2024 AI 大事件回顾

Charlo
180 阅读18分钟

2024 AI 大事件回顾

本文大部分由 Google AI 生成，图片为 MJ 生成，部分源于互联网，信息内容不保证准确

2024 年注定是人工智能领域波澜壮阔的一年。从年初引爆科技圈的 SORA，到马斯克旗下备受瞩目的赛博机器人，再到象征 AI 学术地位提升的诺贝尔物理学奖，每一次技术突破都牵动着全球的目光。本文将带您回顾 2024 年人工智能领域的重要里程碑事件。

image.png

一月：新技术的涌现

image.png

年初，AI 领域便展现出强劲的创新活力。

  • Mobile Aloha 亮相： 一款通过简单训练即可自主完成家务的机器人，预示着具身智能的进一步发展。

  • Luma AI 发布 Genie： 这项技术可以直接通过文本在线生成 3D 模型，极大地降低了 3D 内容创作的门槛。

  • GPT Store 上线。 OpenAI 推出的 GPT 应用商店，旨在让用户定制和分享自己的 GPT 模型，但其商业模式尚待进一步验证。

  • Magnific AI 爆火： 这个由小型团队开发的图片放大工具，凭借其出色的高清放大效果迅速走红，展现了 AI 在图像处理领域的强大潜力。

  • Apple Vision Pro 开启预售： 苹果公司宣布其混合现实头显 Apple Vision Pro 即将发售，这款设备被认为是 AI 技术与硬件结合的重要尝试。

二月：大模型竞争白热化

image.png

二月，各大科技巨头纷纷推出或开源自家的大模型，预示着大模型竞争进入白热化阶段。

  • 阿里云开源“通义千问” 1.5： 涵盖 72B 和 110B 等多个参数规模的模型，加速了国内大模型的开源生态建设。

  • Google Bard 更名为 Gemini： 谷歌正式推出 Gemini 大模型，直接对标 OpenAI 的 GPT 系列，标志着两大 AI 巨头在大模型领域的正面交锋。

  • Sam Altman 寻求巨额算力投资： OpenAI CEO Sam Altman 宣布计划筹集 7 万亿美元以购买算力，凸显了训练和运行先进 AI 模型对算力的巨大需求。

  • Style Cask 开源： 声称超越 SDXL 等一系列模型的开源图像生成模型，为开源社区注入了新的活力。

  • Meta 发布 V-JEPA： 由 Yann LeCun 领衔开发的 V-JEPA 被认为是具有类似人类学习能力的基础架构，Meta 强调其并非生成式模型。

  • OpenAI 发布 SORA： 基于 DIT 架构的 SORA 一经发布便引爆全球，其强大的文本生成视频能力震撼了整个行业，引发了对视频内容创作未来的无限遐想。

  • LTX 宣布推出 LTX Studio： 一款可以通过文本描述生成电影分镜和镜头的工具，进一步降低了电影制作的门槛。

  • Figure 机器人接入 OpenAI 大模型： 人形机器人 Figure 接入 OpenAI 的大模型并获得投资，标志着 AI 技术在机器人领域的深入应用。

三月：SORA 效应与开源浪潮

image.png

三月，SORA 的影响力持续发酵，同时开源社区也迎来了新的发展。

  • 布成科技宣布开发 OpenSORA： 旨在打造开源版本的 SORA，以推动视频生成技术的普及。

  • Anthropic 发布 Claude 3： 被认为是 GPT 最强劲的竞争对手之一，Claude 3 的发布进一步加剧了大型语言模型的竞争。

  • TripoSR 发布： 一款可以从单张图片快速生成 3D 模型的开源工具，但当时的效果仍有提升空间。

  • Devin 诞生： 号称首个 AI 程序员的 Devin 出现，引发了关于 AI 是否会取代程序员的讨论。

  • 马斯克开源 Grok-1： 搭载 3140 亿参数的 Grok-1 成为当时最大的开源模型，推动了开源社区的发展。

  • Kimi AI 上线长文本处理能力： Kimi AI 实现了 200 万字无损上下文理解，下载量迅速突破 50 万，展现了 AI 在长文本处理方面的巨大潜力。

