2024年，硅谷的生成式AI大戰(zhàn)絲毫不比2023年遜色，只是這一年的AI戰(zhàn)爭更殘酷更直接：
巨頭們不但拼模型能力，還拼爆款產(chǎn)品，同時繼續(xù)投入數(shù)百億美元拼算力建數(shù)據(jù)中心；而幾家一年前還是明星項(xiàng)目的初創(chuàng)企業(yè)卻因?yàn)橘Y金燒光，直接被巨頭吞并。
在學(xué)術(shù)界，技術(shù)領(lǐng)袖們對AI的未來依然爭論不休、罵戰(zhàn)不斷：GPT5依然沒有蹤影，Scaling law甚至被認(rèn)為已經(jīng)遇阻“撞墻”。
然而2024年底，谷歌Gemini 2.0的發(fā)布，以及OpenAI一連12天發(fā)布更新，卻讓大家對2025年AI的進(jìn)展又有了一些新的期待...
這期內(nèi)容我們將回顧下生成式AI在硅谷的2024年有哪些drama，又有哪些實(shí)在的技術(shù)進(jìn)展和路線探索，以及2025年的AI會如何發(fā)展。
我們將結(jié)合與技術(shù)大佬的采訪聊天，從巨頭的AI布局路線、產(chǎn)品落地、隕落的明星公司和冉冉升起的新星們，以及業(yè)內(nèi)對2025年AI展望這幾條主線來展開，看看過去一年都發(fā)生了些什么。
01 OpenAI的宮斗與新技術(shù)路線Chapter 1.1 OpenAI宮斗落幕
OpenAI在2024年的drama并不少：2023年底的董事會風(fēng)波之后，2024年OpenAI的高層依然極度不穩(wěn)定，人才流動性很大。
聯(lián)合創(chuàng)始人、首席科學(xué)家Ilya Sutskever在五月離職。之后他宣布創(chuàng)辦自己的初創(chuàng)公司Safe Superintelligence，快速融資了10億美元。
和Ilya一起離職的還有超級對齊團(tuán)隊(duì)的關(guān)鍵技術(shù)人物Jan Leike。之后在九月，CTO Mira Murati也宣布離職，有消息稱她正在為她新的初創(chuàng)公司融資。
OpenAI其它的高層變動還有聯(lián)合創(chuàng)始人兼ChatGPT開發(fā)的核心領(lǐng)導(dǎo)者John Schulman他于8月加入了對手公司Anthropic。
同時，聯(lián)合創(chuàng)始人、前總裁Greg Brockman在休了三個月的長假之后回到了OpenAI。
至此，OpenAI當(dāng)初11位聯(lián)合創(chuàng)始人到如今已經(jīng)只剩下了Sam Altman，Greg Brockman及Wojciech Zaremba三位。
OpenAI用了一年的時間來處理高層之間的人際沖突，如今終于暫時穩(wěn)定了局面。壞消息是多數(shù)的創(chuàng)始成員都已經(jīng)離開，好消息是這場宮斗終于結(jié)束。
Sam Altman有了穩(wěn)定的權(quán)力，接下來或許可以更順利地推進(jìn)他想象中的AI發(fā)展方向，包括將OpenAI從非盈利組織變成盈利組織來更好融資，推出更多可以商業(yè)化的產(chǎn)品等。
如今OpenAI 已宣布轉(zhuǎn)型為公共利益公司（public benefit corporation）。
2024年10月，Sam Altman為OpenAI完成了新一輪66億美元的融資，公司估值來到1570億美元。但OpenAI燒錢之狠也是有目共睹的：
《紐約時報》獲得的融資文件顯示，OpenAI2024年預(yù)計收入達(dá)到37億美元，但預(yù)計虧損將達(dá)到50億美元，而2026年虧損可能會高達(dá)140億美元，這一估算還不包括給員工的股票激勵兌現(xiàn)。
雖然OpenAI承諾投資人收入在成倍增長，預(yù)計在2029年達(dá)到1000億美元，實(shí)現(xiàn)盈利，但按照這樣的燒錢進(jìn)度，OpenAI在2025年的兩大趨勢會是必然：第一是大規(guī)模融資；第二是更激進(jìn)的商業(yè)化。而這其實(shí)和2024年OpenAI的路線也是相同的。
2024年，OpenAI沒能如預(yù)期發(fā)布GPT5，這讓市場中不少人失望，但驚喜的是4o的多模態(tài)進(jìn)展。此外，o1和最近o3的發(fā)布讓人看到模型能力進(jìn)化的另外一種路線。
Chapter 1.2 o1與o3:AGI另一條路線
在2024年5月初，OpenAI發(fā)布多模態(tài)4o功能，正式與谷歌等競爭對手進(jìn)入AI多模態(tài)之戰(zhàn)，可以實(shí)時對音頻、視覺和文本進(jìn)行推理。
事實(shí)證明，4o發(fā)布之后，特別是在免費(fèi)版本中提供有限的4o功能和4o-mini之后，ChatGPT的訂閱人數(shù)大幅上升，依然在2C領(lǐng)域上遠(yuǎn)超競爭對手。
2024年12月，ChatGPT的周活躍用戶已經(jīng)超過3億人。
在9月，OpenAI發(fā)布了另外一個讓業(yè)界驚喜的更新：o1。
簡單來說，o1學(xué)會了人類的“慢思考”，包括利用思維鏈（Chain of Thought，簡稱CoT）來進(jìn)行反復(fù)的思考、拆解、理解、推理，然后給出最終答案。這使得AI的推理能力在處理科學(xué)、編碼、數(shù)學(xué)及類似領(lǐng)域的復(fù)雜問題時有了飛躍的進(jìn)步。
