常見的人工智能大模型有 NLP（Natural Language Processing，自然語(yǔ)言處理） 大模型、CV（Computer Vision，計(jì)算機(jī)視覺）大模型和多模態(tài)大模型等。

NLP 大模型

現(xiàn)狀

分別在語(yǔ)言理解與生成、智能創(chuàng)作、機(jī)器翻譯、智能對(duì)話、知識(shí)圖譜和定制化語(yǔ)言解決方案落地應(yīng)用，整體算法發(fā)展順利， 數(shù)據(jù)源可獲得性較強(qiáng)，產(chǎn)品迭代速度較快。

挑戰(zhàn)

語(yǔ)言的歧義、文化差異及多樣化、情感分析困難。

預(yù)期未來發(fā)展

以多個(gè)數(shù)據(jù)信息維度約束來驗(yàn)證情感分析及文本分析的準(zhǔn)確 性。

CV 大模型

現(xiàn)狀

2D 數(shù)據(jù)工業(yè)質(zhì)檢、智慧城市 落地完善，應(yīng)用場(chǎng)景多、可商 業(yè)化市場(chǎng)大，擁有最佳實(shí)踐； 人臉、OCR 識(shí)別發(fā)展較為成 熟。

挑戰(zhàn)

3D/4D數(shù)據(jù)識(shí)別面臨變形、光照、遮擋等可以依靠大規(guī)模預(yù)訓(xùn)練模型解決部分痛點(diǎn)的問題；算法處理復(fù)雜。

預(yù)期未來發(fā)展

打通數(shù)據(jù)融合以突破 3D/4D 獲取瓶頸。

多模態(tài)大模型

現(xiàn)狀

面臨數(shù)據(jù)成本高、模型開 發(fā)難、算力資源不足等。

挑戰(zhàn)

融合不同模態(tài)的信息并提高模型的標(biāo)識(shí)能力。

預(yù)期未來發(fā)展

多模態(tài)將持續(xù)拓展各行業(yè) 場(chǎng)景下的信息融合應(yīng)用。

從技術(shù)的角度來看，大模型發(fā)端于自然語(yǔ)言處理領(lǐng)域，繼語(yǔ)言模態(tài)之后，如視覺大模型 等其他模態(tài)的大模型研究，也開始逐步受到重視。2023 年，是人工智能大模型快速發(fā)展的 一年，據(jù)不完全統(tǒng)計(jì)，國(guó)內(nèi)公開的 AI 大模型數(shù)量已經(jīng)超過 200 個(gè)，但國(guó)內(nèi)大模型的能力與 迭代速度距離國(guó)際先進(jìn)水平尚有差距。目前，人工智能技術(shù)的發(fā)展正面臨著大量跨模態(tài)任務(wù) 的挑戰(zhàn)，跨多個(gè)模態(tài)的數(shù)據(jù)融合問題開始變成行業(yè)探究的重點(diǎn)。隨著國(guó)內(nèi)人工智能企業(yè)和人 形機(jī)器人企業(yè)加大合作力度，未來在大模型的賦能下，機(jī)器人擁有了更加智慧的大腦，自主 學(xué)習(xí)能力大幅提升