  • Suno V3 发布： 这款 AI 音乐创作工具迅速走红，让每个人都能轻松创作音乐。

  • Neuralink 脑机接口人体实验直播： 瘫痪患者通过脑机接口流畅玩游戏的视频在 YouTube 上引发轰动，标志着脑机接口技术在人体实验上的重大突破。

  • Stability AI 人事变动： Stability AI 的主创人员离职，CEO Emad Mostaque 辞职，预示着这家明星 AI 公司的发展可能面临挑战。

  • 苹果发布 OpenELM 大模型： 包括 3B 和 7B 等多个版本，但在众多强大的模型面前显得有些平淡。

  • 英伟达发布 Blackwell 架构： 以及 GB200 等一系列硬件，进一步巩固了其在 AI 芯片领域的领先地位，股价持续飙升。

四月：开源生态繁荣与多模态发展

image.png

四月，开源大模型生态持续繁荣，同时多模态 AI 技术也取得显著进展。

  • Google 发布 Gemini 1.5 Pro 和 Imagen 2.0： 进一步提升了 Google 在文本和图像生成方面的能力。

  • Adobe Premiere Pro 接入 AI 编辑器： 包括 SORA 和 Runway，实现了 AI 生成视频与专业剪辑软件的融合，极大地提升了视频制作效率。