o1這個內(nèi)部代號為“Strawberry”的強(qiáng)大模型更新，讓我們看到了在預(yù)訓(xùn)練上堆參數(shù)的“大力出奇跡”之外的、通過推理階段的算法突破找到一條新的通往AGI的道路。
我們在2024年硅谷華源科技年會上采訪了多位技術(shù)大牛，都非常看好o1的路線。
其中，OpenAI前安全研究副總裁Lilian Weng在2024華源科技年會上對硅谷101表示，o1的發(fā)布能將OpenAI所定義的“五層超級人工智能”，從最初級推進(jìn)到了更上一層級：
“五層超級人工智能”分別是：對話conversational AI，推理reasoning AI，自主autonomous AI，創(chuàng)新innovating AI，組織organizational AI。
Lilian Weng
OpenAI前安全研究副總裁 ：
隨著我們轉(zhuǎn)向強(qiáng)化學(xué)習(xí)（RL）訓(xùn)練來加強(qiáng)AI的推理能力，我們最近發(fā)布了AI的五個等級，比如會話AI（聊天機(jī)器人）、推理AI、代理AI等。我們的確發(fā)現(xiàn)這能幫助AI在這個五層框架內(nèi)，達(dá)到下一個水平，這也是為什么我們將模型系列重新命名為o1。
最近發(fā)布的o1整體模型，憑借在推理能力上的顯著提升，展現(xiàn)出非常不錯的結(jié)果，但在產(chǎn)品方面，我們?nèi)孕韪嗯Α?br/>
李沐
亞馬遜前AI首席科學(xué)家；BosonAI創(chuàng)始人：
制作o1模型是因?yàn)榇笳Z言模型更多是即時生成的，如果想執(zhí)行許多其他復(fù)雜的任務(wù)，你需要將其分解為多個任務(wù)，以便它們可以逐一完成，人們稱之為代理或工作流。
而o1嘗試自己解決問題，比如在后臺將問題分解為小步驟。這時你需要權(quán)衡的是延遲的問題，因?yàn)楹笈_處理可能需要花費(fèi)一分鐘。所以我認(rèn)為對于特定的應(yīng)用場景來說，這種做法肯定是有效的，特別是如果你不介意延遲的話。
我認(rèn)為這種方法同時還很好地降低了成本：因?yàn)槟Ｐ涂梢灾鸩綀?zhí)行很多步驟，這讓模型訓(xùn)練變得更容易。所以，為了獲得更好的推理質(zhì)量，在延遲上做一部分犧牲。這很可能是一種趨勢。
在o1發(fā)布之后，OpenAI年底的12 DAYs連續(xù)發(fā)布了。
不得不說Sam Altman是營銷的一把好手，這12天的馬拉松式發(fā)布，開頭的時候搶了亞馬遜re:Invent發(fā)布AI功能的風(fēng)頭，期間也和谷歌的發(fā)布時間重疊，把媒體目光始終牢牢掌握在自己手中。
這12天的發(fā)布活動中，除了前幾天的o1正式版、生成視頻模型Sora在歷經(jīng)10個月之后終于開放給公眾、以及集智能寫作、代碼寫作和定制化AI agent為一體的AI工作臺Canvas之外，其它的更新比如說ChatGPT Search升級、與蘋果Apple Intelligence的協(xié)作等等，看上去就非常不痛不癢，甚至感覺是在給12天的發(fā)布會湊數(shù)。
直到最后一天，OpenAI給出了一個王炸：o3。
o3是2024年9月發(fā)布的o1的下一版本，因?yàn)閛2涉及其它公司的版權(quán)商標(biāo)問題，所以O(shè)penAI直接把這個更新跳了一個數(shù)字。
o3在數(shù)個測試上的能力，無論是程序員編碼競賽（Codeforces）中超過99%的人類程序員，還是博士水平的科學(xué)問題（GPQA）已經(jīng)超過一般人類博士生，還是最難的前沿數(shù)學(xué)測試，還是抽象推理能力基準(zhǔn)考試ARC-AGI，o3比o1的提升可以說是驚人的，而這個版本的更新僅僅用了三個月的時間。
這讓AI業(yè)界的不少人相信，OpenAI在o1和o3這個強(qiáng)化推理這個范式轉(zhuǎn)變是有效的，這讓擔(dān)心AI大模型已經(jīng)“撞墻”的人們稍微松了口氣：至少AI模型的發(fā)展還在推進(jìn)。
大家也能理解之前Sam Altman說的“there’s no wall”（墻不存在）的推文了。
有采訪嘉賓認(rèn)為，在2025年，預(yù)訓(xùn)練上的“拼參數(shù)”會持續(xù)，但后訓(xùn)練的推理能力探索會同時進(jìn)行。這樣的“鐘擺”科技途徑發(fā)展，就像之前英特爾提出的Tick-Tock計劃一樣，會成為雙重并行的發(fā)展主旋律。
邱諄 (Jonathan Qiu)
華映資本海外合伙人：
Tick-Tock的意思是左邊是數(shù)據(jù)驅(qū)動，右邊是規(guī)則驅(qū)動，兩邊會來回跳動。一會是用更好的數(shù)據(jù)集去訓(xùn)練它，但同時用更好的算法去推動它，所以就是在算法跟數(shù)據(jù)兩邊Tick-Tock（搖擺）。因?yàn)楝F(xiàn)在o1和o3更多的還是算法，但是之前包括 GPT 其實(shí)也是數(shù)據(jù)集的驅(qū)動。所以，在（數(shù)據(jù)和規(guī)則）這兩邊的搖擺的時候，應(yīng)該會搖出下一個大的 breakthrough（突破）或者milestone（里程碑）。
在2024年年底，OpenAI給整個產(chǎn)業(yè)送上了一份圣誕驚喜。雖然o1和o3非常昂貴，o1 pro的訂閱價格是每月200美元，而o3進(jìn)行一次低算力計算的成本高達(dá)20美元，高算力就更不用說了，要在現(xiàn)階段大規(guī)模商用幾乎是不可能的。
