2024年度AI十大趨勢報告

站在新進展新信息的最前沿，站在產學研交匯地帶，把總之，希望這份年度趨勢報告，能夠對你在歲末年初了解 科技合作伙伴Microsoft牛數據XINluDATA2024年度??AI趨勢/技術篇趨勢??模型創(chuàng)新：架構優(yōu)化加速涌現，融合迭代?勢所趨/產品篇/?業(yè)篇結語1.架構層創(chuàng)新助?解決算?瓶頸現實問題趨勢二ScalingLaw泛化:推理能力成皇冠明珠,倒逼計算和數據變革1.AI模型的性能強烈依賴于規(guī)模/10趨勢三AGI探索:視頻生成點燃世界模型,空間智能統(tǒng)一虛擬和現實1.視頻?成：從擴散模型出發(fā)2.世界模型：從?動駕駛領域到整個世界3.具?智能：回到現實世界，回到產業(yè)鏈一、大模型創(chuàng)新:架構優(yōu)化加速涌現,融合迭代大勢所趨一、大模型創(chuàng)新:架構優(yōu)化加速涌現,融合迭代大勢所趨若能突破若能突破Transformer在算?和數據需求??的限制，新架構有望在?然語?處理和計算機發(fā)了越來越多的“過時”爭論，體現出?漸迫切的架構創(chuàng)涌現，世界范圍內的學者從多個?向努?，試圖在保留Transformer架構優(yōu)勢的基礎上創(chuàng)新性引?其他架構特點，解決算?開銷問題，Transformer的絕對統(tǒng)治地位得到挑來越需要新的突破，以構建強?且?效的新?代基礎?模型。強?意味著卓越的性能、泛化能?和抵抗幻覺能?；?效則指低成本、?效率和低能耗。只有具備這兩?特質，??智能才能真正成為?和電?02 這些新興?模型架構不僅在性能上可以與Transformer模型競爭，還在內存效率和可擴展性上展現出優(yōu)勢。梅花創(chuàng)投楊顏媛表?，部分新架構更易于進?并?計算，技術原理03元始智能），在實現?效推理、節(jié)省存儲開銷的同時保持模型的?性能。這使得RWKV可以“像Transformer?樣”進?并?訓練，?WKV運算符：WKV運算符利?時間衰減因?對權重進?更新，使得每個時間步的輸出依賴于之前所有時間步的信04更新，確保在每個時間步只傳遞和處理相關信息，從?減少梯度消失和爆炸問題，增強了模型的穩(wěn)定性率），05：（層次化卷積模型，以UniRepLKNet為代據，如圖像、?頻、時序預測等。該模型提出了“局部結構設計、重參數化、核??選擇和隨深度并采?硬件感知的并?算法，在圖像識別任務中實現領先性能，并在?頻、視頻、點云和時間序列等多模態(tài)任務中也取得了顯著的結果。UniRepLKNet的優(yōu)勢在于充分利??核卷積神經?絡的特點，通過創(chuàng)新的架構設計，有效地解決了感受野、特征抽06070808?分塊遞歸：即并?表?和遞歸表?的混合形式，將輸?序列劃分為塊，在塊內按照并?表?進?計算??效內存使?：LFM的核?優(yōu)勢在于其?效的內存使?和強?的推理能?，這使得它在處理?量順序數據時表現?結構化操作單元：這些單元是模型的基本組成部分，屬于?個全新的設計空間。LFM的設計允許模型在擴展、推這些加速涌現的創(chuàng)新架構多是在不同程度保留Transformer架構優(yōu)勢基礎上同時，?前?多數創(chuàng)新架構雖然能夠在?些?規(guī)模性能測試中實現與傳統(tǒng)Tranformer架構同等甚?更優(yōu)越的性能，0902ScalingLaw泛化二、ScalingLaw泛化:推理能力成皇冠明珠,倒逼計算和數據變革2020年，伴隨著GPT-3問世，第?代ScalingLaw指引我們在參數量、數據集和計算量之間尋找模型性能的最優(yōu)解；?參數量與計算量膨脹下，帶動萬卡集群以及?性能?絡的?數據耗盡危機中，合理善?