2024年AI全景预测

欢迎来到 2024 年人工智能和技术的可能性之旅。在这里，每一个预测都是一个潜在的窗口，通向充满创新、变革、更重要的是类似于 1950 年代工业革命的未来。 20 世纪 50 年代见证了数字计算的兴起，重塑了行业和社会规范。如今，人工智能发挥着类似的作用，正在推动下一次工业革命。

就像战后的技术繁荣一样，2024 年我们将迎来行业转型、新技能需求以及重大道德考虑的提出。这里表达的观点都是我自己的，是基于我的个人、商业和学术经验的结合。

1、生成式AI从炒作跃升至舞台中央

生成式AI准备重新定义科技的生态系统，它从“即将爆炸”的炒作周期气球转变为核心战略，并且更加确定，就像飞艇卷土重来一样。

对于大型企业来说，这是他们解决问题和创新方式的范式转变，因为他们从试验转向采用生成式AI。这种技术路线的修正类似于云技术的早期采用所带来的变革浪潮，这表明对技术生态系统的影响类似，甚至更大。

97% 的企业主已经相信 ChatGPT 等生成式AI工具将对他们的业务产生积极影响（福布斯）。

因此，到 2024 年，生成式人工智能将不再只是一个流行词，而是技术进步和业务转型的关键驱动力。 AI战略就是战略。

2、下一代神经网络开始出现

随着人们对为 LLM 提供支持的 Transformer 架构的一般认知能力产生怀疑，AGI 的竞赛推动了研究界寻找下一个最好的东西。我们看到了现有技术的一些最新进展和发展：

SSM例如Mamba；该模型擅长具有选择性状态空间的线性时间序列建模。当今运行大型语言模型的transformer架构的替代方案。它代表了人工智能处理和理解序列的飞跃，而序列是人类认知的一个基本方面。
将神经网络的最佳学习能力与符号人工智能的精度相结合。这种混合方法有望对复杂问题有更细致和更复杂的理解，缩小类人推理和机器效率之间的差距。
最后是AI对齐与自我校正模型的结合。其目的是创建能够在没有持续人为干预的情况下自我调整和纠正的模型，从而更接近一种独立且负责任的生成形式，而不会产生大规模的幻觉风险。

这些新的模型架构正在描绘一个未来，人工智能的能力可以与人类认知相媲美，并克服当今生成式人工智能的局限性。研究还处于早期阶段，但预计有人会坚定信念并在这一领域取得突破。

3、每个数据平台都推出了矢量数据解决方案

随着生成式AI对矢量数据库的依赖，我们将看到所有关键数据平台参与者将他们的解决方案推向市场。尽管矢量数据库不是一个新概念，但它们传统上并不是“现代数据堆栈”的一部分，并且过去曾用于搜索引擎和其他类型的机器学习。

矢量数据库是更复杂的生成式 AI 用例的关键要求，例如会话记忆、搜索文档 (RAG)，以及索引图像等多模式解决方案。毫不奇怪，随着多模态AI变得更加便捷，我们在 2023 年中期看到了需求的爆炸式增长。

2023 年 3 月 OpenAI GPT-4 发布后对矢量数据库的需求 — Google 趋势（全球）

随着 Databricks 最近发布其，我们预计 Snowflake 等主要现代数据平台参与者将在 2024 年追随这一趋势。其他相邻技术提供商也可能会通过提供各种功能和服务来赶上这一趋势。到 2024 年，几乎所有数据库技术都将开始称自己为“向量存储”。

除了这种采用转变之外，我们可能会看到对高级数据和软件工程师的技能期望，以更好地熟悉向量索引、语义搜索解决方案、嵌入，甚至可能是 BM25 等算法的概念。

进一步来说，我们可能会看到生成式 AI 社区采用的一些最初的现代矢量搜索解决方案（例如 Chroma、Weaveate、Pinecone 和 Qdrant）的收购或进一步融资。

Github “stars” for open source vector database repositories. Growth aligns with GPT3.5 release — Source: Star-History & Github

在矢量商店的开源世界中，Milvus 目前深受大众喜爱，并凭借其托管服务确立了自己作为企业选择的地位，但最近 Qdrant 取得了一些非凡的进展，在 2023 年将实现近乎指数级的增长。

