引领2024年的人工智能前景：趋势、预测和可能性（万字长文）

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，未来充满了创新、变化，更重要的是，机会类似于20世纪50年代的工业革命。50年代见证了数字计算的兴起，重塑了行业和社会规范。今天，人工智能扮演着类似的角色，推动着下一次工业革命。

就像战后的技术繁荣一样，我们将在2024年迎来行业转型、新技能需求和重大伦理问题。这里所表达的观点都是我自己的，是基于我个人、商业和学术经历的综合。

生成式人工智能从炒作走向中心舞台

就像飞艇卷土重来一样，生成式人工智能正准备重新定义科技生态系统，从一个「即将破裂」的炒作周期气球转变为一种核心战略，而且更确定无疑。

对于大型企业来说，这是他们如何解决问题和创新的范式转变，因为他们从实验转向采用生成式人工智能。这种技术路线的修正对技术生态系统的影响与早期采用云技术所带来的变革浪潮相比，即便没有更大，也类似。

97%的企业主已经相信，ChatGPT等生成式人工智能工具将对他们的业务产生积极影响——《福布斯》

因此，2024年的前景是，生成式人工智能将不仅仅是一个流行语，而是技术进步和业务转型的关键驱动力。人工智能战略就是战略本身。

下一代神经网络开始出现

随着对为大语言模型提供动力的转换器架构的一般认知能力的质疑，以及对AGI的竞争，推动了研究界寻找下一个大事件。我们看到了一些最近的进步以及现有技术的发展：

SSM框架，比如曼巴；该模型在具有选择性状态空间的线性时间序列建模方面表现优异。目前运行大语言模型的转换器架构的替代方案。它代表了人工智能处理和理解序列的一个飞跃，这是人类认知的一个基本方面。

神经符号人工智能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进行更细致和更复杂的理解，弥合类似人类推理和机器效率之间的差距。

最后是人工智能与自我校正模型的对齐。其目的是创造出能够在没有持续人为干预的情况下自我适应和自我纠正的模型，从而更接近于一种独立、负责任的、没有大规模幻觉风险的生成形式。

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的认知和当今生成式人工智能的局限性相媲美。研究还处于早期阶段，但我们希望看到有人大胆尝试，在这一领域取得突破。

每个数据平台都推出自己的矢量数据解决方案

随着生成式人工智能对向量数据库的依赖，我们将看到所有关键数据平台参与者都将为解决这一解决方案带来自己的风格。虽然矢量数据库不是一个新概念，但它们传统上不是「现代数据堆栈」的一部分，过去曾用于搜索引擎和其他类型的机器学习。

矢量数据库是生成式人工智能更复杂用例的关键要求，例如会话记忆、搜索文档（RAG）以及多模式解决方案（例如索引图像）。在2023年中期，随着多模式模式变得更容易获得，我们看到需求的爆炸式增长也就不足为奇了。

2023年3月OpenAI GPT-4发布后对矢量数据库的需求（来源：Google Trends Worldwide）

随着Databricks最近发布了他们的矢量数据解决方案，我们可能会期待主要的现代数据平台参与者，如Snowflake，在2024年遵循这一趋势。可能其他相关的技术提供商也将通过提供各种功能和服务来跟上这一趋势。到2024年，几乎所有的数据库技术都将自称为「矢量存储」。

随着这种采用的转变，我们可能会看到对高级数据和软件工程师的技能期望，他们更熟悉向量索引、语义搜索解决方案、嵌入，甚至可能是像BM25这样的算法。

我们可能会看到一些对采用早期现代矢量搜索解决方案（如Chroma, Weaveate, Pinecone和Qdrant）的生成式AI社群的收购或这些社群进一步融资。

Github「stars」用于开源矢量数据库存储库。增长与GPT3.5版本一致（来源：Star-History & Github）

在矢量存储的开源世界中，Milvus目前是大众的最爱，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年实现了近乎指数级的增长。