但這也給市場打了一針鎮(zhèn)定劑：AI發(fā)展并沒有放緩，而Scaling Law依然有效。算力成本會降低，而OpenAI在2025年會繼續(xù)按著卷參數(shù)以及卷推理算法的兩種并行路線去探索AI的下一步。
如果o3的路線能將我們帶到“五層超級人工智能”的第二層，那什么突破能將我們帶到再下一層自主autonomous AI呢？不知道OpenAI在2025年能否給我們這個答案。
接下來我們聊聊OpenAI目前最強(qiáng)勁的幾個對手，首先就是谷歌。
02 窮追不舍的谷歌:布局AI Agent2024年12月底，OpenAI進(jìn)行12日發(fā)布會期間，谷歌進(jìn)行了幾個重磅發(fā)布。如果OpenAI沒有壓軸的o3，年底的風(fēng)頭幾乎全都會被谷歌搶走。
谷歌首先在12月12日發(fā)布了多模態(tài)大模型Gemini的第二代Gemini 2.0，谷歌CEO Sundar Pichai在發(fā)布公告中表示，如果說Gemini 1.0是用于組織和理解信息，那么Gemini 2.0則是讓信息變得更有用。
怎么理解Pichai說得第二代Gemini能讓“信息變得更有用”呢？首先，Gemini2.0在多模態(tài)功能上更強(qiáng)大。
谷歌目前對外開放的新模型是Gemini 2.0 Flash，在響應(yīng)時間上比上一代的1.5 Flash性能更強(qiáng)、延遲性更低。在多模態(tài)上，2.0 Flash支持圖片、視頻和音頻的輸入以及多模態(tài)的輸出。
緊接著，12月16日，谷歌發(fā)布了新一代視頻模型Veo 2，非常驚艷，直接對打Sora。
細(xì)節(jié)我們不展開了，目前的結(jié)論是：Sora在最開始公開到最終對用戶發(fā)布的這10個月中，包括谷歌在內(nèi)的競爭對手已經(jīng)趕上來并在多模態(tài)能力上做得更強(qiáng)了。
12月20日，Google Brain團(tuán)隊(duì)負(fù)責(zé)人Jeff Dean宣布Gemini 2.0 Flash Thinking的推出直接對標(biāo)OpenAI的o1路線，展現(xiàn)出谷歌內(nèi)部對思維鏈技術(shù)（CoT）的能力，并且Gemini 2.0 Flash Thinking的思考速度會比o1-mini要快。
最后，谷歌還強(qiáng)調(diào)了Gemini大模型系列對AI Agent的布局。
在2024年5月的谷歌I/O大會上，非常驚艷到我的項(xiàng)目“多模態(tài)虛擬助手Project Astra”，也有相當(dāng)?shù)倪M(jìn)展。
在Astra Gemini 2.0的demo中測試人員使用手機(jī)和AI來進(jìn)行實(shí)時交互，包括快速提示公寓大樓的安全密碼、隨時對公共交通路線進(jìn)行詢問等，人們也可以帶著智能眼鏡進(jìn)行更沉浸式的多模態(tài)交互。
我個人認(rèn)為，智能眼鏡在一些場景下比手機(jī)更適合作為agent入口的交互硬件，因?yàn)樗梢圆蹲饺藗兊哪抗猓鳛橐纛l視頻和屏幕的呈現(xiàn)載體，而用戶也能得到7*24小時永遠(yuǎn)在線的體驗(yàn)。
所以失敗了多年的Google Glass是不是終于能活過來了呢？也許在2025年我們會有新的答案。
看得出來，Sundar Pichai非常重視Project Astra，認(rèn)為它“展示了通用AI助手的曙光”，而谷歌Gemini大模型依靠長文本的能力，能讓Project Astra記住長達(dá)10分鐘的會話內(nèi)容來提供個性化的服務(wù)。
同時，借助Gemini 2.0，Project Astra可以使用Google Search、Google Lens和Google Maps ，從而真正讓一個AI agent在日常生活中發(fā)揮助手的作用。
雖然目前來看，這個項(xiàng)目還在比較早期的階段，如果我們看看之前提到的OpenAI定義的五個AI層級，Agent能自主行動完成任務(wù)已經(jīng)是第三個層級了。
這也展現(xiàn)出谷歌對AI agent的押注，而這個賽道也被很多人認(rèn)為將在2025年是個極其火熱、面臨爆發(fā)的賽道。
對于谷歌來說，全力押注AI agent也很自然：如果谷歌最賺錢的產(chǎn)品，也就是“搜索”將會被AI交互顛覆，那么AI agent的入口、屏幕、交互、模型反饋都是谷歌必須要占據(jù)的領(lǐng)地。
邱諄 (Jonathan Qiu)
華映資本海外合伙人：
如果你是 AI application（應(yīng)用），你就是Copilot（副駕駛）；AI agent（智能體）是自動駕駛， Copilot 就是輔助駕駛。
很多application（應(yīng)用）把自己叫agent之后沒有在算法上面有真正的創(chuàng)新，也沒有數(shù)據(jù)。如果就做agent，我個人覺得下一步還是要往數(shù)據(jù)的角度去走，agent也需要數(shù)據(jù)。我覺得下一步 2025 年，可能會在這幾個層面。
Chapter 2.2 長文本能力：NotebookLM
在2024年，被谷歌卷起來且處于業(yè)界領(lǐng)先地位的還有它的“長文本”的能力，這個長文本能力指的是讓大模型理解超長的上下文。而基于這個能力，谷歌在2024年也衍生出了一些爆款A(yù)I產(chǎn)品，包括NotebookLM。