如果你有空闲时间，请阅读 AI 工程师 Prashanth Rao 的矢量数据库细分系列文章，以深入了解矢量数据库解决方案的功能和各个提供商。

4、把控硬件和平台供应链

随着人工智能的主导地位，更好地端到端控制供应链以掌握创新的关键变得越来越重要。

例如，芯片制造领域的领导者英伟达 (NVIDIA) 在人工智能竞赛中是明显的赢家。大家都关心的问题是，NVIDIA 是否会将视野扩展到云计算领域，利用其硬件专业知识提供集成的 AI 云服务。 NVIDIA 已经推出了名为 Geforce Now 的云流媒体服务，可按需提供高端图形处理。此举可能会重新定义竞争格局，让 NVIDIA 对人工智能的发展轨迹产生更直接的影响。

过去 5 年 Nvidia 股价（NASD：NVDA） — 来源：Nvidia 投资者关系

另一方面是亚马逊等云AI提供商以及 Anthropic 和 Mistral 等新兴AI参与者。他们目前对 AI 操作的外部硬件资源的依赖提出了一个关键问题：他们会追随 OpenAI 的脚步吗？ OpenAI已经开始采购自己的芯片，而谷歌则使用 TPU 和 Coral AI？这一战略可能意味着AI硬件向自力更生和定制化的转变，有可能为顶级AI提供商提供更定制、更高效的人工智能解决方案。

Google Coral — 本地AI开发板和硬件 — 图片来源：Coral AI

由于AI底层硬件层的每个人都将争先恐后地进一步控制他们的供应链。芯片制造商 NVIDIA 会转向云端吗？亚马逊或 Antropicic 等云人工智能提供商是否会效仿 OpenAI 采购自己的芯片？像高通这样的移动芯片制造商会成为新的人工智能移动设备和可穿戴设备的赢家吗？

人工智能垂直整合的趋势强调了一个更大的叙述：对人工智能硬件的控制正在成为对科技未来的控制的代名词。我们预计将看到新的参与者进入专门构建的 AI 芯片来为云玩家提供服务，各国将争先恐后地推动微处理器的开发，并最终 OpenAI 在 2024 年初进入芯片游戏。

5、AI可穿戴设备和XR元年

今年，我们正在见证我们与技术交互方式的一场亲密革命，人工智能和可穿戴设备与扩展现实 (XR) 设备的融合。这些设备不仅仅是小玩意，而且是电子产品。它们是我们数字自我的延伸，无缝融入我们的日常生活。

Humane AI Pin — 来源：Humane

Humane的 AI Pin（由 Qualcomm Snapdragon 处理器提供支持）和 Tab 正在重新定义可穿戴设备的格局。这些设备让我们得以一睹未来可穿戴设备不再仅仅用于跟踪健康指标或接收通知。它们旨在增强人类互动，提供实时人工智能帮助，并提供我们周围世界的增强体验。

Rewind AI 吊坠 — 来源：Rewind

Rewind 是另一项突破性产品，它正在彻底改变我们捕捉和重温记忆的方式。想象一下，有一个设备不仅可以记录我们经历的时刻，还可以让我们重新审视、理解、反思我们的记忆。

但掀起波澜的不仅仅是新玩家。苹果和 OpenAI 等科技巨头正在进军可穿戴领域，承诺将带来强大的创新能力。苹果公司在创造引领潮流的设备方面拥有良好的记录，因此很有可能推出与其生态系统无缝集成的可穿戴设备，这些设备可在 XR Apple Vision Pro 内或与其一起使用，从而提供无与伦比的用户体验。

另一方面，OpenAI 可以利用其在人工智能方面的专业知识来推出可穿戴设备，将先进的人工智能功能带到我们的指尖（或手腕）。与 ChatGPT 等生成式人工智能模型交互的人工智能可穿戴设备的潜力尤其令人兴奋，它提供了我们以前见过的便利性和智能性的结合。

Meta 是另一个值得关注的关键人物。他们进军 VR 可穿戴设备已经向我们展示了沉浸式数字体验的潜力。随着他们在这个领域的不断创新，我们可以期待可穿戴设备不仅增强现实，而且为我们探索和互动创造全新的领域。

