1.趋势1：self-play RL范式开启，大模型技术军备赛进入复杂推理阶段
由OpenAI发布的GPT3作为序幕，大语言模型理解和生成能力、通用和泛化能力提升等，引爆了对于AGI发展的高预期，大量大模型涌现，开源模型与闭源模型并驾齐驱，国内大模型也在奋起直追，人工智能的发展从分析式AI进入生成式AI时代。
通过易观分析AI开发者调研结果来看，OpenAIGPT系列大模型以42.9%的使用率位居首位，同为海外的MetaLLaMa系列大模型以27.1%的比例位居第三位。中国的大模型企业，阿里通义大模型以37.8%的使用率位居第二。总体上而言，AI开发者在模型层的选型仍然处于变动的状态，且尚未形成相对比较明确的竞争格局。而OpenAI发布o1（草莓）模型，则再次定义大语言模型的技术方向与竞争焦点。
与以往的模型相比，OpenAI o1 聚焦于优化推理过程，在复杂的科学、编程和数学等任务中的表现显著提升。它能够像人类一样进行深入思考、逐步推导，这对于解决需要深度逻辑推理的问题具有重大意义，突破了对大型语言模型能力的传统认知，为人工智能在复杂任务处理上开辟了新的道路。
由此而开启Post-train阶段的Self-play RL（自对弈强化学习）范式对于后续大模型技术路线的升级和优化具有指引性的意义，传统预训练依赖全网语料，数据有噪声且质量不一，RLHF 后训练受人类标注数据限制。纯强化学习（RL）方法无需人类标注数据，能让模型自我探索学习，激发创新和探索能力，利于突破未知领域。
同时，也需要注意到，尽管Self-play 方法已经开始在一定范围内得到应用，但是，也仍然存在挑战需要进一步研究和解决，包括收敛性问题、环境非平稳性问题、可扩展性与训练效率等问题。另外，强化学习注重设计良好的“奖励模型”，但是除了数学、代码等理科领域，强化学习在其他领域仍然难以泛化。
2.趋势2：多模态模型能力持续升级，朝向多模态理解和生成的统一发展
当前自然语言、音频、视频等多个模态的理解与生成能力均提升显著，在模型创新、跨模态能力提升、性能优化上有进展，并涌现出不少基于多模态模型的应用和探索。目前多模态大模型主要有两种思路。
面对现实世界，信息是以多种模态存在的，如文本、图像、音频、视频等。人类的认知过程是多模态的，我们通过视觉、听觉、触觉等多种方式感知世界。然后，上述在多模型能力方面的进展，通常都是将理解和生成任务分开处理，使用独立的模型分别应对，多模态模型的统一有助于使其更接近人类的认知模式，从而更好地理解和处理复杂的自然场景，增强人机交互体验，拓展更广泛的应用领域。相应地，多模态理解和生成的统一是当下多模态模型能力提升的重要发展方向。
3.趋势3：Agent向超级智能体进化，具备更强的学习和推理能力，处理更复杂的任务
Agent 正凭借一系列关键技术进展，如深度学习、强化学习、自然语言处理技术的突破以及多模态融合等方面的发展，逐步向具备更强学习和推理能力、能处理更复杂任务的超级智能体进化。
将 LLM（大语言模型）和 RPA（机器人流程自动化）相结合是现阶段 Agent 落地的一种有效手段，可以充分发挥技术协同优势，增强数据处理与理解能力，将智能决策与任务执行有机融合；也有助于通过RPA明确的流程规则，确保价值对齐和透明性提升，以及责任界定的辅助；通过RPA系统本身具有的稳定性和可靠性，在一定程度上提升Agent应用的安全保障能力等。如下三种方式并行，也是企业考虑利用Agent和数字员工提升劳动生产力的可行之道。
4.趋势4：AI原生应用形成服务闭环，聚焦专业用户提升效率是中短期重要方向
当前AI原生应用主要覆盖如下用户群体和功能类型，超级个体涌现的背景之下，在传统意义上对用户进行B和C划分之外，专业人士（即Prosumer）这类用户群体的重要性愈发突出，包括程序员、设计师、律师等各种专业人士，其效率提升的需求与当前AI应用的价值匹配度相对比较高，具备付费意愿与付费能力，且采购决策考量和周期相对可控，是AI原生应用追求用户留存和商业化并重阶段需要重点关注的用户群体。
5.趋势5：成熟应用加速拥抱AI，利用LLM能力提升自身应用服务体验和产品竞争力，不加AI就淘汰