控制硬件和平台供应链的浪潮

随着人工智能的主导地位，更好地控制端到端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）在人工智能竞赛中一直是明显的赢家。大家心中的问题是，英伟达是否会将其视野扩展到云计算领域，利用其硬件专业知识提供集成的人工智能云服务。英伟达已经推出了一项名为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，让英伟达对人工智能的发展轨迹产生更直接的影响。

过去5年英伟达股价（来源：英伟达投资者关系）

另一边是像亚马逊这样的云人工智能提供商，以及像Anthropic和Mistral这样的新兴人工智能公司。他们目前对人工智能运营的外部硬件来源的依赖引发了一个关键问题：他们会追随OpenAI的脚步吗？OpenAI已经开始采购自己的芯片，谷歌也开始采购TPU和Coral人工智能。这一战略可能意味着人工智能硬件向自力更生和定制化的转变，可能会为顶级人工智能提供商带来更量身定制、更高效的人工智能解决方案。

Google Coral-本地AI开发板和硬件（来源：Coral AI）

因为人工智能底层硬件层的每个人都将急于进一步控制他们的供应链。芯片制造商英伟达会转向云计算吗？亚马逊或Antrophic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突显了一个更大的趋势：对人工智能硬件的控制正在成为对技术未来的控制的代名词。我们预计会看到新的参与者进入专门为云玩家服务的人工智能芯片，各国争相推动微处理器的开发，最终OpenAI将在2024年初进入芯片游戏。

2024年是人工智能可穿戴设备和XR的一年

今年，人工智能和可穿戴设备与扩展现实（XR）设备融合在一起，我们见证了一场与技术互动方式的亲密革命。这些设备不仅仅是小玩意；它们是我们数字自我的延伸，无缝地融入我们的日常生活。

Humane AI Pin（来源：Humane）

Humane的AI Pin（由高通骁龙处理器驱动）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窥未来，可穿戴设备不再仅仅是跟踪健康指标或接收通知。它们是关于加强人与人之间的互动，提供实时人工智能协助，并为我们周围的世界提供增强体验。

Rewind AI挂件（来源：Rewind）

Rewind是另一款突破性产品，它正在彻底改变我们捕捉和重温记忆的方式。想象一下，一种设备不仅能记录我们经历的时刻，还能让我们重新审视、理解和反思我们的记忆。

但不仅仅是新玩家在制造波澜。苹果和OpenAI等科技巨头正进军可穿戴领域，承诺将带来巨大的创新能力。苹果在创造引领潮流的设备方面有着良好的记录，很有可能在其XR Apple Vision Pro中推出与其生态系统无缝集成的可穿戴设备，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，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，它提供了前所未有的便利和智能。

Meta是另一个值得关注的关键玩家。他们对虚拟现实可穿戴设备的尝试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可以增强现实，还可以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建立更亲密、更互动关系的转变，在这种关系中，我们的数字世界和现实世界无缝地交织在一起。今年，我们不只是穿戴科技产品；我们生活在其中。

AI代理将开始与其他AI代理进行通信

设想一个生态系统，在这个生态系统中，每个专业代理都有其独特的专业知识和知识基础，相互作用和合作。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。

人工智能代理市场地图（来源：Olivia Moore）

我们将看到代理的出现超越了支持个人需求，比如写电子邮件、解决客户支持问题或向生态系统订购商品，在这个生态系统中，代理将开始与其他代理进行交互。这种模式的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变现。这将培育一个由相互关联的智能代理组成的新生态系统。

特斯拉的擎天柱第二代人形机器人（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不得不考虑解决这个问题，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。

在特定垂直领域拥有数据据点的公司，如Bloomberg和LexisNexis，有望成为这一领域的潜在领跑者。拥有金融数据优势的Bloomberg可以引入成熟的金融代理机构，并且已经开始了自己的大语言模型项目，而LexisNexis则可以利用其庞大的法律信息库来开发法律代理机构。这些代理由各自深厚的数据护城河提供动力，不仅可以为其直接用户服务，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，从数字劳动力到代理编排、管理、监控，以及数字机器人过程自动化领域的参与者，如UiPath，以及制造业和工厂工作的人形进步，开始利用他们现有的自动化和机器人系统的规模经验进入这一领域。