到 2024 年，人工智能可穿戴设备将超越单纯的技术。它们正在成为个人伴侣、数字助理和通往新现实的门户。它们代表了一种与技术更加亲密和互动的关系的转变，我们的数字世界和物理世界无缝地交织在一起。今年，我们不仅穿着科技产品，还穿着科技产品。我们正在生活。

6、AI 代理将开始与其他 AI 代理进行通信

设想一个生态系统，其中每个专业代理都有其独特的专业知识和知识库，可以进行交互和协作。随着人工智能“代理”的发展，我们将在 2024 年继续看到这一领域的增长。

AI Agent市场全景 — 图片来源：Olivia Moore

我们将看到代理的出现不仅仅满足个人需求，例如写电子邮件、解决客户支持问题或向生态系统订购杂货，在该生态系统中，代理将开始与其他代理进行交互。这种范式转变与数据产品的概念密切相关，企业将有机会以与模型和数据集相同的方式将其代理货币化。这将培育一个由互联的智能代理组成的新生态系统。

Tesla Optimus Gen 2 人形机器人 — 2023 年 12 月

我们看到波士顿动力和特斯拉等公司的机器人和类人机器人必须考虑解决这个问题，因为各种机器人需要共存并在本地进行沟通，以决定如何执行任务。

彭博社（金融）和 LexisNexis（法律）等特定垂直领域内拥有数据据点的公司有望成为该领域的潜在领跑者。彭博社凭借其在金融数据方面的优势，可以引进成熟的金融代理人，并已经开始启动自己的LLM，而LexisNexis则可以利用其庞大的法律信息库来培养法律代理人。这些代理由各自深厚的数据支持，不仅可以为其直接用户提供服务，还可以作为其他企业和系统的宝贵资源，为新的数字劳动力提供动力。

预计将开始看到新的代理解决方案，超越数字劳动力，到代理编排、管理、监控以及数字机器人流程自动化领域的参与者，如 UiPath 以及制造和工厂工作的人形机器人进步，开始利用现有技术进入这一领域。大规模自动化和机器人系统的经验。

7、生成式AI的模态继续扩展

超越文本、代码、图像、视频和音频，转向更身临其境的新模式和感官，如 3D、基因组学、嗅觉、味觉，并将开始以早期形式进入市场。

生成式空间AI生成新的城镇布局 — https://www.generativespatialai.com/

生成式AI将超越当前文本、代码、图像、视频和音频的界限。我们将采用更身临其境的方式，帮助科学研究蛋白质结构和材料，或引入 3D、嗅觉和味觉等额外感官。这些新颖的模式预计将以早期形式出现，标志着下一波生成式人工智能用例。

高斯泼溅演示——将视频变成3D虚拟现实

自主人工智能代理和多模态模型的兴起，加上可穿戴设备和扩展现实 (XR) 的进步，正在为消费者提供更加身临其境的互动体验铺平道路。

想象一下你的梦想变成了 VR 世界，每款游戏都有一个根据你的视角量身定制的独特世界？

借助最近的 3D 建模技术（高斯泼溅），视频可以转换为 3D 虚拟现实，我们将看到这种技术通过生成技术发展到新的高度。

伯克利 A-Lab 实验室，机器人测试新材料 — 图片来源：Marilyn Sargent/伯克利实验室

最大的影响将来自材料科学和基因组学。谷歌 Deepmind 开发的 GNoME 模型已经被用来在材料科学领域取得突破，发现新的晶体结构，驱动更好的电池和更高效的计算机。

科学等这些领域可能会出现最深刻的研究进展。

8、消费者和监管机构推动AI更加民主化

这将继续推动人工智能的可及性和包容性，但由于开发基础人工智能模型的复杂性和成本，挑战仍然存在。这种二分法为公众对人工智能透明度和道德监督的要求不断提高奠定了基础。

欧盟人工智能法案—建议的风险水平—来源：安永

对隐私和AI社会影响的担忧正在推动消费者和监管机构（尤其是在欧盟等地区，GDPR 是现代数据隐私法的催化剂）提倡对人工智能进行更严格的治理。今年，我们预计在建立人工智能模型审计框架、标准化准确性以及引入人工智能系统“成绩单”方面取得进展，但仍有很长的路要走。

