“創新的速度比創新本身更重要。”埃隆·馬斯克曾這樣
近日，由馬斯克所掌舵的特斯拉，在2024年世界人工智能大會上正式推出了第二代Optimus（擎天柱）人形機器人，距離第一代面世，僅過去9個月。
加速升級的人形機器人不負所望，成了今年WAIC大會（世界人工智能大會）的一大看點。除此以外，今年的WAIC大會還引發了哪些熱門話題？帶來了哪些前瞻指引？
开源和閉源，是互補關系
今年，華爲盤古、百度文心、阿裏通義、騰訊混元等國內知名大模型悉數都參加了WAIC，大模型依舊是重頭戲之一。
大會开幕期間，在談及大模型閉源與开源的選擇時，兩大頭部企業陷入明顯分歧。百度創始人、董事長兼首席執行官李彥宏稱，模型开源無法做到衆人拾柴火焰高，商業化閉源模型才最能打。
阿裏雲CTO周靖人則重申了阿裏雲开源开放的選擇，並強調阿裏兩年前決定將通義大模型开源开放，時至今日，通義千問已經實現真正意義上的全尺寸、全模態开源，拉平了开源、閉源模型之間的差距。
相較而言，开源大模型和閉源大模型孰好孰壞，其實並沒有定論。
從技術層面來看，閉源由於不公开源代碼，安全性和服務質量更高，而且可以通過銷售許可或提供基於模型的服務來盈利；但同時許可費高昂，外界難以審查監管，而且升級迭代高度依賴內部團隊，速度有限。
开源則恰好相反，技術門檻和成本較低，吸引了全國範圍的开發者和研究者參與，創新和迭代速度更快，適配更多應用領域，但無門檻的技術共享也帶來了權益被侵犯的風險，質量、穩定性和安全性難以保證。
對比來看，閉源想要走向“成功”，唯一的路徑就是進化爲“超級應用”，從而創造價值；而开源憑借獨有的兼容性打造了強有力的獲客手段。由此可見，看似截然不同的兩個方向背後，是由各自的商業利益驅使。
從應用層面來看，开源和閉源並不像手機端的iOS系統或者安卓系統只能二選一，尤其在ToB的情況下，應用端既需要技術共享也會考慮應用安全性，還需要滿足多樣化需求。
對此，百川智能CEO王小川表示，預計未來將有80%的企業會用到开源大模型，因爲閉源沒辦法對產品做更好的適配，或者成本特別高，閉源可以給剩下的20%提供服務。
由此可見，二者並不是非此即彼的對立關系，在不同產品和應用場景中也可以是互補的關系。但歸根究底，大模型在發展之余如何創造價值，選擇开源還是閉源就不是核心問題，因爲僅有基礎模型卻沒有應用，就等同於一文不值。
AI落地的三大方向：大模型、機器人、終端產品
大模型作爲人工智能大家族的組成部分，一直是熱議的話題之一。隨着WAIC 2024的落幕，AI應用落地的最新趨勢也昭然若揭。
（一）大模型加速商業化
繼百模大战後，大模型的“精耕細作”一直在持續。以ChatGPT和Sora爲代表的大模型技術，也已進入新一輪迭代。從今年的WAIC來看，百度、阿裏巴巴、騰訊、華爲等行業巨頭帶來衆多新技術和新產品，展現了大模型在金融、醫療、政務等多個行業場景的應用潛力。
截至目前，百度有千帆大模型平台、文心一言，阿裏有阿裏雲百煉、通義大模型，騰訊有騰訊雲混元大模型、元寶大模型，字節跳動有火山方舟、豆包大模型等等。
在過去的2023年裏，大模型的長文處理能力、數字能力、推理能力、RAG（檢索增強生成）、GPTs、多模態、原生應用、开源等多方面都有大幅增強。同時，訓練和部署成本、行業適配能力、幻想問題以及數據安全這四大挑战也得以優化和解決。
圖源來自數巔科技
在此基礎上，定制化的大模型給To B和To C業務帶來了非常深刻和徹底的改造，企業用戶和終端個人用戶也逐漸呈現剛性需求。基於此，To C產品可以通過不斷收集用戶反饋、積累模型的應用實踐，來反哺ToB業務，從而加速大模型商業化落地。
（二）機器人和AI高度結合
今年，人形機器人專區也是大會的一大亮點。在世博展覽館的中廳，18台人形機器人組成陣列展示“才藝”，並與觀衆親切互動，可見機器人技術的協同效應以及在"異構群智"領域的重大突破。
隨着人形機器人和AI兩大領域的高速發展，產業進入深度融合階段，AI大模型+人形機器人正掀起下一波技術熱潮。
從技術角度看，兩者在自然語言交互、知識庫與推理、多模態感知與決策、運動規劃、任務規劃與執行、情感交互、持續學習等七個板塊均有結合應用的可能性。
在實際應用方面也已經取得突破。比如WAIC 2024大會上，特斯拉的Optimus二代機器人將深度學習應用於視覺感知，實現了精准的目標識別與抓取，而且可以直立行走，進行路线規劃。
