[科技知识] 去年是「大模型元年」，今年会是「AI应用落地元年」吗？

天天财汇购物网址万年历小说 | 三峰软件小游戏视频

TxT小说阅读器
↓小说语音阅读,小说下载↓

一键清除系统垃圾
↓轻轻一点,清除系统垃圾↓

图片批量下载器
↓批量下载图片,美女图库↓

图片自动播放器
↓图片自动播放,产品展示↓

首页淘股吧股票涨跌实时统计涨停板选股股票入门股票书籍股票问答分时图选股跌停板选股 K线图选股成交量选股 [平安银行]

股市论谈均线选股趋势线选股筹码理论波浪理论缠论 MACD指标 KDJ指标 BOLL指标 RSI指标炒股基础知识炒股故事

商业财经科技知识汽车百科工程技术自然科学家居生活设计艺术财经视频游戏--

天天财汇 -> 科技知识 -> 去年是「大模型元年」，今年会是「AI应用落地元年」吗？ -> 正文阅读

[科技知识]去年是「大模型元年」，今年会是「AI应用落地元年」吗？

[收藏本文] 【下载本文】

去年，大型AI模型的发展和应用引起了广泛关注，被誉为「大模型元年」。随着这些模型的成熟和优化，今年是否有可能成为AI应用在各行各业广泛落地的一年？AI…

AI这波浪潮从AlexNet开始，其实已经有10几年了，以ChatGPT为代表的生成式AI（Generative AI，简称GenAI）彻底引爆AI的最主要原因就是个人使用起来非常地便利。

图源：https://towardsdatascience.com/ten-years-of-ai-in-review-85decdb2a540
这波AI浪潮跟之前的很不一样，之前的各种人脸识别、声音识别等等，绝大多数的人只是被动的接受，而这波GenAI涌现出来的各种产品，比如AI文本生成、AI绘画、AI视频生成等等，给了所有人变成创作者的选项。
比尔盖茨在和OpenAI的CEO山姆奥特曼的对话中就提到了他对于ChatGPT效果如此之好的感叹。

特别是我在高强度的体验过国内外各种GenAI之后，才真正地发现了GenAI的各种强大之处。
比如GPT4可以直接将随手画的网站草图变成功能齐全的网站。

音乐AI suno可以让人非常轻松地创建出2分钟的音乐，可以驾驭各种风格，可以唱非常多种类型的语言。

不过最近有个趋势，那就是AI的发展产生了两种主要的趋势：开源和闭源，比如OpenAI在GPT3以后的所有模型都是闭源的，GPT4、Sora等几乎没有透漏任何有价值的信息。与之相对应的是开源的AI，比如通义千问家族，开源了从1.5B的端侧大模型，到72B的大型LLM，不仅如此，还有视觉大模型Qwen-VL，语音大模型Qwen-Audio等等，从模型到参数到训练数据的全面开源。

开源的最大好处就是让技术分享出来的同时，可以让更多的人参与到技术的开发中，现在基本上有一个共识就是OpenAI之所以强是占据了先发优势，也就是现在他们的训练方法可能领先，但是很多优势是会随着时间的推移逐渐减少的，开源正好是闭源的天生对手。
就像千问Qwen72B发布的时候，更是在hugging face上超过了Meta的Llama2，首先它的性能已经跟GPT-3.5很接近，部分结果甚至已经超过了GPT4，更重要的是它是可以随意被再开发且随意商用。
可以预见的未来，闭源会在短期内占据先发优势地位，但开源终将是主流。抛开开源闭源，AI，特别是生成式大模型的实现需要三个必要条件：模型、数据以及算力。
模型和数据决定了不同类型的AI，这一点儿我们可以从不同的开源大模型得到验证，但是算力不一样，它是没有属性的，它只有量的区别。
特别是在AI领域，算力就跟电力在电气革命的地位一样，是基础也是最宝贵的资源，甚至可以算是衡量国家综合实力的一个重要指标。在计算方面布局很早的阿里云，更是承担了中国大模型半壁江山的算力负载。

算力之所以基础且宝贵，是因为AI所需要的计算资源，每3-4个月就翻一倍，因为AI模型的规模在不断的增大，你可以从下图里看到ChatGPT从最初一代到现在的GPT4，参数规模从1.17亿到估算的1万亿，将近1000倍的增幅，远超摩尔定律。

特别是现在的趋势是从文本生成到视频生成，需要的算力更是呈现指数级别的增长。
这么高的算力需求，其实对于绝大多说的公司来说都是遥不可及的，当前最优的解法就是云计算，因为云计算的两个优势非常适合AI，第一是它的弹性以及可扩容，正好适合AI这种对于算力需求上限极高的产业，其次开发者可以专注于技术开发而不是分出甚至找专业的维护人员。
阿里云在云计算领域先发优势很明显，在国际上都属于领跑者的队列。Gartner这个权威的评级机构作出的报告中，阿里云已经多次处于第一象限，领跑者。

其实这也不难理解，毕竟从双十一开始的时候阿里云就已经在储备应对大模型计算的经验了，到现在GenAI的爆发，阿里云也是凭着自己的硬实力才能接得住这波冲击。
除了承载超过半数的中国大模型，通义千问自己本身就是在阿里云的支持下运行的，更难能可贵的是千问一直都是免费开放使用的，前段时间更新的新功能，更是可以支持1000万字的上下文，这种级别的算力需求是很恐怖的，因为这相当于可以同时读10本《三体》全集，没点算力储备很难做得到。
有一个很明显的趋势就是在这波AI浪潮中，公司的人员规模不再是核心竞争力，风头无两的OpenAI也不过500多号员工，Midjourney的正式员工不过十几个人，这都是依托于云计算这样的AI基础服务平台，才可以让公司专心于技术开发即可。
至于算力之类的资源，基础平台可以提供稳定且专业的支持，不管业务的规模大小，起码在算力这一环节，几乎不存在很大的门槛。
这也是我觉得AI应用会爆发的主要原因，并且AI应用的发展才是AI大模型可以持续发展的动力，否则大模型会成为无水之萍，难以持续发展。AI应用领域是更充满想象力的，且对于技术没有很高的要求，例如，可以看到在阿里云提供的百炼AI大模型服务平台上，很多的公司在上面构建了下载量和使用量都非常高的应用。