基金会模型提供商是否遵守欧盟人工智能法案草案？ — 资料来源：斯坦福大学 CRFN

人工智能对风险管理的关注将变得更加明显。企业将面临这样一个局面：人工智能不仅是创新工具，而且还受到严格的监管审查。统一的框架和标准将会出现，指导企业负责任地采用人工智能，并确保人工智能安全地融入主流社会并符合公共福利。

9、人工智能营销策略的新时代

传统上占据企业预算大部分的营销领域，现在正在经历一场变革。催化剂？ ChatGPT 等基于聊天的工具的兴起。这些创新可能会导致传统搜索量显着下降，从根本上改变消费者处理信息的方式。

关于搜索引擎与聊天 GPT 的争论和统计 — 来源：Twitter Greg Sterling

在这种不断变化的情况下，营销人员发现自己处于十字路口。在这些AI驱动的对话中影响或监控品牌提及的能力仍处于初级阶段。因此，针对生成式AI世界调整营销策略的趋势日益明显。这种适应涉及在短期内对传统媒体的战略依赖，利用其影响力来建立和维持品牌影响力。

与此同时，我们正在目睹技术格局的重大转变。从基于浏览器的工具到设备上的应用程序的转变正在加速。引领这一潮流的是 Microsoft Co-Pilot、Android 等设备上的 Google Bard 等创新，以及预计在 2024 年某个时候推出的 Apple 自己的大型语言模型 (LLM)。这种转变表明从以网络为中心的交互到更多的交互的范式转变。集成的、基于设备的人工智能体验。

新款 Microsoft Surface X 预计将于 2024 年底推出 — 来源：Microsoft

这种转变不仅仅只是为了方便。它代表了用户交互范式的根本性变化。随着人工智能更加无缝地集成到设备中，线上和线下交互之间的区别变得越来越模糊。用户可能会在更加个性化、情境感知的环境中与人工智能进行交互，从而带来更加有机和引人入胜的用户体验。对于谷歌、微软和苹果等已经在营销服务领域根深蒂固的科技巨头来说，这代表着一个重新定义其产品的机会。

我们可以预见营销中新的“答案分析”平台和运营模式的出现，以支持答案引擎优化。这些工具可能会专注于理解和利用人工智能驱动的交互的细微差别，但可能会更好地利用培训数据来了解如何为给定品牌或产品描绘结果。

数字营销人员将开始更深入地思考如何在这些训练数据集中对他们进行索引，就像他们曾经对搜索引擎所做的那样。

Commoncrawl 抓取的热门域名的屏幕截图，用于训练大多数大型语言模型的数据集 — https://commoncrawl.github.io/cc-crawl-statistics/plots/domains.html

此外，OpenAI 等平台可能推出的广告赞助结果或媒体测量工具可能会为数字广告带来新的维度。这一发展不仅为品牌推广提供了新的途径，而且挑战了现有的数字营销策略，促使人们重新评估指标和投资回报率评估方法。

随着LLM迁移到设备，远离传统的网络界面，营销格局即将发生重大变化。营销人员必须适应这些转变，利用传统媒体和新兴人工智能技术，在这个新的数字时代有效地与受众互动。这种双重方法将传统媒体的影响力与人工智能驱动分析的精确性相结合，很可能成为 2024 年快速发展的营销环境中取得成功的关键。

10、“垃圾进，垃圾出”的困境加剧

随着组织越来越多地转向利用生成式AI模型并开发自己的微调解决方案，人们的注意力急剧集中在输入数据的质量上。随着数据质量现在重新回到桌面上，数据管理界的经典说法“垃圾输入，垃圾输出”再次流行起来。

趋势：数据质量主题 — 来源：Google 全球趋势

组织和领导者面临着残酷的现实，即高质量、准确标记的数据是有效人工智能部署的基石。这个问题超出了数据的明显可用性；这是关于它的相关性、准确性和它提供的背景。偏差和误导的训练数据问题可能会给模型的输出带来灾难。

在大型语言模型使用的一系列训练数据中发现了一系列偏差。来源：大型语言模型中的偏见和公平性：一项调查 - arxiv

然而，挑战还不止于此。现有的数据和人工智能管道技术曾经看似足够，但现在正被推向极限。面对先进人工智能模型的微妙需求，它们经常被发现存在不足。能力和需求之间的差距需要数据处理工具和方法的发展。