自然語言交互領域，Xiaomi CyberOne等人形機器人搭載大語言模型，實現了高自然度語音交互。情感交互領域，Hanson Robotics的Sophia機器人通過面部表情合成和聲音合成，實現了豐富的情感表達。
通過以上技術的融合，我們有望創造出具備感知、決策、規劃、控制、交互、學習等多維能力的人形機器人，最終賦予其真正的智能化、人性化。
（三）AI終端“新物種”湧現
除了大模型、人形機器人，AI的終端產品逐漸滲透至日常生活。正如三次工業革命，蒸汽時代誕生蒸汽機、電氣時代發明電燈泡、信息化時代創造計算機，每一件革命性的“新物種”都被應用於終端場景，AI大航海時代的產物也將如此。
楊元慶展示AI PC新產品
今年，多個行業湧現了"終端新物種"。比如戴爾、聯想、華爲的AI PC新產品、內置大模型語音助手的雷鳥AR眼鏡X2 Lite、實現AI翻譯的時空壺同聲傳譯器X1，以及今年上半年被熱議最多的蘋果vision pro混合現實頭顯，等等。
追本溯源，終端產品的湧現，主要得益於AI模型、AI應用、AI硬件的協同發展。從AI產業結構來看，產業鏈上遊爲基礎層，包括算力等，中遊爲算法和模型層，下遊爲應用層。先有算力、芯片等“硬件”的完善和加持，再是大模型、算法的“精耕細作”，終端“新物種”應運而生。
隨着AI生態和技術的不斷進化，未來AI終端還將迎來架構設計、交互方式、內容、應用生態等的全面創新和升級。或許，我們會從提問“AI終端應該長什么樣”，轉爲好奇“AI終端會長什么樣”。
2024，开啓“AI+”時代
2024年，伴隨大數據處理、高性能計算、深度學習等技術的快速發展和成熟，人工智能已經能夠解決大量的復雜問題，加上日益成熟的大模型技術，人工智能的准確度、效率、通用性、靈活性得到顯著提升。
應用層面，隨着現代社會產生的數據开始爆發式增長，爲人工智能的進化提供了“養料”，人工智能得以更好地學習和理解現實世界。加之，個人用戶和企業客戶對於個性化、高效的服務需求日益增強。
在底層技術高速發展，以及市場需求的牽引下，人工智能（AI）已經由“+AI”模式轉型至“AI+”模式的階段。
對比來看，早前的“+AI”階段，人工智能還只是一項補充技術，被運用於傳統行業的既有業務流程和產品之中，目標在於提升效率、解決特定問題。
如今的“AI+”階段，AI不再僅僅是業務流程的附屬部分，更是各行各業創新發展的重要驅動力，其核心在於數據驅動和自我學習，利用神經網絡模型進行大量數據的訓練，模擬人腦的學習機制，從而實現語音識別、圖像識別等多領域超越人類的表現。
這一階段跨越的完成，意味着AI從單純的技術附加工具轉向了引領行業變革的關鍵要素，從賦能單一功能升級爲重塑整個業務形態。
業務形態的重塑具體到應用場景，覆蓋了交通出行、生活服務、工業制造、文化傳播、醫療健康、農村建設等多個領域。
AI+交通領域，在AI算法的加持下，車輛能夠處理海量的傳感器數據，實現對車輛周圍環境的高精度感知。同時，還能預測其他車輛的行駛軌跡，爲自動駕駛車輛提供決策依據。最重要的是，AI算法通過不斷學習和優化，可以提升自動駕駛系統的性能和安全性。
AI+制造領域，由於大模型、機器學習、計算機視覺等細分技術實現突破，人工智能可以被應用於制造業全流程各環節，通過挖掘各單一環節的數據信息，進而賦能整體的預測、生產、管理、決策，從而實現精細化管理，助力企業降本增效。
工信部數據顯示，經過智能化改造，制造業研發周期縮短約20.7%、生產效率提升約34.8%、不良品率降低約27.4%、碳排放減少約21.2%。
長遠來看，“AI+”的潛力已經开始展現。
結語
2024年，AI應用落地的想象力無效迸發。大模型加速商業化、AI 和人形機器人深度結合、終端新物種大量湧現，大航海時代的歷史齒輪开始高速運轉。
不只是人工智能行業，整個產業鏈也在加速擴容，AI+交通、AI+汽車、AI+文化、AI+制造等都开始從理論走向實踐，走進生產和生活。
“AI+”時代真的來了。
作者：琴聲奏響時
來源：松果財經
原文標題 : 從“+AI”到“AI+”，時代進入“Next Level”
標題：從“+AI”到“AI+”，時代進入“Next Level”
地址：https://www.utechfun.com/post/395117.html