，?前尚處于發(fā)展階段，前期研發(fā)投??。在?技術(shù)是Robotaxi的關(guān)鍵驅(qū)動(dòng)?，頭部玩家已實(shí)現(xiàn)端到端?部分任務(wù)；同時(shí)，?業(yè)開始轉(zhuǎn)向利?世界模型訓(xùn)練?動(dòng)駕駛算法，世界模型使得?動(dòng)駕駛有望擺脫路?政策為技術(shù)在場景內(nèi)的真正落地提供?持，同時(shí)?起到引導(dǎo)規(guī)范的作?。2023年上海市發(fā)布細(xì)則對(duì)臨港新?區(qū)??駕駛智能?聯(lián)汽車的測試、應(yīng)?和商業(yè)化運(yùn)營做出明確規(guī)定。隨后在國內(nèi)，重慶、深圳、?州、武漢和北京等多5608在這篇論?結(jié)尾圖靈展望了??智能可能的兩條發(fā)展道路：?條路是聚焦抽象計(jì)算；另?條則是在這篇論?結(jié)尾圖靈展望了??智能可能的兩條發(fā)展道路：?條路是聚焦抽象計(jì)算；另?條則是源碼資本執(zhí)?董事陳潤澤表?，在具?智能領(lǐng)域，短期內(nèi)技術(shù)還?法滿??們對(duì)通?機(jī)器?的預(yù)機(jī)器?開源公版機(jī)“??”發(fā)布通?機(jī)器??平臺(tái)“天?1.0LITE”、能服務(wù)機(jī)器?“天軼”，啟動(dòng)“百臺(tái)天?計(jì)劃”57前者是?前?業(yè)共識(shí)中更先進(jìn)、更未來，也更接近?類真實(shí)形態(tài)的技術(shù)路線，?前成熟度尚處早期階段。?后者可當(dāng)下?乎所有“國家隊(duì)”、“地?隊(duì)”玩家以及?部分年輕的創(chuàng)業(yè)玩家都會(huì)采取第?類技術(shù)路線，向更未來的技術(shù)路徑和產(chǎn)品形態(tài)發(fā)出沖擊和挑戰(zhàn)，不斷在兩??進(jìn)穩(wěn)定性、速度、地形泛化運(yùn)動(dòng)能?、靈巧?泛化抓取等能?上尋求突破。同時(shí)，也有不少創(chuàng)企尤其是成?時(shí)間較久的機(jī)器?企業(yè)在第?類技術(shù)路線上積累更深厚，具備較為成熟的現(xiàn)有?語?模型和多模態(tài)?模型的成功?先依賴互聯(lián)?上海量的?本、視頻數(shù)據(jù)；相較???前具?智現(xiàn)有?語?模型和多模態(tài)?模型的成功?先依賴互聯(lián)?上海量的?本、視頻數(shù)據(jù)；相較???前具?智5808應(yīng)?場景更多停留在科研和教育領(lǐng)域。這與市場?理性的過?預(yù)2024年具?智能?業(yè)在技術(shù)進(jìn)步、市場規(guī)模擴(kuò)?、應(yīng)?場景拓展等??取得了顯著成就，同時(shí)也?臨著技術(shù)挑戰(zhàn)和數(shù)據(jù)問題。隨著技術(shù)的不斷發(fā)展和產(chǎn)業(yè)鏈的完善，預(yù)計(jì)具?智能將在更多領(lǐng)域?qū)崿F(xiàn)商業(yè)化落地，為社會(huì)帶來更多顛具?智能創(chuàng)業(yè)公司的?期成功可能不取決于科研和技術(shù)實(shí)?，?是在于理解技術(shù)邊界和定義具?智能創(chuàng)業(yè)公司的?期成功可能不取決于科研和技術(shù)實(shí)?，?是在于理解技術(shù)邊界和定義5908?機(jī)……與從前產(chǎn)品在計(jì)算能?、功能性上）：）：6008?操作系統(tǒng)：集成?然語?處理、圖像識(shí)別等AI的操作系統(tǒng)?個(gè)性化：以??的使?習(xí)慣和需求作為數(shù)據(jù)輸?，進(jìn)?智能推薦和優(yōu)化。側(cè)模型能創(chuàng)造全新的場景和功?，它將成為主流消費(fèi)電?多類傳統(tǒng)的穿戴類消費(fèi)電?多類傳統(tǒng)的穿戴類消費(fèi)電?，得益于端側(cè)AI的發(fā)展，未來在信息提?