百炼这样的平台，不仅集成了大量的开源大模型，更是将AI应用的构建做成了傻瓜式，只需要简单的拖动就可以创建一套复杂的处理流程。

构建一个应用就跟画流程图一样的简单，你确定好你的输入，也就是开始节点，以及输出，也就是输出节点，其中最核心也最难的其实就是处理部分，但是这一部分在百炼里面反而是最简单的一环，因为你只需要简单地拖动相关的节点并选择适合你的模型即可。
这种平台最大的作用就是可以让公司或者企业依托提供的接口以及现成的大模型开发新的业务线，甚至转型成AI公司也不是没可能。
最后，AI大模型会继续持续发展，但是这是一个赢家通吃且竞争异常激烈的领域；但AI应用不同，他们更多追求对于细分需求的满足以及各种已有资源的灵活应用，这一切都取决于AI基础建设方面的完善度，阿里云这样的在云计算以及AI基础建设领域深耕已久的大平台会成为AI浪潮中创新的热土。

“经过2023年一年的学习、探索，2024年应该是人工智能和大模型应用的爆发之年。”人工智能企业竹间智能创始人、CEO简仁贤说。AI应用落地的爆发与否，即映证了AI技术与市场的匹配度高低；
而很明显，AI已经不仅走向世界，更是已经走进生活！

去年，AI的竞争还在于谁更有新意，而今年，AI竞争力延伸至垂直专业领域，各大企业开始力争开发盈利且真正服务用户需求的AI工具，AI应用落地的爆发，羽翼已成；
但我不认同的是以“年”为单位来定义AI的趋势，AI的发展之快远超我们想象，日新月异形容AI一点不为过；

“ChatGPT出来之前，我们的模型一直无法解决自由对话的问题。2022年底，ChatGPT出现了，我们把它的框架和我们自有模型相结合，实现了对话理解。”
如今AI领域已经进化到随处可见的落地场景，AI搜索引擎、AI问答对话、AI绘画、AI阅读、AI写作、AI编程、AI办公、AI分析等等……
（简单介绍几个工具）
? AI写作——Kimi AI
Kimi是月之暗面（Moonshot AI）于2023年10月推出的一款智能助手，主要应用场景为专业学术论文的翻译和理解、辅助分析法律问题、快速理解AAPI开发文档等；

Kimi在去年10月发布时，就已经支持约20万汉字无损上下文输入，当时已经是国内大模型将长文本这一技术拉到世界第一梯队的的技术水准；
而在后续的升级中，突破了200文字输入的十倍提升，并且进化了强大的搜索能力之外，还具有多格式文本的解读功能；

支持最多50个文件，每个100MB大小，接受pdf、doc、xlsx、PPT、txt、图片等多种格式；
对超长文本的解读中，也能够感受到AI记忆能力越来越给力了；
? AI办公——迅捷PPT
PPT的制作，虽然不是什么特别难的任务，但繁琐的步骤的确是让许多人头疼的一点，光是框架就得搭一下午了，如果你有同样苦恼，那这款“迅捷PPT”再合适不过了；
它主要用于PPT制作的电脑端工具，它内置了多种不同类型的PPT模板，解决了用户在PPT设计过程各种阻碍；

多种多样的丰富模板供不同类别的人群使用，无论是在校师生，还是行业精英，迅捷PPT都可以高效实现PPT制作需求；
选定模板后即可直接输入主题让其进行创作生成；

生成大纲后，我们可以再根据需要进行修改，也可以临时更换主题、选题等等，确认无误后点击下一步即可生成PPT；

稍作等待即可得到一份完整的PPT啦，最后再进行内容的润色补充即可~

? AI绘画——无界AI
“人人都是艺术家”——无界AI；
无界AI是国内领先的AIGC内容创作平台，致力于为国内用户提供更加简洁易用、模型更加丰富的AIGC绘画工具；
出图速度、作品质量、丰富的模板一直都是无界AI的特点；

而且它的【咒语生成器】对于小白来说非常实用，像我这种绘画白纸，可以在这个生成器中找到需要的关键词或画面描述后，再进行组合使用；

无界AI的主页还提供给我们可以分享作品的平台，大家可以在该平台上看到各种精美的作品，也供大家直接下载使用~

? AI编程——CodeGeeX
清华大学的CodeGeeX 发布于2022年9月，CodeGeeX是一个具有130亿参数的多编程语言代码生成预训练模型；
CodeGeeX采用华为MindSpore框架实现，在鹏城实验室“鹏城云脑II”中的192个节点（共1536个国产昇腾910 AI处理器）上训练而成；

尽管看似各界已然普遍使用AI工具并带来显著的提升，但想看到“回报”还需论年的时间沉淀，摆脱如今这般“雷声大雨点小”的现状，革命尚未成功；
“个人电脑在普及后至少10年才带来生产率提升。”
又是干货满满的分享，我看谁还没点赞收藏喜欢，有什么意见也可以在评论区直说，@视频编辑助手绝对欢迎！

无论如何，我们必须承认，大模型已经从“百模大战”走向了“实用优先”。
在过去一年，国产大模型已经完成了对【数量】的追逐。诸多科技公司也开始意识到，与其做100个大模型，不如转变赛道，去做100个AI应用。从“大而不精”的同质化“战区”跳转思路，转而对大模型进行本地化、客制化的应用，才是大模型商业化落地所必须要经历的重要阶段。
或者我们应该在百模大战的“热度”之后，“冷静”下来思考一下生成式 AI 的下一步会是什么？
一、从生成式AI和大模型的崛起说起
先看两张图：

图源网络
这两张图的密度一出现，大抵可以猜到讲的就是“百模大战”这件事。其实不仅是国内有大概200多个大模型，就国外而言，早有传言说谷歌杀手锏Gemini Ultra、OpenAI的GPT-5不久就会开始“打擂台”。
回到模型本身，我们知道，千亿基座模型、有监督指令微调、人类反馈强化学习被视为GPT和其他生成式预训练Transformer模型的三个发展阶段。分别来看，第一阶段当然是“千亿基座模型”，它相当于让机器“饱读诗书”，把在这个世界图书馆里的所有知识“应学尽学”。“有监督指令微调”是第二阶段，整个过程都在教大模型如何“考试”，也就是怎么去回应人类的问题，怎样跟人类的思维方式对齐；第三阶段叫做“人类反馈强化学习”，顾名思义它将强化学习和人类反馈相结合，利用人类提供的反馈来指导大模型的行为。

