2024 年，人工智能大模型领域经历了一场前所未有的快速进化。就像一部精彩的科技剧集，国外各大科技巨头轮番上演着突破性的创新。从能听会说到能看会画，再到能制作视频……AI 的能力正在以令人瞠目结舌的速度提升。
让我们一起回顾这令人振奋的一年。
一、行业三大特征
1、多模态成标配：AI 从"专科生"到"全能选手"
还记得最早的 AI 助手吗? 它们就像只会做算术的学生，或者只能处理文字。而 2024 年的 AI 就像参加了"全能训练营"，摇身一变成为了多才多艺的"全能选手"。
以 OpenAI 的 GPT-4o 为例，它不仅能读懂文字，还能看懂图片、听懂语音、理解视频。
想象一下：你给它看一张巴黎街头店铺的照片，它能告诉你那是什么美⻝，甚至能说出制作方法和历史渊源。这就是多模态能力带来的革命性变化。
2024 年，能够处理包括文本、图像、视频和音频在内的多种类型的数据的 「多模态」 已成为大模型入选竞争行列的基本标配。
2、重要里程碑创新
OpenAI 的视频突破
2024 年 2 月，OpenAI 发布其首款视频生成模型 Sora（内测版），这款"会拍视频"的 AI 模型堪称业界轰动。只需输入文字描述，它就能生成⻓达一分钟的高清视频。人工智能在理解真实世界场景并与之互动的能力方面实现飞跃。一时之间，OpenAI 在首页展示的 Sora 生成的视频中的红衣女郎成为 「顶流」。
经过 10 个月的打磨，12 月 OpenAI 正式向用户开放人工智能视频生成模型 Sora。
Google 的 3D 世界创造
12 月，Google 推出的 Genie 2 更是令人惊叹，它能从一张简单的图片创造出可互动的 3D 世界。这就像是给了 AI 一支"魔法棒"，能把平面图片变成可以探索的虚拟空间。
Claude 的全方位升级
Anthropic 的 Claude 3 系列在视觉理解方面有了质的⻜跃，它不仅能看懂复杂的图表和图片，还能进行深入的分析和解释。
3、更快、更强、更省 性能与成本完美平衡
想象一下，如果一辆普通轿⻋能够拥有跑⻋的速度，却只需要普通轿⻋的油耗，这绝对是一个了不起的突破。2024 年的 AI 领域就实现了类似的"技术奇迹"。各大公司都在追求一个目标：让 AI 变得更强大的同时，还要让它更"节能环保"。 这为 AI 技术能力的普及奠定成本基础。
让我们看看具体的突破:
Meta 的"轻量级冠军"
Llama 3.3 70B 模型创造了"以小博大"的奇迹 具体表现：处理一篇论文的速度比原来快了 10 倍，成本却只有原来的五分之一。企业可以用更少的预算处理更多的数据，比如客服系统可以同时服务更多用户 。
OpenAI 的"经济实惠版"
GPT-4o mini 像是 GPT-4o 的"⻘春版"
成本降低 97% 的同时，依然保持着不错的性能。一家初创公司使用 mini 版本开发聊天机器人，每月费用从 1 万美元降到了 300 美元。
Claude 的"速度之王"
Claude 3.5 Sonnet 实现了"提速不提价" 在处理复杂任务时，拥有比前代模型 2 倍的推理速度和 1/5 的调用成本，能帮助研究人员在几小时内完成原本需要花费数天时间的文献综述工作。
二、巨头竞争：精彩纷呈的"AI 奥运会"
2024 年的 AI 领域竞争激烈程度堪比奥运会，每家公司都像是不同项目的专业选手，在自己 的"特⻓项目"上使出浑身解数。
1、OpenAI：全能冠军
就像是奥运会上的十项全能选手，Open AI 在多个领域都展现出了惊人的实力: 2 月发布的 Sora 让全世界震惊: 只需一句话描述，就能生成栩栩如生的视频；4 月推出的 Voice Engine 仅需 15 秒语音样本就能"克隆"说话声音；12 月更是玩起了"⻢拉松式创新"，连续 12 天每天发布新产品。
投资方面也是实力雄厚，2024 年 Open AI 获得 66 亿美元融资，投资方阵容堪称豪华，包括微软、英伟达等科技巨头。
2、Anthropic：后起之秀
如果说 OpenAI 是"老牌冠军"，Anthropic 就是一匹"黑⻢":
Claude 3 系列在多项测试中击败了 GPT-4 创新推出了"工具使用"功能，让 AI 能像人类一样操作电脑。一家医疗机构用 Claude 分析病历，准确率提升了 30% 。今年 11 月 Anthropic 再获得亚⻢逊 40 亿美元投资，双方将基于亚⻢逊云科技的最新芯片打造全球最大计算集群，来支撑大模型的预训练，显示出强大实力。
3、Google：技术创新先锋
Google 就像是一位不断挑战极限的运动员: Gemini 1.5 突破了⻓文本处理的记录；Genie 2 实现了"一图生万物"，从一张图片创造出可互动的 3D 世界，帮助游戏开发者快速创建游戏场景，将开发时间从 weeks 缩短到 hours；12 月刚刚推出的 Veo 2 视频生成模型和增强版 Imagen 3 图像模型正挑战 OpenAI 在 AI 图像和视频生成的领先地位。
4、Meta：开源领域领跑者
Meta 选择了一条独特的道路，就像是把训练秘诀公开分享的教练。
Llama 系列持续更新，造福开源社区通过降低成本让更多人用得起 AI。Meta 开源的 Llama 3.2 是首个支持多模态输入的 Llama 模型，许多小公司基于 Llama 开发出了适合自己需求的 AI 应用。
三、AI 首获诺贝尔奖
2024 年诺贝尔奖的 6 个奖项，其中，物理和化学领域的奖项都颁给了 AI 相关研究者。
美国科学家约翰·霍普菲尔德和英国裔加拿大科学家杰弗里·辛顿获得诺贝尔物理学奖，表彰他们在使用人工神经网络的机器学习方面的基础性发现和发明。
美国华盛顿大学西雅图分校的大卫·贝克，以及谷歌旗下 「深层思维」 公司的戴密斯·哈萨比斯和约翰·江珀获得诺贝尔化学奖，表彰他们通过计算和人工智能揭示了蛋白质神奇结构的密码。
一项颁发给了人工智能本身的基础研究，一项颁发给了人工智能的应用。这两项诺奖昭示了人工智能在科学领域的巨大影响力正在逐渐凸显，同时人工智能已经加速从实验室走向现实工业领域，无论是蛋白质生物医药研发、医疗辅助诊断，还是金融领域的智能风控、工场车间的智能质检，大模型的能力触角都以延伸到。
四、结语
2024 年的 AI 发展，就像一部精彩的科技电影，充满了突破与创新。从技术进步到实际应用， 从巨头竞争到行业变革，AI 正在以前所未有的速度改变着我们的世界。
AI 大模型在底层能力上继续保持了快速更新迭代，能力边界也在不断探索突破，从文本到视频到 3D 三维空间，引领着 AI 在这一波浪潮中的发展。人们对 AGI（Artificial General Intelligence，通用人工智能） 的展望在这一次次能力升级和突破中似乎变得愈加清晰。
展望 2025 年，各家 AI 大模型多模态能力势必将继续深化，同时个性化也将成为标配，实时处理能力提升和 tokens 调用成本进一步降低将成为 AI 大模型能更广泛应用到各行业的有力推手。
