飞艇在20世纪30年代达到了巅峰，但由于飞机技术的发展和战争的爆发，飞艇逐渐被取代。然而，随着近年来科技的进步和节能减排减迫在眉睫，飞艇又开始回归历史舞台，据报道，美国将建全球最大飞艇，运载量10倍于波音737。

就像飞艇卷土重来一样，生成式人工智能有望重新定义科技生态系统，从“炒作”转变为核心战略。

对于企业来说，这是创新方式的一次范式转变，他们将从“尝试生成式人工智能”转向“采用生成式人工智能”。如早期云计算技术所带来的技术变革浪潮，生成式人工智能将对技术生态系统产生类似甚至更大的影响。

据《福布斯》报道，97%的企业认为，ChatGPT等生成式人工智能工具将对他们的业务产生积极影响。

2024年，人工智能将不仅仅是一个流行词，而是技术进步和业务转型的重要推动力。“人工智能战略就是企业核心战略”。

在大模型领域，Transformer凭一己之力撑起了整个江山。但随着模型规模的扩展和需要处理的序列不断变长，Transformer的局限性也逐渐凸显，比如其自注意力机制的计算量会随着上下文长度的增加呈平方级增长。为了克服这些缺陷，研究者们开发出了很多注意力机制的高效变体，但收效甚微。

最近，一项名为“Mamba”的研究似乎打破了这一局面，它在语言建模方面可以媲美甚至击败Transformer。这都要归功于作者提出的一种新架构——选择性状态空间模型（selective state space model），该架构是Mamba论文作者卡内基梅隆大学机器学习系助理教授 Albert Gu此前主导研发的S4架构（Structured State Spaces for Sequence Modeling）的一个简单泛化。

这代表了人工智能在处理和理解序列方面的一次飞跃，而序列是人类认知的一个基本方面。

神经符号人工智能（Neuro-symbolic AI）融合了神经网络的最佳学习能力和符号人工智能的精确性。这种混合方法有望更细致、更复杂地理解复杂问题，弥合类人推理与机器效率之间的差距。

然后是人工智能与自校正模型的校准，即创建能够在没有持续人为干预的情况下自我适应和纠正的模型，更接近于一种独立、负责任的生成形式，而不会产生大规模幻觉风险。

这些新的模型架构描绘了一个未来，在这个未来，人工智能的能力可以与人类的认知能力相媲美。虽然研究还为时尚早，但期待这一领域实现飞跃和突破。

03数据平台推出自己的矢量数据解决方案

随着生成式人工智能对矢量数据库的依赖（矢量数据库的每个对象都有其位置和属性信息，这些信息可以被查询、分析和显示），2024年数据平台都将推出自己的矢量数据解决方案。

矢量数据库是生成式人工智能更复杂用例的关键要求，如对话记忆、搜索文档（RAG），以及索引图像等多模态解决方案。2023 年年中，随着多模态模型变得更容易获取，矢量数据需求激增。

Demand for Vector Databases following OpenAI GPT-4 release in March 2023 — Google Trends (Worldwide)

Databricks最近发布矢量数据解决方案，Snowflake 等主要现代数据平台（modern data stack）厂商在2024年很可能会跟进这一趋势，2024年，几乎所有数据库技术都将开始自称为 "矢量存储"。

在矢量数据平台领域，Milvus目前是大众的最爱，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。

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

随着人工智能占据主导地位，更好地控制端到端的供应链以掌握创新的关键变得越来越重要。

例如，行业十分关注英伟达是否会拓展到云计算领域，利用其硬件专长提供集成的人工智能云服务。

Nvidia Share Price, Last 5 Years (NASD:NVDA) — Source: Nvidia Investor Relations

英伟达其实已经拥有一项名为 "Geforce Now "的云流媒体服务，可按需提供高端图形处理服务。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。

另一方是亚马逊等云人工智能提供商以及Anthropic（估值超180亿美元）、 Mistral（估值超20亿美元）等新兴人工智能企业，是否会步 OpenAI（OpenAI 已开始采购自己造的芯片）和谷歌（谷歌已开始使用自己的TPU和硬件平台Coral AI）的后尘？这一战略可能标志着人工智能硬件向“自力更生”战略转变。