2024年2月15日，谷歌的Gemini 1.5 Pro把長文本能力卷到100萬tokens；
5月，谷歌宣布更是將長文本能力翻了一倍到200萬tokens。
同時，谷歌新發(fā)布的論文，描述了一種新的注意力技術(shù)“inifini-attention”（無限注意力），能使Tranformer大模型在有限算力情況下處理無限長度的輸入。
Bill Jia
谷歌CORE ML/AI工程副總裁:
如果我們不算Gemini的模型，那么在業(yè)界現(xiàn)有的最好的大型語言模型，允許的Token(AI處理文本的單元)數(shù)量大約在10萬到20萬之間。假設(shè)一個token相當(dāng)于一個單詞，則大致可以包含總共10萬到20萬個詞作為給AI的提示詞。
而谷歌的Gemini模型將上下文窗口從最先進(jìn)的20萬擴(kuò)展到了100萬到1000萬這幾乎是一個50倍到100倍的增長。對于大型語言模型來說，這個上下文窗口實(shí)際上是一項(xiàng)非常有用的技術(shù)：上下文窗口越大，你可以向模型提供的輸入就越多。
Gemini模型在實(shí)際應(yīng)用時，就能夠支持這樣一個巨大的上下文窗口，因此，我們可以將大量相關(guān)信息輸入Gemini，這樣一來，對話就會感覺非常在點(diǎn)子上。這也是Gemini模型能夠產(chǎn)生非常好對話效果的部分原因。
在這樣的長文本技術(shù)下，谷歌2024年的一個爆款應(yīng)用名為NoteBookLM。
NotebookLM是基于Gemini 1.5 Pro的長文本理解和多模態(tài)能力而衍生出的筆記管理工具，一推出就迅速獲得了眾多硅谷科技大佬們的盛贊，包括Andrej Karpathy、Sam Altman，都公開為這個產(chǎn)品站臺。
NotebookLM最驚艷、出圈的功能之一是音頻概覽，也可以被稱之為AI播客。
有谷歌的Gemini底座大模型的多模態(tài)和長文本能力支撐，NotebookLM的AI播客功能可以將文檔、視頻或者音頻總結(jié)生成一男一女對話的方式，讓用戶用“聽內(nèi)容”的方式獲取信息，在播客podcast這種媒體形式無比流行的硅谷形成了病毒式傳播的現(xiàn)象級別產(chǎn)品。
雖然回答的內(nèi)容比較淺顯，交互也比較像相聲中的捧哏，但NotebookLM在對內(nèi)容的抓點(diǎn)和總結(jié)能力是非常精準(zhǔn)的，生成的兩位AI主播的對話也非常自然流暢，AI感很低，我也大概能感受到這個產(chǎn)品之后的潛力還是會非常大。
12月中旬，谷歌發(fā)布NotebookLM Plus，新加入audio overview功能、允許用戶在播客中間打斷AI主播，提出建議或問題進(jìn)行交互，同時用戶還可以自定義播客風(fēng)格和主題。
NotebookLM之前的核心團(tuán)隊(duì)負(fù)責(zé)人Raiza Martin，設(shè)計師Jason Spielman和核心工程師Stephen Hughes已經(jīng)從谷歌辭職出來自己創(chuàng)業(yè)。
外界猜測他們會自己重新做一個NotebookLM的產(chǎn)品用于更好的商業(yè)化，但很有趣的是，有的VC投資人并不看好這個項(xiàng)目。
邱諄 (Jonathan Qiu)
華映資本海外合伙人：
你可以理解他是個產(chǎn)品創(chuàng)新。NotebookLM是Google Labs出來的，但Google自己是有底座模型的。Notebook LM用的底座其實(shí)也不是Google Gemini，而是谷歌自己內(nèi)部的一個定制化底座。所以，如果你不是那么懂底座，純第三方的來用谷歌Gemini API，你未必能做得出來NotebookLM。
產(chǎn)品創(chuàng)新之上要結(jié)合對底座的理解，不然光是產(chǎn)品創(chuàng)新，我覺得可能不能跑得特別遠(yuǎn)。
總的來說，谷歌Deepmind和Google Brain當(dāng)中人才密度不會亞于OpenAI，技術(shù)也不會落后太多，但2024年谷歌依然是一個“追趕者”的姿態(tài)。
究其根本，OpenAI的商業(yè)模式是一個大模型提供方，所以一定要保證模型的領(lǐng)先性，但谷歌是完全不同的商業(yè)模式，它的首要任務(wù)是保證技術(shù)不落后且當(dāng)谷歌搜索被AI顛覆時，自己是準(zhǔn)備好的。
所以在多模態(tài)的AI第二輪大戰(zhàn)中，OpenAI是進(jìn)攻者，而谷歌依然是防御者，下一場硬仗無論是第二層的reasoning，還是第三層的autonomous AI agent，2025年都會非常精彩。
接下來我們再來說說其它幾個主要大玩家。
03 Anthropic:受開發(fā)者歡迎卻不敵OpenAIAnthropic是OpenAI除了谷歌之外的最在意的競爭對手了，與谷歌不太一樣的是，Anthropic作為大模型的提供方，是OpenAI直接的競爭對手。
2024年在融資上，Anthropic從亞馬遜獲得了新一輪40億美元的融資，使得公司估值達(dá)到400億美元。
產(chǎn)品更新上，10月22日，Anthropic發(fā)布Claude3.5 Haiku，同時升級了Claude 3.5 Sonnet。
