生成式 AI 未来的创新方向

生成式 AI 在未来有着多方面的创新方向。
在技术层面，多模态技术正成为关键创新方向之一。2023 年 6 月，OpenAI 发布了 GPT-4V，标志着 AI 多模态能力的重大进展，从处理纯文字到结合图像，展现了关键突破。OpenAI 的首席科学家表示将主要研究多模态技术，预示着大模型逐步迈向通用人工智能。高通公司总裁兼 CEO 安蒙也指出生成式 AI 走向终端，将变革用户与终端交互的方式，目前高通正在积极探索 AI 在各类终端中发挥的作用，其中包括手机、PC、汽车以及工业设备等，将有更多令人惊叹的 AI 用例出现在 2024 年发布的新终端上。
在应用层面，生成式 AI 正逐步渗透至全场景。在教育领域，ChatGPT 可以丰富教学内容，设计在线游戏，分析评估教学方法，Sora 则可以将课本中的文字材料生成视频。生成式 AI 作为强大的认识工具，可以贯穿学生学习的全过程，从课前预习、课中学习到课后复习，逐步构建一个完整的学习闭环。在汽车行业，亚马逊云科技与四维图新进一步加强战略合作，联合设计并推出面向汽车行业本地化的服务及专属解决方案，在智能网联汽车、智能驾驶开发和量产等领域开展深度合作。在金融领域，基于大模型和生成式 AI，未来金融领域将呈现三大创新演化方向，包括金融服务模式演进、出现高度仿真的虚拟银行、金融工作方式进化。

此外，小模型也将在未来受到更多关注。市场研究机构 CB Insights 发布的报告《2024 generative AI predictions》指出，模型端各类模型蓄势待发，可能会改变目前大模型使用格局。同时，应用产品或爆炸式增长，基础设施瓶颈有待解决。生成式 AI 技术有望成为继互联网、云计算、大数据之后，又一片广阔的新 “蓝海”。

生成式 AI 多模态技术发展

生成式 AI 的多模态技术正日益受到重视，有望成为未来的重要创新方向之一。多模态 AI 技术能够处理多种格式的输入并生成多样化的输出，如 OpenAI、谷歌 Gemini 等已率先推出多模态模型。目前，虽然多数公司尚未普及多模态技术，但未来它将成为消费者的基本期望，尤其在付费 LLM 服务中。技术的持续进步将使多模态建模更加复杂精确，满足一体化工具的需求。例如，ChatGPT 等已支持文本、语音、图像，视频功能也在开发中。谷歌 Gemini 虽有限制，但正积极改进，这预示着多模态 AI 将拥有更广泛灵活的应用。未来，图像、视频、文件附件等输出质量将显著提升，多模态 AI 将在更多领域发挥重要作用，为用户带来更加丰富和沉浸式的体验。

高通探索生成式 AI 在终端应用

高通作为智能终端芯片领域的头部厂商，积极探索生成式 AI 在终端的应用。高通认为未来的重大机遇将出现在端侧，因为仅依赖云端进行训练和推理效率相对较低，且当用户数量超过一定规模时，系统可能会变得不稳定甚至无法正常运行。通过在终端设备上运行 AI 大模型和生成式 AI 技术，能够更有效地保障用户隐私安全，将生成式 AI 技术推广到更广泛的终端上。目前，高通正在积极探索生成式 AI 在各类终端中的应用，包括手机、PC、车联网以及工业互联网和万物互联等领域。例如，专为 AI 打造的骁龙 X Elite 搭载了高通自研的 Oryon CPU，能够为 PC 带来高达 75TOPS 的 AI 性能，支持在终端侧运行超过 130 亿参数的生成式 AI 模型。在手机领域，第三代骁龙 8 能够运行高达 100 亿参数的生成式 AI 模型，并可以每秒 20 个 tokens 的速度运行大语言模型。