《2023 年数据完整性趋势和见解报告》发现，数据质量差是整个行业组织的一个普遍主题，其中 70% 对数据信任度较低的组织指出，数据质量是做出自信决策的最大挑战。

此外，追求人工智能卓越也面临着一系列后勤障碍。这些复杂的人工智能模型所需的密集计算能力转化为对 GPU 的巨大需求。

描绘“GPU 短缺”的表情包

但这不仅仅是拥有投资硬件的财力；还在于拥有足够的资金来投资硬件。这与市场上这些资源的可用性有关。随着越来越多的参与者进入人工智能领域，对 GPU 的争夺加剧，导致人工智能开发和部署的潜在瓶颈，这进一步增加了组织适应人工智能常态的能力的复杂性。

随着 2024 年的到来，我们见证了人们对数据质量和基础设施增强的重新关注，从而塑造了人工智能的发展轨迹。

11、专门构建的较小的基础模型很常见

2024 年很可能是小型基础模型的一年。这些专门的、专门构建的人工智能模型将占据中心舞台，在效率和精度方面超越通用模型。

组织现在有多种选择使用易于训练的通用大型语言模型，例如 OpenAI GPT、Google Bard、Anthropic Claude [下图中的 RL 模型]，或者冒险构建自己的模型。

LLM 发展阶段，由 InstructGPT 论文开创，导致 ChatGPT。该图改编自 Chip Huyen 的文章“RLHF：来自人类反馈的强化学习”——来源：Argilla

可以选择微调哪些是采用基础/基础语言模型，但教它新的东西（就像你想象的微调汽车跑得更快一样），或者深入创建你自己的基础（基础）模型。

面向企业的开放 AI GPT 自定义模型 — 来源：OpenAI

对于通用模型，例如具有 1000 亿个参数（或模型编程中的“开关”）的 GPT 模型，重建成本约为 400 万美元以上。 OpenAI 最近还开始为企业提供“构建自己的 GPT”服务，定价从 2-300 万美元起。

开发了自己的基础模型或根据特定用例对现有模型进行微调的组织已经做好了成功的准备。这种方法符合 80:20 规则，重点是满足特定需求的小型定制模型，而不是试图通过通用解决方案来吸引大众。

对于组织来说，真正的价值在于能够为离散任务开发这些专门构建的模型。这些模型不仅提供了更高的准确性和相关性，而且还提供了新的货币化机会。在一个日益受到专业需求驱动的世界中，这些模型成为无价的资产，提供既有效又经济可行的解决方案。

此外，这种趋势正在从仅仅依赖大型通用模型转变，因为它们并不能完美满足所有需求。许多组织在这些广泛的模型之上构建了解决方案，充当“瘦包装器”，提供有限的定制和可扩展性范围。虽然这些解决方案可能是一个垫脚石，但它们不太可能提供开发专有模型所能提供的长期价值。

通用模型可用性和质量预测 — 来源：红杉资本

在这个不断发展的领域中的赢家将是那些投资开发自己的通用模型或小型基础模型以填补通用空间中的空白的人。该策略不仅提高了准确性和有效性，而且还降低了成本开销。较小的模型不仅运行成本更低，而且适应速度更快且更易于管理。

这就引出了“建模总成本”的概念，其中开发和维护这些模型的好处超过了初始投资，从长远来看提供了一种更具可持续性和成本效益的方法。

展望 2024 年，很明显，创建和利用小型基础模型的能力将成为竞争激烈的人工智能市场的关键差异化因素。这一转变标志着朝着更加个性化、高效且经济合理的人工智能解决方案迈出了重大一步。

12、AI Agent市场的黎明

人工智能市场正在成为适应性和响应性平台，重塑了我们对技术交易和交互的思考方式。

OpenAI GPT 商店将于 2024 年推出 — 来源：OpenAI

OpenAI 率先推出了备受期待的“GPT 市场”，将于 2024 年初推出，在 AI 领域树立新标杆。此举预计将打开闸门，Meta 等其他科技巨头也会迅速效仿。我们可以看到一系列参与者，从亚马逊、苹果甚至字节跳动等老牌巨头到新兴初创公司，纷纷涉足这一领域。