從外界反饋來看，Anthropic的模型在技術(shù)上是非常強(qiáng)的，特別是Claude在編碼任務(wù)中表現(xiàn)出色，尤其是在復(fù)雜代碼生成和解決方案自動化方面，非常受到工程師們的推崇。
Anthropic的商業(yè)模式目前更2B和2D，對企業(yè)和開發(fā)者群體更受歡迎，但2C方面就不太理想了。
12月底，Anthropic從用戶與Claude的對話中隨機(jī)選取了100萬條，進(jìn)行分析和總結(jié)后發(fā)現(xiàn)，用戶在Claude.ai上的主要使用場景排在第一位的，是網(wǎng)頁和移動應(yīng)用開發(fā)，占比為10.4%。
這是因?yàn)楸澈蟮能浖_發(fā)人員主要利用Claude執(zhí)行調(diào)試代碼、解釋Git操作及概念等任務(wù)。
很多開發(fā)人員認(rèn)為，Claude 3.5 Sonnet會非常適合需要深度理解和復(fù)雜推理的應(yīng)用程序，而OpenAI的模型對于較簡單的任務(wù)可能更具成本效益。
而Claude AI的2C聊天機(jī)器人，在iOS和安卓移動應(yīng)用程序上收入100萬美元的里程碑，用了整整16周，而這個門檻OpenAI的ChatGPT用了三周就達(dá)到了。雖然快于微軟的Copilot和Perplexity，但距離OpenAI仍然有很大距離。
之前媒體的報道說，Anthropic在2024年的收入會超過10億美元，比之前預(yù)測的要高很多，說明市場還是非常買賬Anthropic的模型能力，特別是最近他們又挖了很多OpenAI的核心人員過去。
看上去，這個OpenAI的最大競爭對手在2025年會繼續(xù)在2B和2D領(lǐng)域上發(fā)力，而對2C消費(fèi)者端來看，暫時不會對OpenAI和谷歌帶來太大的威脅。
我們再來說說馬斯克的xAI。
04 xAI:入局雖晚但萬事俱備xAI在2024年做了三件大事：搞定了算力、搞定了融資、開源了自己的大模型。
如果還有其它順便的事，就是馬斯克數(shù)次把OpenAI告上了法庭。
12月24日，馬斯克旗下的xAI宣布完成60億美元的C輪融資。英偉達(dá)，AMD，a16z，紅杉等公司和機(jī)構(gòu)參與，也表明業(yè)界對xAI的潛力的看好。
要知道在半年之前的2024年5月，xAI剛完成60億美元的B輪融資，足以說明馬斯克的融資能力。
除了錢之外，馬斯克還是第一個搞定大規(guī)模算力集群的：2024年，xAI位于美國田納西州孟菲斯市的數(shù)據(jù)中心正式投入使用，歷時122天建成創(chuàng)下紀(jì)錄。
這個名為“巨人”（Colossus）的數(shù)據(jù)中心里面部署了英偉達(dá)的10萬塊GPU芯片，成為全球開發(fā)和運(yùn)行人工智能技術(shù)的規(guī)模最大、算力最強(qiáng)的芯片集群之一。而馬斯克說以后還有計劃繼續(xù)拓展到20萬塊GPU的規(guī)模。
在大模型上發(fā)布上，Grok的速度其實(shí)是要比競爭對手慢一些的。在8月中旬，xAI發(fā)布了Grok-2和Grok-2mini兩款A(yù)I模型的測試版，比此前發(fā)布的Grok-1.5有了非常大的進(jìn)步。
10月，xAI發(fā)布了首個應(yīng)用程序編程接口(API)。目前，xAI API只有一個模型，稱為“Grok-beta”。
其實(shí)xAI雖然入局晚了些，但優(yōu)勢還是非常多的：除了上面我們說到的算力和融資之外，xAI還有社交網(wǎng)絡(luò)X和特斯拉的獨(dú)家數(shù)據(jù)，以及機(jī)器人Optimus等項(xiàng)目的結(jié)合潛力。
相當(dāng)一段時間以來，Grok的聊天機(jī)器人只向馬斯克旗下的“X”用戶提供，但在2025年很可能馬斯克會全面開放Grok。
除了iOS程序在測試之外，網(wǎng)頁版Grok.com也已經(jīng)準(zhǔn)備就緒，寫著coming soon（準(zhǔn)備就緒），感覺2025年xAI會正式加入戰(zhàn)局。
馬斯克也在X上說，Grok3很快會發(fā)布，并且將是一次重大飛躍，我們也拭目以待。
05 Meta:大獲全勝或一無所有接下來我們說一下臉書（Facebook），這家公司在2024年挺有意思。
除了創(chuàng)始人扎克伯格最近的突變形象和婚姻八卦之外，臉書毫無疑問是2024年的科技大贏家之一：單從股價就能看出來，2024年漲了70%左右，Meta的員工們應(yīng)該都很開心。
雖然Meta不像OpenAI和谷歌那么在大模型前線廝殺，但Meta的策略也非常的明朗：在AI研發(fā)上不掉隊(duì)，且布局下一代的AI應(yīng)用，結(jié)合在硬件、社交媒體以及廣告中。
在大模型方面，臉書在2024年持續(xù)更新Llama開源模型。12月6日，Meta發(fā)布新款Llama開源模型：70億參數(shù)的Llama 3.3、又稱Llama 3.3 70B。扎克伯格說，下一步就是明年Llama 4的亮相。
Llama 3.3能實(shí)現(xiàn)與2024年7月發(fā)布的4050億參數(shù)的Llama 3.1同樣的性能，但成本比后者更低。Llama 3.1是迄今為止最大的Llama開源模型，直接對標(biāo)Anthropic的Claude 3.5 Sonnet和OpenAI的GPT-4o。
除了在大語言模型上的進(jìn)展外，Meta也一直在探索除了“大語言模型”（LLM）之外的其它AI路徑：2024年12月11日，Meta新發(fā)布了Large Concept Model（LCM），翻譯過來是“大型概念模型”。