Google Coral — Local AI Development Boards and Hardware — Credit: Coral AI

人工智能垂直整合的趋势凸显了一个更大的问题：对人工智能硬件的控制正成为控制未来科技的代名词。

2024年有望看到新的参与者加入到专门制造人工智能芯片的行列中来，至少OpenAI 将在 2024 年初加入到芯片游戏中来。

今年，我们将见证一场技术互动方式的变革，人工智能和可穿戴设备将与扩展现实（XR）设备融为一体，与我们的日常生活完美融合。

Humane AI的Pin和Tab正在重新定义可穿戴设备，这些设备不再只是跟踪健康指标或接收信息，还将增强人与人之间的互动，提供实时的人工智能帮助，并为我们提供增强体验。

Humane AI Pin — Source: Humane

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，有这样一款设备，它不仅能记录我们经历的瞬间，还能让我们重温、理解和反思我们的记忆。

Rewind AI Pendant — Source: Rewind

不过，掀起波澜的不仅仅是新玩家。苹果公司和OpenAI 等科技巨头正在涉足可穿戴设备领域，并承诺将带来巨大的创新。苹果公司是创新潮流的引领者，在2024年极有可能推出与其生态系统无缝融合的可穿戴设备，这些设备将与XR Apple Vision Pro 结合在一起，提供无与伦比的用户体验。

OpenAI或许会推出可穿戴设备，将先进的人工智能功能直接带到我们的指尖（或手腕），与 ChatGPT 等生成式人工智能模型进行交互，将带来前所未有的便利和智能。

Meta 是另一家值得关注的重要企业，其在VR可穿戴设备领域探索多年，持续不断创新。

2024 年，AI可穿戴设备将超越单纯的技术，正在成为个人伴侣、数字助手和通向新现实的大门。它们代表着一种转变，一种与技术更亲密、更互动的关系，一种数字世界与物理世界无缝交织的关系转变。

设想一个生态系统，在这个生态系统中，每个具有独特专长和知识库的专业AI代理都可以进行互动和协作。随着人工智能"代理"（AI Agents）的发展，我们将在 2024 年继续看到这一领域的增长。

AI Agents Market Map Dec 23 — Credit: Olivia Moore

AI Agent的出现将超越对个人需求的支持（如撰写电子邮件、支持解决客户问题或为用户订购杂货），而成为一个生态系统，在这个生态系统中，AI Agent将开始与其他AI Agent进行互动。

这种模式的转变之下，企业将有机会将其AI Agent货币化，进而促进形成一个由互联智能代理组成的新生态系统。

波士顿动力（Boston Dynamics）和特斯拉（Tesla）等公司的机器人和人形机器人必须着眼于解决这个问题，因为各种机器人需要共存并进行本地交流，以决定如何执行任务。

彭博社和LexisNexis等在特定垂直领域拥有大量数据的公司有望成为这一领域的领跑者。

彭博社凭借其在金融数据方面的优势，已开始开发了自己的AI金融代理，而LexisNexis则可以利用其庞大的法律信息库开发AI法律代，这些代理由各自深厚的数据护城河提供支持，不仅为用户直接提供服务，还将成为其他企业和系统的宝贵资源，推动生产新的数字劳动力。

除了数字劳动力之外，我们还将看到新的AI代理解决方案，包括代理协调、管理、监控，以及UiPath等数字机器人领域的企业，凭借其现有的自动化和机器人系统的大规模应用经验，开始进入这一领域。

除了文本、代码、图像、视频和音频之外，新的更具沉浸感的模式和感知（如三维、基因组学、嗅觉、味觉）将开始进入市场。

Generative spatial AI to generate new town layouts — https://www.generativespatialai.com/

生成式人工智能将突破目前文本、代码、图像、视频和音频的界限，拥抱更多身临其境的模式，例如调动三维、嗅觉和味觉等其他感知，帮助科学界研究蛋白质结构和材料。这些新颖的感知模式预计将以早期形式出现，也意味着下一波生成式人工智能应用的到来。

