玩币族移动版

来源：AI黑马

作者：启明创投未尽研究

AI黑马 推荐语：

此前，我们分享了清华大学、腾讯研究院的研究报告（可以看往期文章）。本次分享的报告来自启明创投。这份人工智能报告，搞清楚了ChatGPT、Gen-AI、大模型、多模态……

壹?| 2022年，ChatGPT出世，扩散模型应用取得突破，这一年也被称为生成式人工智能之年。

贰?| 2023年，大模型推向了一个高峰，生成式人工智能，进入通用人工智能创新应用的阶段。

叁?| 2024年，中国将出现比肩GPT-4的多语言通用大模型。

肆?| 2025年之前，Video 和 3D 等模态将迎来里程碑式的模型，大幅提高生成效果。

伍?| 生成式人工智能的生态包括了基础设施层、模型层与应用层，创新在每一个层面发起，竞争也在科技巨头、行业龙头和初创公司之间展开。面对这一革命性的技术，不论是主动还是被动，企业都被卷入其中。不管是技术的守成者、创新者还是采纳者，业务模式都将发生变化，进而影响企业的发展。

陆?| 当前，生成式 AI 尚处于技术发展的早期阶段，基础架构和核心技术并不成熟；科技巨头忙于研发大模型，尚未顾及深度切入具体的应用场景。但巨头何时添加相似的功能，始终是悬在初创企业头上的达摩克利斯之剑，而大模型能力边界的扩张也可能在未来挤占初创企业的发展空间，可以说，这是初创企业的蓝海，但也有发展道路上的暗礁。

柒?| 大模型不仅用来生成文章和图片，而且可以用来当成智能代理，帮助管理和执行更复杂的任务。开源模型实现了低成本、小型化、专业化的训练，与闭源的基础模型竞争互补，共同推动了生成式人工智能技术的应用，也加快了模型向边缘侧和移动端部署。

捌?| 生成式人工智能大模型日益向多模态发展，具身智能也成为一个重要研究方向，帮助生成式人工智能更好地理解和处理现实世界的复杂性和多样性。

玖?| 在出现更有前景的大语言模型之前，为实现垂直领域更好的效果，以下三种方式将共存： 1）在不改变数据分布的情况下，利用更多通用数据 进行通用大模型预训练，不特别引入行业数据；2）利用行业专属数据微调（Fine-Tuning）通用大模型；3）利用行业数据占比更高的数据集进行垂直模型预训练。

拾?| 以PALM-E为代表的具身智能（Embodied AI）展现出在机器人的感知、理解和决策等方向上的巨大潜力，但当前训练和可靠性存在较大挑战。短期内Transformer正成为多个模态的主流网络结构，但压缩整个数字世界的通用方法尚未出现，Transformer并不是人工智能技术的终点。当前生成式AI市场处于技术主导的早期阶段，存在千亿美元市值的平台性企业的机会。