中国信通院魏亮：2024人工智能产业十大关键词解读

大模型能力快速提升与算力底座升级紧密相关，算力军备竞赛愈发激烈。目前，大规模智算集群建设已成为一项系统工程，涉及算法、框架、芯片、存储、通信等多环节高效协同耦合，无法依靠芯片规模简单堆叠实现，更加考验全产业链条支撑能力。过去一年，国内外建成一批超大规模智算集群。 从投资主体看， 一类是以meta、xAI、字节等科技巨头为主导，算力资源进一步向头部厂商集聚，另一类是以政府机构/运营商为主导，比如我国运营商建成的万卡集群、美国能源部下属实验室建成的最新超算等，具有明显的公共基础设施服务属性。 从规模体量看， 集群规模从万卡向十万卡迈进，美国已建成十万卡集群，并在规划更大规模集群，我国目前集中在万卡至两万卡规模。 从技术演进来看， 国内外建设主体在集群组网规模、计算资源利用率、训练稳定性等方面取得一系列技术突破，实现规模与性能同步提升。

展望2025，要以智算集群建设为契机，从基础软硬件协同入手，带动我国智算生态高质量创新发展：一是要持续提升国产芯片算子功能性能，满足高效训推需求；二是推动模型适配统一接口，缓解软硬件生态割裂；三是加快异构算力合池探索，推动算力多元供给、有效激活存量算力。

当前，新一代数据标注成为高质量数据供给的关键。新一代数据标注具备高技术含量、高知识密度和高价值应用的“三高”特性，不再是传统技术含量低、劳动密集型行业，正成为高质量数据供给的关键。2024年，数据标注产业发展受到极大关注。 在市场侧， 发展成果主要包括两个方面：一是数据标注产业规模持续扩大。预计2024年我国数据标注产业规模将达到120亿元。二是产业链不断完善。我国人工智能数据标注核心企业超过600家，产业链体系完善。 在政府侧， 推进路径主要有两个维度：一是政策牵引。发展壮大数据标注产业的政策即将出台，将为数据标注产业发展提供指引。二是基地示范。国家数据局已在7个城市部署数据标注基地建设任务，推动相关工作落地实施。

展望2025年， 在技术层面， 基于大模型的智能化标注落地使用，人机协同的轻量化标注技术突破，细分行业领域标注需求增多。 在产业层面， 行业高质量数据集建设元年带来海量标注需求，具身智能数据和逻辑推理数据成为行业增长点，新一代数据标注产业集群加速形成。

目前，大模型已实现了从语言大模型向深度复杂推理以及多模态任务的全面升级，端侧多模态布局已初显成效。基础模型能力阶梯式升级，引领智能技术迈向通用人工智能（AGI）新纪元。语言大模型作为基础模型演进的核心底座，其架构呈现趋同态势，混合专家模型（MOE）和指令遵循等技术脱颖而出。同时，基础厂商的格局也在市场的磨砺中渐趋稳定，模型规模扩张的步伐变得更加稳健而审慎。在此基础之上，基础模型从多模态、复杂推理、端侧部署以及垂直领域四个维度延伸发展 。一是 多模态大模型迎来了重大突破，利用原生架构打破了模态之间的壁垒，成功实现了从理解到生成的全面融合。 二是 复杂推理大模型利用强化学习与思维链技术，在探索智能的道路上迈出了关键步伐，开拓了通往更高智能水平的路径。 三是 在实际应用方面，模型压缩、量化等大模型小型化技术，使得大模型能够更加高效、便捷地落地生根，加快推动在端侧的高效部署应用。 四是 我们也观察到，大模型在一些复杂度高、容错率低的关键场景中的应用需求日益高涨，垂直行业大模型、企业大模型、特定任务大模型都展现出了广阔的发展前景。

展望2025，随着大模型技术的创新发展，多模态与复杂推理将持续突破，端侧加速落地，垂直领域精准深耕，具身智能崭露头角，合力驱动产业智能化升级。

推理优化是推动大模型实现低成本、广普惠的关键技术，是成本控制的关键因素。企业通过推理优化技术来降低高昂的算力成本，提升模型效率和效果，有利于构建高性能与合理定价相结合的商业闭环，实现产业化扩散。 模型层面，以高效压缩、MoE架构为代表的核心技术持续发展。 大模型的到来推动了压缩技术从量化、蒸馏、剪枝进一步升级到无损量化、MoE压缩、组合压缩等高阶方法，MoE大模型的发展也从年度发布到月度出新。 系统架构层面，推理引擎、推理架构优化是推动技术落地的核心引擎。 过去几年，推理引擎持续推动实例内推理优化，发展出聚焦不同模态、不同场景的推理引擎，为进一步提升大模型推理优化上限，今年陆续推出架构层面的推理优化方案，聚焦结合PD分离推理模式、分布式调度策略、推理场景特点进行精细化设计，大幅提升推理吞吐，实现成本降低。