图源网络
也是基于上述“三段论”，国产大模型在近一年里，曾一度陷入“数字论”的怪圈。如果关注产品发布会，可能会发现，在各个科技公司发布产品时，难以避免地去比较一下谁家的训练参数量更大、谁家的文本输入输出字数更长。就好像数字大一点，产品能力就强一点。

NLP模型参数量规模趋势，图源网络
但AI不是数码产品，像是手机、电脑登录终端设备后，进行一波“参数营销”，用户可能还会买账。但是对于大众而言，AI更像是“互联网+软件”的双重体验，大众对其最直观的感知就是【交互】。举一个直观的例子，大模型就好像我们手机的底层系统，对于大众而言没办法直接调用大模型的基础能力——逻辑、对话、记忆、生成，只有将这四重能力打包进入AI原生应用，大众才能真正体验到大模型到底多香。
包括最近业内也有大佬开始预测：2024年，国内即将出现首个杀手级应用。
虽然无法肯定这个杀手级应用到底多顶，但可以肯定的是，一味地卷大模型卷参数，注定会错过这一轮AI商业化洪流。
二、参与AI原生应用的两种“姿势”
我们知道，就大模型本身而言，其实并不能直接产生价值，第四次技术革命的到来也不会仅仅是大模型本身，而是大模型所激发出的生产力的变革。
作为“百模大战”下半场的破局点，面对AI 原生应用，国内头部大厂的普遍做法是从零开始，自己开发大模型。在此基础上对原有产品进行重构，或者直白一点来说，就是重新做了一遍。这种模式所面临的一个最重要的问题就是需要烧钱。但纵观整个行业，能烧得起的也就是那几家。另一种模式则是直接使用云服务厂商的能力（如阿里云），部署大模型进而重构或者是创建AI原生应用。
概括而言，参与AI原生应用大抵不外乎两种“姿势”：一种是基于已有的大模型，开发AI原生应用，但前提是得解决大模型到应用的路径问题。还有一种就是“借鸡生蛋”，直接借用AI一站式服务开发平台，直接调用其的云计算能力，直接在平台上训练模型、开发应用，实现全链路开发，同时降低大模型的训练和部署成本。
所以今天想聊聊不烧钱的“玩法”——上云。

“云计算与大模型”之间是“电和电动机”的关系——未来云计算的算力都会被这些智能时代的电动机，即模型消耗掉。这是因为，将来所有的AI计算，都会以云的方式来提供。

与通用计算时代截然不同，当前的单一计算架构已难以满足AI技术不断推进的需求。由多元算力（如CPU、GPU、DPU等）融合而成的异构计算架构将成为主流。而AI大模型的训练和推理所带来的成本极高。与传统的“摩尔定律”相比，AI大模型对算力的需求越来越高。根据毕马威的数据，目前AI大模型的算力需求近乎每3-4个月就翻一番，远超摩尔定律所预测的每18-24个月翻倍的规律。

动辄上亿乃至上百亿的资金投入，显然不是随便一家公司都能玩得转的。因此，降低算力和数据成本，对于AI大模型的“玩家们”而言，已然成为决胜的关键。
相对于传统的IT基础设施需要大量的资本投资，包括硬件、软件、数据中心空间等。云原生架构利用容器、微服务、DevOps、无服务器计算（Serverless）以及云原生中间件等技术，实现业务和组件的弹性扩展。不仅大大提高了应用部署所需资源的复用率，还可以采取按需付费的模式，企业只需根据实际使用量付费，避免了高额的固定成本，同时还减少了后期运营维护的成本。
大模型完成训练后，还需进行精调和部署，这要求有完善的工具链，通常只有大型企业能提供。许多大模型企业期望通过云平台对外服务，以扩大客户群。
而百炼平台不仅能帮助模型企业走向商业化，还能让企业将模型功能整合到各种AI原生应用中去。为了保证大模型训练的稳定互联和高效并行计算，阿里云全新升级了人工智能平台PAI，提供模型选型、微调训练、安全套件、模型部署等服务和全链路的应用开发工具，为用户简化了底层算力部署、模型预训练、工具开发等复杂工作。阿里云通义大模型系列就是基于人工智能平台PAI训练而成。目前除了通义大模型，包括智谱AI和清华大学的ChatGLM、百川智能的开源大模型以及IDEA研究院的姜子牙等都已经上线，可以说中国一半的大模型都跑在阿里云上。

最后，通过云端服务，企业可以更容易地试验新的应用程序、服务和业务模型，而无需担心巨大的前期投资。这种灵活性和敏捷性使企业能够更快地响应市场变化，推出新产品和服务。
总的来说，传统的企业软件开发需要经历漫长的周期，依赖大量底层基础设施、技术资源以及物理和网络资源的支持。而云计算环境提供了即时获取这些资源的能力，达到了开箱即用的便利性。因此，未来云计算一定是企业和开发者的首选。
三、传统企业如何参与AI原生应用的“新战场”
根据Gartner的报告显示，预计在2026年，超过80%的企业将使用生成式AI应用程序接口（API）或部署支持生成式AI的应用程序。但是，当下却仅仅有不到5%的企业将生成式AI运用在生产环境中。可以肯定的是，不变革，就死亡。全中国所有的产业都可以用AI原生应用进行提效，所谓的新质生产力一定是AI化后的生产力。

