腾讯发布2024大模型十大最新趋势!

近日,在2024世界人工智能大会上,腾讯正式发布了《2024大模型十大趋势——走进“机器外脑”时代》报告。目前,这一报告正在AI产业界各大社群快速传播。

报告中,腾讯研究院试图通过10个关键性的趋势,去理解全世界范围内正在发生的AI巨变,并勾勒出一个由大模型驱动的新未来。

经i黑马现场编辑,“2024大模型十大最新趋势”如下:

 

趋势1:算力底座:迈向十万卡集群量变,速度和效率双提升

生成式 AI 的训练集群规模,已步入万卡量级,正在向十万卡迈进。我们预测集成、网联和分布式是未来一段时间AI Infra核心硬件系统主要演变路线,新一代算力底座能够为机器外脑提供更强大的能量,使其能够处理更加复杂的任务,是新一代人工智能发展的生产要素。

 

趋势2:推理分析:LLM带来推理能力跃迁,开启“智力即服务”

大型语言模型(LLM)为人工智能带来了所未有的推理能力,极大地扩展了机器的认知边界。成为了人类的"智力外脑",能够提供深入的分析、创造性的解决方案和复杂的决策支持,开启了“智力即服务”(IQaaS)的新时代。这种服务模式让人类的推理能力得以在云端实现,未来,智力将变成像电力一样的公共服务。

 

趋势3:创意生成:AIGC应用爆发,降低专业创作门槛

在这个精神追求引领物质需求的时代,AI的进步与社会文化的演变紧密相连,专注音乐和视频生成的AI平台应运而生,为热爱创作的“斜杠青年”们提供了更低门槛的工具,创建了自我表达和创意释放的新社区。

 

趋势4:情绪感知:LLM赋予机器情感价值,打开人机陪伴市场

情感智能是AI领域的新前沿。流式语音识别、多模态AI和情感计算等领域的突破为AI陪伴奠定了技术基础。兼具情商(EQ)与智商(IQ)的大模型将在未来2-3年内打开人机陪伴市场,未来人机陪伴市场将从以互动游戏、兴趣社区为主的年轻人市场,进一步破圈到包括各年龄层的更广泛用户群体。

 

趋势5:智能制造:大模型提升工业新质生产力

在工业领域,多模态大模型有望与当前普遍使用的专用小模型互补融合,并深度赋能工业制造的各个环节,从而推动生产制造的提质增效。通过优化生产流程、提高效率和质量,实现智能制造的新质飞跃。

 

趋势6:游戏环境:大模型与游戏共生,打造Agent最佳训练场

大模型与游戏环境结合,为AI Agent打造最佳训练场。游戏环境为Agent的训练提供了丰富的场景和数据,这不仅推动了游戏AI的发展,也为AI Agent在其他领域的应用提供了宝贵的经验。

 

趋势7:移动革命:端侧模型优化带来应用入口变革

端侧模型的优化正在改变我们与移动设备的交互方式。随着AI原生OS的发展,操作系统可能会发展成API直接调用的模式,减少对传统图形用户界面的依赖,端+云的混合模型可能更加符合未来长期的发展趋势。

 

趋势8:具身智能:人型机器人与大模型共同进化,为外脑提供“躯体”

机器人技术与大模型的结合,为机器外脑提供了“躯体”。大模型的利用极高提升了机器人的学习效率和执行复杂任务的能力,使物理动作更加细腻和灵巧。人型机器人有望成为人工智能的终极载体。

 

趋势9:开源共享:开源生态实现降本普惠,推进外脑共享和迭代

通过对国内外100多个开源大模型的分析,预计在未来2-3年内,AI开源将迎来繁荣发展,开源大模型从“可用”到“好用”演变。开源社区将推动全球知识分享与技术协同,也为中小企业提供低成本、高效率的解决方案。

 

趋势10:人机对齐:人机对齐是大模型产品的重要竞争力,也关乎通用人工智能的未来

随着AI模型越来越有类人能力,如何让AI模型的能力和行为与人类意图一致越来越重要。人机对齐是大模型产品成功的关键,也是实现通用人工智能(AGI)的前提。通过确保AI的行为与人类价值观和目标一致,我们可以构建更加安全、可靠和伦理的AI系统。

在大会现场,腾讯副总裁、腾讯研究院院长司晓提出,人工智能在三个方向上有了实质性的飞跃:第一是推理能力,第二是创意的生成,第三是广义的情感陪伴。

上海交通大学特聘教授、人工智能研究院副院长马利庄则认为,人物-行为-场景一体化视觉表达与理解,是具身智能、智能生成等人工智能的核心基础,是链接物理世界的关键,一系列顶尖高校以及公司人员都已经下场研究这一新的AI范式。

来源:i黑马 一休

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/43121.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

移远BC28_opencpu方案_开发环境搭建

OPEN CPU 代码采用的是 Python 脚本写的 scons 自动化构建工具。从构建这个角度说,它与 GNU make 是同一类的工具。它是一种改进,并跨平台的 gnu make 替代工具,其集成功能类似于 autoconf/automake。 这里给出简单安装方式

[软件安装]linux下安装steam

1、下载安装包到linux系统 SteamTools 发行版 - Gitee.com 2、选择对应的版本 3、解压安装包steam (1)在opt路径下新建一个文件夹 sudo mkdir steam (2)进入压缩包路径下,打开终端,执行以下代码进行解压…

