声明:本文来自于微信公众号 AI新榜，作者:卷毛，授权站长之家转载发布。
2024年，是AI指数级发展的又一年。
大模型浪潮滚滚向前，在技术创新和应用落地上取得多项突破，引起了海内外广泛关注和讨论。
从年初Sora惊艳亮相到国产AI视频生成模型大放异彩;
AI视频进化对比，X@Dexerto
从多模态模型GPT-4o到推理模型o3;
OpenAI o3模型演示
从一句话生成一首歌到一张图生成3D建模;
Suno主页
从毒舌Dan成为赛博男友到AI独角兽C.ai卖身谷歌;
Character.ai主页
从智能体会自主操作手机和电脑到AI编程工具Cursor爆火;
Cursor主页
从首部《人工智能法案》颁布到AI“魔改”短视频被整改……
AI魔改《甄嬛传》
这一年，AI行业在快速发展的同时，也面临着版权、伦理、隐私等多方面的挑战，不断冲击着人类社会的各个角落。
AI科技公司的竞争更加白热化，巨头们轮番推出各自的新模型和新产品，技术突破与商业化并进，尤其在图像、视频、3D领域持续加码，为AIGC创作带来更多想象力。
“AI新榜”一直在追踪AI行业的前沿热点，特别是与内容行业相关的大模型和应用发展，每个工作日更新#AI日报，每周更新#AI一周热门，每月汇总AIGC行业关键信息，从2024年2月起至今，已发布11期#AIGC月刊。
以此为基础，我们整理了2024年值得关注的AI大事件，并尝试对2025年AI行业的热门趋势进行了预测。
接下来，请与我们一起循着AI的脉络，通向未来的大门。
制图:NUPD
AI推理模型训练加速
自2023年推出GPT-4后，OpenAI的GPT系列成为全球最具影响力的基础大模型，但其垄断优势在2024年被打破，比如Anthropic的Claude3Sonnet、谷歌的Gemini2.0都已经后来追上，稳列第一梯队。
2024年“百模大战”主要聚焦在多模态和推理能力，OpenAI上线了高级语音模式和视频通话功能，《Her》逐渐成为现实。而推理模型需要消耗更多的算力，也需要更久的等待时间，据量子位《2024年度AI十大趋势报告》，以OpenAI的o1模型为代表，模仿学习+强化学习成为典型AI发展路径范式。
“从o1到o3的进展只有三个月，这表明RL的新范式在扩展推理计算的思维链上的进展将有多快，”OpenAI研究员Jason Wei在一条推文中写道，“比每1-2年对新模型进行预训练范式要快得多。”
Anthropic联创Jack Clark认为，OpenAI年底发布的o3意味着2025年的AI进展将比2024年更快。
Jack Clark博客:https://jack-clark.net/
此外，开源模型与闭源模型并行发展，Meta AI、微软、谷歌、Mistral AI 、阿里、智谱、DeepSeek等团队陆续将开源模型推向了新的高度，其中年底发布的DeepSeek v3表现亮眼，与Claude3.5Sonnet不相上下。另一方面，大模型运行token的成本也在激烈的价格战中快速下降，比如Gemini1.5Flash8B定价为0.0375美元/mTok——比去年的GPT-3.5Turbo便宜27倍。
AGI仍未到来，2025年我们大概也不会看到所谓的超级智能，但未来的曙光已经越来越逼近了。据埃隆・马斯克预测，到2025年底，AI将超越任何单个个体的智力，而到2027至2028年，它甚至可能会超越所有人类的智力。到2030年，AI超越所有人类智力的可能性几乎是100%。
第一批AI智能体即将上岗
AI Agent是2024年最热门的AI行业应用趋势之一。中文将其通常翻译为“智能体”，两者的概念定义不尽相同，这里我们指的是基于AI技术，能够自主感知、思考并执行决策的智能体。
据谷歌智能体白皮书，智能体是“加强版”的AI，它通过观察世界、使用工具、制定计划和采取行动来实现目标，可以自主行动，超越了基础模型，更像是人类解决问题的方式。即使缺少人类的指令，智能体也能推理下一步应该做什么。
谷歌智能体白皮书:https://www.kaggle.com/whitepaper-agents
微软、谷歌、OpenAI、Anthropic、百度、智谱、字节等各大厂商都在积极抢占AI智能体市场。2024年10月，Anthropic推出的Computer Use（计算机使用）功能惊艳四座，可以让Claude像人一样使用计算机。智谱的AutoGLM同样不甘示弱，手机端可以自主执行超过50步的长步骤操作，也可以跨App执行任务，包括导航、网购、点外卖、微信聊天、写点评等。
2025年1月6日，Sam Altman在《反思（Reflections）》这篇博客中表示，现在OpenAI知道如何构建传统定义的AGI，开始将目标转向真正意义上的超级智能。
“在2025年，我们可能会看到第一批AI智能体‘加入劳动力大军’，并实质性地改变公司的产出。”
Sam Altman博客全文:https://blog.samaltman.com/
此前据内部员工爆料，OpenAI正准备推出一款代号为“Operator”的智能体，可以自动执行各种复杂操作，包括编写代码、预订旅行、自动电商购物等，该产品预计将在2025年1月发布。
正如前腾讯混元大模型技术负责人刘威所预测的，到2025年，智能体作为AI原生应用将会爆发，成为商业软件和SaaS的未来。
国产AI视频模型继续领先
英伟达高级科学家Jim Fan曾预测2024年是AI视频之年，实际的确如此。