  • Meta 发布 Llama 3： 成为全球范围内最受欢迎的开源大模型之一，其性能和易用性备受好评。同时，Meta 的智能眼镜也迎来销售高峰。

  • 智谱 AI 开源 ChatGLM 千亿模型： ChatGLM 1.5 系列包含 110B 参数模型，成为首个千亿级中文开源模型，标志着国产开源力量的崛起。

  • 深势科技发布 Vesuvius 大模型： 对标 OpenAI 的 SORA，旨在挑战视频生成领域的领先地位。

  • GitHub Copilot Workspace 发布： 成为程序员最喜爱的 AI 助手之一，提升了代码编写效率。

五月：OpenAI 春季更新与多模态竞争加剧

image.png 五月，OpenAI 再次发布重要更新，多模态 AI 技术的竞争也愈发激烈。

  • 苹果发布 AI 芯片： 采用 3NM 制程，用于其各类硬件产品，进一步提升了苹果设备的 AI 能力。

  • 字节跳动将 Dreamina 更名为“即梦”： 国内 AI 视频领域的竞争持续升温。

  • 张吕敏发布 iC-Light： 一款可以通过简单操作更换图片光源的工具，展示了 AI 在图像编辑方面的便捷性。

  • 宇树科技发布 Unitree Go1 机器人： 这款售价 10 万元的机器人引发热议，部分观点认为其技术已超越波士顿动力。

  • OpenAI 春季发布会： 发布 GPT-4o，并展示了高级语音模式和视频交互功能，但这些功能的实际体验有待进一步验证。

  • Google 发布 Project Astra 和 Veo 视频模型： 与 OpenAI 发布的功能类似，但在宣传上稍逊一筹。

  • Ilya Sutskever 离开 OpenAI： 这位 OpenAI 的联合创始人和首席科学家离职，引发了关于 OpenAI 未来发展方向的讨论。

六月：国产大模型涌现与新公司成立

image.png

六月，国内各大公司纷纷发布或开源自家的大模型，同时 AI 领域也诞生了备受瞩目的新公司。

  • 阿里云发布“通义千问” 2.0 并开源： 进一步壮大了国产开源大模型阵营。

  • 快手发布可灵达模型： 国内视频生成领域呈现出阿里、快手、字节跳动三足鼎立的局面。

  • Anthropic 发布 Claude 3.5 Sonnet： 在各项测试中表现出色，成为科研人员和程序员的首选大模型之一。

  • Ilya Sutskever 成立新公司 SSI： 专注于打造安全智能，公司估值迅速超过 5 亿美元。

  • 腾讯元宝更新： 支持 1000 万字的文本处理能力，展现了其在长文本处理方面的技术实力。

  • 华为 HDC 2024 开发者大会： 发布了盘古大模型的多项更新。

  • AI 研究室发布 Material Control： 可以通过颜色控制生成特定行业的材料，展示了 AI 在专业领域的应用潜力。

七月：视频生成与无人驾驶的进步

image.png

七月，视频生成技术持续发展，无人驾驶领域也取得了重要进展。

  • Runway 发布 Gen-3 Alpha： 进一步提升了其视频生成能力。

  • 快手开源 Live Portrait： 可以将一个视频的表情迁移到另一张图片上，效果出色。

  • 萝卜快跑无人驾驶出租车上线： 在国内多个城市推出，引发了关于无人驾驶安全性和就业的争议。

  • Meta 发布 Llama 3.14 100.5B 大模型： 成为又一强大的开源大模型。

  • Graph RAG 走红： 可以根据文本库创建知识图谱，推动了 AI 本地知识库的发展。

  • 阿里开源 Cos Voice 和 Sense Voice： 可以生成带有情感的语音。

八月：新力量入局与应用探索

image.png 八月，AI 视频领域迎来新的参与者，同时各种 AI 应用也在不断涌现。

  • Black Forest Labs 发布 Flux 大模型： 由今年 3 月份从 Stability AI 离职的核心成员创立。

  • GRC-2 Beta 发布： 具体功能未详细说明。

  • Jammable Live 上线： 对标 OpenAI 的高级语音模式。

  • LTX Studio 开始使用： 尽管曾以“一键生成电影”为噱头，但用户评价褒贬不一。

  • 阿里云发布“通义千问” Two-VL 模型并开源： 包含 2B 和 7B 两个版本，是国产大模型早期在视觉多模态方面的尝试。

  • 海螺 AI 加入 AI 视频战争： 其视频生成效果在海外获得认可。

九月：苹果发布会与新模型的涌现

image.png 九月，苹果秋季发布会相对平淡，但 AI 领域仍有不少新模型发布。

  • 苹果秋季发布会： 尽管提出了 “Apple Intelligence” 的概念，但缺乏令人眼前一亮的 AI 技术发布。

  • GPT-4o One 发布： 强调其“思维链”能力，可以先思考再回答问题。

  • 华人科学家李飞飞成立 World.AI Labs： 尽管尚未有具体产品，但估值已达 10 亿美元。

  • Google 发布 GameFace： 可以实时生成下一帧游戏画面，预示着游戏开发的新可能。

  • 阿里云开源“通义千问” 2.5 系列： 包含多个模型版本，进一步巩固了其在国内开源领域的地位。

  • 华为发布 Cloud Matrix 云计算基础设施： 为 AI 发展提供算力支持。

  • GPT-4 高级语音模式上线： 提升了语音交互体验。

  • Tripo AI 发布 Tripo 2.0： AI 图生 3D 效果显著提升。

  • Meta Connect 大会发布 Orion AI 眼镜： 预计 2027 年发售。

