2024年的日历渐渐翻至最后一页，这一年中，我们见证了ai行业诸多令人兴奋，却又有些坎坷的进步。
从跳票一年终亮相的sora，到o3掀开推理侧大发展的序幕，以及deepseek v3带来的惊喜与争议，这一切的繁荣，似乎让人觉得agi似乎就在不远的前方。
然而，另一方面，大模型商业化、落地的困境，却仍旧没有得到解决，众人期待中的superapp，也还是没有出现。
与此同时，近乎耗尽的训练数据，以及scaling law 即将“撞墙”的传闻，也不由让人对ai的远大前景产生了一丝隐忧。
今天，在2024行将结束之际，就让我们一一盘点今年ai行业的几大主要进展及趋势，并通过 5个核心问题，探寻2025年大模型走向何方？
一、要不要做预训练，scaling law是否还有效？
当有人质疑本次的ai革命，是否会重蹈前两次革命失败的覆辙时，scaling law总能让人拾起信心。
因为它让当前的ai，找到了一种基于“数据-规模-能力”的正向循环系统。这也是ai实现持续进化的根本所在。
然而，这个让奇迹不断涌现的“黄金定律”，今年似乎不再那么灵了。
今年11月，the information的一份独家爆料声称，gpt系列模型改进缓慢，下一代旗舰模型orion并不像前代实现巨大的飞跃。
这篇文章直击openai痛点，提出scaling law逐渐放缓，原因之一是高质量文本数据越来越少。
此文一出，ai圈立刻炸了锅，众人对llm能否通向agi的质疑声此起彼伏。
然而，没过多久，openai研究员adam称， scaling刚刚找到了另一套「齿轮」！ o1系列模型scaling的两个重要维度——训练时间和测试（推理）时间。
一时间，scaling的定义似乎悄然发生了改变，在这个新的维度，模型性能不再仅仅受限于预训练阶段，现在可以通过增加推理计算资源来提升模型表现。
于是，以o1为代表的，一批试着以“深度推理”改变scaling范式的大模型纷纷涌现了出来。
例如，deepseek （深度求索）推出了 r1-lite ；kimi（月之暗面）推出了主打数学能力的推理能力强化模型 k0-math；阿里先后推出 marco-o1、qwq 两款推理模型；昆仑万维推出了 skywork o1 。
在具备深度推理能力后，大模型的自我反思、学习能力提升明显。
在openai和智谱给出的“通往agi五阶段”的定义中，二者均将多模态和大语言模型能力归在l1阶段，也就是最为基础的能力配备。而o1的出现，则标志着大模型能力突破到了l2阶段。
国产选手里，确实有不少深度推理类大模型，在推理链上做了不少功夫，例如r1-lite这类大模型，在处理复杂问题时，思路展示得特别详细清晰。
差距最明显的地方，说白了就是"深度"和"连贯性"。
拿数学题来说，deepseek-r1-lite、k0-math这类模型，面对长链路推理时，模型思维链有时会失败，会承认超出能力范围，但也会陷入死循环状态。相较之下，o1却能一口气推导出8-10个步骤，而且每步都严丝合缝。
12天春晚发布的o3，进化幅度更是夸张。从 0% 到o1的 5%，整整花了五年的时间；从o1的 5% 到o3的 87.5%，只花了半年。
gpt 5迟迟不能出现的情况下，大模型在推理侧疯狂生长。
二、 sora不如预期， 现实还能存在多久？
如果要为2024年的大模型，找一个最耀眼的类别，那这样的桂冠，或许非视频生成类大模型莫属。
在2024年2月初，openai推出的文生视频模型sora，以惊艳的表现震撼了全球科技圈。凭借通过文字生成高清、流畅视频的能力，ai让人们看到了“一键生成万千世界”的可能。
当时业内甚至有人认为，其对现实物理规律的模拟能力，是打造“世界模型”，并让人类最终通往agi的途径之一。
“sora类”模型突破的背后，则是dit（diffusion transformer）架构的创新。
dit架构赋予sora等视频生成模型前所未有的时间—空间建模能力，通过将扩散模型的去噪机制与transformer的动态特性结合，提升了视频生成的连贯性和灵活性，使其能够高效生成长时序、高分辨率且视觉一致的视频内容。
从字节跳动的“即梦”到快手的“可灵”，再到智谱的“清影”，以及后来minmax的海螺ai，都代表了国产文生视频技术在这一年迅速发展。
在众人对sora望眼欲穿的日子里，可灵凭借2分钟、1080p、每秒30帧的高规格视频生成能力，满足了人们对文生视频ai最大的渴望。
然而，兴奋之余，务实的人们却发现，大模型商业化的困境，却没有随着文生视频类ai的“奇迹”迎刃而解。
虽然在2024年，《山海奇镜》等ai短剧的出现，似乎为这一赛道增添了几分光彩。
