來源：AI黑馬
作者：啟明創投未盡研究
AI黑馬推薦語：
此前，我們分享了清華大學、騰訊研究院的研究報告（可以看往期文章）。本次分享的報告來自啟明創投。這份人工智能報告，搞清楚了ChatGPT、Gen-AI、大模型、多模態……
壹 | 2022年，ChatGPT出世，擴散模型應用取得突破，這一年也被稱為生成式人工智能之年。
貳 | 2023年，大模型推向了一個高峰，生成式人工智能，進入通用人工智能創新應用的階段。
叁 | 2024年，中國將出現比肩GPT-4的多語言通用大模型。
肆 | 2025年之前，Video 和3D 等模態將迎來里程碑式的模型，大幅提高生成效果。
伍 | 生成式人工智能的生態包括了基礎設施層、模型層與應用層，創新在每一個層面發起，競爭也在科技巨頭、行業龍頭和初創公司之間展開。面對這一革命性的技術，不論是主動還是被動，企業都被成交量入其中。不管是技術的守成者、創新者還是採納者，業務模式都將發生變化，進而影響企業的發展。
陸 | 當前，生成式AI 尚處於技術發展的早期階段，基礎架構和核心技術並不成熟；科技巨頭忙於研發大模型，尚未顧及深度切入具體的應用場景。但巨頭何時添加相似的功能，始終是懸在初創企業頭上的達摩克利斯之劍，而大模型能力邊界的擴張也可能在未來擠占初創企業的發展空間，可以說，這是初創企業的藍海，但也有發展道路上的暗礁。
柒 | 大模型不僅用來生成文章和圖片，而且可以用來當成智能代理，幫助管理和執行更複雜的任務。開源模型實現了低成本、小型化、專業化的訓練，與閉源的基礎模型競爭互補，共同推動了生成式人工智能技術的應用，也加快了模型向邊緣側和移動端部署。
捌 | 生成式人工智能大模型日益向多模態發展，具身智能也成為一個重要研究方向，幫助生成式人工智能更好地理解和處理現實世界的複雜性和多樣性。
玖| 在出現更有前景的大語言模型之前，為實現垂直領域更好的效果，以下三種方式將共存： 1）在不改變數據分佈的情況下，利用更多通用數據進行通用大模型預訓練，不特別引入行業數據；2）利用行業專屬數據微調（Fine-Tuning）通用大模型；3）利用行業數據佔比更高的數據集進行垂直模型預訓練。
拾 | 以PALM-E為代表的具身智能（Embodied AI）展現出在機器人的感知、理解和決策等方向上的巨大潛力，但當前訓練和可靠性存在較大挑戰。短期內Transformer正成為多個模態的主流網絡結構，但壓縮整個數字世界的通用方法尚未出現，Transformer並不是人工智能技術的終點。當前生成式AI市場處於技術主導的早期階段，存在千億美元市值的平台性企業的機會。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載