基础模型将迈入技术成熟度曲线上的“顶峰阶段”，图源Gartner
但实际上，对于鲜有AI基因的传统企业而言，“数字化转型”尚且刚刚摸索清楚，“AI化”又迅速压了过来，几乎是丈二和尚摸不头脑。首先是大模型训练的成本难以承受，其次无论是营销、OA、财务、HR、研发，还是供应链，在不同的场景下，AI原生应用同样有许多种的限制。
所以，对资源有限的中小企业，以及鲜有“AI原生基因”的企业，如何有效利用云技术、智能化工具及数据化策略来加入“AI原生应用”的新战场十分重要。
作为提供基础设施的阿里云，其一站式大模型应用开发平台阿里云百炼，可以让开发者在5分钟内开发一款大模型应用，几小时可以做出一个企业专属模型。阿里云百炼集成了国内主流优质大模型，既有阿里云自研的通义系列大模型，也有第三方模型。另外，也支持用户上传自行训练的模型。

百炼的全链路模型服务覆盖数据管理、模型训练、评估和部署等关键环节。数据管理整合了离线和在线数据集，确保训练数据的质量和完备性。模型训练允许用户选择通义系列或第三方开源大模型，并通过透明化工具监控模型状态。模型评估提供多种资源，包括单模型和多模型对比，以对标行业标准。模型部署则通过一键功能简化云端应用流程。
为保持开放性，百炼整合并优化了开源框架如LlamaIndex，提供封装的原子级服务和SDK。插件中心预设了多样插件，并支持企业和开发者自定义插件，以提升大模型的调用效率。
值得一提的是，百炼平台还提供了一个模型选型参考榜单，通过综合能力、推理能力、语言能力等多个维度，帮助用户一目了然地了解哪款模型更具优势。这一功能无疑为企业在模型选择上提供了极大的便利。
通过一键选用、二次训练或简单的“拖拉拽”操作，开发者和企业能够高效地进行应用开发，同时保障了应用的安全性。目前，已有多家先锋企业在阿里云百炼平台上成功开发出专属模型和应用。
得道多助失道寡助。作为传统企业，去顺应技术发展趋势调整企业发展路线，就会有许多的一站式平台为你提供服务。
最后回到问题上来，2024年如果还不能作为AI应用落地元年，那等到2025就太晚了。

粗放的模型和粗放的应用，就整天想着落地和收入，之前我觉得中美的差距在于算力，现在看还是Vision差距太大。

如果将大模型的爆发看作是AI 1.0时代的话，那AI 2.0时代一定是AI应用的落地。
迈入AI 2.0时代，AI这项技术不再是被束之高阁，而是切实地摆脱了居于高位的象牙塔，走向了能够创造价值的实际应用。
2023年是以大模型为代表的AI技术狂飙突进的一年。无数科技巨头全都被“大模型”三个字吸引。大语言模型，如ChatGPT等已经成为我们生活和工作中不可或缺的一部分。
但大模型不是终解，应用才是。

丨国内AI应用爆发之势
截至到去年10月，国内已经涌现出了238个大模型，几乎每一天都有新的大模型问世。然而，与竞争激烈的赛道形成鲜明对比的是，基于大模型的应用产品却寥寥无几。
过去几个月，无数互联网巨头反复强调AI原生应用的重要性。李彦宏更是直言不讳：“中国的大模型很多，但是基于大模型开发出来的AI原生应用却非常少。”
而在去年年底就有AI应用爆发之势，以国内大厂为带头先锋，入局AI应用：
百度一口气发布超过20款AI原生应用；
腾讯云推出高性能应用服务HAI，号称10分钟开发专属AI应用；
字节跳动成立新部门Flow发力AI应用层；
......

对于AI应用的开发热情，业内也有其他科技企业将AI的能力深入嵌入具体应用场景中，形成了工具型、通用型、行业型的新AI应用：
· 工具型
截至去年6月数据，AI工具型应用中，内容生成类应用占前50大应用总流量的9.7%，其中图像生成类应用占比最大为41%，其次是写作工具类应用占比26%，视频生成类占比8%。
【文涌Effidit】
腾讯旗下的智能创作助手，看名字不难猜出，这是一款把“文思泉涌”作为目的的内容创作工具。
它主要有：文本补全、文本纠错、文本润色、词句推荐四大功能，它能够自动检测并补全语句，让文章变得更加通顺完整，帮助我们更加轻松简单的文章创作。

【AI绘图助手】
这个全新的AI绘画软件，汇集了一众AI图像创作工具，包括AI绘画、AI扩图、AI写真、AI特效等等，而且提供免费额度，多个功能都可免费实用。

在AI绘画功能中，提供AI文生图以及AI图生图两大生成模式，通过中文提示词&参考图即可生成符合要求的图画，生成操作简单，出图速度高且质量优秀，是非常易用的一款AI内容创作应用。

· 通用型
当然，最先火的AI应用还得是聊天机器人。在去年的AI应用数据统计中，此类AI聊天机器人应用占据了榜单总流量的68.7%。
【豆包】
字节旗下的一个大模型，看名字就觉得很亲民~这个生成式AI工具它现在无需排队、不用申请就可以使用。
它分别有写作、聊天等多个功能，在首页有不同场景的聊天窗口可以与之对话提问。可玩性很高，在AI智能体中，还提供各种类型的AI应用，包括绘画、小说创作、情感问答等等。

· 行业型【文心百中】
功能很强大的AI搜索工具，覆盖大量搜索场景，例如知识搜索、游戏攻略搜索、经济GDP、百科SPO等内容搜索。
它的作用在于任何内容都可以在这里得到更精准的搜索，寓意为搜得准确，百发百中，即可实现不同行业的搜索效果优化，十分高效。

【阿里小蜜】
阿里推出人工智能服务产品“阿里小蜜”，会员可以通过手机淘宝任意二级页面便捷的找到小蜜，一站式体验服务、导购、咨询、智能助手等功能，据说堪比3.3万人工客服~
它主要解决用户在淘宝购物的相关问题，包括商品咨询、订单状态查询、退换货政策、物流跟踪等服务问题。