、通訊、導(dǎo)航等??同樣售價(jià)/元過軟件更新獲得導(dǎo)航、提詞器、快速健康、健?信-6108短等。為??提供?清、舒適、可持續(xù)佩戴的視覺體驗(yàn)是不同?商持續(xù)進(jìn)售價(jià)/元62086308AI?成?樂來填充游戲過程與游戲UI中需要使?提?在游戲內(nèi)定制??，對(duì)??進(jìn)?縮放、擠壓和拉伸，也可以輕松地對(duì)游6408影視?業(yè)是指涉及電影、電視劇、綜藝節(jié)?等影像藝術(shù)創(chuàng)作與傳播的產(chǎn)業(yè)領(lǐng)域。移動(dòng)互聯(lián)?時(shí)代之后，這??業(yè)的移動(dòng)互聯(lián)?時(shí)代以來，數(shù)字化技術(shù)已經(jīng)滲透到產(chǎn)業(yè)從拍攝到后期的各個(gè)環(huán)節(jié)，?互聯(lián)?內(nèi)容平臺(tái)的興起則為內(nèi)容產(chǎn)我們?cè)凇禔I視頻?成研究報(bào)告》中提到，視頻現(xiàn)已成為移動(dòng)互聯(lián)?最?的內(nèi)容消費(fèi)梗圖?成視頻、AI梗圖?成視頻、AI視頻特效等彎道超?具象化且具備傳播性的視頻?具獲得???睞，降低了??65?前滲透率演化階段根據(jù)場景有所區(qū)分，主要卡點(diǎn)可以概括為：?成內(nèi)容的不可控性。具體包括形象不?實(shí)現(xiàn)，以及隨著時(shí)?增加逐漸出現(xiàn)明顯不符合物理規(guī)6608劇本創(chuàng)作與優(yōu)化劇本創(chuàng)作與優(yōu)化AI可以輔助?成劇本草稿或提出情節(jié)改進(jìn)?案，甚?預(yù)測劇本票房潛?，幫抖音島快手抖音島快手iaIYI6708?20世紀(jì)80年代改?開放以來，中國營銷?業(yè)經(jīng)歷了從傳統(tǒng)到數(shù)字化再到智能化的變?。最初，營銷依賴電視、?播和報(bào)紙等傳統(tǒng)媒體。隨著互聯(lián)?和社交媒體的興起，以SEO?回歸營銷本質(zhì)：?告主營銷需求和??的需求能進(jìn)?直?流程扁平化：以往?告營銷全流程需要在內(nèi)容、設(shè)計(jì)、定向出價(jià)等每步環(huán)?從「局部最優(yōu)」到「全局最優(yōu)」：從傳統(tǒng)的?告推薦模型，變成以數(shù)據(jù)驅(qū)動(dòng)6808?提?營銷內(nèi)容?產(chǎn)效率，實(shí)現(xiàn)精準(zhǔn)鏈接和?效觸達(dá)投放觸點(diǎn)及?群對(duì)應(yīng)?成并進(jìn)?精準(zhǔn)投放。??的個(gè)性06908當(dāng)前國內(nèi)AI教育玩家多數(shù)選擇在學(xué)習(xí)機(jī)中搭載?模型的?式，完成AI與教育的融合。這類產(chǎn)品的出現(xiàn)為??提供了增以軟件切?AI教育賽道的玩家，通常選擇7008教育?業(yè)對(duì)AI?模型的幻覺問題，必須保持零容忍的態(tài)度和不斷降低幻覺問題出現(xiàn)的技但也和?多數(shù)AI+?業(yè)的類似，教育是?向?類的事業(yè)，關(guān)乎?類的?存、發(fā)展和?由。尋找更有效率的?式使AI成全球范圍內(nèi)對(duì)AI技術(shù)潛在?險(xiǎn)和道德影響的?益關(guān)全球范圍內(nèi)對(duì)AI技術(shù)潛在?險(xiǎn)和道德影響的?益關(guān)在國內(nèi)，?易有道、學(xué)?思、華東師范?學(xué)等企業(yè)及?7108?醫(yī)療服務(wù)效率和質(zhì)量的過程。中國AI醫(yī)療的發(fā)展歷史最早可以追溯到20世紀(jì)80年代初，經(jīng)歷??年的發(fā)展后，在?數(shù)據(jù)收集整合打通：過往醫(yī)療數(shù)據(jù)往往分散在不同的醫(yī)療機(jī)構(gòu)數(shù)據(jù)池中，且數(shù)據(jù)的收集和存儲(chǔ)結(jié)構(gòu)各異，難以在?