人工智能的爆炸正在扭曲我們的時間感，打個形象的比喻，只要眨一下眼，你就會錯過一個全新的行業(yè)。2022年的AI領(lǐng)域，大規(guī)模的生成模型像雨后春筍一樣地冒出，改變了整個AI界的格局。

1.文字-圖像生成映入眼簾

DALLE-2是第一個可以從任意標(biāo)題生成逼真的高分辨率圖像的大規(guī)模擴(kuò)散模型。它啟動了AI的藝術(shù)革命，催生了許多新的應(yīng)用程序、初創(chuàng)公司和思維方式。在OpenAI之后，LMU的StabilityAI和runwayml邁出了英勇的一步，基于「潛在擴(kuò)散」算法訓(xùn)練了他們自己的互聯(lián)網(wǎng)規(guī)模的text2image模型。他們稱該模型為「穩(wěn)定擴(kuò)散」，并開源了代碼和權(quán)值（weighs）。最近，Stable?Diffusion已經(jīng)達(dá)到了v2.1版本，可以在單個GPU上運(yùn)行了。

2.文字生成大爆發(fā)

大家都知道，我說的是ChatGPT！這是歷史上唯一一個在5天內(nèi)就獲得了100萬用戶的應(yīng)用程序。ChatGPT也大大啟發(fā)了我們?nèi)祟惖膭?chuàng)造力。ChatGPT和GPT-3.5都使用了一種叫做RLHF（「從人類反饋中強(qiáng)化學(xué)習(xí)」）的新技術(shù)。ChatGPT的流行，已經(jīng)催生了一波新的創(chuàng)業(yè)公司和競爭者，國內(nèi)外紛紛掀起大模型的浪潮。

3.機(jī)器人模型的出現(xiàn)

一個?「機(jī)器人GPT?」——名為VIMA的transformer。它可以接收任何混合的文本、圖像和視頻作為prompt，并輸出機(jī)器人手臂的控制。模型被稱為VIMA（「VisuoMotor?Attention」），已經(jīng)完全開源了?，F(xiàn)在，單個智能體已經(jīng)能夠解決視覺目標(biāo)、視頻的一次性模仿、新概念基礎(chǔ)、視覺約束等，具有了模型容量和數(shù)據(jù)的強(qiáng)大擴(kuò)展性。

4.中國大模型不再坐而論道

隨著百度、騰訊、新華三、華為等踏足大模型，于斗艷爭先的過程中，巨頭們無一例外都強(qiáng)調(diào)大模型降本增效、縮短鏈路、精準(zhǔn)識別、智能替代等實干作風(fēng)。不難看出，經(jīng)過前期混沌蒙昧的扎堆，大模型開始變得成熟、務(wù)實和遵循商業(yè)邏輯，不再局限于一塊屏幕做講堂，或禁錮在一方實驗室里“跑分”、刷榜，而是下基層、入車間、進(jìn)工地，到更需要的地方去播種。

5.國產(chǎn)垂直大模型，為產(chǎn)業(yè)“織錦”

老百姓習(xí)慣用錦上添花比喻美上加美，好上加好，凡事也喜歡追求錦上添花的效果。但這里其實有一個前提，你得首先是一匹精良的錦緞，才能有接下來的添花步驟。具體而言，大模型可以在產(chǎn)業(yè)里充當(dāng)“造鏟人”、“擺渡人”和“破壁人”的一重或多重角色，物盡其用。

京東云依托大模型的智能城市操作系統(tǒng)，打造的“一網(wǎng)統(tǒng)管”新應(yīng)用，聚焦社區(qū)治理、社會民生、消費(fèi)分析等場景，通過一屏發(fā)現(xiàn)、一口派單、一站處置、一網(wǎng)評效、一鍵智搜的有機(jī)銜接，將問題的判斷由經(jīng)驗推導(dǎo)轉(zhuǎn)變?yōu)閿?shù)據(jù)分析。

再如實在智能近期上線內(nèi)測的實在TARS垂直大模型也將與實在RPA實現(xiàn)完美融合，乘著RPA產(chǎn)品落地各行各業(yè)的東風(fēng)，找到了自己價值的“落腳點(diǎn)”：前者提供自然語言理解及邏輯知識的歸納泛化能力，后者基于實在智能自研的“智能屏幕語義理解技術(shù)（ISSUT）”，實現(xiàn)對一切屏幕上一切元素的自動化操作。通過二者的融合，提高數(shù)據(jù)處理和決策效率、增強(qiáng)風(fēng)險預(yù)測和控制能力，賦能企業(yè)減少重復(fù)、繁瑣的人工操作，成為越來越多的政府機(jī)構(gòu)和企事業(yè)單位數(shù)字化轉(zhuǎn)型的關(guān)鍵手段。

以上便是AI大模型領(lǐng)域的亮點(diǎn)盤點(diǎn)。每一步都是AI大廈里的一磚一瓦，所有的努力都應(yīng)該慶祝。

毫無疑問，AI正引領(lǐng)我們邁向一個全新的時代。在這里，萬物與大模型交匯，一切都不同以往。2023年是充滿奇跡的一年，也是令人驚嘆的一年。未來又會有什么震驚世界的突破？我們與你一起關(guān)注。