丨AI应用的“难解之处”
但开发现象级AI应用从来不是一件易事。截至目前，相比国外动辄千百个大热的AI原生应用，国内真正称得上火热的应用仍然“难产”。
开发一个新应用需要克服两个主要问题：
①超越已有的大型应用
②开发新的应用取代旧的应用
怎么来看，这两个主要问题都很难在短时间解决，就像一家公司很难在拥有现象级的软件应用之后，再开发另一个面向C端的应用，就像QQ和微信。
另外，当下的大模型厂商，往往会将模型参数视为大模型好坏的检验标准。殊不知，在商业落地层面，巨大的参数亦对应着高企的成本，亦存在着相应时间长、并发性差等问题。
但话说回来，尽管目前种种难解的现状会让应用爆发的时间节点稍为后置，但考虑到国产大模型的“中国速度”，2024年基本可以确定是AI应用喷涌之年。
从去年到现在，AI应用的痕迹已经无处不在，千行百业有了AI应用的融入，正在被重塑。
分享完毕啦~不管你喜欢不喜欢都给
@职场小马
一点支持和关注呗，评论区见！

最近我经常听到一种声音——
“一年过去了，国内也没见有啥AI应用落地啊，是不是凉了啊…”
我每次都冷笑一声——
“呵，外行”
在过去的一年，之所以大众看不到太多落地的AI应用，是因为2023年是大模型元年，从美国的大模型巨头的动作、到中国的百模大战都可以看出，大家都在做模型层面的底层能力建设。
只有部分嗅觉敏锐的企业成功用AI实现了可观的降本增效，实现了应用层的落地。而一旦AI应用成功落地，企业在销售、产品、研发、运营、市场等等诸多环节会因为AI应用的深度介入带来可观的人效和业绩提升。甚至笔者的团队都因为AI应用在我们团队成功落地，实现了数倍的人效提升和业绩增长。
与此同时，去年，老的做ToB服务的小型SaaS公司纷纷进入AI化转型，承接了一波ToB的AI应用研发需求；阿里云等国内一波云厂商更不用说了，不仅支撑了国内一半以上的大模型在云上的订单，而且都上线了AI一站式大模型开发服务平台，为AI应用的爆发疯狂打造基础设施。
而今年，我的预判是不仅B端的AI应用落地会出现大爆发，一大波去年在观望的企业会纷纷拥抱AI（因为AI在B端的收益已经从一个不确定事件变成确定性事件了，谁用谁舒服），今年甚至会因为基础设施的完善而出现不少眼前一亮的C端应用。
去年，做AI应用的企业不仅非常难摸市场方向，而且还摸不清大模型技术边界，预判不好AI技术走势，而且政策、基础设施、算力、数据合规性、牌照等一大堆的问题的重压下，还能有如此的发展，说明AI应用爆发的潜力着实可期。
而去年，尝试在工作流中引入AI的传统企业就更痛苦了，很多传统企业被带到了“自研基础大模型”的沟里去了，钱没少花，事儿没办好。
今年不一样了
为什么敢这么说？
很多人不了解，这一年相当多的事情发生了变化，AI应用创新的“阻力”相比去年已经大大减少了。
第一，政策上要支持，去年ChatGPT刚火的时候，面临新事物带来的不确定性，政策上是比较谨慎的，这就导致做AI应用的厂商要先面临第一道拷问——你们拿到牌照了吗？而如今拿AI应用的牌照相比去年已经容易的多了。
第二，AI有用的共识已经初步建立。这一步很关键，当大量的观望者变成尝鲜者，就会引发需求迭代、市场建立的连锁反应，进而催生出AI应用的大爆发，盘活AI产业链。
第三，技术成熟度已经达到了落地水平。去年早些时候，即便是GPT-4，也难以遵循生产环境中的各种复杂指令，可靠性比较糟糕。而如今，阿里通义千问、百度文心一言等一众国产大模型厂商在真实的业务场景中大量迭代，在相当多商业价值巨大的垂直场景已经做到了复杂的指令遵循甚至具备了深度的知识储备，研发AI应用的技术可靠性层面已经有了质的提升。
第四，基础设施的完善。这里的基础设施不是说大模型的API，而是做大模型和AI应用落地的所需的完整的云基础设施。
正如前文所说，很多传统企业去年被带到了“自研大模型”的沟里，繁重的大模型训练和部署的基础设施已经耗尽了它们全部的心力，模型效果没法多讲，距离产生业务价值更是遥遥无期。而能通过AI应用实现可靠的降本增效的传统企业，无一不是借助云平台的力量摆脱繁重的基础设施压力。
百模大战落幕，拥抱云上大模型才是未来！
在去年阿里的云栖大会上，现任阿里巴巴集团董事会主席蔡崇信给了这样一个数字：“目前全国80%的科技企业和超过一半的AI大模型公司跑在阿里云上”。
事实上，从百模大战结束到目前无数大模型上云，这并非一个“偶然的选择”，而是一个必然的结果。云计算所集中的强大计算资源与灵活部署能力先天的就与把大模型作为一种生产力去使用相契合。
大模型强大能力的背后需要有海量的算力作为支持，尽管一般而言我们将算力等同于GPU的数量，但是事实上今天的大模型训练并非仅仅可以通过将GPU简单拼装而得以完成，大模型背后需要的是连接成千上万计算单元的分布式系统。举个例子，在OpenAI训练ChatGPT时，亚马逊云专门涉及了一台10000张A100芯片连接的超级计算机，除却训练模型的技术，针对超级计算机的优化本身就是一个复杂的系统工程。
同样的，在国内，从百川智能、智谱AI，到零一万物、昆仑万维，这些大模型厂商要想“多快好省”的训练乃至快速迭代大模型，其都需要“云”所提供的高性能AI训练集群和工程平台来辅助它其“攻克”大模型的从0到1。而对于大模型能力的从1到100，则更需要在“云”的辅助下快速迭代灵活部署。
成本降低是一方面，资源利用率提升是另一方面，而更为重要的是，大模型上云赋予了AI技术变革社会的更大的可能性。当大模型的使用成本被“基础设施”无限降低，那么将直接带来新一轮的生产效率的提升，密集的重复劳动被取代，传统的业务流程被再次再造，从而衍生出人与机器更好的交互与更加广泛的AI应用场景，这一切预设的万亿市场与大模型一样是现在进行时，等待着无数创业企业去挖掘。
非AI原生的传统企业，也能在AI应用爆发期抓住巨大红利
而除了所谓的AI原生企业，在大模型+云计算的大背景下，伴随着AI基础设施的完善。AI作为一种带有“变革”属性的生产力，其在应用落地中不会是“一家独大”，而必然是“遍地开花”。
而“遍地开花”，也就意味着并不会出现一家所谓的“AI原生企业”大包大揽的做完所有可能的AI应用落地，相反，非AI原生的传统企业也能在AI应用爆发期抓住巨大红利。而“如何抓？”，“怎么抓？”的问题，实质上是一个“如何与目前已有的AI公共基础设施进行互动”的问题。
这就类似于现在我们已经知道“有车办事会很方便”，而“学会开车”的过程，就是一个学会“道路交通法规”，学习“车辆操作方法”，“实操练习”直至最终“上路开车”的过程。而目前非AI原生的传统企业要想使用AI”赋能”自身应用，其也不需要学习“如何造车”，而是需要学习“如何开车”。
以目前阿里云推出的阿里云百炼平台为例，百炼便类似于一个“车辆操作系统”，作为一个“AI公共基础设施”，对于企业想要开发一个AI应用的需求，通过使用阿里云百炼，开发者可在5分钟内开发一款大模型应用，几小时即可“炼”出一个企业专属模型。
基于阿里云百炼平台，我们事实上可以窥探一丝未来的AI基础设施的形态。未来的AI基础设施必然会形成一套模板化，流程化，系统化与配置化的工具，方便下游用户对于AI即插即用，AI将被定义为一种类似于如今石油或电力的能量，我们只需要打开开关，就可以享受一系列有关AI的未来服务。