合成數據成技術原理關總結到，他們發(fā)現損失函數（loss）隨著模型??、數據集??和訓練使?的計算量?呈冪律變化。?模型的性能在02ScalingLaw泛化儲、智算平臺等關鍵技術，將底層基礎設施整合成為?臺超級計算機，以千億級甚?萬億級參數規(guī)模的?模型訓練。02ScalingLaw泛化盡管萬卡集群必然會強調對加速卡的需求，我們在技術上關注的卻應該是集群的互聯。從千卡到萬卡，單卡性能下降8%左右，?前全球范圍內已經有企業(yè)開始追求「10萬卡」以上的集群規(guī)模，在萬卡到10萬卡我們必須要意識到?個問題，也許有有估計稱現有?類公開?本存量約為模型有可能在2026年-2032年之間耗盡這?存量。如果過度訓練，這?時還值得我們關注的?個問題是，數據的質量02ScalingLaw泛化?統(tǒng)計分布：分析真實數據以確定其潛在的統(tǒng)計分布，例如正態(tài)分布、指數分布或卡?分布。然后從這?基于模型：訓練機器學習模型以理解和復制真實數據的特征?深度學習：使?深度學習的?式?成?質量的合成數據集。這些?法通常?于更復雜的數據類型，例如圖像或時間但合成數據是否是應對數據危機的最佳解藥仍值得商榷。?先，真實數據永遠存在相當多的離群值和異常值，合成數據?成算法很少能重現它們。其次，合成數據的引?可能導致模型在訓練過程中出現過擬合，從?影響其在現實世界的?次實驗，使?合成數據9次迭代后就會andGeneralizabilit這?年，我們確實觀測到規(guī)模的增加帶來了基本的推理能?，但02ScalingLaw泛化以o1為代表的以o1為代表的Inferencescalinglaw使得模型推理能??幅提升，在GPQA這樣的?類專家benchmark上已經超過?類PhD?平。推理能??幅提升可以顯著減少幻覺，提?Agent類?）：）：）：訓練的探索時間和增加模型推理的思考時間Pre-trainingPost-trainingDatasetPreprocessing!Pre-trainingPost-trainingDatasetPreprocessing!Optimization02ScalingLaw泛化②鏡像下降與RLHF結合，這被認為是?PPO并將模型平均技術在每?輪訓練中都作?于獎勵模型、模仿學習+強化學習成為典型模仿學習+強化學習成為典型AI模型發(fā)展路徑范式。本質上是數據的稀缺與否及質量?低的問題，數據多就優(yōu)先模仿學習，數據少就優(yōu)先強化學習（可?我產?數據最終是綜合兩種類型的算法技術以產?更盡管當前推理算?還沒有超過訓練算?，但推理成本已經超過了訓練成本。畢竟訓練成本是?次值得?提的是，ScalingLaw并?是嚴格的?然法則，?是?類基于經驗觀察得出的趨來提供?向性的指導。新舊ScalingLaw的應?和泛化將調整我們對資源配置和技術重?03三、AGI探索:視頻生成點燃世界模型,空間智能統(tǒng)一虛擬和現實“?個視頻模型”之爭也引發(fā)了?動駕駛領域基于??優(yōu)勢，對世界模型的研究和探索；?能夠帶來體驗的世界模型，事實上也能夠作?于機器?領域；引發(fā)諸多討論的空間智能概念，與我們?直探索?智能密不可分……技術原理擴散模型?前已經在圖像?成、圖像超分辨率和圖像編輯等任務中取得了顯著0303逆向過程來?成數據。在DiT中，這個逆向過程Transformer以其?注意?機制?聞名，能夠捕捉序列數據中的?距離依賴關來實現的，這個表?被分割成多個補丁，每個補丁作為?個序列元素輸?到TraDiT?持條件?成，這意味著它可以在?成過03?Transformer能夠處理?距離依賴關系。這種混合架構能夠同時利?兩者TimeSformer是?種專?為視頻理解任務設計的Transformer架構，它通過Transformer架構中，有效地處理視頻數據。