7月7日，2023年世界人工智能大會(huì)上，啟明創(chuàng)投聯(lián)合未盡研究發(fā)布了創(chuàng)投行業(yè)首份生成式AI報(bào)告�；谏墒紸I的創(chuàng)新應(yīng)用、大模型技術(shù)前沿、監(jiān)管、安全、政策、人才等研究，報(bào)告對(duì)未來一至三年的大語言模型、多模態(tài)模型和商業(yè)競(jìng)爭(zhēng)態(tài)勢(shì)，作出了十點(diǎn)前瞻。
其中，大語言模型方面：
2024 年中國(guó)將出現(xiàn)比肩GPT-4的多語言通用大模型；超長(zhǎng)上下文(Long Context) 將引領(lǐng)下 一次LLM技術(shù)突破；在出現(xiàn)更有前景的大語言模型之前，為實(shí)現(xiàn)垂直領(lǐng)域更好的效果，以下三種方式將共存： 在不改變數(shù)據(jù)分布的情況下，利用更多通用數(shù)據(jù) 進(jìn)行通用大模型預(yù)訓(xùn)練，不特別引入行業(yè)數(shù)據(jù)；利用行業(yè)專屬數(shù)據(jù)微調(diào)( Fine-Tuning)通用大模型；利用行業(yè)數(shù)據(jù)占比更高的數(shù)據(jù)集進(jìn)行垂直模型預(yù)訓(xùn)練；
多模態(tài)模型方面：
當(dāng)前CLIP + Diffusion的文生圖模型是過渡態(tài)，未來2年內(nèi)將出現(xiàn)一體化的模型結(jié)構(gòu)；下一代Text-to-Image模型將具備更強(qiáng)的可控性，它將結(jié)合底層模型能力和前端控制方式，對(duì)模型的設(shè)計(jì)將注重與控制方式的結(jié)合；2025之前，視頻和3D 等模態(tài)將迎來里程碑式的模型，大幅提高生成效果；以PALM-E為代表的具身智能(Embodied AI)展現(xiàn)出在機(jī)器人的感知、 理解和決策等方向上的巨大潛力， 但當(dāng)前訓(xùn)練和可靠性存在較大挑戰(zhàn)；短期內(nèi)Transformer正成為多個(gè)模態(tài)的主流網(wǎng)絡(luò)結(jié)構(gòu)， 但壓縮整個(gè)數(shù)字世界的通用方法尚未出現(xiàn)，Transformer并不是人工智能技術(shù)的終點(diǎn)；
商業(yè)機(jī)會(huì)方面：
3年內(nèi)，顛覆式的AI應(yīng)用的核心驅(qū)動(dòng)力來自于底層模型的創(chuàng)新，兩者無法解耦，模型的作用將大于產(chǎn)品設(shè)計(jì)的作用；當(dāng)前生成式AI市場(chǎng)處于技術(shù)主導(dǎo)的早期階段，存在千億美元市值的平臺(tái)性企業(yè)的機(jī)會(huì)。