而这事实上也是所谓“非AI原生”的传统企业应用AI的正确姿势，不是去新建一个发电站，也不是去部署一套自己的电网，而是将AI直接的应用于业务流程之中，方便快捷的享受所谓“AI之美”。
总结
无论从哪方面而言，2024年目前仍然是“现在进行式”，尽管我们可以做出各种预测，各种信誓旦旦的断言，但是AI的应用落地也并非可以一蹴而就。
当下的AI应用落地仍然不可避免地面临着一些挑战，各大机构对于AI的核心质疑仍然在希望AI展现出其真正“降本增效”的神奇能力。
但是诚如我们前文所述，伴随着AI共识的逐渐形成，也伴随着AI基础设施的逐步完善，AI的应用涌现站在“巨人”的肩膀上似乎也只将会是一个时间问题。
而如果回到这个问题本身，来回答“今年会是「AI应用落地元年」吗？”这一问题，尽管我们无法做出担保，但是我们可以看到，从目前来看，阿里的一系列AI基础设施的工作，确实创造了2024年成为“AI应用落地元年”的可以令人期待的可能。

其实在去年大模型推出的同时，有不少跑得快的AI应用就已经落地，例如我们经常听到的Midjourney、Notion AI、豆包等都是AI应用的具体代表。
再到 OpenAI 推出的 GPTs 和各个大模型厂商推出的智能体（Agent）也都是AI应用落地。

众多的AI应用是推动底层AI大模型不断升级和优化的重要因素，例如这几天 OpenAI 就升级了GPT-4 Turbo，让最新的版本搭载了视觉能力。后面可以通过图像的识别，我们通过拍摄菜单上的食物就能为我们提供食物卡路里等饮食参考建议了。
可能我们平时更多的接触到的是面向普通用户的TO B场景，但是其实AI也应用到了非常多的企业业务场景中。
例如智能客服、数字人、企业知识库、办公文档、质量管控等方方面面都有应用的非常深入的场景和产品落地。
目前也有非常多的厂商围绕企业AI应用场景进行产品的研发。
而这些产品的背后，又有更加深层次的产品机会，例如支持这些产品的AI大模型、云计算资源、算力等都是值得去深挖的商业模式和增长点。

随着大模型不断地更新，AI应用肯定会出现一款现象级的应用。
目前AI应用大多广泛的运用到TOB，只是因为TOB大部分人接触不到而已。
现在使用ChatGPT这类AI工具其实没有啥门槛了，目前最优秀的版本是3.5和4.0。使用下来能明显感受到：
GPT-4.0 在综合能力方面的确更出色，尤其是逻辑、推理、准确性、创意等方面，能力更出色、更强大。

3.5 vs 4.0 搭配使用效果最佳~使用小技巧分享：
以前我通过官网使用，后来有朋友给我推荐国内的工具，用了一阵之后，发现：稳定方便，用着也挺好的。
1、精选AI工具分享：
① Chat AI：aichat.com 通用ChatGPT，支持3.5和4.0、最新模型GPT-4.0 Turbo
② ChatGPT：chat.openai.com 目前一枝独秀，独步天下
③ Chat Plus：chat.aiplus.vip ChatGPT加强版，支持3.5和4.0、最新模型GPT-4.0 Vision、AI画图、AI读图、插件功能
④ 百度文心一言：文心一言国产聊天AI第一杆大旗
⑤ 阿里通义千问：通义大模型大佬马云给出阿里的「答案」
⑥ Chat File：chatfile.ai 支持pdf、word、excel、csv、markdown、txt、ppt，所有格式简直通吃
⑦ AskYouPDF：chatpdf释放PDF的力量！深入你的文档，找到答案，并将信息带到你的指尖。
⑧ Chat XMind： chatMind 通过聊天创建和修改思维导图
2、国内工具站
朋友给我推荐了一些稳定、方便、好用的AI工具，用了用也还不错，具体哪些我就不一一推荐了，但是好多都太鸡肋了，只能支持3.5，不支持4.0。小技巧：3.5和4.0搭配使用是更好的~
简单说明一下工作原理：其实是底层接入了GPT3.5或4.0的API接口，然后研发好用的产品，这种由于官方API是收费的，所以大多都不免费（免费的不稳定），定价也很灵活。
这方面最重要的是：1要真实，2要稳定，3要性价比高。
这个的使用完全取决于个人的喜好~
3、小技巧分享：
如果ChatGPT没有回答完，可以回复“继续”，这样就能答完了

依然很多人不会的小技巧：【回复“继续”】
以上就是我自己的一些使用ChatGPT的经验了，如果有用，可以分享给你们周围的人~
如果看完有收获，请帮忙【点赞】支持下。
我整理了很多干货，如果有想一起学习、使用、分享的~ 欢迎加入