它和LLM大語言模型逐字預(yù)測不同，LCM的概念是能直接在高緯度語意空間中運(yùn)算，就像人類思考的方式，并不是一個字一個字地去思考，而是以”概念“和”意義“為單位。所以LCM是Meta完全突破LLM架構(gòu)的一個創(chuàng)新的嘗試。
目前Meta表示這大幅度提升了AI在多語言和長篇內(nèi)容處理上的效能，但處理的效果和準(zhǔn)確度依然需要提升和改進(jìn)，所以LCM是否是比LLM更好的一種范式，我們拭目以待。
另外，由于Meta 2024年在智能眼鏡上的嘗試成功，以及旗下Facebook、 WhatsApp、 Instagram、Messenger、Threads等龐大的用戶群體，還有AI和廣告結(jié)合的前景，市場非�？春肕eta如今在AI大戰(zhàn)中的位置。
Jefferies的分析師甚至將Meta選為步入2025年生成式人工智能的“贏家”。不少二級市場的報告認(rèn)為，Meta下一代與AI結(jié)合的Orion AR眼鏡將成為新一代硬件入口，Meta在2024年推出的Ray-Ban Meta很初步的將AI功能引入其中，受到市場好評。
可能在2025年，下一代智能眼鏡上Meta就會引入屏幕顯示，屆時就會釋放出更強(qiáng)大的AI交互功能。
說到智能硬件，蘋果在2024年發(fā)布了Apple Intelligence三件套，我們之前有詳細(xì)聊過，但因?yàn)槎藗?cè)模型和agent的發(fā)展可能還沒有到能讓硬件產(chǎn)業(yè)與AI結(jié)合得特別好的程度，蘋果在AI進(jìn)展并不大。
很多人認(rèn)為蘋果最終還是要自己開發(fā)底座大模型，不能完全靠接入OpenAI的ChatGPT，而等硬件與AI結(jié)合的那一天，就是手機(jī)與智能眼鏡的市場大戰(zhàn)了，目前押注得最大的Meta和蘋果將終有一戰(zhàn)。
說回Meta的其它AI產(chǎn)品布局：在AI Chatbot方面，Meta旗下的幾款王牌社交媒體都已經(jīng)不同程度的引入了AI對話框，扎克伯格也在12月表示，Meta的AI數(shù)字助理“每個月有將近6億的活躍用戶”。
因?yàn)镸eta不提供獨(dú)立的AI應(yīng)用，所以新聞或者業(yè)界一般不將Meta的Chatbot直接與ChatGPT或者Claude去做直接對比，但就這些活躍用戶的基數(shù)而言，Meta的AI產(chǎn)品是有很大優(yōu)勢的。
而最后一點(diǎn)就是AI在廣告上的應(yīng)用潛力。Meta在12月表示，目前超過100萬的廣告商在使用Meta的GenAI工具，他們在一個月之內(nèi)制作了超過1500萬條廣告。
雖然目前AI生成的素材還沒有那么精致，但無論是從廣告標(biāo)題和文案的多個版本，還是自動調(diào)整廣告大小，還是利用文生圖、文生視頻和文生音樂更高效的制作廣告，AI都有非常大的潛力。
同時，也有分析認(rèn)為，Meta可能會在自家的開源模型Llama上進(jìn)一步開發(fā)出企業(yè)級客戶服務(wù)的業(yè)務(wù)，也將會是一塊很大的蛋糕。
在2024年，小扎非常積極的出現(xiàn)在各個媒體采訪中，一遍又一遍闡述著Meta的未來，不再是單純的Metaverse，而是新一代的AI交互，一個融合了AI，混合現(xiàn)實(shí)和元宇宙的未來。
2024年9月，開始在形象和穿搭上大轉(zhuǎn)型的扎克伯格穿了一件T-shirt，上面寫著“Aut Zuck Aut Nihil”，這個細(xì)節(jié)被媒體捕捉到。
這個短語是拉丁短語“Aut Caesar Aut Nihil”的變形，意思是“要么是凱撒，要么什么都不是”；而扎克伯格的“Aut Zuck Aut Nihil”似乎是在宣戰(zhàn)：要么贏所有，要么一無所有，All or Nothing。
06 “大而全”的亞馬遜最后幾家科技巨頭中，再說說亞馬遜。亞馬遜的路線和其它幾家都不太一樣，采取的是一個賣鏟子生意的模式。
他不拼模型、拼算力、拼芯片，雖然各方面都有自研的產(chǎn)品，但把他們整合在一起，再加上市面上所有的好東西，打個包賣給客戶們，幫甲方降本增效，做好2B的生意，也是非常聰明的做法了。
在12月召開的亞馬遜云科技re:Invent大會上，亞馬遜的最新策略非常清楚：
第一，不但有自研芯片的集群，也有與英偉達(dá)芯片合作的算力運(yùn)行中心；
第二，不光提供滿足萬億參數(shù)大模型訓(xùn)練和推理需求的自研芯片產(chǎn)品，包括與Anthropic綁定合作的十萬張亞馬遜Trainium自研芯片AI計算集群，還有為中小企業(yè)和初創(chuàng)公司提供能降本增效的服務(wù)與技術(shù)；
第三，除了亞馬遜最新的自研模型Nova系列，各種純文本、多模態(tài)大模型都有，同時在亞馬遜Bedrock上還提供上百種市面上最受歡迎的模型選擇給客戶挑選；
第四，在自己的三層AI架構(gòu)上加入各種模型蒸餾、解決AI幻覺、安全技術(shù)等服務(wù)。
對于很多需要用到AI的初創(chuàng)公司，要算力并不一定需要自己買卡，要用模型并不一定要自己訓(xùn)練。就像需要蘿卜青菜也并不需要自己去務(wù)農(nóng)種菜，可以去超市直接買，就看最終的成本賬能否算得過來了。
