从2023年到2024年看人工智能的发展变化

#人工智能发展的变化感知记录#

1、人工智能主要发展变化的个人感知

1、政策内容的逐步细化

23年到24年最明显的感觉，也是从各类设计建设方案中的最大变化，23年政策主要是侧重强调AI算力基础设施的重要性，政策文件主要是通过指导方针来促进AI产业的发展。24年政策文件则主要是细化并落实到具体行动方案中，通过具体的方案推动智算中心和超算中心的建设。

2、技术创新与升级

2023年各类交流和模型内容中，深度学习是模型应用中的主旋律，是AI领域的核心技术，但同时也开始探索神经符号系统，即结合神经网络和符号系统的优点，以实现更强大的感知与认知能力。同时，对难解问题的求解方法也在促进改进，不少场景和服务中都尝试引入约束优化、生成模型等新技术来提升机器学习对于复杂问题的处理能力。而2024年除了继续深化神经网络的研究外，还出现了更多跨学科的技术融合，如量子人工智能、生物启发式计算等。特别是在硬件方面，开始强调国产自研TPU芯片，液冷技术的应用也成为了算力效率，降低能耗常用语。此外，推理加速技术如全链路FP8量化、KVCache稀疏压缩等也成为新的研究热点。纵观，技术发展的速度不可谓不迅速。

3、应用场景的扩展

2023年AI应用服务的主要场景还是在互联网、金融、医疗等行业，尤其是在图像识别、语音处理等领域进行深挖。相对大模型的出现便使得自然语言处理变得更加智能化，同时也带来了训练成本高昂的问题。而2024年AI应用服务的范围进一步扩大，开始涵盖智能制造、自动驾驶、智慧城市等多个领域，新能源汽车对智能化的需求促进了高算力车规芯片的研发和应用，而大模型则逐渐接入整车平台，成为行业发展的新趋势。同时，AI在化工、农业等传统行业的渗透也日益加深，通过优化生产工艺流程，实现了节能减排和成本控制。

更为明显的是，2023年中国企业在AI芯片、算法等方面取得了一定进展，但仍面临来自美国的技术封锁和制裁压力，国内企业积极寻求自主创新和技术突破，努力减少对外部依赖，相信那时的H100、H800大家的感知和印象还是比较明显的。2024年尽管国际环境依然复杂多变，但中国企业通过加强自主研发能力和构建本地生态体系，逐步提升了在全球市场的竞争力。与此同时，跨国合作也在某些特定领域有所增加，特别是在开源社区建设和标准化制定方面，中国的声音越来越响亮，明显在项目中，国产化应用的比例有所明显变化，虽然对NV还是存在明显需求，担部分过程化进程对小众模型或垂直模型的应用还是起到了积极的支撑作用。

2023年随着AI技术的快速发展，社会各界对其可能带来的就业替代、隐私保护等问题的关注度不断提高。2024年AI伦理已成为不可忽视的重要议题，不仅限于理论探讨，更体现在实际操作中。例如，在智能驾驶、医疗诊断等高风险场景下，确保系统的安全性和可靠性成为首要任务。此外，公众教育和意识提升也被纳入议程，以促进社会各界对AI技术的理解和支持，具体而言，萝卜快跑引发的舆论话题，教育AI等各类项目的落地都将话题关注转化为落地监管的动作。

4、理论认知的变化与提升

这些内容主要源于个人项目的中的感知，相信存在不够全面的部分，还多谅解。

2023年交流和研讨过程中，对于AI侧重是深度学习，重点是在图像识别、语音处理等领域展开交流和业务场景的应用探讨。研究集中在改进现有神经网络结构，如ResNet、Transformer等，并探索更高效的训练算法，主要是为了解决高效应用，如路径规划、最大割问题、作业调度等，希望最大化的提升算力的应用效率。2024年更多是跨模态的基础模型，多模态预训练模型等，希望通过模型能够处理文本、图像、视频等多种类型的数据等，部分论坛中还提出利用量子力学特性来加速某些类型的机器学习任务，如优化问题、模拟复杂系统等。