说到这，就不得不提一下华为云盘古大模型了！
2024年2月29日，国家自然科学基金委员发布了2023年度中国科学十大进展，榜单囊括一年中最重大的科学发现、科学进展及未来趋势，华为云盘古气象大模型入选。

天气预报是国际科学前沿问题，具有重大的社会价值。现有数值天气预报范式源于20世纪50年代，即通过超算平台的大规模计算来求解大气运动偏微分方程组，实现对未来天气的预报。近些年使用该传统方法提升预报水平面临越来越大的挑战。
华为云研发团队基于人工智能技术，提出了一种适配地球坐标系统的三维神经网络，能够有效处理天气数据中的复杂过程，并通过层次化时域聚合策略来有效减少迭代误差，成功实现了精准的中期天气预报。在1979-2017年全球天气再分析数据上训练后，构建了盘古气象大模型。
该模型能够预报7天内的地表层和13个高空层的温度、气压、湿度、风速等气象要素，并将全球最先进的欧洲中长期天气预报中心（ECMWF）集成预报系统的预报时效提高了0.6天左右，在热带气旋的路径预报误差相较于ECMWF预报系统降低了25%。
该模型仅需10秒即可完成全球7天重要气象要素的预报，计算速度较数值方法提升1万倍以上。该研究展示了人工智能和大数据在解决天气预报问题上的突破。

盘古气象大模型的三维神经网络结构
目前，盘古气象大模型能够提供全球气象秒级预报，其气象预测结果包含台风路径、降水，以及位势、湿度、风速、温度、海平面气压等基础气象要素，应用于多个气象研究细分场景，欧洲中期预报中心、中国国家气象局、香港天文台等都在实测中发现盘古预测的优越性。在2023年汛期，盘古气象大模型成功预测了玛娃、泰利、杜苏芮、苏拉等影响我国的强台风路径。
2023年7月5日，《Nature》刊发华为云盘古气象研究成果，并盛赞重新审视气象未来。目前，华为云盘古气象大模型已正式上线欧洲中期天气预报中心和香港天文台地球官网，华为云还携手深圳市气象局、泰国国家气象局等打造高精度区域气象预报大模型，利用人工智能技术提升气象灾害预警能力。
中国，东莞，2023年7月7日，华为开发者大会2023（Cloud）7月7日在中国东莞正式揭开帷幕，在下午举行的大会主题演讲中，华为常务董事、华为云CEO张平安重磅发布盘古大模型3.0和昇腾AI云服务。其中，盘古大模型3.0围绕“行业重塑”“技术扎根”“开放同飞”三大创新方向，持续打造核心竞争力，为行业客户、伙伴及开发者提供更好的服务。昇腾AI云服务单集群提供2000P Flops算力，千卡训练30天长稳率达到90%，为业界提供稳定可靠的AI算力，让大模型触手可及。

华为常务董事、华为云CEO张平安重磅发布盘古大模型3.0
张平安表示：“盘古大模型要让每个行业、每个企业、每个人都拥有自己的专家助手，让工作更高效更轻松。我们始终坚持AI for Industries的战略，在深耕行业的道路上不断前行。我坚信大模型将重塑千行百业，而每一个开发者，都将是改变世界的英雄。”
盘古大模型3.0：重塑千行百业
华为云盘古大模型从一开始就聚焦为行业服务，本次大会发布的盘古大模型3.0也是一个面向行业的大模型系列，包括“5+N+X”三层架构：
L0层包括自然语言、视觉、多模态、预测、科学计算五个基础大模型，提供满足行业场景中的多种技能需求。盘古3.0为客户提供100亿参数、380亿参数、710亿参数和1000亿参数的系列化基础大模型，匹配客户不同场景、不同时延、不同响应速度的行业多样化需求。同时提供全新能力集，包括NLP大模型的知识问答、文案生成、代码生成，以及多模态大模型的图像生成、图像理解等能力，这些技能都可以供客户和伙伴企业直接调用。无论多大参数规模的大模型，盘古提供一致的能力集。
L1层是N个行业大模型，华为云既可以提供使用行业公开数据训练的行业通用大模型，包括政务，金融，制造，矿山，气象等大模型；也可以基于行业客户的自有数据，在盘古大模型的L0和L1层上，为客户训练自己的专有大模型。
L2层为客户提供了更多细化场景的模型，更加专注于政务热线、网点助手、先导药物筛选、传送带异物检测、台风路径预测等具体行业应用或特定业务场景，为客户提供“开箱即用”的模型服务。
盘古大模型采用完全的分层解耦设计，可以快速适配、快速满足行业的多变需求。客户既可以为自己的大模型加载独立的数据集，也可以单独升级基础模型，也可以单独升级能力集。在L0和L1大模型的基础上，华为云还为客户提供了大模型行业开发套件，通过对客户自有数据的二次训练，客户就可以拥有自己的专属行业大模型。同时，根据客户不同的数据安全与合规诉求，盘古大模型还提供了公用云、大模型云专区、混合云多样化的部署形态。

华为常务董事、华为云CEO张平安
“盘古为行业而生，就要为行业着想，更好地服务千行百业的客户”，张平安表示。如今，盘古大模型已在金融、制造、医药研发、煤矿、铁路等诸多行业发挥着巨大价值。
在政务领域，华为云携手深圳市福田区政务服务数据管理局，上线了基于盘古政务大模型的福田政务智慧助手小福，能够精准理解民众咨询意图，改变传统的一网通办模式，把老百姓的话语转化为政府办事的语言，让城市更有爱。盘古政务大模型对超过20万条政务数据进行精调，包括12345热线、政策文件、政务百科等，掌握了丰富的法律法规、办事流程等行业知识。基于盘古政务大模型的小福，在一网通办业务中体现出行业性、专业性、领先性和惠民性。

