2024 AI新浪潮：6大趋势重塑未来

科技巨头们正不断优化AI模型，推动生成式AI领域飞速发展，催生出一系列有望在各行各业落地生根，甚至在日常生活中扮演重要角色的新趋势。以下6个生成式AI发展趋势值得关注——

继ChatGPT大获成功后，众多公司纷纷推出了自己的大型语言模型，让人眼花缭乱。然而，现在小型语言模型（SLM）的时代即将到来。

大型语言模型（LLM）虽然功能强大，但需要海量的计算资源和资金投入。相比之下，SLM在特定任务上训练，参数更少，占用存储空间小，更适合在低端硬件上运行，成本更低。当使用来自课本、新闻网站等可靠来源的高质量数据进行训练时，SLM的表现往往出人意料地好。目前市面上比较火的SLM有Meta的Llama-2、Microsoft的Phi-2和Mistral 7B。特别是微软的Phi-2，虽然只有27亿参数，但在常识推理、语言理解、数学和编码任务上已经超越了其他几个大模型，性能直逼GPT-4，而且这个小模型还是完全开源的，可以在笔记本、手机上运行。

微软正式发布Phi-2

微软表示 Phi-2 在逻辑推理和安全性方面显示出显著的改进。通过正确的微调和定制，小型语言模型是云和边缘应用程序的强大工具。

Microsoft Research 机器学习基础小组负责人 Sebastien Bubeck 在 Twitter 上发布了“MT-Bench”基准测试的屏幕截图，该基准测试了具有强大语言模型（例如 GPT-4）的大型和小型语言模型的实际功能。

虽然目前的AI水平还远未达到人类智能的水平，但各大公司都在积极研发能够匹敌甚至超越人类认知能力的模型，这将是AGI的一大突破。

科技狂人马斯克在社交媒体上大胆预测，明年AI的智力就将超越任何单个人类，5年后甚至可能超越全人类的智慧总和。这一观点呼应了著名未来学家Ray Kurzweil的预言，他曾预测AI将在2029年达到人类水平的智能，但马斯克认为这一预测过于保守。

OpenAI的CEO萨姆·奥特曼也表示，AGI可能在未来四五年内实现，将给人类带来高质量的智能和创意，帮助解决各种问题。AGI是一种能够独立学习、解决未知问题的通用智能，与现有的模型相比，它不局限于特定领域，能够达到人类的认知水平。

生成式AI模型正通过整合多种模态超越文本创作。AI模型可以分为单模态和多模态两类。

单模态只能处理一种类型的数据，如文本、音频或图片；多模态则可以处理两种或两种以上的数据类型。

多模态大模型的优势在于，不同模态的输入数据具有互补性，多元训练数据的输入有助于模型能力的快速扩展，使用门槛更低，数据损耗更少。目前，从单模态向多模态发展已成为行业共识。2024年，多模态AI将取得更多突破，带来重大变化。

AI智能体是去年的热门话题，但很多人可能还没有意识到它的潜力。科技公司正致力于将AI模型转变为自主软件程序，旨在实现特定目标，无需人工干预。这些自主代理人需要集成不同技术的多模态AI，包括机器学习、计算机视觉、自然语言处理等。

斯坦福大学教授吴恩达最近提到，基于GPT-3.5构建的智能体工作流表现比GPT-4还要好。AI智能体工作流将在今年推动AI取得巨大进步，甚至可能超过下一代基础模型。这是一个值得关注的趋势，它将彻底改变SaaS，让SaaS厂商不只是提供工具性功能，而是作为AI员工提供端到端的完整服务。

2024年将是AI监管的分水岭，重塑生成式AI策略的发展和道德风险，以实现安全可靠的AI应用。

随着生成式AI的迅速普及，企业都在积极探索如何利用它来推动创新。然而，引入这种尖端技术并非没有挑战。AI的快速增长让监管者疲于应对。生成型AI虽然潜力巨大，但也存在诸多风险，如幻觉、虚假信息、深度伪造等。此外，这些模型容易受到提示注入、投毒、敏感信息泄露、版权侵权以及产生偏见和歧视内容的影响。

因此，AI治理迫在眉睫，需要将公平等道德原则转化为可行的治理过程。AI治理应该是组织整体治理结构的一部分，为制定AI治理框架铺平道路。监管者需要塑造AI治理的未来，促进创新，同时保护权利和就业，创建成功的AI治理监管框架。

像ChatGPT、Bard和Midjourney这样的大规模语言和图像模型已经席卷全球。然而，对于商业用途，小型的、定制的企业生成式AI模型正在崛起。

这些模型通过整合专有数据来满足特定市场和用户需求，确保更准确、更相关的响应。定制企业AI应用的兴起表明，企业正在向更高效、更个性化的AI驱动解决方案转型。2024年，我们将看到更多AI在企业信息融合方面的应用。

生成AI在企业应用分为两个阶段：第一阶段是信息的分散生成，第二阶段是信息的综合合成。第一阶段已经取得一些成果，但第二阶段将带来质的飞跃。在第二阶段，生成AI的关键不在于其生成内容的能力，而在于如何帮助企业拥有或重新定义有价值的工作流程。生成AI的价值在于帮助人们更好、更快地做出决策，而不是生成更多内容。

可定制化的企业生成式AI的技术堆栈

AI原生应用将重定义企业工作流程，现有工作流程解决方案也需要利用AI来改进。企业生成式AI可以针对各种商业需求进行定制，如客户支持、文档审查、供应链管理等，在金融、法律、医疗等行业尤为有用。将定制模型整合到运营中的组织可以更好地控制自己的数据，从而实现更高级别的隐私和安全。鉴于生成式AI模型带来的隐私和安全风险，严格的AI监管可能会推动企业在未来几年转向使用专有模型。