从实践过程中，2023年主要是依赖GPU和TPU的广泛应用，来AI训练和推理任务，借此提升计算速度和效率。同时通过构建大规模分布式计算集群，解决单机无法处理的大规模数据集和复杂模型的问题。2024年国产芯片能力提升，具备强大的算力支持和顶尖的集群扩展性，部分设备应用实现了跨制程代际级别的算力跃升，具有高能效比，单位算力成本也显著降低。液冷技术也不断在交流中被提及，至少大家的认识和感知在逐渐提升。

对于场景应用的服务模型，2023年主要是通过量化和剪枝来节省存储空间和计算资源。2024年开始采用低精度浮点数（如FP8）替代传统的32位或16位浮点数进行计算来保持较高准确度和减少内存带宽需求和计算量。对于某些类型的模型，特别是那些具有大规模键值对存储结构的模型，也开始使用KVCache稀疏压缩减少内存占用，还通过智能选择样本或者调整计算顺序来加速推理过程。

此外，2023年针对AI系统的公平性和透明度，主要是通过多种评估指标和工具，如差分隐私、联邦学习等技术来保护用户数据的安全。2024年在项目中有个明显的变化，除了要求关注隐私和公平性外，对于如何使AI系统更加可解释也成为研究的重点。希望通过引入因果推理、注意力机制等方法，使得AI的决策过程更加透明，便于人类理解和信任，在相关场景应用的环境下，要求加强算法模型的鲁棒性和抗攻击，要能应对各种恶意行为和不确定性因素。

2023年关于大模型或人工智能的建设，主要是大型互联网公司和科技巨头继续引领市场，如BAT等，它们在云计算、大数据、AI芯片等领域占据了较大市场份额。中小企业主要是跟随，虽然说一些中小企业也开始涉足AI领域，但主要集中在应用层面，依赖于大企业的技术和平台支持，呈现百花齐放，百模大战。2024年随着AI应用的落地，中腰部厂商凭借创新技术与行业经验在推动产业升级方面发挥重要作用。部分中小企业在推理加速技术、分布式节点纳管等方面取得了突破，也逐渐崭露头角。并且他们在垂直领域开始专注于特定行业或应用场景，并提供定制化的AI解决方案。2023年BAT等云厂商则是通过加强AI算力建设来满足大模型训练及推理需求，也出现了云+AI的战略路径，MaaS模型即服务成为新的增长动力，在此基础上SaaS模式继续扩展，AI软件和服务提供商通过订阅制收费模式，为企业提供便捷的AI工具和平台。2024年，随着5G网络的普及和物联网设备的广泛应用，边缘计算和端侧智能成为新的市场热点。企业开始将AI能力下沉到终端设备，提供低延迟、高可靠性的智能服务，明显各个商圈景区VR等应用逐渐增加。反观，支撑他们确实一体化的应用服务，可见越来越多的企业推出一体化AI解决方案，涵盖从硬件到软件、从云端到边缘的全链条服务。同时24年随着全球碳中和目标的推进，绿色AI成为重要的市场卖点。企业通过采用高效能硬件、优化算法、引入可再生能源等方式，降低AI系统的能耗，提升可持续发展能力。

通过以上场景可见，2023年主要是B端市场为主，AI应用主要面向企业和机构，主要是帮助企业提高生产效率、降低成本、优化决策。如在金融领域，AI被用于风险评估、反欺诈检测等；在医疗领域，AI辅助医生进行疾病诊断和治疗方案推荐。在C端市场主要是尝试，虽然个人用户也开始接触AI产品和服务，但整体市场规模较小，主要集中在智能家居、虚拟助手等领域。2024年，随着AI技术的成熟和普及，个人用户对AI产品的接受度和需求大幅增加。企业在这个过程中更加重视用户体验和隐私安全，通过改进交互界面、增强自然语言处理能力、提升响应速度等方式，使AI产品要求更加友好易用。