2024年是大模型落地应用大发展的一年,出现了各种现象级产品如AI博客NotebookLLM、AI搜索Perplexity、AI程序员Devin、AI产品经理UIzard等,to P的各种AI产品大规模应用初见成效,12月份的Gemini2的发布也吹响了多模态大规模应用的号角,行业发展的核心矛盾逐步从业者从如何拥抱大模型落地应用场景,转移到如何用AI实现商业化变现。
为了更好的帮助从业者总结过去一年的行业的发展现状,展望2025年大模型应用发展方向,2025年1月12号于北京昆仑巢,AIGCLINK联合中关村超互联联盟主办了2025第四届AIGC中国开发者大会,至顶科技、铅笔道,微软MVP,昆仑巢、零氪云、中国社会科学网协办,大会围绕大模型应用落地实践和AI出海商业化为主题,深入探讨了2024年AI商业化实践总结暨2025年未来发展趋势总结。
大会上,AIGCLINK联合至顶科技发布了2025年AI十大颠覆式行业发展趋势、八大渐进式发展趋势预测、11个商业趋势预测、7个范式转移。
一、2025年AI十大颠覆式行业发展趋势
1、world model元年:25年将是world model元年,从卷1D、2D类模型进入到卷理解物理世界规律的3D类world model时代,李飞飞主导的lwm也会在2025年发布
2、仿真数据蒸馏:2025年将是仿真数据蒸馏的元年,制约机器人、工业、自动驾驶、飞行器等各种场景的仿真数据集问题解决,借助cosmos即可完成生成,犹如大模型训练需要用gpt蒸馏数据,而不需要从头去构建数据集
3、AI孪生的GPT时刻:英伟达提出的groot+ominiverse+cosmos提供了新的AI孪生引擎,成为了仿真领域AI应用的GPT时刻
4、空间智能元年:AGI+DGI+OMINIVERSE结合cosmos=空间智能的技术架构,链接了推理、边缘设备、仿真三大物理AI的新架构,为空间智能的爆发提供了框架基础
5、产业落地方向:工业领域、自动驾驶、具身机器人仿真与ai深入结合的时代到来,实际应用也会进入现实
6、替代工种:AI落地应用从办公室替代信息工作者的agent,进入替代蓝领的实际工业领域、自动驾驶、具身机器人等
7、Scaling方向:模型能力提升从依赖人类数据的pre-train,逐步过渡到依赖强化学习或人类反馈学习的post-train、o1类的多轮思考的test-inference,25年会侧重后两者
8、AI出海:如果说2024年主节奏是围绕agent的AI产业落地,那么AI出海将是2025年行业的新节奏,有三个方向:a 国央企出海本地化需要AI实现本地化;b to c或小b的从业者出海;c 海外大b业务,与美国企业正面竞争。
9、交互升级:大模型的compute use会逐步走向成熟(国内的智谱、国外的claude),手机厂商、电脑等和大模型公司合作一起重新构建新时代的AI OS
10、机器人:人类第一个在家庭作业的零样本训练的通用机器人将产生
二、2025年八大渐进式发展趋势预测:
1、智能硬件:多模态大模型成熟,带来AI音响、AI眼镜大爆发,手机的能力会逐步被分拆
2、卷推理:大模型的能力提升会从卷参数训练进入卷推理,inference scalling law会是2025年大模型公司提升模型能力的争夺点,同时也会在寻求性能和用户体验中找到最佳临界点
3、agent的工作流实现自我进化:专家agent将会落地更多(替代更多的白领场景),加入强化学习让agent自我进化,寻找最佳工作流SOP将成为25年agent框架争夺的新战场
4、agent互联网协议问世:随着agent越来越丰富,agent间的协同需要统一的标准,agent互联网协议将会问世,俗称AI工厂
5、开源的o1问世:人人都可以基于llama+开源o1深度学习框架可实现推理侧的scaling law
6、PC和Iphone自动化落地:25年年底很多基层白领的工作会被手机和计算机接管,手机厂商已经在行动
7、文本幻觉解决:上下文窗口限制产生的幻觉问题将在2025年被彻底解决
8、视觉生成的可控性:可控的角色生成的视觉模型开源落地
三、11个商业趋势预测:
1、算力和模型API:确定性商业模式,营收会迎来一波爆发式增长
2、培训:焦虑的人越来越多,贩卖焦虑的培训仍然有机会
3、定制化:To b定制化落地有增量机会,但非蓝海市场
4、AI产品出海:将是中国ai开发者实现快速变现的新路径
5、空间智能框架:空间智能国产框架DGI+AGI+WORLD MODEL+OMINIVERSE
6、具身智能:围绕供应链、产品定义升级、边缘硬件设备、AI仿真孪生引擎、agent产生一批robot、工业应用机器人、消费机器人等
7、World model:世界模型的API会出现一批新的风口和机会
8、数据集:仿真领域极度欠缺仿真数据集,围绕世界模型构建场景类的仿真数据集将会出现的新的数据公司
9、部分AI硬件平民化:AI眼镜、AI音箱将变得人人都可以构建,硬件、技术框架会走向成熟,争夺人类的花在手机上的注意力时间
10、送水培训机构:面向培训机构的AI培训类的playground,需求极大
11、AI儿童培训:AI儿童培训将带来极大的繁荣和发展
四、7个范式转移
1、商业模式:互联网流量思维在AI时代不成立,边际成本非零,很多成功的互联网人转型AI会走弯路(理解这个思维可以少踩很多坑)
2、内核:互联网时代内核是解决信息差,AI时代内核是替代人或工作流
3、壁垒:互联网时代壁垒是规模优势(资本优势),AI时代的壁垒是谁拥有的数据飞轮多(创新)
4、丛林法则:AI新产品被克隆无任何时间差,商业复利在AI时代极度稀缺,绝对壁垒的建立需要深入到产业末端或模型底层
5、新质AI消费品:新质生产力必然带来新质AI消费品,整个市场格局会由AI新质消费品生产者和带货组成,无论卡位哪个都是巨大的蓝海市场,未来10年将会产生大量的新质AI消费品,并且会有不亚于淘宝的专注于AI消费品的交易市场
6、核心资产:互联网时代数据是核心资产,AI时代拥有的数据飞轮数量是核心资产
7、组织架构变革:IT部门将转变职能成为新的HR部门,帮助公司管理或生产完成工作的类人agent团队
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。