這種架構可以?于視頻?成任務，?成），），03OpenAISora通過結合擴散模型與Transformer模型，能夠模擬真實世時間?度與時序?致性：Sora能夠?成?達領先的量產智能駕駛玩家蔚來、理想等都提出了有關世界模03模型的成功中汲取靈感，將世界建模定義為?監(jiān)督的視?智能是指?種基于物理?體進?感知和?動的智能系統(tǒng)，其通過智能體與環(huán)境的交互獲取信息、Sim2Real(simulationtor2003?項明顯特征是，在完成了??、避障等基本功能后03空間智能是指機器在三維空間和時間中感知、推理和?動的能?，幫助它理解事物在三維空間中的AppleApple款為空間計算所打造的操作系統(tǒng)visionOS，它包括了2203?數字孿?：通過集成物理模型、傳感器更新、運?歷史等數據，在虛擬空?沉浸技術（XR）：主要包括增強現實（AR）、虛擬現實（VR）和混合現實（MR)，他們?前仍是空間計算概念落?觸覺反饋和感官界?：設備的觸覺反饋增加了沉浸感，混合現實頭戴設備和觸感?套能在虛擬環(huán)RokidRokid像技術實現AR效果，同時深度整合阿?巴巴旗下通義千交互實現物體識別、實時翻譯、定位導航、購物?付多推理和?動能?的機器?能徹底改變我們與及到?量的數據處理、模型訓練以及如何在現實場景有效23趨勢四AI應用格局:第一輪洗牌結束,聚焦20賽道5大場景趨勢五AI應用競爭:多領域競速運營大于技術,AI助手兵家必爭趨勢六AI應用增長:AI+X賦能類產品大干快上,原生AI爆款難求趨勢七AI產品趨勢:多模態(tài)上馬,Agent席卷一切,高度個性化呼之欲出AI軟件產品--多功能綜合平臺息流FlowUs有道--AI開發(fā)平臺-AI智能助?Kimi智能助?-AIAgent斑頭雁BetterYeah懂法貓SeeAI新媒體?章光速寫作新華妙筆公?寫作?字游俠媒幫派偽原創(chuàng)蛙蛙寫作cueMe+阿?悉語--AIPPTAiPPTiSlideChatPPT歌者PPT秒出PPTGaiPPTHONORMmeizuHONORMmeizugd:artTiamat-A-AI圖像編輯BGM貓?zhí)?AI硬件新物種i圖回回AI硬件產品eli-其他-其他04四、四、AI應用格局:第一輪洗牌結束,聚焦20賽道5大場景維度觀察國內產品的現狀，我們結合產品具體功能、使?體驗、運營狀況和??數據等因素，(一)20+細分賽道國內國內AIAPP賽道分布.........旦w文門......2504國內國內AI分品Web端賽道分布insigitGcitwindAI圖?6款款確的收費模式和付費意愿。僅有????明確進?會員收費，?Kimi智能助?則是打賞式收費，智譜清?和天?AI26042704奇/搜搜薯等。這種結合不僅增強了平臺作為搜索引擎的功能性，AI陪伴也是眾多公司布局AI原?應?的重要選擇。包含?冰科技、?線球科技、Minimax、階躍星?、有零科技在內2804國內產品在新增速度和??活躍等數據上普遍下滑。?全球范圍內，CharacterAI、JanitorAI、Crushon、Talkie經過和海外產品的深?對?，量?位智庫認為關鍵在于國內產品缺乏對深度情感鏈接的探索。CharacterAI、Replika等海外產品更注重個性化和深度情感交流，追求具有獨??格和復雜情感反應的AI形象。?國內市場則更傾向于短期的趣味性互動或娛樂化的陪伴功能，產品滿?的需求過于淺層，同類產品間可替代性強，難以讓??深?AI可以根據模板直接產出整段?字。?深度AI編輯功能則更類似Copilot，能夠在成?過程中提供?本潤?、續(xù)寫擴室和圖怪獸。另?類則是進?步功能細分的產品，包括主打圖?290404內技巧，代表產品有佐糖、Fotor和AI改圖。?批量修圖在會議跟拍和?像攝影中基本成為?