這也顯示出，亞馬遜押注2025年市場對算力的需求只增不減。而隨著需求逐漸從訓(xùn)練轉(zhuǎn)移到inferencing推理，算力市場的更多創(chuàng)新服務(wù)以及基建會進(jìn)一步完備。
除了亞馬遜云科技，芯片公司本身，像英偉達(dá)，AMD，英特爾等芯片公司本身，以及上下游的電力公司以及數(shù)據(jù)中心服務(wù)公司也會繼續(xù)是市場關(guān)注的焦點(diǎn)。
接下來再總結(jié)一下2024年那些隕落的硅谷明星初創(chuàng)企業(yè)們以及冉冉升起的明星公司。
07 隕落的明星初創(chuàng)企業(yè)們2024年，有三家硅谷明星初創(chuàng)企業(yè)迅速跌下神壇。
第一家是Character.ai，成立于2021年，利用大模型生成各種人物和角色風(fēng)格的對話。
2023年5月，Character.AI在蘋果App Store和Google Play Store發(fā)布了移動應(yīng)用程序，第一周下載量就超過170萬次，并被Google Play評為2023年度最佳AI應(yīng)用。
然而，2024年年初，公司被頻頻爆出融資困難，商業(yè)化不順利，開始尋求收購。
2024年8月，Character.AI宣布，谷歌已經(jīng)同意向Character.AI支付模型授權(quán)費(fèi)，并將讓Character.AI聯(lián)合創(chuàng)始人兼CEO Noam Shazeer、總裁Daniel De Freitas、以及30名Character從事模型訓(xùn)練和語音AI工作的員工，加入谷歌參與Gemini AI項(xiàng)目，谷歌為此支付的價格是25億美元。
另外一家公司是Inflection.ai，這家公司做大模型，上面疊加“個人AI伴侶”用途的聊天機(jī)器人Pi，主打情感陪伴市場。
一度市場對inflection.ai的模型技術(shù)非常認(rèn)可，但也是因?yàn)榇竽Ｐ瓦^于燒錢而資金鏈沒有跟上。
2024年3月，微軟挖角了Inflection 的創(chuàng)始人和幾乎所有員工，成立了一個新的消費(fèi)者AI部門，并支付了約6.5億美元購買其技術(shù)許可。
最后一家公司是Adept，也是Transformer原作者出來創(chuàng)業(yè)的豪華創(chuàng)始團(tuán)隊(duì)。
2024年6月，亞馬遜與AI agent公司Adept達(dá)成協(xié)議，雇傭這家初創(chuàng)公司的大部分員工，并支付約3.3億美元以授權(quán)其技術(shù)。
這三家公司的“變相收購案”也在成為硅谷科技巨頭拓展AI版圖的新模式：既避開壟斷監(jiān)管，又能收人才收技術(shù)。
不過這三家公司一個共同點(diǎn)：都同時在發(fā)展底座大模型和做產(chǎn)品，但這樣的路線被證明太過于燒錢，模型太難以持續(xù)。
這就讓我想到前面說到NotebookLM團(tuán)隊(duì)的人出來自己創(chuàng)業(yè)，被投資人認(rèn)為沒有底座模型的能力、只能調(diào)用谷歌Gemini的API，所以不被看好。
做大模型吧，太燒錢；不做大模型吧，沒有技術(shù)壁壘和護(hù)城河。這么一看，AI時代的創(chuàng)業(yè)真的太難了。
邱諄 (Jonathan Qiu)
華映資本海外合伙人：
所以你怎么去把控這個節(jié)奏？我覺得Perplexity這家公司其實(shí)還是把控得很不錯的：他到今天也沒有完全重新訓(xùn)練自己的底座。我覺得他會有那么一天的，但是他要把握這個節(jié)奏，別步子邁得過大，還沒到那一天的時候，就已經(jīng)把錢給燒完了。這個是比較危險的，也是 AI 創(chuàng)業(yè)比互聯(lián)網(wǎng)可能更難一點(diǎn)的地方。
08 “當(dāng)紅炸子雞”項(xiàng)目Chapter 8.1 Perplexity
再總結(jié)一下2025年被認(rèn)為是冉冉上升的明星AI項(xiàng)目。
首先是前面Jonathan提到的Perplexity：2024年年底，公司完成了新一輪5億美元的融資，估值達(dá)到90億美元。
這家公司成立于2022年，可以說重新定義了全球第一個對話式AI搜索引擎，月活躍用戶已經(jīng)達(dá)到1500萬人次，日活躍用戶200萬人，連英偉達(dá)創(chuàng)始人黃仁勛也為它站臺，稱每天都會使用。
Perplexity的聰明之處在于，自己不訓(xùn)練模型，而是使用多種大型語言模型，包括GPT、Claude、LLAMA、Mixtral等，以及來自多個搜索引擎的排名信號和第三方數(shù)據(jù)提供商的數(shù)據(jù)。
它的核心競爭力在于檢索、排序和編排的數(shù)據(jù)整合能力，以及答案生成能力。
但隨著AI搜索市場的競爭日益激烈，像OpenAI已經(jīng)推出了SearchGPT，谷歌也會在AI搜索上跟進(jìn)，Perplexity在2025年會遭遇更激烈的競爭。商業(yè)變現(xiàn)方面，除了付費(fèi)版本之外，公司已經(jīng)計劃引入廣告，這會如何重新定義AI搜索的模式呢？我們也拭目以待。
Chapter 8.2 Physical Intelligence
2024年，硅谷還有另外一家公司非常受人矚目：Physical Intelligence。
我最開始聽到這家公司是從OpenAI聯(lián)合創(chuàng)始人以及特斯拉FSD前負(fù)責(zé)人Andrej Karpathy的口中。
