半月談記者 張漫子

ChatGPT剛誕生的2022年底，就算我們把AI當回事，AI卻沒我們什么事——大廠之間的角力、大國之間的博弈，離大眾還很遠。但時間來到2024年，日常生活已被AI占據：AI電腦、AI手機、AI軟件、AI游戲、AI陪伴，我們真真實實觸摸到了AI之軀，它的應用比它的名字還要普及。

一個更為強烈的感受是，AI變了。它的“智”和“能”不斷進化、迭代，不斷引我們到未曾想象的新世界。回望人工智能風起云涌的一年，“AI革命”的進度條，走到哪兒了?

瘦身

大模型，“瘦身”了。今年的大模型“武林”依然精彩，只是簡單粗暴的追參數、比大小已成明日黃花。“小了，但要強”，成為國產大模型廠商的追求。

有研究者測算，如果大模型保持現在的發展勢頭，到2028年左右，現有的數據儲量就將全部用完。還有3年，就要撞上南墻了嗎?大模型向何處去?也許，我們需要新的參照系。

面壁智能首席科學家、清華大學副教授劉知遠拿出一把新標尺：能力密度。“大模型并不是參數越大越好。同樣的模型能力可以放入一個更小的參數規模，這表明模型的能力密度不斷增強。達到同等性能模型所需參數數量越小，意味著模型性價比越高，效率越高，能力越強。”劉知遠說。

新的認知，發散出新的思路：煉大模型，不如煉優模型。不是大模型不給力，而是小模型更具性價比。這一年，越來越多的模型廠商將目光聚焦在小模型身上，更注重AI算法的調優。一邊降參數、一邊提性能，以最小的資源釋放最大的能量，大模型、小模型不再因訓練數據量的差異而出現性能代差。

AI處理的重心也不再依賴云端智能算力，開始向端側轉移。這催生了設備單元大模型的新需求。借助一系列優化措施，單元大模型在特定任務上的表現，甚至優于預訓練大模型。它可以廣泛適配不同類型終端，并通過合理連接，激發群體智能。

“我們在手機和PC端體驗到的端側AI，大部分是通過適配器、分類器挑選的微調小模型，以及經過自定義開發的智能體，操作中無需調用全部模型參數，無疑更具性價比、更具效率。”面壁智能聯合創始人、CEO李大海說。

破壁

第二個強烈感受，大模型變“勤快”了。除了越來越瘦、越來越輕盈之外，它越來越實干，不再是那個只說不干的“口嗨派”。

2024年11月底，智譜AI開放日上最新亮相的AI智能體已經化“chat”為“act”，身體力行替人類點外賣。更驚喜的是，這款國產AI智能體已初步實現跨App、多步驟解決真實任務。

安裝AutoGLM、點擊“綠色手機”圖標，對著智能體說出“幫我查詢一頓火鍋需要的食材，然后下單送到家里”的指令，AI就會自動打開小紅書App頁面、搜索火鍋食譜，找到需要的食材，然后關閉小紅書App，打開美團App進入超市頻道，勾選食材下單——在無需人工干預的條件下，一口氣完成54個步驟。

盡管目前剛剛滿月的它并不比人類的操作要敏捷多少，但這至少意味著AI終于能跳出“對話框”，幫人類做點什么了。“今年，AI實現從技術驅動到需求驅動的轉變。從業者深入思考如何讓大模型進入真實的物理世界，真正行動起來。”智譜CEO張鵬說。

規模效應時代的AI，值得關注的就3件事：算力、算法、數據。而今，在“致用”大方向上尋找價值的AI亟須打通3件事：感知、思維、行為。

物理空間與認知空間的交互，激發了人類的想象力與創造力，是抽象思維的起點，對于進化中的AI而言，也就分外重要。

當然，現在的AI“感知”到的可能僅僅是事物不完整的、甚至碎片化的特征，如何在這樣的基礎上讓AI“靈光乍現”，有所領悟，甚至產生思維的萌芽?正如2024世界人工智能大會上諸多專家所言，“AI智能體才是未來的真正挑戰”。由“知”到“行”，跨越非易。

“智能體改變的是人與機器的互動方式，基于理解需求、規劃與決策、執行行動和自我反思，它將帶來符合直覺的人機交互——從人適應機器，到讓機器適應人。”張鵬說。

生長

進入“青春期”的大模型，還在蓬勃“發育”之中。它將長成什么樣子?我們不妨回到人工智能的本質：模仿人類智能，完成復雜任務。這意味著它不僅僅是一名吸收人類已有知識庫的學生、一個可以與人交談的智能設備，更不是被動回答人類問題的反饋機器。人工智能的未來，應該是“有靈且美”的類生命體。AI的感知能力、交互能力，必將不斷豐富和拓展。

拓展，要從哪幾方面展開?

一是行動。過去24個月，大模型主要增強的是人工智能“智”的維度，也就是作為一位參謀，讀懂問題、搜索答案、形成回復。對于人工智能“能”的維度，也就是在拆解目標、做出決策、執行任務的層面，它的增益并不顯著，遠沒有趕上“智”的進化。

二是自主。也就是變被動響應為主動思考，根據感知到的具體情境做出靈活的有針對性的決定和行動，主動規劃、主動推理、主動在現實世界采取行動。

三是預測。收到“把水杯放在桌上”的指令后，為什么人類能把裝著水的水杯正面朝上，平放在桌面而不是有起伏的書堆之上，是因為人類能夠預測當水杯放在“斜坡”上會失去平衡而滑落到地上。機器“擬”人，就需要掌握預測能力。這就要求AI不僅可以理解物理世界的規律，還能對這些規律產生記憶，在合適的時候調出這些記憶。

可以預見，當主動行動、快速預測的AI智能體“煉”成后，我們的手機、電腦、軟件、機器人，就可以自己“跑”了。而如何能讓人工智能的“能”追上“智”的發育，如何能獲得行動、自主、預測這三種能力，尚無現成方案可依，不僅需要新的范式，也需要開拓新的路徑。