  • AI 代码编辑器 Cursor 爆火： 尽管有人认为其只是大语言模型加上复制粘贴功能，但其实用性依然获得认可。

十月：AI 赋能传统领域与算力之争

image.png 十月，AI 技术开始在传统领域展现出强大的应用潜力，同时算力成为关注焦点。

  • Pika 发布 1.5 模型： 其强大的特效功能在网络上爆红。

  • 诺贝尔物理学奖颁发给辛顿和霍普菲尔德： 两位 AI 奠基人获奖引发了关于 AI 学术地位的讨论。

  • 特斯拉 AI Day 发布会： 展示了赛博出租车 Robotaxi 和 Optimus 人形机器人等新进展。

  • Adobe MAX 大会发布 Project Stardust： 可以通过一张图生成 360 度旋转的连续矢量图。

  • 智谱 AI 发布 AutoPrompt： 可以跨软件帮助用户完成任务。

  • 腾讯混元开源 AI 生成 3D 模型能力： 进一步拓展了其多模态能力。

  • 美国大选： 尽管与 AI 的直接联系较弱，但被认为可能影响美国 AI 产业的发展方向。

  • 云深处科技发布机器人“山猫”： 因其在崎岖路面上的强大行动能力而受到关注。

  • 苹果发布 M3 系列芯片的 Mac mini： 强调其强大的性能。

十一月：空间智能与视频模型突破

image.png 十一月，空间智能的概念开始兴起，视频模型也取得了新的突破。

  • 李飞飞发布空间智能初步成果： 生成的内容可以满足物理规律并支持交互。

  • 腾讯开源混元视频大模型： 被认为是当时最强的开源视频模型。

十二月：OpenAI 发布会与开源模型的竞争

image.png

十二月，OpenAI 举行了多场发布会，弥补了之前的一些技术空白，同时开源模型的竞争也更加激烈。

  • OpenAI 发布会： 填补了视频交互模式和 SORA 等方面的空白，并预告明年将发布更强大的模型。

  • 微软发布 TRIVIUM： 被认为是 2024 年最强的开源图生 3D 模型。

  • Google 发布 Gemini 2.0 和 RT-2 具身智能机器人： 进一步提升了其 AI 能力。

  • 宇树科技发布 B2-W 机器狗： 其测试画面显示出更强的运动能力和潜在的对抗性。

  • SORA 正式开放测试： 经历了近十个月的期待，SORA 终于开放测试，但部分用户发现其生成的视频仍然存在不符合物理规律的情况。

  • DeepSeek 发布 DeepSeek-V3 大模型并完全开源： 据称训练成本极低，引发了关于大模型训练效率的讨论。

各领域的突破

1. AI 视频领域：OpenAI 发布 SORA

image.png

  • SORA 的发布无疑是 2024 年 AI 视频领域最令人激动的事件。 它首次向公众展示了 AI 从纯文本描述生成高质量、连贯且富有创意的视频内容的能力。 这种能力的突破性在于其真实感、对物理世界的初步理解以及潜在的巨大应用价值（尽管也引发了一些担忧）。虽然其他视频生成模型也在进步，但 SORA 的出现引发了全行业对视频内容创作未来可能性的重新思考，具有里程碑式的意义。

2. AI 文字领域：Google 发布 Gemini 1.5 Pro 及其超长上下文窗口

image.png

  • 在 AI 文字领域，Gemini 1.5 Pro 最令人印象深刻的是其大幅提升的上下文处理能力。 能够处理高达百万 token 的上下文，意味着 AI 可以理解和生成更长、更复杂、更具连贯性的文本。 这对于处理大量文档、进行深度分析和进行更复杂的对话交互至关重要。 这种技术上的突破，直接解决了之前大模型在处理长文本时的瓶颈，为 AI 在信息处理和知识整合方面开辟了新的可能性。

3.AI 图像领域：Luma AI 发布 Genie

image.png

  • 虽然 2024 年在 AI 图像生成领域有很多重要的进展，例如更高质量的文本到图像模型（Google Imagen 2.0 等）、更强大的开源模型（Style Cask）、以及在特定任务上表现出色的工具（Magnific AI），Genie 的出现，标志着 AI 在图像生成领域从 2D 向 3D 的重要跃迁，它不仅仅是生成了更逼真的图像，而是创造了全新的数字资产类型

    • 突破了 2D 到 3D 的壁垒： Genie 的核心创新在于它直接连接了文本描述和 3D 模型的生成，绕过了传统的 2D 图像生成阶段。 这意味着用户可以直接用文字创造出可以在 3D 环境中使用的物体，极大地简化了 3D 内容创作的流程。

    • 降低了 3D 内容创作的门槛： 传统的 3D 建模需要专业技能和复杂的软件。 Genie 通过文本输入的方式，让没有 3D 建模经验的用户也能轻松创建 3D 内容， democratizing 了 3D 内容的生产。

    • 为新的应用场景打开大门： 这项技术为游戏开发、虚拟现实、增强现实、产品设计等领域带来了巨大的潜力。 想象一下，设计师可以直接用文字描述一个产品原型，就能快速生成 3D 模型进行预览和修改。

4. AI 语音领域：OpenAI 发布 GPT-4o 及其高级语音模式

image.png

  • GPT-4o 的高级语音模式代表了 AI 语音交互的一次重要飞跃。 其亮点在于更自然、更实时的对话能力，以及对语音语调、情绪的理解。 这使得人机交互变得更加流畅和人性化，预示着未来 AI 可以更像一个真正的对话伙伴，而不仅仅是一个执行命令的工具。 虽然其他公司也有语音方面的进展，但 GPT-4o 的演示效果给人留下了深刻的印象，仿佛 AI 拥有了更强的感知和表达能力。