生成式AI模式将扩展

超越文本、代码、图像、视频和音频，进入3D、基因组学、嗅觉、味觉等新的更具沉浸感的模式和感官，并将开始以早期形式进入市场。

生成空间AI生成新的城镇布局- https：//www.generativespatialai.com/

生成式人工智能将超越当前文本、代码、图像、视频和音频的界限。我们将采用更加身临其境的方式，帮助科学研究蛋白质结构和材料，或参与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，预示着下一波生成式人工智能用例的出现。

高斯飞溅演示-把视频变成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的进步，正在为消费者提供更具身临其境和互动性的体验铺平道路。

想象一下你的梦想变成了一个VR世界，每个游戏都有一个为你量身定制的独特世界？

随着最近的3D建模技术（高斯飞溅），视频可以转换为3D虚拟现实，我们将看到它随着生成技术发展到新的高度。

伯克利a实验室，机器人测试新材料（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模型已经在材料科学领域取得了突破，发现了新的晶体结构，为更高效的计算机提供了更好的电池。

这些领域，如科学，是最深刻的研究进展可能发生的地方。

消费者和监管机构推动更民主化的人工智能

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的透明度和道德监督提出越来越高的要求奠定了基础。

欧盟人工智能法案-建议的风险水平（来源：安永）

对隐私和人工智能社会影响的担忧正在推动消费者和监管机构，特别是在欧盟等地区，GDPR是现代数据隐私法的催化剂，他们主张对人工智能进行更严格的治理。今年，我们希望在建立审核人工智能模型的框架、标准化准确性和为人工智能系统引入「成绩单」方面取得进展，但仍有很长的路要走。

基础模型提供商是否遵守欧盟人工智能法案草案？（来源：斯坦福CRFN）

对人工智能风险管理的关注将变得更加明显。人工智能不仅是一种创新工具，而且还受到严格的监管审查，企业将面临这样的局面。统一的框架和标准将出现，指导企业负责任地采用人工智能，并确保人工智能融入主流社会是安全的，并符合公共福利。

人工智能营销策略的新时代

传统上占据企业预算最大份额的营销领域，现在正在经历一场变革。的催化剂？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的显著下降，从根本上改变消费者与信息互动的方式。

关于搜索引擎和聊天GPT的争论和统计（来源：Greg Sterling的Twitter账户）

在这种不断发展的情况下，营销人员发现自己处于十字路口。在这些人工智能驱动的对话中，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越来越明显。这种适应包括在短期内对传统媒体的战略依赖，利用其覆盖面和影响力来建立和维持品牌存在。

与此同时，我们正在目睹技术领域的重大转变。从基于浏览器的工具到设备上的应用程序的转变势头正在增强。引领这一潮流的是微软的Co-Pilot、Android等设备上的Google Bard等创新，以及苹果预计将在2024年推出的大语言模型。这一转变标志着从以网络为中心的交互向更加集成的、基于设备的人工智能体验的范式转变。

新的微软Surface X，预计2024年底发布（来源：微软）

这种转变不仅仅是为了方便；它代表了用户交互范式的根本变化。随着人工智能越来越无缝地集成到设备中，在线和离线交互之间的区别变得越来越模糊。用户可能会在更个性化、情境感知的环境中与AI互动，从而获得更有机、更吸引人的用户体验。对于谷歌、微软和苹果等已经在营销服务领域站稳脚跟的科技巨头来说，这是一个重新定义其产品的机会。

ChatGPT不知道我是谁（来源：Vincent Koc和OpenAI ChatGPT）

我们可以预见新的「回答分析」平台和营销运营模式的出现，以支持回答引擎优化。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训练数据来理解如何描绘给定品牌或产品的结果。

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抓取的顶级域名截图，用于训练大多数大语言模型的数据集- https：//commoncrawl.github.io/cc-crawl-statistics/plots/domains.html

此外，OpenAI等平台可能推出广告赞助的搜索结果或媒体测量工具，这可能会为数字广告引入一个新的维度。这种发展不仅会为品牌推广提供新的途径，而且会挑战现有的数字营销策略，促使对指标和投资回报率评估方法的重新评估。