業(yè)標配。代表產品有像素蛋糕、百度?盤AI修圖、美圖云秀。?在APP端，畫質提升和智能摳圖成為主流功能。美圖秀秀、醒圖、AI相機在Web端和APP端呈現出了明顯差異。Web端主要為電商2B的AI商拍，具體使?者可以將?底商品圖或?臺圖進?上傳，產品會根據所需的模特姿勢、背景氛圍等?成可直接使?的商品詳受技術進步的影響，?字/圖?直接?成視頻在技術和創(chuàng)業(yè)領域已經成為熱?，但由于產品落地具有?定的滯后性，?基于AI的視頻編輯軟件：包括視頻翻譯、?本剪視頻、?像智能修圖、添加濾鏡、畫質修復等功能，代表產品有300404(二)五大使用場景國內國內AIAPP賽道分布insigi文w國內國內AI分品Web端場景分布3204夠為特定場景?站式解決?案。相對于專注單?場景的其他產品，這類綜合性產品能夠實現不同功能?低成本提升輸出內容的專業(yè)度：提?詞優(yōu)化系統(tǒng)、結合垂直領域專家知識、加???驗證環(huán)節(jié)?成質量與穩(wěn)定性：?質量內容的?致性輸出，需?解決變現瓶頸，尋求訂閱制收費之外的變現?式，基于?成內容量收費或3304?情感交互的深度與?然度，如情感識別和共鳴能?、多模態(tài)的?多是在原有?常?軟件的基礎上通過要素識別和個性化計劃制定來提升??體驗。具體包含AI健康、AI教育、AI運動、AI?記等。預估未來健康、運動和教育將成為重點發(fā)展賽道，原有相關互聯?產品，如Keep等，將結合場景經3405五、五、AI應用競爭:多領域競速運營大于技術,AI助手兵家必爭為了客觀還原國內AI產品的現狀，針對篩選出的40(一)APP端數據分析但由于APP端在使?場景（?活化的碎?化場景）、可?數據（?機?帶的GPS數據、攝像頭提供的圖像數據等）、使?時?（全天候互動）??相對于Web端和PC端有共8款產品今年累計新增下載量超過千萬。依次為超過5000萬的Kimi智能助?和百度?庫。2000萬量級的WPS3505），），363623567新增百萬級AI新增百萬級AIAPP05123567891234568937051234678938(二)Web端數據分析訪問量超百萬級AIWeb端分品通義百度AI助?124567893905位。另外還有Pixverse、新媒體?145678E因9400522344 125678LibLibAI05(三)量子位智庫AI100蓋了技術、??、商業(yè)等產品評價維度，同時包含不同區(qū)間的下載總量、新增下載、活躍??數、留存率等定量數據，以及??評價、底層技術、功能評測等定性評分，以真實數據為基礎，結合??體驗和市場前景，全?客觀評綜合綜合AI100功能分布綜合AI100場景分布款、6款和10款產品?圍，后兩者的數據表現綜合AI100場景分布42綜合AI100功能分布05綜合AI1002024年度最受歡迎的100款2024年度最受歡迎的100款AIGC分品AippTAippTn4305原生AI2024年度最受歡迎的100款2024年度最受歡迎的100款AIGC分品豆包Marscoder4406六、六、AI應用增長:AI+X賦能類產品大干快上,原生AI爆款難求4506(一)辦公軟件類AI+X分品其中，主要業(yè)務為提供模板及參考內容的素材庫類產品和百度文庫WPSWPSAIAI4606BoardmixBoardmix博思白板博思白板稿定設計由于AI的?成能?尚?法直接?幅優(yōu)化核??作內容，此類軟件更多提供周邊的AI優(yōu)化編輯功能。稿定4706(二)內容平臺類AI+X分品?在編輯軟件??，?前，包括字節(jié)剪映、快?快剪、bi4806?場景融合優(yōu)勢：在X+AI應?中，AI功能能夠?縫集成到已有產品和?作流程中，???需遷移底層數據和邏輯，就可以在熟悉的平臺上完成從?檔編輯到A?