OpenAI推出Sora之后，其创新的DiT（Diffusion Transformer）架构引领行业发展，市面上AI视频生成模型和产品层出不穷，尤其从下半年开始，快手可灵、智谱清影、MiniMax的海螺视频、阿里的通义万相、字节的豆包和即梦、腾讯混元视频等国产AI视频产品后来居上，在生成时长、分辨率、运动合理性、可控性等方面都有了显著提升。
海外AI视频产品的更新迭代依旧没有放缓，包括谷歌的Veo、Runway Gen-3Alpha、Pika、Luma AI的Dream Machine等;开源方面，初创公司Lightricks的LTX Video、Genmo的Mochi1等模型则降低了AI视频的应用门槛。
在产品功能上，AI逐渐向视频创作的全流程渗透，生成长度更长，也更加稳定可控了。除了基础的文生视频、图生视频，现在部分产品还支持多张图片生成视频（首尾帧、参考图片主体/背景），视频生视频(风格转绘、视频拓展)，此外还有给视频配音效、人物对口型、AI换脸、故事板等功能。
对于专业创作者来说，AI已是辅助创作的得力工具，业内不少AI加持的短剧、广告片、电影相继落地。而对于C端用户，AI视频产品简单易上手，各种有趣的特效模板最受欢迎，例如可灵让人们穿越时空拥抱，Pika用AI模拟爆炸、捏扁等视频特效，Pixverse的毒液变身特效等。我们还给网友们激情创作的AI抽象视频专门颁了个奖。
随着AI视频质量不断提升，训练数据侵权、深度伪造诈骗等安全合规问题也引起广泛关注。对于AI视频厂商而言，如何降低算力成本、提高推理速度、商业化等都是摆在眼前的一道道难题。
可以预见，2025年AI视频依旧是竞逐激烈的热门赛道，技术创新是竞争核心，国产AI视频产品仍有优势。
通向AGI的关键路径是世界模型
AI对话、图像生成和视频生成已经“卷”到飞起，一些玩家开始将目光锁定至3D内容生成，例如Luma AI、Meshy、Tripo。在短视频、游戏配件、工业设计等领域，AI建模的3D内容已经有了用武之地。
“我们生活在一个三维世界中，AI只有突破对3D世界的理解和生成，才能真正追赶上人类智能。”2024年12月，由“AI教母”李飞飞联合创办的World Labs发布了首个“空间智能（Spatial intelligence）”模型，能够仅从一张二维图片生成可交互的3D世界，用户可以在3D场景中像玩游戏一样自由控制相机来探索。
World Labs官网:https://www.worldlabs.ai/blog
空间智能是相对于语言智能的一个概念，比大型语言模型 （LLM）更进一步，可以感知、生成3D世界并与之交互，这样的AI系统被称为大型世界模型（LWM） 。
类似的世界模型还有谷歌的Genie2，它能够生成各种可操作、可玩的3D环境，可用于训练和评估智能体。
Genie2博客:https://deepmind.google/discover/blog/genie-2-a-large-scale-foundation-world-model/
Sora核心作者Tim Brooks跳槽到谷歌DeepMind后，近期他表示要招募新团队来制作大量世界模型。据量子位报道，新团队会和谷歌旗下Gemini、Veo和Genie等团队合作，致力于在构建的世界模型之上开发“实时交互生成”工具;并研究如何将世界模型们与现有的多模态模型，如Gemini等集成。
谷歌表示，在视频和多模态数据上扩展预训练是实现AGI的关键路径。
不仅是3D内容创作，未来世界模型有望推动自动驾驶、机器人、虚拟现实和增强现实等多个领域的创新和进步。
苹果入场，AI硬件有待爆发
QuestMobile报告显示，当下LLM的落地应用在网页端、移动端都已比较成熟，正逐步拓展至智能硬件端。手机则是目前LLM最成熟的落地硬件载体之一，厂商从“卷”配置走向“卷”AI，热卖的新上市机型基本均为AI手机。
苹果在2024年秋季正式进入AI市场，首批Apple Intelligence功能已面向iPhone、iPad和Mac用户推出，支持AI写作、通知摘要、照片增强等功能。并且随着Siri和ChatGPT的整合，苹果可能在2025年占据AI手机市场的领先地位。
不过苹果Apple Intelligence暂时没有向中国市场推出。国内Android手机厂商则陆续启动了AI手机战略，华为、小米、荣耀、OPPO、VIVO等品牌都在新品中内置了AI功能，包括AI语音助手、AI写作、AI修图、AI搜索、AI翻译等。
据新智元报道，IT前沿创新与智能科技产业研究专家胡延平认为，2025年会是智能手机大年，且有多场热战。AI显而易见是第一战场，超级入口又是AI的第一战场，而语音自然交互的“嘴控”又是超级入口的第一战场。
除了手机，面向C端消费者的AI硬件主要集中在智能穿戴设备和智能家居，如耳机、眼镜、音箱。其中AI眼镜受到热捧，苹果、Meta、谷歌、华为、百度、字节等科技大厂都有所布局。
雷朋和Meta合作的AI眼镜
但现阶段智能穿戴类产品无法脱离软件实现AI功能（大多需要与其对应的App连接），技术局限和相对高昂的价格也是制约因素。未来AI眼镜的应用场景或将进一步拓展和深化，从骑行、徒步等运动垂类场景，覆盖至户外多场景需求。
总之，新的一年，“AI新榜”会继续和你一起见证、参与AI行业的风起云涌。
ChatGPT源码推荐：小狐狸ChatGPT付费创作系统完全开源源码