人工智能代理和多模态模型的兴起，再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丰富的互动体验。想象一下，你的梦想进入到一个VR世界，每个游戏都有一个根据你的视角量身定制的独特世界。

最近的三维建模技术（Gaussian splatting）可以将视频转换成三维虚拟现实，我们将看到这种生成技术发展到新的高度。

A-Lab Berkeley, Robot Testing New Materials — Credit: Marilyn Sargent/Berkeley Lab

最大的影响将来自材料科学和基因组学。由谷歌Deepmind开发的GNoME模型已经在材料科学领域取得了突破性进展，发现了新的晶体结构，将为计算机带来更好的电池。

这些领域（如科学）可能会取得最深远的研究进展。

随着人工智能的持续发展，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。

EU AI Act — Proposed Levels of Risk — Source: EY

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）正在倡导对人工智能进行更严格的管理。今年，我们有望看到在建立人工智能模型审核框架、准确性标准化等方面取得长足进步，但仍有很长的路要走。

Do Foundation Model Providers Comply with the Draft EU AI Act? — Source: Stanford CRF

对于企业，人工智能不仅是创新工具，还同时受到严密监管审查。今年统一的框架和标准将会出现，指导企业负责任地使用人工智能，确保人工智能融入主流社会是安全和符合公共利益的。

营销历来占据企业预算的很大一部分，如今正在经历一场变革。ChatGPT 等聊天工具的兴起有可能导致传统搜索量的明显下降，从根本上改变消费者获取信息的方式。

Debate and Statistics on Search Engines vs Chat GPT — Source: Twitter Greg Sterling

在信息渠道不断变化的情况下，针对生成式人工智能调整营销策略的趋势日益明显。

我们正在目睹技术格局的重大转变，从基于PC浏览器向移动端APP转变，引领这一潮流的是微软Co-Pilot、谷歌Bard等在安卓终端上应用，苹果大型语言模型（LLM）预计也将于2024年推出。这标志着从以网络为中心的交互向更集成的、基于移动终端的人工智能体验的范式转变。

New Microsoft Surface X expected late 2024 — Source: Microsoft

这种转变代表着用户交互模式的根本性变化，随着人工智能与终端设备的无缝集成，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、更能感知上下文的环境中与人工智能互动，从而获得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根深蒂固的科技巨头来说，这是一个重新定义其产品的机会。

ChatGPT not knowing who I am — Source: Vincent Koc and OpenAI ChatGPT

可以预见，营销领域将出现新的 "answer analytics "平台和运营模式。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建立索引，就像他们曾经对搜索引擎所做的那样。

Screenshot of Top Domains Crawled by Commoncrawl, Dataset used to train most Large Language Models — https://commoncrawl.github.io/cc-crawl-statistics/plots/domains.html

此外，OpenAI 等平台可能会推出广告赞助结果或媒体评估工具，这将为数字广告引入一个新的维度。这一发展不仅为品牌推广提供了新的途径，也对现有的数字营销战略提出了挑战，促使人们重新评估衡量标准和投资回报率。

随着LLM从传统的网络界面向移动终端设备迁移，营销格局将发生重大变化。营销人员必须适应这些变化，同时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。这种将传统媒体的影响力与人工智能驱动的精准分析相结合的双重方法，很可能成为 2024 年快速发展的营销格局中取得成功的关键。

随着企业越来越多地转向利用生成式人工智能模型和开发自己的微调解决方案，数据质量问题再次摆上桌面。

Trend for: Data Quality Topic — Source: Google Trends Worldwide

高质量、准确标注的数据是有效部署人工智能的基石，不仅在于数据的可用性，还在于数据的相关性、准确性及其提供的背景，训练数据的偏差和误导问题会给模型的输出带来灾难。

Range of biases have been found in a range of training data used by Large Language Models. — Source: Bias and Fairness in Large Language Models: A Survey — arxiv