醫(yī)療?業(yè)模型打造AI醫(yī)?：AI技術(shù)使醫(yī)療知識(shí)庫能夠快速積累結(jié)構(gòu)化多模數(shù)據(jù)、垂直醫(yī)療?模型持續(xù)學(xué)習(xí)醫(yī)療知?全?提升醫(yī)療科研、診斷和治療效果：利?AI分析患者的基因組學(xué)數(shù)據(jù)和?活習(xí)慣，制定更加精準(zhǔn)的治療?案；圖：AIε療應(yīng)?場景7208機(jī)器學(xué)習(xí)算法使AI系統(tǒng)能夠不斷學(xué)習(xí)和優(yōu)化??知識(shí)圖譜幫助AI問診系統(tǒng)構(gòu)建醫(yī)療領(lǐng)域的知并基于專業(yè)醫(yī)學(xué)知識(shí)圖譜和機(jī)器學(xué)習(xí)算法，調(diào)?覆蓋全科的預(yù)問診模型計(jì)算機(jī)視覺、分?病理學(xué)、基因組學(xué)和?物信息學(xué)的快速進(jìn)步促進(jìn)了計(jì)算病理學(xué)的加速發(fā)展。癥組織病理學(xué)提取?量的?物學(xué)和臨床相關(guān)信息。AI7308?7409九、九、AI行業(yè)滲透率:數(shù)據(jù)基礎(chǔ)決定初速度,用戶需求成為加速度(一)(一)AI行業(yè)的變革與滲透1.AI?業(yè)影響?圖譜?數(shù)據(jù)：指?業(yè)?本及視覺數(shù)據(jù)的密集程度和結(jié)構(gòu)化程度，數(shù)據(jù)資源越密集、結(jié)構(gòu)化程度越?的?業(yè)接?AI能?的75767609?原?指數(shù)：指「?業(yè)發(fā)展」與「AI技術(shù)發(fā)展」的伴?關(guān)聯(lián)性，具體考察越充分的?業(yè)利?新技術(shù)實(shí)現(xiàn)降本增效的經(jīng)濟(jì)回報(bào)越??迭代：?業(yè)迭代，指?業(yè)提供的產(chǎn)品及服務(wù)的迭代速度和頻率，通常迭代速度越快、頻率越?的?業(yè)強(qiáng)?意愿：涉及?業(yè)內(nèi)??對(duì)AI進(jìn)?的接受意愿、??對(duì)AI技術(shù)變?需求的強(qiáng)??態(tài)：考察AI在?業(yè)內(nèi)的需求場景創(chuàng)造能?；提?舊需求的效AI道德責(zé)任等問題，都要求我們協(xié)調(diào)技術(shù)發(fā)展?政策：政策?持對(duì)AI技術(shù)在?業(yè)內(nèi)的發(fā)展具有重要作?；通過提供資??持、稅收優(yōu)惠、市場準(zhǔn)?放寬等措施促進(jìn)?業(yè)的創(chuàng)新、發(fā)展和競爭?提升；通過出臺(tái)試點(diǎn)?案、條2.AI?業(yè)?態(tài)位第一梯隊(duì)智能駕駛第一梯隊(duì)智能駕駛具?智能第二梯隊(duì)營銷影視游戲第三梯隊(duì)教育醫(yī)療智能硬件09和充分的市場競爭屬性決定在這類?業(yè)，AI能有較?的變游戲和影視?業(yè)同為消費(fèi)型內(nèi)容產(chǎn)業(yè)，主要提的是，游戲?業(yè)對(duì)收集??反饋數(shù)據(jù)并及時(shí)迭代的需求受制于AI技術(shù)能?，以及這類?業(yè)對(duì)內(nèi)容產(chǎn)出可以預(yù)?是，智能硬件?業(yè)的產(chǎn)品將會(huì)蠶?原新應(yīng)?場景和改善??體驗(yàn)，提供前所未有的競爭?。但在當(dāng)前，?泛存在??需展。盡管這些?業(yè)沒有太多的互聯(lián)?基因，但由于其普惠77120100120100十、十、AI創(chuàng)投:投融資馬太效應(yīng)明顯,國家隊(duì)出手頻率提升(一)我國(一)我國AI行業(yè)投融資分析4內(nèi)AI?業(yè)發(fā)?