然而，这种由少数专业团队支撑起来的“奇观”，影响仍局限在业内的小范围。
高昂的生成成本、不稳定的输出质量，以及有限的应用场景，共同构成了阻碍文生视频ai大规模商业化的重重屏障。
据业内调研显示，目前5秒左右的高质量ai视频生成成本约为1-3元，但由于ai生成的不稳定性，创作者往需要反复生成，才能得到满意的结果。例如《白骨精前传》的ai短剧作者danny，就花了五六千块。
这一成本，仍然令普通的c端用户望而却步。
同时，一种ai版的“恐怖谷”效应，也成了除了直接的技术外，阻碍ai视频被大众接受的“工艺”问题。
好在2024年，尚显稚嫩的视频ai，仍在蹒跚学步， 但12月份sora的正式发布，以及可灵1.6和google veo 2给这一片惆怅的灰色中，增加了一抹新的色彩。
在12月的“12 days of openai”活动期间，openai终于宣布推出“鸽”了10个月之久的sora模型，相比于早期版本，sora turbo的生成效率大幅提升。
sora在模型端的表现并不令人惊喜，甚至比国产的没有表现更好。但其对视频的可编辑性，对sora类工具走向实际应用的产品化，迈出了重要一步。
这样的收尾，总算是给不太圆满的视频ai，在年末画上了一个振奋人心的句号。
三、ai coding兴起，程序员会失业吗？
回望2024年ai编程领域的变化，一个最瞩目的问题是：ai真的会取代程序员吗？
2024年，随着 ai编程领域开始从copilot向agent转型，对专业开发者而言，ai将逐步承担代码测试、审查和迁移等重复性工作，提高开发效率。
而在众多涌现的ai编程工具中，cursor则像一匹黑马，凭借ai驱动的智能代码助手和用户友好的工具界面迅速蹿红，甚至引发了行业内对ai代理未来可能性的讨论。
这个4名本科生打造的编程“神器”cursor，年化收入已经达到了6500万美元。
要说cursor为什么这么火，其实答案很简单：它抓住了开发者真正需要的东西，同时又做得特别聪明、特别到位。
和传统的代码编辑器比起来，它直接就把ai变成了开发过程的核心助手。你不用再花时间到处找插件、改配置，从代码补全到自动生成逻辑，全都内置搞定。
同样地，openai的canvas也是今年的重头戏之一。canvas基于gpt-4o，为用户提供了一个专门的协作平台。其最大的亮点是透明化了代码修改的过程，程序员不仅能看到改动的细节，还能通过自然语言指令快速优化代码结构。
而谷歌的jules则瞄准了更深层次的编程应用。这款工具不仅结合了google的gemini 2.0模型和深度代码分析能力，自动生成亚博电竞网站的解决方案，甚至可以与github等平台无缝集成，完成从需求分析到代码实现的全流程。
要说 今年的ai编程，为何取得了如此大的进展，那恐怕要归功于react(reasoning and acting)框架的突破。
这是让ai编程助手实现从"辅助"到"自主"转变的关键技术。它通过将推理(reasoning)和行动(acting)紧密结合，建立了一套"思考-行动-反馈"的循环机制，让ai首次具备了真正的问题解决能力，而不是简单的模式匹配和代码生成。
在这样的突破下，有人调侃，有了ai，将来写代码就像聊天一样简单，用自然语言说出需求，ai就能给你一套亚博电竞网站的解决方案。ai似乎正在把软件开发这个高大上的领域，变得像做ppt一样简单。
这样的进步，让人产生了一种“将来程序员都要失业了”的错觉，确实，ai现在帮我们搞定了很多从前费时费力的活儿，但在专业的业内大佬看来，ai coding 虽然功能强大，但偶尔生成的逻辑会让人觉得“ai还在学走路”。
就连谷歌ceo劈柴也承认：”所有ai代码都必须经过工程师的“人工”审核和验收”。
尽管如此， 今年的ai coding，确实打开了想象的空间，让软件开放从“纯人脑的作品”开始逐渐变成“人与机器协作的产物”。
四、 真siri来临，能开启智能硬件第二春？
2024年的语音ai发展，用一种革命性的方式，重新定义了人机交互范式。
回想《her》里那个温暖有感情的虚拟助手samantha，不少人曾以为这是遥不可及的幻想。
但今年，openai的gpt-4o、科大讯飞的星火模型、字节跳动的豆包，还有智谱清言等，都在用各自的技术证明，这种科幻的想象，现在真的照进了现实。
与传统的tts（文本到语音转换）技术相比，像gpt-4o这样的新一代端到端语音大模型的最大亮点，就在于它能“懂场合”、“通人性”。
简单来说，传统的tts技术多半是以静态规则为主，比如为特定句子设计语调模板，但gpt-4o这样端到端语音模型，不仅能通话中实时做到感知上下文，且能灵活选择声音的节奏、语气，甚至能被打断和停顿。