認知負擔最?化：在??熟悉的界?中?然植?AI功能，復?已有的操作邏輯和交互?式，避免引?新的概念或?確保AI?具能夠在不同平臺（如移動端、桌?端）?縫運?，優(yōu)化??的多平臺體驗?根據??操作上下?，提供智能提?或?動觸發(fā)AI功能，減少?動?與知名品牌或平臺合作，通過?與知名品牌或平臺合作，通過4907七、七、AI產品趨勢:多模態(tài)上馬,Agent席卷一切,高度個性化呼之欲出(一)多模態(tài)多模態(tài)交互的核?在于通過整合不同類型的輸?和輸?然的交互體驗。相?單?的?本或語?交互，多模態(tài)交互能夠更好地適應不同的場景和??需求，提升?機的靈活性和??體驗。例如，在駕駛、運動、辦公等不同環(huán)識別??的指令，還能通過圖像識別??的表情、?勢或周圍環(huán)境。多模態(tài)信息的融合能夠幫助AI更準確和全?地理解??的需求，減少誤解或偏差，幫助AI更有效在?前國內的AI產品中，最為常?的是語?+?宇的多模態(tài)交互，多出現于AI智能助?和AI陪伴中。隨著Transformer架構使?模型對圖像和視頻信息的處理能?快速提升，預計25年將開始出現更為綜合性AI能夠通過物聯?、特定信息等多種感知通道進?協(xié)同。多模態(tài)輸?和輸出將使AI交互性更強，交互頻次更?和適50(二)Agent化“數字員?”。代表包括邏輯智能的InsiderX智能員?、意?科技的Tyrion.ai平臺、未來式智能的Au技術上，?模型模型性能有了顯著進步。?具調?和多Agent調?編排能?的完善使Agent能夠更好地跨越不同平臺的布局，聯想、榮耀等?商?前已有旗艦機型出現，榮耀已率先發(fā)布?個跨應?開放?態(tài)AI智能體。搭載有?研AI5107取代，并出現定制化的?動化流程、個性化的知識管理和獨特的?業(yè)解決?案等(三)高度個性化銷（商品個性化推薦、營銷內容個性化?成）領域有明顯進展。在硬件端搭載的多款AI智能助?已開始以?度個性?構建多模態(tài)實時??畫像：融合?為數據、偏好設置、歷史交互等多種數據，并結合實際情境精準確定??需求互聯?資源等；同時需要具備上下?感知能?，能夠根據??當前的需求、任務和對話上下?，?動篩選出最?知識適配機制：建?個?知識域和偏好的映射關系，52趨勢八AI智變千行百業(yè):左手變革生產力,右手重塑行業(yè)生態(tài)趨勢九AI行業(yè)滲透率:數據基礎決定初速度,用戶需求成為加速度趨勢十AI創(chuàng)投:投融資馬太效應明顯,國家隊出手頻率提升08八、八、AI智變千行百業(yè):左手變革生產力,右手重塑行業(yè)生態(tài)(一)(一)AI:落地于千行百業(yè)告》、《AIGC教育?業(yè)全景報告》、《AI?樂應??業(yè)報告》、《中國AI?模型創(chuàng)業(yè)格局報告》、《中國具?智能區(qū)分AI+?業(yè)和AI原??業(yè)的重要特征是AI在其組織架構的地位。例如智能駕駛、具但AI+與AI原?在?業(yè)中并不是涇渭分明的關系，?是基于以上特點和量?位智庫在2024年度對整個AI及相關落地?業(yè)的重點追蹤和觀察，我們以智能駕駛、具?智能、智能硬件、游戲、影視、營銷、教育、醫(yī)療為5408(二)(二)AI落地行業(yè)特點分析2023年，我們跟進了端到端模型在?動駕駛領域的重要進展，未來場景和真實的未來時刻數據，進??監(jiān)督訓練。同時在本報告的第近年來越來越多的L4玩家推出適?于乘?車的智能駕駛產品。?動駕駛技術的釋放可以讓數據質量（傳感器?案是否?致也是智能駕駛能?迭代的影響因素之?。不同傳感器?案會使?不同5508?業(yè)主要由?動駕駛技術供應商、車?和出?平臺組成，?前尚處于發(fā)展階段，前期研發(fā)投??。