挑战不止于此。面对高级人工智能模型的细微需求，传统技术往往显得力不从心。

《2023 Data Integrity Trends and Insights Report》发现，数据质量差是整个行业普遍面临的问题，70%对数据信任度低的企业指出，数据质量是做出明智决策的最大挑战。。

此外，这些复杂的人工智能模型需要密集的计算能力，这意味着对GPU的大量需求。

Meme depicting the “GPU shortage”

但是，随着越来越多的企业进入人工智能领域，对GPU的争夺也愈演愈烈，这将导致人工智能的开发和部署出现潜在瓶颈，从而使企业适应人工智能常态的能力变得更加复杂。

2024 年，数据质量和计算基础设施的将重新受到关注。

2024年很可能是小型基础模型之年。这些专业的、专门构建的人工智能模型将占据中心位置，在效率和精确度上胜过通用模型。

企业现在有多种选择，可以使用现成的训练有素的通用大型语言模型，如 OpenAI GPT、Google Bard、Anthropic Claude [下图中的 RL 模型]，也可以冒险构建自己的专用模型。

LLM development stages, pioneered by the InstructGPT paper, leading to ChatGPT. This figure is adapted from Chip Huyen’s post “RLHF: Reinforcement Learning from Human Feedback” — Source: Argilla

像GPT 这样拥有1000亿个参数的通用模型，重建成本大约在400万美元以上。OpenAI 最近也开始为企业提供 "构建GPT "服务，价格从200万至300万美元不等。

据悉，80%企业重点放在满足特定需求的小型定制模型上，而不是试图用通用解决方案来吸引大众。

对企业来说，真正的价值在于能够为离散任务开发这些专用模型。这些模型不仅能提供更高的准确性和相关性，还能带来新的盈利机会。在一个越来越受专业化需求驱动的世界里，这些模型将成为宝贵的资产，提供既有效又经济可行的解决方案。

许多企业在大模型的基础上建立了解决方案，提供有限的定制化和可扩展性，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。

Generalised Model Availability and Quality Prediction — Source: Sequioa Capital

小型模型不仅运行成本更低，而且适应速度更快，更易于管理，从长远来看是一种更具可持续性和成本效益的方法。

展望2024年，创建和利用小型基础模型的能力显然将成为竞争激烈的人工智能市场中的关键差异化因素。这一转变标志着向更个性化、更高效、更经济的人工智能解决方案迈出了重要一步。

人工智能市场正在成为自适应和响应式平台，重塑我们对技术交易和互动的思考方式。

OpenAI GPT Store, Launching in 2024 — Source: OpenAI

OpenAI正准备在2024年初推出其备受期待的 "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 Bytedance 等老牌巨头到新兴的初创企业，我们都将目睹一系列参与者潜入这一领域。

但是，这场革命的涟漪效应已经超越了传统的科技实体。随着AI代理的发展和可穿戴技术的激增，苹果iPhone和App Store的时代又将到来，开发者将把这视为下一个淘金机会。

在这一转型阶段，人工智能市场正在从B2B领域扩展到B2C领域。我们很可能会看到各种不同的参与者在这方面进行尝试，每个参与者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到企业级解决方案，这些市场的产品范围将满足广泛的需求和愿望。

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。

Usage Based Companies — Source: Open Venture Partners

我们可能会目睹从传统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。在这种情况下，客户将根据其人工智能使用的程度和性质付费，从而提供一种灵活且可能更加公平的定价结构。

但演变并不止于此，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。开发者及其人工智能服务或代理可以在市场上试用收入分成（App Store）或使用费（Spotify）模式。

另一种新兴模式可能是基于性能的定价，即根据人工智能工具交付的成果或结果收费。在人工智能的影响可以量化衡量的行业，如营销分析、金融预测或者创意产业，这种模式尤其具有吸引力。

Bundled vs Unbundled Strategies in Pricing — Source: 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。这些捆绑服务可以将人工智能工具与传统软件服务结合起来，提供全面的一揽子服务，满足更广泛的业务需求。

这些新定价模式和战略的出现，反映出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的功能，对灵活、透明、价值一致的定价模式的需求可能会加剧。