随着大语言模型从传统的网络界面迁移到设备上，市场营销领域将发生重大变化。营销人员必须适应这些变化，利用传统媒体和新兴的人工智能技术，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，很可能是在2024年快速发展的营销环境中取得成功的关键。

「垃圾进垃圾出」的困境加剧

随着企业越来越多地转向利用生成式人工智能模型并开发自己的微调解决方案，人们的焦点急剧落在输入数据的质量上。数据管理界的经典说法「垃圾输入，垃圾输出（Garbage In, Garbage Out）」再次出现，因为数据质量现在又回到了桌面上。

趋势：数据质量主题（来源：Google Trends Worldwide）

企业和领导者面临着一个残酷的现实，即高质量、准确标记的数据是有效部署人工智能的基石。这个问题超出了显而易见的数据可用性；重要的是它的相关性、准确性和它所提供的背景。偏见问题和被误导的训练数据可能会给模型的输出带来灾难。

在大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：大语言模型中的偏见和公平性：调查- arxiv）

然而，挑战并不止于此。曾经看起来足够的现有数据和人工智能流水线技术，现在正被推向极限。面对先进的人工智能模型的细微要求，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年数据完整性趋势与洞察报告》发现，数据质量差是整个行业企业普遍存在的主题，70%对数据信任度较低的企业认为数据质量是做出自信决策的最大挑战。

此外，追求卓越的人工智能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的大量需求。

描述「GPU短缺」的表情包

但这并不仅仅意味着拥有投资硬件的财力；这是关于这些资源在市场上的可用性。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，这进一步增加了企业适应人工智能正常情况的能力的复杂性。

随着2024年的到来，我们见证了对数据质量和基础设施增强的重新关注，塑造了人工智能发展的轨迹。

专门建立更小的基础模型不足为奇

2024年很可能是小型基础模型的一年。这些专门的、专门建造的人工智能模型将占据中心位置，在效率和精度方面超过它们的一般性的对手。

企业现在有许多选择，可以使用易于训练的通用大语言模型，如OpenAI GPT, Google Bard, Anthropic Claude（下图中的RL模型），或者冒险建立自己的世界。

大语言模型开发阶段，由InstructGPT论文开创，直至ChatGPT。这张图改编自Chip Huyen的文章「RLHF：从人类反馈中强化学习」（来源：Argilla）

有了微调的选项，即采用基础/基础语言模型，但教给它新的东西（就像你想象的微调一辆车，让它跑得更快），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定制模型（来源：OpenAI）

对于广义模型，如GPT模型，有1000亿个参数（或模型编程中的「开关」），重建将花费大约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200万美元到300万美元不等。

已经开发了自己的基础模型或对现有模型进行了微调以适应其特定用例的企业将为成功做好准备。这种方法与80：20规则是一致的，重点是更小的、定制的模型，以满足特定的需求，而不是试图用通用的解决方案来吸引大众。

企业的真正价值在于为离散任务开发这些专门构建的模型的能力。这些模型不仅提供了更高的准确性和相关性，而且还提供了新的盈利机会。在一个日益由专业需求驱动的世界中，这些模型成为宝贵的资产，提供既有效又经济可行的解决方案。

此外，趋势正在转变，不再仅仅依赖于大型的通用模型，因为它们并不完全适合所有需求。许多企业在这些广泛的模型之上构建解决方案，充当「瘦包装器（thin wrapper）」，提供有限的定制和可伸缩性范围。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。

广义模型可用性和质量预测（来源：红杉资本）

在这种不断发展的格局中，赢家将是那些投资于开发自己的模型（一般化模型或小型基础模型）以填补一般化空间空白的人。这种策略不仅提高了准确性和有效性，还降低了成本开销。较小的模型不仅运行起来更便宜，而且适应更快，更容易管理。

这导致了「建模的总成本」的概念，在这个概念中，开发和维护这些模型的好处超过了最初的投资，从长远来看，提供了一个更可持续的和成本效益更高的方法。

展望2024年，很明显，在竞争激烈的人工智能市场中，创建和利用小型基础模型的能力将是一个关键的差异化因素。这一转变标志着朝着更个性化、更高效、更经济的人工智能解决方案迈出了重要一步。