5. 大模型领域：Meta 开源 Llama 3

image.png

  • 在众多大模型的发布中，Meta 开源 Llama 3 最具开创性意义。 Llama 3 不仅性能出色，而且其开源策略进一步降低了 AI 技术的门槛，加速了 AI 技术的普及和创新。 开源使得研究人员、开发者和企业能够更容易地访问、使用和改进先进的大模型，这对于推动整个 AI 生态系统的发展至关重要。 虽然其他闭源大模型也很强大，但 Llama 3 的开源精神和对社区的贡献使其脱颖而出。

6. AI 应用领域：Cognition AI 发布 Devin (首个 AI 程序员)

image.png

  • Devin 的发布是 AI 应用领域最具开创性的事件之一。 一个能够独立完成编程任务，包括学习新技术、构建和部署应用程序、修复 bug 等的 AI 程序员，其概念本身就极具颠覆性。 虽然 Devin 的实际能力可能还在发展中，但它的出现预示着 AI 在自动化复杂、创造性工作方面取得了重大进展，引发了关于 AI 如何重塑软件开发行业的深刻思考。 相比其他应用，Devin 直接挑战了人类的核心技能之一，因此更具开创性意义。

总结展望

进步

  • 视频生成能力取得突破性进展。Sora 的出现标志着文本到视频的生成技术实现了质的飞跃，能够创造出更具真实感和电影感的长片段视频。随后，Lumiere 等模型的发布进一步印证了这一趋势。

  • 多模态交互能力显著增强。以 GPT-4o 为代表的模型，更高级的语音模式和视频交互，能够更流畅地理解和处理多种模态的信息，实现更为自然的交互体验。

  • 开源大模型呈现蓬勃发展态势。2024 年，涌现出大量开源的千亿级参数大模型，如 Llama 3、通义千问 1.5 (110B)、DeepSeek V3 等，显著降低了 AI 研究和应用的门槛，加速了技术的普及与创新。

  • AI 在特定领域的应用持续深化。在 2024 年，AI 在辅助编程（Devin, GitHub Copilot Workspace）、3D 模型生成（Genie）、音乐创作（SUOV3）、视频编辑（Adobe Premiere Pro 集成）等领域的应用更加成熟和实用化，体现出更强的落地能力。

  • 脑机接口技术取得里程碑式进展。Neuralink 在人体实验中取得成功，实现了瘫痪人士通过脑机接口流畅操作游戏，标志着该技术在应用层面迈出了重要一步。

  • AI 芯片及硬件基础设施持续进步。苹果发布了采用 3nm 制程的 AI 芯片，英伟达推出了 Blackwell GB200 等更强大的 GPU，为 AI 模型的训练和推理提供了更强的算力支撑。

不足

  • 尽管视频生成能力大幅提升，但以 Sora 为代表的模型在生成内容时，仍存在不符合物理规律的现象，表明 AI 对物理世界的理解尚有提升空间。

  • 通用人工智能（AGI）的实现依然面临挑战。尽管 2024 年取得了显著进展，但当前的 AI 仍属于专注于特定任务的“狭义 AI”，距离具备通用智能的 AGI 仍有较大差距。

  • 模型的完全可控性和避免偏见依然是亟待解决的问题。如何确保 AI 模型的行为完全符合预期，并有效规避训练数据中存在的偏见，仍是 AI 发展中需要持续关注和解决的关键问题。

  • 部分先进技术的落地和商业化仍需时间。例如，Meta 发布的 AI 眼镜 Orion 预计将于 2027 年发售，表明部分前沿 AI 技术的成熟和普及尚需时日。

  • 对基础算法突破的期待依然存在。尽管 2024 年在应用层面取得了显著进步，但行业内对 Transformer 和 Diffusion 等突破性算法之后，新的底层算法创新的呼声依然很高。

参考：www.bilibili.com/video/BV11U…

avatar
文章
阅读
粉丝