华为云EI服务产品部部长尤鹏介绍盘古政务大模型
在煤矿领域，盘古矿山大模型已经在全国8个矿井规模使用，一个大模型可以覆盖煤矿的采、掘、机、运、通、洗选等业务流程下的1000多个细分场景，让更多的煤矿工人能够在地面上作业，不仅能让煤矿工人的工作环境更加舒适，而且可以极大地减少安全事故。
在铁路领域，盘古铁路大模型能精准识别现网运行的67种货车、430多种故障，无故障图片筛除率高达95%，成为货运列检员身边有力的数字助手，将列检员从每日数百万张的“图海”检测中解放出来。
在气象领域，盘古气象大模型是首个精度超过传统数值预报方法的AI预测模型，同时预测速度也有大幅提升。原来预测一个台风未来10天的路径，需要在3000台服务器的高性能计算机集群上花费5小时进行仿真。现在基于预训练的盘古气象大模型，通过AI推理的方式，研究者只需单台服务器上单卡配置，10秒内就可以获得更精确的预测结果。

华为云人工智能领域首席科学家田奇介绍如何从基础大模型炼成行业大模型
在金融领域，盘古金融大模型可以对银行的各种操作、政策、案例文档进行预训练，能根据客户的问题，为柜台工作人员自动生成流程和操作指导，将原来需要平均5次的操作降低为1次，办结时间缩短5分钟以上。盘古大模型让数十万网点柜员都拥有自己的智慧助手。
在制造领域，过去单产线制定器件分配计划，往往要花费3个小时以上才能做齐1天的生产计划。盘古制造大模型学习了华为产线上各种器件数据、业务流程及规则以后，能够对业务需求进行准确的意图理解，并调用天筹AI求解器插件，1分钟即可做出未来3天的生产计划。
在药物研发领域，原来一款新药研发平均需要10年时间、花费10亿美金。盘古药物分子大模型助力西安交通大学第一附属医院刘冰教授团队发现全球40年来首个新靶点、新类别的抗生素，并将先导药物研发周期缩短至1个月、研发成本降低70%。
技术扎根、极致效能，打造世界AI另一极
大模型的创新不仅仅是模型自身的创新，更依赖于AI的各项根技术创新。华为在最底层构建了以鲲鹏和昇腾为基础的AI算力云平台，以及异构计算架构CANN、全场景AI框架昇思MindSpore，AI开发生产线ModelArts等，为大模型开发和运行提供分布式并行加速，算子和编译优化、集群级通信优化等关键能力。基于华为的AI根技术，大模型训练效能可以调优到业界主流GPU的1.1倍。

华为诺亚方舟实验室主任姚骏介绍盘古基础大模型全栈创新
算力是训练大模型的基础。在本次大会上，张平安宣布单集群2000P Flops算力的昇腾AI云服务在华为云的乌兰察布和贵安AI算力中心同时上线。昇腾AI云服务除了支持华为全场景AI框架昇思MindSpore外，还支持Pytorch、Tensorflow等主流AI框架。同时，这些框架中90%的算子，都可以通过华为端到端的迁移工具平滑迁移到昇腾平台。
此外，在大模型训练过程中经常会遇到GPU故障，研发人员不得不经常重启训练，时间长，代价大。昇腾AI云服务可以提供更长稳的AI算力服务，千卡训练30天长稳率达到90%，断点恢复时长不超过10分钟。例如，美图仅用30天就将70个模型迁移到了昇腾，同时华为云和美图团队一起进行了30多个算子的优化以及流程的并行加速，AI性能较原有方案提升了30%。
“为了帮助全球客户、伙伴、开发者训练和使用大模型，我们致力于为全球客户打造世界AI另一极，为所有AI开发者提供新的选择”，张平安表示。
深度融合，盘古大模型重构产品创新
除了在千行百业的落地实践，华为云盘古大模型也深度融入了华为云的产品服务，重构产品创新。
例如，在资料服务中，通过盘古大模型的文案生成和代码生成技术，能够提升资料撰写和前端代码编写效率，将新产品上市、赋能周期大为缩短。在云客服，通过嵌入行业知识库和意图挖掘能力的对话问答，实现全流程AI优先作答，提升客服工作效率30%。在BI，通过NL2SQL和AutoGraph智能路由，实现SQL到可视化图表的自动推荐，通过多轮自然语言交互，让人人都能便捷地从数据中洞察业务细节。在云搜索，通过多模态Embedding和NL2API技术，实现视频、文本、图谱等广泛场景搜索，借助强大的语义理解和泛化能力，让搜索准确率提高15%。
同时，华为云将CodeArts研发工具与盘古大模型相结合，正式发布了面向开发者的智能编程助手CodeArts Snap。该工具训练了760亿行精选代码、1300万篇技术文档，具备智能生成、智能问答、智能协同三大核心功能，可以实现一句对话让代码生成、一次点击即可自动注释和生成测试用例，一条指令即可智能部署，让每个软件开发者都有自己的编程助手。

华为云PaaS服务产品部部长徐峰介绍CodeArts重塑软件开发
此外，为了让企业在AI时代构筑更强的内容创新能力，华为云通过盘古基础大模型赋能MetaStudio数字内容生产线，打造了盘古数字人大模型，提供模型生成和模型驱动两大服务，并已经使用了20万小时音视频数据进行了预训练。基于这两大服务，开发者可以快速生成和驱动数字人模型，赋能在线教育、文娱直播、企业会议等行业应用，让每个企业员工实现“数字人自由”。例如，用户只需在华为云MetaStudio的服务页面上传20秒的个人视频，就可以快速生成个性化的数字人讲解视频，过去3个研发人员3天完成的工作，现在只需要3分钟就可以完成。
戳我了解更多华为云盘古大模型
点击关注，第一时间了解华为云新鲜技术~

关于今年（2024年）是否可以被称为“AI应用落地元年”，确实是一个值得探讨的问题。
AI应用落地涉及到多个方面，包括技术创新、行业需求、政策支持、人才培养等。从目前的发展趋势来看，AI技术正逐步从实验室走向实际应用，越来越多的行业和企业开始尝试将AI技术融入到他们的业务中。例如，AI在医疗、教育、金融、交通等领域的应用已经取得了一些显著的成果。
现在有多少人知道ChatGPT呢？其实很少，AI落地关键也要引导人群去实操。
但是目前ChatGPT国内用不了，这里分享几个可以对标GPT-4的AI网站：
一、对话AI网站1、笔灵ai
网址：
感觉是国内最好用的一个AI网站！全能型的在线文案生成器，能够迅速生成各类高质量的文稿。无论是工作总结、计划方案，还是学术报告、论文都可以。