生成式 AI 在教育领域应用

生成式人工智能在教育领域的应用前景广阔，未来的创新方向众多。在不到一年的时间里，ChatGPT 和生成式人工智能已经从边缘认知转变为高等教育的优先关注点。这些工具可以为学生、管理人员和教师提供多种帮助，如学生用于研究、内容开发和学术作业，管理人员用于撰写报告、分析数据和加强学生支持，教师用于加速备课和开发教材。生成式人工智能输出由模型、个人提出的问题和对问题进行改进三个关键要素组合而成。例如，OpenAI 的 ChatGPT 是生成式人工智能的一种具体实现，可以创建会话内容，在 2022 年 11 月作为研究发布后，不到一星期就吸引了 100 多万用户。它很快成为历史上最新颖的体验和最成功的软件之一，引起了教育领域的密切关注。未来，生成式人工智能有望为学生创建问题和评估回答，根据学生表现、优势和劣势生成个性化的学习课程，创建互动和引人入胜的学习活动，如内部游戏和模拟，帮助学生理解复杂的概念，创建实时评估和反馈，让教师了解学生在哪些方面需要额外支持。同时，生成式人工智能为教育领域的数字出版部门制作文本、图像、视频和音频等内容，大大降低成本。如果实施得当，它可以鼓励学生的技能发展，解决与教师相关的挑战，如取代教师的行政任务，提供个性化和实时的反馈。

生成式 AI 在汽车行业应用

生成式 AI 在汽车行业的应用未来有望在多个方面实现创新。随着电动汽车、自动驾驶和先进安全功能等尖端技术的引入，汽车行业发生了重大变化，生成式 AI 成为重塑汽车行业的一股迅速崛起的力量。从客户体验来看，生成式 AI 可用于个性化信息娱乐系统、创建定制驾驶模式以及增强车载虚拟助手的语音识别能力，为消费者带来更加个性化和愉悦的驾驶体验。例如，比亚迪选择亚马逊云科技作为云服务提供商，在车联网领域展开技术合作，借助 Amazon Elastic Kubernetes Service 和内容分发网络服务 Amazon CloudFront 构建车联网平台，自动部署新功能和应用程序，为驾驶员和乘客提供高性能和互动式的车内体验。从优化汽车供应链方面来看，生成式 AI 可用于生成优化的生产和库存计划，并确保产品的按时交付，提高汽车供应链的效率。例如，采埃孚通过扩大与微软的合作，推出整体数据和集成式平台 —— 采埃孚云，在微软 Azure 云平台上实现采埃孚所有工业、运营生产和业务流程的数字化，提高效率和全球供应链管理。此外，生成式 AI 在汽车设计与制造方面也有很大的创新潜力，能够根据不同客户的具体需求和偏好，从汽车外观到内饰甚至到驾驶动态都为客户量身定制，提升消费者的满意度和忠诚度。同时，还能处理复杂的制造问题，分析供应链上下游环节并优化生产流程，帮助车企降低成本和提升效率。

生成式 AI 在金融领域创新

生成式 AI 在金融领域的创新不断涌现，未来有望继续拓展。《2024 年金融业生成式人工智能应用报告》指出，生成式 AI 赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局，有望给金融业带来 3 万亿规模的增量商业价值，并可能将彻底改变交易的进行、投资的管理和风险的评估方式。生成式 AI 重新定义客户体验，正在形成新服务，如聊天机器人能够进行语义理解，并在对话中构建上下文方面的复杂性，增强客户的参与度和信任度。同时，生成式 AI 与 RPA 等其他技术协同创新，正在形成新制造，如大模型可以分析来自各种来源的大量文本数据，为优化供应链管理提供可操作的建议，通过分析客户反馈、市场趋势和竞争对手数据加强产品开发。在行业大模型层面，度小满、蚂蚁集团等金融科技公司先后发布了金融大模型。目前，生成式 AI 技术在金融业中的应用尚处于技术探索和试点应用的并行期，预计 1 至 2 年内，首批大模型增强的金融机构会进入成熟应用期，3 年后将会带动金融业生成式 AI 的规模化应用。
综上所述，生成式 AI 未来的创新方向广泛，多模态技术的发展将为用户带来更加丰富的体验；高通等企业对生成式 AI 在终端应用的探索，将推动其在更多设备上的普及；在教育领域，有望为学生和教师提供更加个性化的学习和教学方式；在汽车行业，将提升客户体验、优化供应链和推动设计制造创新；在金融领域，将重塑行业格局，带来新的商业价值和应用模式。随着技术的不断进步，生成式 AI 未来的发展前景令人期待。