在?技術是Robotaxi的關鍵驅動?，頭部玩家已實現端到端?部分任務；同時，?業(yè)開始轉向利?世界模型訓練?動駕駛算法，世界模型使得?動駕駛有望擺脫路?政策為技術在場景內的真正落地提供?持，同時?起到引導規(guī)范的作?。2023年上海市發(fā)布細則對臨港新?區(qū)??駕駛智能?聯汽車的測試、應?和商業(yè)化運營做出明確規(guī)定。隨后在國內，重慶、深圳、?州、武漢和北京等多5608在這篇論?結尾圖靈展望了??智能可能的兩條發(fā)展道路：?條路是聚焦抽象計算；另?條則是在這篇論?結尾圖靈展望了??智能可能的兩條發(fā)展道路：?條路是聚焦抽象計算；另?條則是源碼資本執(zhí)?董事陳潤澤表?，在具?智能領域，短期內技術還?法滿??們對通?機器?的預機器?開源公版機“??”發(fā)布通?機器??平臺“天?1.0LITE”、能服務機器?“天軼”，啟動“百臺天?計劃”57前者是?前?業(yè)共識中更先進、更未來，也更接近?類真實形態(tài)的技術路線，?前成熟度尚處早期階段。?后者可當下?乎所有“國家隊”、“地?隊”玩家以及?部分年輕的創(chuàng)業(yè)玩家都會采取第?類技術路線，向更未來的技術路徑和產品形態(tài)發(fā)出沖擊和挑戰(zhàn)，不斷在兩??進穩(wěn)定性、速度、地形泛化運動能?、靈巧?泛化抓取等能?上尋求突破。同時，也有不少創(chuàng)企尤其是成?時間較久的機器?企業(yè)在第?類技術路線上積累更深厚，具備較為成熟的現有?語?模型和多模態(tài)?模型的成功?先依賴互聯?上海量的?本、視頻數據；相較???前具?智現有?語?模型和多模態(tài)?模型的成功?先依賴互聯?上海量的?本、視頻數據；相較???前具?智5808應?場景更多停留在科研和教育領域。這與市場?理性的過?預2024年具?智能?業(yè)在技術進步、市場規(guī)模擴?、應?場景拓展等??取得了顯著成就，同時也?臨著技術挑戰(zhàn)和數據問題。隨著技術的不斷發(fā)展和產業(yè)鏈的完善，預計具?智能將在更多領域實現商業(yè)化落地，為社會帶來更多顛具?智能創(chuàng)業(yè)公司的?期成功可能不取決于科研和技術實?，?是在于理解技術邊界和定義具?智能創(chuàng)業(yè)公司的?期成功可能不取決于科研和技術實?，?是在于理解技術邊界和定義5908?機……與從前產品在計算能?、功能性上）：）：6008?操作系統(tǒng)：集成?然語?處理、圖像識別等AI的操作系統(tǒng)?個性化：以??的使?習慣和需求作為數據輸?，進?智能推薦和優(yōu)化。側模型能創(chuàng)造全新的場景和功?，它將成為主流消費電?多類傳統(tǒng)的穿戴類消費電?多類傳統(tǒng)的穿戴類消費電?，得益于端側AI的發(fā)展，未來在信息提?、通訊、導航等??同樣售價/元過軟件更新獲得導航、提詞器、快速健康、健?信-6108短等。為??提供?清、舒適、可持續(xù)佩戴的視覺體驗是不同?商持續(xù)進售價/元62086308AI?成?樂來填充游戲過程與游戲UI中需要使?提?在游戲內定制??，對??進?縮放、擠壓和拉伸，也可以輕松地對游6408影視?業(yè)是指涉及電影、電視劇、綜藝節(jié)?等影像藝術創(chuàng)作與傳播的產業(yè)領域。移動互聯?時代之后，這??業(yè)的移動互聯?時代以來，數字化技術已經滲透到產業(yè)從拍攝到后期的各個環(huán)節(jié)，?互聯?內容平臺的興起則為內容產我們在《AI視頻?成研究報告》中提到，視頻現已成為移動互聯?最?的內容消費梗圖?成視頻、AI梗圖?成視頻、AI視頻特效等彎道超?具象化且具備傳播性的視頻?具獲得???睞，降低了??65?