现代人工智能工具的扩展和生成将导致数字足迹的扩大，这就需要安全、便携的数字身份，而如何在强大的安全性和用户的可使用性之间取得平衡是一项挑战。用户将期待个性化的体验，其中偏好、历史和上下文将成为在网络上使用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监护人。这种整合将带来更精简、更安全的数字生活。但这不仅仅是安全问题，而是我们的数字人在各种平台上的无缝整合问题。

"自主人工智能”（BYO AI, Bring Your Own AI）与此直接相关。试想一下，将自己的数字偏好、学习方式甚至购物习惯从一种数字交互无缝带入另一种数字交互，这种便携性不仅仅是方便，更是一种变革，使个性化和效率达到了前所未有的水平，可穿戴设备也正在成为我们管理数字身份不可或缺的一部分。通过不断学习人类的互动行为，可穿戴设备逐渐成为个人数据中心，不仅了解我们的偏好，还能预测我们的需求。

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的设置。想象一下，进入一间会议室，灯光、温度甚至数字显示屏都会根据你的喜好自动调整。

然而，这种程度的个性化和数据整合会引发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，它们被广告数字体验提供商利用的潜力是巨大的。这可能会开创一个消费参与的情境广告新时代，在这个时代，促销活动不仅有针对性，而且与我们的数字角色深度融合。

随着身份与人工智能的融合，将重新定义个人与技术的互动方式，从而带来更加个性化、高效和互联的生活。当我们拥抱这个未来时，道德考量和隐私保护变得比以往任何时候都更加重要。

大模型最大的价值创造到底是全新的Super App，还是对现有应用的改造，现在还没有定论。

微软将Office与AI结合起来，推出的产品Microsoft 365 Copilot一年营收达到了50亿美元，比OpenAI 全年的收入13亿美元大很多倍。不止微软，还有Adobe、Salesforce，通过拥抱大模型实现了现有几个产品的收入、利润明显增加。

这一波生成式人工智能，目前看到的更多是对现有业务的改造，创造出了大的价值。

百度创始人兼CEO李彦宏在2024极客公园创新大会上表示，“大厂会拿走AI大模型大多数的红利，我说的大厂不单指互联网大厂。我觉得现有几乎所有行业成型的、所谓代表落后生产力的公司，一旦它转过弯来能够很好地利用大模型的能力，它获得的收益、价值增益加起来一定是最大的。”

但他也补充，这并不表明创业公司没有机会，创业公司可能能够做出3个、5个Super App，或者做出几百个几千个非常有价值的垂类应用，可能性也非常大。但是这些价值创造跟我们对于现有世界的改造相比，还是一个小头。

所谓的Super App，超级应用什么时候出来，在哪个领域能出来，这更多需要创业公司、VC 去尝试，往这方面多努力，多做各种各样的尝试。

近日，360创始人周鸿祎在分享2024年AI大模型的十大趋势提到，“在消费者端，大模型到底有啥杀手型的应用？中国会产生什么杀手级应用，我还不知道，但是2024年一定会出来。在to C领域，我们今天的搜索、浏览器、信息流、短视频、微博、问答，甚至我们的社交可能都会用大模型来重塑一遍。至于是战术性重塑还是战略性重塑，就看各家的做法，2024年一定会出来这种杀手级的应用。”

展望2024年，人工智能和技术重塑世界的潜力毋庸置疑。每一项预测都让我们看到了一个创新、责任和包容并存的未来。

重要启示：

1、生成式人工智能成为核心技术战略：标志着各行各业从炒作到主流应用的转变。

2、神经网络的进步接近AGI：Mamba和神经符号人工智能等新架构大大增强了认知能力。

3、人工智能可穿戴设备和扩展现实技术（XR）日益突出：在日常生活中提供增强的人类体验和互动。

4、互联的AI代理创建了一个新的生态系统：专业化的AI代理相互交流，彻底改变了行业生态。

5、安全数字身份成为自主人工智能时代的关键：由银行和电子政务平台管理的便携式数字身份的兴起。

让我们以开放的心态迎接这一旅程，准备好成为未来的一部分，未来不仅正在发生，而且将由我们来塑造。