人工智能代理市场的曙光

人工智能市场正在成为适应性强、反应迅速的平台，重塑了我们对技术交易和互动的看法。

OpenAI GPT商店，将于2024年推出（来源：OpenAI）

OpenAI将在2024年初推出备受期待的「GPT市场」，为人工智能领域树立新的标杆。此举有望打开闸门，Meta等其他科技巨头也将迅速跟进。从亚马逊、苹果甚至字节跳动等老牌巨头到新兴初创公司，我们可以看到一大批参与者纷纷进入这一领域。

但这场革命的连锁反应超出了传统科技实体。随着自主代理的发展和可穿戴技术的激增，苹果iPhone和App Store的时代将再次出现。开发商将把这视为下一个淘金热。

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。我们可能会看到各种各样的玩家在这方面进行尝试，每个人都带来了独特的价值主张。从以消费者为中心的人工智能应用到企业级解决方案，这些市场中的产品范围将满足广泛的需求和愿望。

人工智能产品将超越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的创新方法让路。

基于用法的公司（来源：Open Venture Partners）

我们可能会看到从传统的应用商店定价模式向更动态、基于消费的计费系统的重大转变。这些模式，让人想起电话线等公用事业计费，将变得更加普遍，与租用人工智能代理的概念相一致。在这种设置中，客户将根据他们使用人工智能的程度和性质付费，提供灵活且可能更公平的定价结构。

但变革并不止于此。越来越多地采用人工智能市场和工具，也为各种定价策略和新的商业模式铺平了道路。这种变化是由适应广泛的人工智能应用程序和服务的需求驱动的，每个应用程序和服务都有自己的价值主张和使用模式。这可能会让开发者及其在市场上的人工智能服务或代理试用收益分成（App Store）或使用版税（Spotify）模式。

另一种新兴模式可能是基于绩效的定价，即收费与人工智能工具提供的结果或结果相一致。这种模型在人工智能的影响可以定量衡量的领域尤其有吸引力，比如营销分析、财务预测，甚至创意产业。

捆绑与非捆绑定价策略（来源：Matt Brown）

此外，随着人工智能继续渗透到各个行业，跨行业合作伙伴关系可能会产生捆绑服务。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，提供一个全面的软件包，以满足更广泛的业务需求。

这些新的定价模式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。随着企业和消费者对人工智能的能力越来越熟悉，对灵活、透明和价值一致的定价模式的需求可能会加剧。

BYO AI运动推动对安全数字身份的需求

不断扩大的现代和生成式人工智能工具将导致数字足迹的扩大，这就需要安全、便携的数字身份，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。用户将期待一种个性化的体验，在这种体验中，偏好、历史和背景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方。这种整合指向一种精简、更安全的数字化存在。但这不仅仅是安全问题；它是关于我们的数字自我在各种平台上的无缝整合。

「Bring Your Own AI」（BYO AI）与此直接相关。想象一下，将你的数字偏好、学习风格、甚至购物习惯无缝地从一个数字交互带到另一个数字交互。这种便携性不仅方便；这是革命性的。它可以实现以前无法实现的个性化和效率。可穿戴设备也成为管理我们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，还能预测我们的需求。

人工智能与工作环境的整合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的设置。想象一下，走进一间会议室，灯光、温度甚至数字显示器都会自动根据你的喜好进行调整。

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越来越复杂，并与人工智能交织在一起，它们被用于广告数字体验提供商的超个性化的潜力是巨大的。这可能会带来一个语境广告和消费者参与的新时代，在这个时代，促销不仅是有针对性的，而且还会深入到我们的数字角色中。

这种身份与人工智能的融合将重新定义我们与技术的互动方式，无论是在个人领域还是在专业领域，都将带来更加个性化、高效和互联的生活。当我们拥抱这样的未来时，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。

结论和关键要点

展望2024年，人工智能和技术重塑世界的潜力是不可否认的。每一项预测都让我们瞥见了创新、责任和包容齐头并进的未来。

关键要点：