前滲透率演化階段根據場景有所區(qū)分，主要卡點可以概括為：?成內容的不可控性。具體包括形象不?實現，以及隨著時?增加逐漸出現明顯不符合物理規(guī)6608劇本創(chuàng)作與優(yōu)化劇本創(chuàng)作與優(yōu)化AI可以輔助?成劇本草稿或提出情節(jié)改進?案，甚?預測劇本票房潛?，幫抖音島快手抖音島快手iaIYI6708?20世紀80年代改?開放以來，中國營銷?業(yè)經歷了從傳統(tǒng)到數字化再到智能化的變?。最初，營銷依賴電視、?播和報紙等傳統(tǒng)媒體。隨著互聯?和社交媒體的興起，以SEO?回歸營銷本質：?告主營銷需求和??的需求能進?直?流程扁平化：以往?告營銷全流程需要在內容、設計、定向出價等每步環(huán)?從「局部最優(yōu)」到「全局最優(yōu)」：從傳統(tǒng)的?告推薦模型，變成以數據驅動6808?提?營銷內容?產效率，實現精準鏈接和?效觸達投放觸點及?群對應?成并進?精準投放。??的個性06908當前國內AI教育玩家多數選擇在學習機中搭載?模型的?式，完成AI與教育的融合。這類產品的出現為??提供了增以軟件切?AI教育賽道的玩家，通常選擇7008教育?業(yè)對AI?模型的幻覺問題，必須保持零容忍的態(tài)度和不斷降低幻覺問題出現的技但也和?多數AI+?業(yè)的類似，教育是?向?類的事業(yè)，關乎?類的?存、發(fā)展和?由。尋找更有效率的?式使AI成全球范圍內對AI技術潛在?險和道德影響的?益關全球范圍內對AI技術潛在?險和道德影響的?益關在國內，?易有道、學?思、華東師范?學等企業(yè)及?7108?醫(yī)療服務效率和質量的過程。中國AI醫(yī)療的發(fā)展歷史最早可以追溯到20世紀80年代初，經歷??年的發(fā)展后，在?數據收集整合打通：過往醫(yī)療數據往往分散在不同的醫(yī)療機構數據池中，且數據的收集和存儲結構各異，難以在?醫(yī)療?業(yè)模型打造AI醫(yī)?：AI技術使醫(yī)療知識庫能夠快速積累結構化多模數據、垂直醫(yī)療?模型持續(xù)學習醫(yī)療知?全?提升醫(yī)療科研、診斷和治療效果：利?AI分析患者的基因組學數據和?活習慣，制定更加精準的治療?案；圖：AIε療應?場景7208機器學習算法使AI系統(tǒng)能夠不斷學習和優(yōu)化??知識圖譜幫助AI問診系統(tǒng)構建醫(yī)療領域的知并基于專業(yè)醫(yī)學知識圖譜和機器學習算法，調?覆蓋全科的預問診模型計算機視覺、分?病理學、基因組學和?物信息學的快速進步促進了計算病理學的加速發(fā)展。癥組織病理學提取?量的?物學和臨床相關信息。AI7308?7409九、九、AI行業(yè)滲透率:數據基礎決定初速度,用戶需求成為加速度(一)(一)AI行業(yè)的變革與滲透1.AI?業(yè)影響?圖譜?數據：指?業(yè)?本及視覺數據的密集程度和結構化程度，數據資源越密集、結構化程度越?的?業(yè)接?AI能?的75767609?原?指數：指「?業(yè)發(fā)展」與「AI技術發(fā)展」的伴?關聯性，具體考察越充分的?業(yè)利?新技術實現降本增效的經濟回報越??迭代：?業(yè)迭代，指?業(yè)提供的產品及服務的迭代速度和頻率，通常迭代速度越快、頻率越?的?業(yè)強?意愿：涉及?業(yè)內??對AI進?的接受意愿、??對AI技術變?需求的強??態(tài)：考察AI在?業(yè)內的需求場景創(chuàng)造能?；提?舊需求的效AI道德責任等問題，都要求我們協(xié)調技術發(fā)展?政策：政策?持對AI技術在?業(yè)內的發(fā)展具有重要作?；通過提供資??持、稅收優(yōu)惠、市場準?放寬等措施促進?業(yè)的創(chuàng)新、發(fā)展和競爭?