融資事件908件，總?cè)谫Y?額762.23億元。相?去年同期融資事件數(shù)量同?減少19%，總?額增加140這?變化主要反映出?業(yè)整體投資回歸理性、機(jī)構(gòu)出?更加謹(jǐn)慎，?險(xiǎn)偏好總體更趨保守，使得資?流向集中于熱化節(jié)奏、?業(yè)成熟度的快速提升，部分明星項(xiàng)?的?額融資事件也在客觀上助推了投資總?額的?漲船?。?榕創(chuàng)1400 8060402002024-012024-022024-032024-042024-052024-062024-072024-082024-092024-108060402002024-012024-022024-032024-042024-052024-062024-072024-082024-092024-1078AI原?應(yīng)?已經(jīng)涌現(xiàn)??批5億美?以上估值甚?獨(dú)?獸的公司AI原?應(yīng)?已經(jīng)涌現(xiàn)??批5億美?以上估值甚?獨(dú)?獸的公司，并且獲得了PMF驗(yàn)證，達(dá)到了------*爾曼--79--?額也在數(shù)?億??幣級(jí)。下半年以來具?智能賽道投融資事件頻發(fā)，其中逐際動(dòng)?、帕西尼感知科技都已完成A輪融資，知?機(jī)器?、宇樹科技、云深處科技更是來到了BC輪次，體現(xiàn)出賽道投融資階段逐漸成熟。?僅?家公司融----80幣--2.投資熱度向更晚達(dá)到TPF的賽道轉(zhuǎn)移期5倍以上，體現(xiàn)出?業(yè)共識(shí)隨AI技術(shù)及?業(yè)成熟度的改變正發(fā)?著快速變化，機(jī)構(gòu)對(duì)技在其余賽道中，超千萬融資事件13起，其中包括3起超億元融資事本、??資本、領(lǐng)沨資本、?溪資本數(shù)億元??幣押注潞晨科技，螞蟻集團(tuán)1億元領(lǐng)投愛詩科技。?業(yè)整體投資熱度81(二)科技合作伙伴觀點(diǎn)精選3）可實(shí)現(xiàn)數(shù)據(jù)-模型優(yōu)化-服務(wù)能?提升的閉環(huán)產(chǎn)品形態(tài)：AI產(chǎn)品或平臺(tái)在落地后，新數(shù)據(jù)采集-模型不斷優(yōu)化-服務(wù)能?提升的閉環(huán)，例如ChatGPT可利?海量??的交互數(shù)據(jù)進(jìn)3）熟練使?和微調(diào)最先進(jìn)的?模型，在數(shù)據(jù)和我覺得關(guān)鍵的要點(diǎn)是做到「技術(shù)為先、場景為重其次但更重要也是最難的是，要做出你的落地場景和產(chǎn)品定位的選擇，既要跟模型??保持安全距離，?要避開跟該領(lǐng)域當(dāng)前領(lǐng)先企業(yè)的正?沖突，找到合適的細(xì)分市場迅速發(fā)展，最好可根據(jù)歷史上互聯(lián)?和移動(dòng)互聯(lián)?的發(fā)展經(jīng)驗(yàn)看，我們建議創(chuàng)業(yè)團(tuán)隊(duì)要優(yōu)先選擇「?共識(shí)」的領(lǐng)域和場景，因?yàn)椤?共識(shí)」可以成為創(chuàng)業(yè)公司早期的保護(hù)傘，且堅(jiān)持做「正確??容易的事情」。82?是提?數(shù)據(jù)可?性，通過數(shù)據(jù)擴(kuò)充、引?先驗(yàn)知識(shí)（模型預(yù)訓(xùn)練與遷移學(xué)習(xí)）、?絡(luò)模型結(jié)邏輯/規(guī)則/知識(shí)的?法，利?決策樹、?業(yè)知識(shí)圖譜等可解釋的模型構(gòu)建?盒模型的局部/全局三是提?實(shí)時(shí)性，聚焦?業(yè)端側(cè)推理的(半)定制化芯?探索，當(dāng)前基本集中在馮?結(jié)構(gòu)局部優(yōu)化路徑；或是利?知識(shí)蒸餾、模型剪枝與核?是找到當(dāng)前技術(shù)能夠帶來明顯??價(jià)值的場景，做