但这场革命的连锁反应超出了传统科技实体的范围。随着自主代理的发展和可穿戴技术的激增，Apple iPhone 和 App Store 的时刻将会再次出现。开发商将将此视为下一次淘金热的机会。

在这个变革阶段，人工智能市场现象正在从 B2B 领域扩展到 B2C 领域。我们很可能会看到各种各样的参与者尝试这样做，每个人都会带来独特的价值主张。从以消费者为中心的人工智能应用程序到企业级解决方案，这些市场中的一系列产品将满足广泛的需求和愿望。

13、AI产品将超越SaaS模式

随着人工智能市场和工具的激增，传统的定价策略正在被重新评估，为迎合人工智能服务独特性质的创新方法让路。

基于使用的公司 — 来源：Open Venture Partners

我们可能会见证从传统应用商店定价模式向更加动态、基于消费的计费系统的重大转变。这些模型让人想起电话线等公用事业计费，有望变得更加普遍，与租赁人工智能代理的概念相一致。在这种设置中，客户将根据其人工智能使用的程度和性质付费，从而提供灵活且可能更公平的定价结构。

但进化并不止于此。人工智能市场和工具的日益普及也为各种定价策略和新颖的商业模式铺平了道路。这一变化是由于需要适应广泛的人工智能应用程序和服务，每个应用程序和服务都有自己的价值主张和使用模式。这可能会为开发者及其人工智能服务或市场代理试行收入分成（App Store）或使用费（Spotify）模式。

另一种新兴模式可能是基于绩效的定价，其中收费与人工智能工具提供的成果或结果保持一致。这种模型在人工智能影响可以定量衡量的领域尤其有吸引力，例如营销分析、财务预测，甚至创意产业。

定价中的捆绑策略与非捆绑策略 — 来源：Matt Brown

此外，随着人工智能不断渗透到各个领域，跨行业合作可能会催生捆绑服务。这些捆绑包可以将人工智能工具与传统软件服务结合起来，提供一个全面的包来满足更广泛的业务需求。

这些新定价模型和策略的出现反映了市场正在迅速适应人工智能带来的独特挑战和机遇。随着企业和消费者越来越熟悉人工智能功能，对灵活、透明和价值一致的定价模型的需求可能会加剧。

14、BYO AI 运动推动了对安全数字身份的需求

现代和生成式人工智能工具的扩展将导致数字足迹的扩展，需要安全、便携式的数字身份，其中的挑战是在强大的安全性与用户可访问性之间取得平衡。用户将期望获得个性化的体验，其中偏好、历史记录和上下文将成为在网络上使用许多人工智能服务的关键。

银行和电子政务平台正在成为这些单一数字身份和个人偏好的潜在托管者。这种整合指向一种精简、更安全的数字化存在。但这不仅仅关乎安全；还关乎安全。这是关于我们的数字自我在不同平台上的无缝集成。

“自带人工智能”（BYO AI）与此直接相关。想象一下，将你的数字偏好、学习方式甚至购物习惯从一种数字交互无缝地转移到另一种数字交互中。这种便携性不仅方便，而且方便。这是变革性的。它实现了以前无法达到的个性化水平和效率。可穿戴设备也正在成为管理我们的数字身份不可或缺的一部分。通过不断地从我们的互动中学习，它们演变成个人数据中心，不仅了解我们的偏好，而且预测我们的需求。

将人工智能融入工作环境意味着我们的数字偏好可以自动调整办公应用程序、通信工具甚至物理工作空间中的设置。想象一下进入一间会议室，那里的灯光、温度甚至数字显示器都会根据你的喜好自动定制。

然而，这种级别的个性化和数据集成引发了有关隐私和数据使用的问题。随着这些数字身份变得更加复杂并与人工智能交织在一起，利用它们为数字体验提供商提供超个性化广告的潜力是巨大的。这可能会带来上下文广告和消费者参与的新时代，其中促销不仅有针对性，而且深入融入我们的数字角色。

身份与人工智能的整合将重新定义我们在个人和专业领域与技术互动的方式，从而带来更加个性化、高效和互联的存在。当我们拥抱这个未来时，道德考虑和隐私保护的重要性变得比以往任何时候都更加重要。