Docker容器 为MySQL创建新用户和授权

当您需要为 MySQL 数据库创建一个新用户并配置其访问权限时,可以按照以下步骤操作。我将创建一个名为 newuser 的新用户,并为其授予在任何主机上访问所有数据库的权限。 创建新用户和授权步骤: 登录到 MySQL 服务器 首先,使用具有…

python特征相关性可视化分析 - sns.pairplot

seaborn 是一个基于 matplotlib 的 Python 数据可视化库,提供了更高层次的接口来绘制有吸引力的统计图形。pairplot 是 seaborn 中的一个函数,用于绘制数据集中多个变量之间的成对关系图。 基本用法 pairplot 函数可以快速地对数据集中的所有数值变量进…

volatile和static的区别

作用范围和变量类型: static关键字用于创建类级别的变量或方法,所有类的实例共享同一个static变量的副本。它还可以用于方法、初始化块和内部类。相比之下,volatile仅用于声明变量,确保在多线程环境中的可见性,使所有线…

Day1--每日一练

🍁 个人主页:爱编程的Tom💫 本篇博文收录专栏:每日一练-算法篇👉 目前其它专栏:c系列小游戏 c语言系列--万物的开始_ Java专栏等 🎉 欢迎 👍点赞✍评论⭐收藏&…

向量动态量化

背景介绍 量化(Quantization)是向量检索技术中一种常用的优化方法,通过一定程度的精度(召回率)损失,来换取性能的大幅度提升,以及内存占用(索引文件大小)大幅度降低。 …

一个parquet-go例子

一个parquet-go例子 使用go读写parquet,使用到了框架github.com/xitongsys/parquet-go 代码: package mainimport ("log""time""github.com/xitongsys/parquet-go-source/local""github.com/xitongsys/parquet-go/parquet&qu…

Echarts 实现数据可视化

Echarts 简介 Echarts 是一个开源的、免费的、成熟的、商业级图表可视化框架,是 Apache 开源社区的顶级项目之一,也是国内使用最多和最为广泛的可视化图表框架之一。 数据可视化图表框架并没有一个统一的行业标准,比较常见的有 D3、Highchart…

C语言7 控制语句

目录 1. 条件语句 if 语句 if-else 语句 if-else if-else 语句 switch 语句 2. 循环语句 for 循环 while 循环 do-while 循环 3. 跳转语句 break 语句 continue 语句 return 语句 goto 语句 1. 条件语句 if 语句 if语句根据给定条件的真或假来决定是否执行某段…

mysql之导入测试数据

运维时经常要这样:mysql改表名,创建一个一样的表不含数据,复制旧表几条数据进去 改变表的名字: RENAME TABLE old_table_name TO new_table_name; 这将把原来的表old_table_name重命名为new_table_name。 创建一个一样的表结构…

学诚教育在线管理系统-计算机毕业设计源码98076

目 录 摘要 1 绪论 1.1 选题背景与意义 1.2开发现状 1.3论文结构与章节安排 2 开发环境及相关技术介绍 2.1 MySQL数据库 2.2 Tomcat服务器 2.3 Java语言 2.4 Spring Cloud框架介绍 3 教育在线管理系统系统分析 3.1 可行性分析 3.1.1 技术可行性分析 3.1.2 经济可…

【操作系统】进程管理——进程的同步与互斥(个人笔记)

学习日期:2024.7.8 内容摘要:进程同步/互斥的概念和意义,基于软/硬件的实现方法 进程同步与互斥的概念和意义 为什么要有进程同步机制? 回顾:在《进程管理》第一章中,我们学习了进程具有异步性的特征&am…

redis的Bitmap 、HyperLogLog、Geo相关命令和相关场景

Bitmap 相关命令: #SETBIT - 设置指定位置的比特值。SETBIT key offset value # 将 key 对应的 bitmap 中第 offset 位设置为 value(0 或 1)。#GETBIT - 获取指定位置的比特值。GETBIT key offset # 返回 key 对应 bitmap 的第 offset 位的…

Bert入门-使用BERT(transformers库)对推特灾难文本二分类

Kaggle入门竞赛-对推特灾难文本二分类 这个是二月份学习的,最近整理资料所以上传到博客备份一下 数据在这里:https://www.kaggle.com/competitions/nlp-getting-started/data github(jupyter notebook):https://gith…

多GPU训练大模型,是否使用RDMA?

随着大模型越来越火,多GPU同时训练也逐渐流行起来。这其中就不得不提到一项Remote Direct Memory Access(RDMA,远程直接内存访问)技术。它可以显著提高数据传输效率,减少延迟,特别是在跨节点多GPU的分布式训…

Go bytes包

bytes包 Go 语言中的 bytes 包提供了用于操作字节切片的函数集合。字节切片是 Go 语言中非常常用的数据类型,用于表示二进制数据或 UTF-8 编码的字符串。 bytes 包主要功能 操作和处理字节切片搜索和比较字节切片修改和分割字节切片读取和写入字节切片 使用场景 字…

4.Python4:requests

1.requests爬虫原理 (1)requests是一个python的第三方库,主要用于发送http请求 2.正则表达式 #正则表达式 import re,requests str1aceace #A(.*?)B,匹配A和B之间的值 print(re.findall(a(.*?)e,str1))import re,requests str2hello com…

基于Java+SpringMvc+Vue技术的实验室管理系统设计与实现(6000字以上论文参考)

博主介绍:硕士研究生,专注于信息化技术领域开发与管理,会使用java、标准c/c等开发语言,以及毕业项目实战✌ 从事基于java BS架构、CS架构、c/c 编程工作近16年,拥有近12年的管理工作经验,拥有较丰富的技术架…

昇腾环境下使用docker部署mindie-service

MindIE是基于昇腾硬件的运行加速、调试调优、快速迁移部署的高性能深度学习推理框架。它包含了MindIE-Service、MindIE-Torch和MindIE-RT等组件。我主要用MindIE-Service的功能,这个组件对标的是vllm这样的大语言推理框架。 启动docker容器 先拉取镜像&#xff08…