拥抱AI在当下是必选项，不是可选项，成熟应用通常都是从如下视角和价值的角度考虑，需要增强AI能力：
提升用户体验
AI 可以分析用户的行为、偏好和历史数据，为用户提供高度个性化的服务。这在流媒体以及电商平台都得到了印证，即个性化的体验能够提高用户的满意度和忠诚度，使应用在竞争激烈的市场中脱颖而出 ；借助自然语言处理和语音识别技术，AI 可以实现更加智能的交互方式。例如，这将显著降低两龄用户与应用互动和信息输入的门槛，进一步扩大应用的覆盖范围。
提高运营效率
AI 可以自动化许多繁琐的任务，如数据输入、文件分类、客户服务等。这可以节省人力成本，提高工作效率，使企业能够更专注于核心业务。通过对大量数据的分析，AI 可以进行精准的预测和决策。现存应用可以利用这些预测结果来优化业务流程、制定营销策略、提高库存管理效率等。
6.趋势6：AI将加速内容IP的开发和运营，释放内容资产商业价值，推动内容产业多元化与新生力量的崛起
生成式AI 在内容 IP 全生态开发中发挥的重要性将愈发突出。它能够快速生成多样化内容，从创意构思到内容产出都能提供助力。在 IP 开发初期，AIGC 可提供新颖创意，拓展 IP 故事线。在运营阶段，它能生成衍生内容，维持IP 热度，延长生命周期。例如生成角色周边、新剧情等。这有助于提升 IP 的商业价值，通过多形式内容实现多元变现，延长优质IP的生命周期。
7.趋势7：硬件全面AI化具备连接数字世界与物理世界的可能性，教育与办公、生活的应用场景闭环率先实现落地
硬件全面 AI 化确实具备连接数字世界与物理世界的可能性。在数字世界中，数据不断产生和流动，而物理世界由各类实体硬件构成。当硬件AI 化后，智能硬件能够感知周围环境。例如，AI 摄像头可以捕捉并分析物理场景中的图像数据，智能传感器可以监测环境状态。这些硬件通过 AI 算法处理数据，并依据分析结果在物理世界中做出反应，如智能温控系统自动调节室内温度。同时，它们又能将物理世界的数据反馈回数字世界，从而形成一个交互循环，实现两个世界的紧密连接。
8.趋势8：AI赋能千行百业，行业“小”模型催生“智能链主”
AI 赋能千行百业意义重大。它提升生产效率，实现自动化作业与精准决策。创新商业模式，带来个性化服务与高效运营。改善服务质量，提供智能交互与精准解决方案。推动行业可持续发展，开创全新机遇与挑战。
通用大模型虽有能力进步，但它面对上述具体行业和业务场景缺少针对性。而行业模型是基于行业数据和专业知识训练的，能够深入理解行业痛点和需求。只有借助行业模型，才能让 AI 真正在千行百业中落地生根，发挥出最大价值。在这个过程中，具备行业数据资源与知识体系、数据驱动决策和生态创新能力，以及模型评估与持续优化机制的企业将脱颖而出，成为“智能链主”，不仅仅主导行业模型的建设和持续运营，更重要的是参与协调产业链各环节，优化资源配置，提升产业协同效率。
9.趋势9：AI技术能力普惠之下，利用企业专有数据形成深度洞察与策略是企业未来经营差异化的重要关键
通用大模型具备强大的语言理解、生成以及多种任务处理能力，降低了企业应用AI技术的门槛。以往，开发具有类似功能的 AI 系统需要企业投入大量的人力、物力和时间进行研发，而现在借助通用大模型，企业只需进行适当的微调或应用集成，就能在较短时间内将 AI 能力融入到自身业务流程中，实现了AI 技术从少数专业机构向众多企业的扩散，让更多企业能够享受到 AI 带来的便利和价值，从而实现AI技术普惠。
10.趋势10：AI应用深化将对企业的组织能力提出新的要求，企业需要打造适用于人机协同的组织管理体系从而适应未来的发展
AI 技术发展迅速，新的算法、模型和应用不断涌现。企业需要紧跟技术发展的步伐，及时了解和掌握最新的 AI 技术，以便将其应用到业务中。同时，AI 应用的深化为企业带来了新的业务机会，同时也带来了新的挑战。核心方向就是AI 技术的应用往往会对企业的业务流程产生重大影响，需要企业进行业务流程的重塑。
此为报告精编节选，报告原文：
请点击下方「阅读原文」跳转【价值目录】电脑站点下载阅读。
