生成式AI快速进化，大语言模型、多模态模型、商业机会或发生这十大变化

"2023年一季度我们做了一个统计，在交流过的100多家生成式AI企业中，涉及底层技术的企业占比是14%，多模型应用的企业占比在57%，语言类应用的企业是29%。"2023世界人工智能大会期间，启明创投携手未尽研究发布报告《生成式AI》报告，启明创投合伙人周志峰说， 这组数据到上半年就发生了很大变化，涉及底层技术的企业占比提高到29%，多模态应用的企业占比微降，至44%；语言类应用的企业是27%。

在周志峰看来，竞争促进了创新。与2022年快速涌现出的生产力工具方向的创业公司不同，2023 年，有更多比例的新公司聚焦在底层技术的创新；大模型创业公司也开始分化，在通用大模型创业公司方兴未艾的同时，许多面向医疗、电商、科研、工业、自动驾驶和机器人等特定方向的垂直大模型公司开始出现。

人们很快从生成式人工智能中看到了新的商业生态的出现，看到了一层又一层的技术，如计算、模型和应用；看到了生成的内容，如文、图、视频、代码、3D结构、多模态；也看到了公开数据、垂直数据、合成数据、向量数据，用于大大小小的模型。

(资料图片仅供参考)

“许多从事知识工作的中小企业，已经先用起来再说。”面对这一革命性的技术，所有企业都被卷入。它们节奏不同，介入程度不同，成为新技术浪潮下的守成者、创新者、采纳者。它们的利润率被永久的改变了。

“我们梳理了论文，发现生成式人工智能领域的一个突出特征。”周志峰举例说，全球推荐的十大论文中，生成城市3D、ConvNeXt：卷积神经网络的复兴、涌现、通用智能体等都在其中。

过去半年最重要的研究方向，是破解和理解大模型神秘而又令人兴奋的智能“涌现”。大模型既需要超越对下一个词的预测能力，也需要一个更丰富、更复杂的“慢思考”深层机制，来监督“快思考”预测下一个词的机制。

周志峰表示，那些最好的前沿研究，一定是研究和解决技术规模应用中遇到的问题。研究如何减少幻觉，调教大模型更加准确地输出真实的内容，训练出更强的推理能力；如何更集约地训练模型，降低门槛，推出新产品，让更多的各行各业和消费者都能用上；如何能像人一样，与真实的物理世界互动；如何成为人类复杂工作的助手，设计并帮助执行科学实验；如何影响就业，从而做出政策的响应；如何让人工智能安全和可信。

同时，在政策等层面，中国在迅速推出生成式人工智能的监管办法并征求意见的同时，也在鼓励发展通用人工智能，北京、上海、深圳是最具雄心的第一梯队，均提出了较具雄心的人工智能科研、创新与产业目标。欧盟继续在监管和立法方面领先，一如其5年前率先推出GDPR。美国更在意人工智能技术的领先地位，正在形成以风险管理为原则的监管框架。

“长期来看，人才对人工智能未来的影响，超过了算力。”启明创投合伙人周志峰说，中国研究人员发布的论文在数量上已经超过了美国，但金字塔顶端，无论是研究还是创业，美国仍然占据明显的优势。 在全球范围内，人工智能研究创新的重心正从高校转移至企业，美国拥有顶尖学者最多的前三大机构，分别是谷歌、微软与Meta，合计招揽了美国顶级学者的30%。中国仍以高校为主，包括清华大学、北京大学、浙江大学等，企业巨头中仅阿里巴巴跻身前10。

展望未来，这份《生成式AI》做出了十个预测，关于大语言模型、多模态模型以及商业机会方面的：

大语言模型

2024年中国将出现比肩GPT-4的多语言通用大模型；

超长上下文（Long Context）将引领下一次LLM技术突破；

在出现更有前景的大语言模型之前，为实现垂直领域更好的效果，以下三种方式将共存：

i）在不改变数据分布的情况下，利用更多通用数据进行通用大模型预训练，不特别引入行业数据，

ii）利用行业专属数据微调（Fine-Tuning）通用大模型，

iii）利用行业数据占比更高的数据集进行垂直模型预训练。

多模态模型

当前CLIP + Diffusion的文生图模型是过渡态，未来2年内将出现一体化的模型结构；

下一代Text-to-Image模型将具备更强的可控性，它将结合底层模型能力和前端控制方式，对模型的设计将注重与控制方式的结合；

2025年之前，Video和3D等模态将迎来里程碑式的模型，大幅提高生成效果；

以PALM-E为代表的具身智能（Embodied AI）展现出在机器人的感知、理解和决策等方向上的巨大潜力，但当前训练和可靠性存在较大挑战；

短期内Transformer正成为多个模态的主流网络结构，但压缩整个数字世界的通用方法尚未出现，Transformer并不是人工智能技术的终点。

商业机会

3年内，颠覆式的AI应用的核心驱动力来自于底层模型的创新，两者无法解耦，模型的作用将大于产品设计的作用；

当前生成式AI市场处于技术主导的早期阶段，存在千亿美元市值的平台性企业的机会。

关键词：