提升；通過出臺試點?案、條2.AI?業(yè)?態(tài)位第一梯隊智能駕駛第一梯隊智能駕駛具?智能第二梯隊營銷影視游戲第三梯隊教育醫(yī)療智能硬件09和充分的市場競爭屬性決定在這類?業(yè)，AI能有較?的變游戲和影視?業(yè)同為消費型內容產業(yè)，主要提的是，游戲?業(yè)對收集??反饋數據并及時迭代的需求受制于AI技術能?，以及這類?業(yè)對內容產出可以預?是，智能硬件?業(yè)的產品將會蠶?原新應?場景和改善??體驗，提供前所未有的競爭?。但在當前，?泛存在??需展。盡管這些?業(yè)沒有太多的互聯?基因，但由于其普惠77120100120100十、十、AI創(chuàng)投:投融資馬太效應明顯,國家隊出手頻率提升(一)我國(一)我國AI行業(yè)投融資分析4內AI?業(yè)發(fā)?融資事件908件，總融資?額762.23億元。相?去年同期融資事件數量同?減少19%，總?額增加140這?變化主要反映出?業(yè)整體投資回歸理性、機構出?更加謹慎，?險偏好總體更趨保守，使得資?流向集中于熱化節(jié)奏、?業(yè)成熟度的快速提升，部分明星項?的?額融資事件也在客觀上助推了投資總?額的?漲船?。?榕創(chuàng)1400 8060402002024-012024-022024-032024-042024-052024-062024-072024-082024-092024-108060402002024-012024-022024-032024-042024-052024-062024-072024-082024-092024-1078AI原?應?已經涌現??批5億美?以上估值甚?獨?獸的公司AI原?應?已經涌現??批5億美?以上估值甚?獨?獸的公司，并且獲得了PMF驗證，達到了------*爾曼--79--?額也在數?億??幣級。下半年以來具?智能賽道投融資事件頻發(fā)，其中逐際動?、帕西尼感知科技都已完成A輪融資，知?機器?、宇樹科技、云深處科技更是來到了BC輪次，體現出賽道投融資階段逐漸成熟。?僅?家公司融----80幣--2.投資熱度向更晚達到TPF的賽道轉移期5倍以上，體現出?業(yè)共識隨AI技術及?業(yè)成熟度的改變正發(fā)?著快速變化，機構對技在其余賽道中，超千萬融資事件13起，其中包括3起超億元融資事本、??資本、領沨資本、?溪資本數億元??幣押注潞晨科技，螞蟻集團1億元領投愛詩科技。?業(yè)整體投資熱度81(二)科技合作伙伴觀點精選3）可實現數據-模型優(yōu)化-服務能?提升的閉環(huán)產品形態(tài)：AI產品或平臺在落地后，新數據采集-模型不斷優(yōu)化-服務能?提升的閉環(huán)，例如ChatGPT可利?海量??的交互數據進3）熟練使?和微調最先進的?模型，在數據和我覺得關鍵的要點是做到「技術為先、場景為重其次但更重要也是最難的是，要做出你的落地場景和產品定位的選擇，既要跟模型??保持安全距離，?要避開跟該領域當前領先企業(yè)的正?沖突，找到合適的細分市場迅速發(fā)展，最好可根據歷史上互聯?和移動互聯?的發(fā)展經驗看，我們建議創(chuàng)業(yè)團隊要優(yōu)先選擇「?共識」的領域和場景，因為「?共識」可以成為創(chuàng)業(yè)公司早期的保護傘，且堅持做「正確??容易的事情」。82?是提?數據可?性，通過數據擴充、引?先驗知識（模型預訓練與遷移學習）、?絡模型結邏輯/規(guī)則/知識的?法，利?決策樹、?業(yè)知識圖譜等可解釋的模型構建?盒模型的局部/全局三是提?實時性，聚焦?業(yè)端側推理的(半)定制化芯?探索，當前基本集中在馮?結構局部優(yōu)化路徑；或是利?知識蒸餾、模型剪枝與核?是找到當前技術能夠帶來明顯??價值的場景，做