他曾在一個小型的聚會上分享說，有很多項(xiàng)目找他投資，他答應(yīng)的原因只是為了幫助朋友，畢竟他的名字在天使投資人的那一欄能幫很多項(xiàng)目更容易拿到投資。但為數(shù)不多的他真心想投資且看好的項(xiàng)目，就當(dāng)屬Physical Intelligence了。
這家公司通過AI模型為機(jī)器人打造“大腦”，在2024年11月完成新一輪4億美元的融資，估值來到20億美元，投資者包括亞馬遜創(chuàng)始人貝佐斯還有OpenAI。
同時，在11月初，Physical Intelligence發(fā)布了首個通用基礎(chǔ)模型π0，也被認(rèn)為具身智能發(fā)展上的重要一步。
Physical Intelligence表示，π0將使得機(jī)器人變得更容易編程和使用，使其能夠更高效地執(zhí)行多樣任務(wù)。
目前，Physical Intelligence的π0模型已經(jīng)能夠執(zhí)行一些簡單的多任務(wù)，如折疊衣物、組裝盒子、動態(tài)地將物品放入容器等。
邱諄 (Jonathan Qiu)
華映資本海外合伙人：
2024 年最大的進(jìn)展，我會投給o1和π0。
我覺得π0更多是 training data driven（數(shù)據(jù)驅(qū)動）的路線；o1更代表的是algorithm（算法）驅(qū)動的路線。
π0肯定也要在算法上繼續(xù)做迭代，也可能在推理側(cè)引入一些方法。當(dāng)然難一點(diǎn)就是推理，因?yàn)榫呱碇悄艿耐评韨?cè)要在端側(cè)發(fā)生，可能對算力的要求會更高一些。
具身智能以及AI機(jī)器人模型還在非常早的階段，因?yàn)閿?shù)據(jù)和算法都是挑戰(zhàn)，但相信在2025年會有新的進(jìn)展。
同時，斯坦福的機(jī)器人中心在2024年開業(yè)了，我也去參加了開業(yè)儀式，有機(jī)會我們?nèi)ツ抢锊稍L一下跟大家分享最新的項(xiàng)目和有意思的進(jìn)展。
09 2025年的未來由于篇幅原因，還有很多科技巨頭的進(jìn)展、初創(chuàng)企業(yè)和新趨勢我們沒辦法一一列舉，包括AI視頻生成的初創(chuàng)公司Pika和Luma，音樂生成初創(chuàng)公司Suno，最近很火的AI編程應(yīng)用Cursor和Devin，李飛飛博士的World Labs、還有2025年初引起一片震撼的DeepSeek等，之后有機(jī)會我們詳細(xì)做成單獨(dú)選題來聊。
總的來說，2024年的硅谷非常精彩，有混亂，有質(zhì)疑，有倒閉收購，也有為了AGI信仰繼續(xù)戰(zhàn)斗的科技從業(yè)者們。
雖然2024年出現(xiàn)了o1、o3的路線，但更大模型、更強(qiáng)的能力依然是被市場所期待的。
馬騰宇
VOYAGE AI創(chuàng)始人
斯坦福大學(xué)計算機(jī)科學(xué)與統(tǒng)計學(xué)助理教授：
我一直都在期待更好的技術(shù)，不一定要GPT-5，也可能是Anthropic Claude的4、5、6代，或者是xAI、Mistral。
我認(rèn)為，雖然現(xiàn)階段的GPT-4可以做的事越來越多了，但是更大、更強(qiáng)的模型在某種意義上會讓模型的使用變得更容易。所以，如果有了GPT-5或者Claude 4、5，那么基于GPT-4的一些自我工程可能就不再必要了。
Bill Jia
谷歌CORE ML/AI工程副總裁：
對于那些有資本、有資源、有工程能力的大公司來說，他們會繼續(xù)構(gòu)建大模型。大模型在很多不同方面表現(xiàn)得更好，特別是在通用場景中。
然后基于大模型，人們會構(gòu)建各種不同的垂直模型。剛開始垂直模型也比較大，但隨著包括蒸餾模型、量化模型等技術(shù)，模型會變得更小但是更有效率、更有性價比，而且模型質(zhì)量不會下降太多。
我認(rèn)為這兩條主線將會持續(xù)很長一段時間，希望有第三種并行努力的方向，那就是尋找不同的模型架構(gòu)，因?yàn)楝F(xiàn)在的模型基本都是基于Transformer的，還有一些基于diffusion模型用于生成圖像等中間工作。我希望能有其他非transformer、非diffusion的模型架構(gòu)出現(xiàn)，讓生成結(jié)果更有效、更高質(zhì)量、同時降低成本。如果在這方面能有所突破，將再次對AI行業(yè)產(chǎn)生巨大的影響。
在硅谷的AI生態(tài)中，已經(jīng)衍生出了多個派系：有更大的模型、大模型衍生出的垂直模型、不信仰Transformer而在探索其它通往AGI路徑的研究者，同時也有應(yīng)用、硬件、agent智能體、機(jī)器人、無人駕駛，還有“賣鏟子”的英偉達(dá)、數(shù)據(jù)中心、電力上下游等等，這些生態(tài)在2024年得到了進(jìn)一步的鞏固與布局，而在2025年，我們會看到更多技術(shù)的進(jìn)展。
當(dāng)然，硅谷只是AI發(fā)展的其中一個主力戰(zhàn)場，全球其它市場的AI也有非�？焖俚陌l(fā)展，今天我們只是稍微總結(jié)了一些硅谷的情況，也歡迎大家給我們留言最值得提的公司，技術(shù)或者事件，這對我們團(tuán)隊(duì)更進(jìn)一步探索AI產(chǎn)業(yè)非常有幫助。
2025年，我們會在硅谷繼續(xù)為您帶來更多的AI前沿分析。