有了这种更“人性”的特点后，各个ai企业各显高招，从总体上看，实时语音ai的赛道，在2024年，大致呈现出了“多语言”、“个性化”的特点。
例如科大讯飞的星火大模型4.0 turbo，不仅支持74种语言和方言，还引入了“超拟人”特性，通过个性化定制功能，让用户可以和ai助手形成更贴近现实的交流方式。
虽然在2024年，语音ai已经让人觉得“科幻照进现实”，但这个“现实”还有点“昂贵”。
从行业角度看，这波实时语音ai的竞争，比拼的其实是"算力经济学"。
为了应对实时语音的高昂成本，聪明的公司开始搞"算力分层"。简单对话用轻量级模型，复杂问题才上重型火力。
这也是为什么，在视频通话这种场景下，如果涉及到多模态交互，尤其是需要结合视觉线索或复杂上下文理解的时候（例如长文章或代码），语音ai的表现也常常不如文本模式下的大语言模型——回复的深度和质量会明显逊色。
总体来说，当前的语音ai，虽然给了行业惊鸿一瞥的惊喜，但要真正成为一个得力的智能助手，它需要的不只是更流利的语音，而是多项功能的整合。
五、 ai agent，噱头还是即将落地？
2024年的ai agent，不再仅仅是大模型的附属品，而是开始以独立角色，重新定义智能交互的边界。
像智谱的autoglm、anthropic的claude computer use，荣耀的手机ai助手，以及谷歌刚刚在年末发布的浏览器agent助手project mariner等，正在逐渐将科幻里的“万能助手”变成现实。
从总体上看，今年的ai agent，大致呈现出了两个方面的特征：
以前一直有句话叫app墙，不同app直接难以逾越。
现在这种“执行层”的变革，让ai摆脱了传统app间的界限，使未来一种统领“千百app”的超级应用成为了可能；
以谷歌的project mariner为例，这款浏览器agent可以理解和操作网页上的所有元素，包括文本、代码、图片和表单。它不只是单纯浏览，而是能够完成从信息搜索到购买、表单填写等一系列操作。
而anthropic的claude computer use，则专注于电脑端操作，能用鼠标和键盘模拟用户行为，完成文件编辑和多程序协作。二者都展示了agent在处理复杂的多模态任务时，进行多种工具调用的适配能力。
一句话点200杯咖啡，一句话发2万的红包。
像智谱的autoglm，以及荣耀的手机ai助手，可以通过简单的语音指令完成手机端和跨app的复杂任务，比如订咖啡、对比航班价格甚至建群发红包。
如今， 正从gui（图形用户界面）向cui（对话式用户界面）时代转变。
苹果在对gui的巨大贡献，引发了一场交互革命，如今ai公司正在引发新的交互颠覆性创新。
此外，2024年的ai agent技术，带来的另一个惊喜，是ai在游戏行业的突破。
尤其是网易伏羲在《永劫无间》手游和腾讯的《暗区突围》的ai队友，在结合了多模态技术后，已经不仅仅是传统意义上的“npc”，而是一个能听懂语音指令、实时调整策略、甚至和玩家情感互动的“智能队友”。
这些突破性的应用，让ai不再只是游戏中的“工具”，而是玩家的真正伙伴。
从趋势来看，ai agent正在向多模态能力和更深层次的智能化发展。
结合视觉、语音、文本等多模态信息，它们能够更全面地理解用户需求，并从一个“对话工具”成长为“得力助手”，逐渐正带领我们进入一个更加无缝和高效的智能时代。
六、结语
在这个充满变数与惊喜的2024年，ai就像一个正在成长的孩子——有时笨拙，有时惊艳，但始终充满无限可能。
尽管道路上有数据枯竭的忧虑，有商业化的阵痛，有技术的不完美。大模型支撑着ai原生应用高速发展，2025年被誉为ai发展元年，未来会越来越精彩。
| 永久免费无码有色视频在线观看 | 9天前 |
| 日本拳交深喉褔利视频 | |
| 亚洲人a片视频欧美日韩 | 6天前 |
| 国产精品天天爽夜夜爽 | |
| 汉服女装齐胸襦裙喷水91 | 2天前 |
| 成全视频高清免费 | |
| 四房婷婷 | 7天前 |
| tubi74 国产处女 | |
| 老妇女老少妇老熟女乱熟 | 9天前 |
| 免费的18禁黄色网站 | |
| 免费看成年美女 | 4天前 |
| 国产69 高潮 | |
| 熟妇正在脱衣舞xxxx | 0天前 |
| 魔人最新动漫 | |
| av女仆肛 | 2天前 |
| 揉穴鸡巴奶 | |
| 巴雷特好大的奶头 | 9天前 |
| 欧美弄b视频 | |
| 国产精品骚母狗高考查询 | 0天前 |
| 驯服的小 子6 | |