展望2025，推理优化的技术演进热度将不断升级，近期OpenAI发布的o1和o3模型使用了链式思维推理、强化学习和数据飞轮技术，这些技术帮助模型推理效果实现显著提升，但因此导致的成本增加、性能损耗等问题，有待产业进一步探索和解决。

具身智能是人工智能+机器人的延续，在大模型的带动下引发广泛关注。业界围绕“大模型+”的实现路径展开广泛探索。目前整体处于发展初期，仍面临诸多不确定性，但基于企业入局、资本热度和供应链的不断完善等因素，全球具身智能快速发展。 算法层面， 主要围绕端到端模型和分层模型两条路线并行探索，在机器人大模型、生成式模仿学习、空间智能等多个方向上均有突破进展。 数据层面， 合成数据与数据生产，同步推进。例如，合成灵巧抓取数据集DexGraspNet 2.0已达到10亿规模。智元机器人部署百台机器人同时作业，日产数据上万条。 产品层面， 具身智能产品密集迭代，加速推进商业化。Figure 02和特斯拉大约每2月完成一次产品迭代。同时国内外已有多款产品入驻工厂，Figure 02首批订单已经成功交付。

展望未来，AI算法与机器人硬件将以协同融合的方式持续优化与迭代，推动具身智能产品升级，加速在汽车制造、物流运输、商业服务和应急安全等领域的应用试点和拓展。

过去一年，人工智能安全治理进程从点到面，掀起全球化浪潮。企业作为人工智能治理第一线主体，自律实践持续走深向实，呈现价值导向和治理实际的结合，具体可以分为四个维度。 在价值导向侧，企业牢牢握住安全“方向盘”。 一是 积极签署安全承诺，规划各项安全治理行动。近期，中国人工智能产业发展联盟推动百度、阿里、腾讯等17家国内企业联合签约人工智能安全承诺。 二是 建立安全制度，为内部协同提供指引，推动治理深入研发、应用、管理全周期 。在治理实际侧，企业以实践连接扣紧“安全带”。 一是 形成安全基准，研发可行测试方法，帮助企业通过测试掌握自身模型安全能力。二是打造安全工具，以技治技推动敏捷治理，通过自动化工具追踪、定位和处置风险，快速提升治理能效。

展望2025，从被动防御风险到主动建设安全，企业自律实践有望持续深化。未来，企业自律牵引产业治理产生集群化、规模化、国际化效应，有助于形成自下而上地规则供给趋势，促使整个人工智能行业生态朝着更加健康、有序、创新的方向发展。

我国深入实施“人工智能+”行动，大力推动人工智能赋能新型工业化，加快人工智能与实体经济深度融合。过去一年里，大模型在工业领域的应用案例越来越多，在研发设计、营销运营等微笑曲线两端率先发力，呈现“两端快、中间慢”的阶段特征。 在微笑曲线前端， 以人工智能赋能软件研发为例，随着代码生成大模型的能力不断提升，复杂问题的解决能力也持续增强。这些技术的进步正在重塑软件工程的流程和范式，软件智能化进程显著加速，实现了智能编码、智能测试和算法优化等重点领域的突破，极大地提高软件开发效率和质量，降低人力成本和技术门槛。 在微笑曲线的后端， 企业对大模型的应用表现出较高的自发性，其原因在于大模型能够显著地帮助企业降低成本、提高效率。通过引入智能问答助手、ChatBI等智能化工具，企业在员工办公效率、企业文档利用率等方面都获得了显著改善。这种由人工智能技术驱动的智能化转型为企业带来了实质性的经济效益，进一步增强了企业的市场竞争力。

预计2025年，创新与服务两端的需求会进一步释放，需求侧的改革将推动高附加值场景应用提速。与此同时，微笑曲线中部的低附加值环节预计将会形成大模型与行业专业小模型结合的应用态势。

当前，人工智能在科学领域的赋能范围正在持续拓广，成为培育新质生产力的重要源泉，推动科技成果加速转化为现实生产力。 从技术方面来看，科研智能的技术路径日渐清晰。 数据驱动、机理驱动、数据与机理共同驱动的三种技术形态共同驱动科研智能的进步。 生命科学与材料科学领域AI模型数量激增，迎来应用与创新的爆发期。 2024年推出的生命科学模型占比71%，AlphaFold3实现了蛋白质领域的重大突破，诺贝尔奖更是授予了这一领域的科学家。材料科学模型占19%，AI在材料领域实现了材料设计、合成路径规划等重要突破。 从应用效果来看，科研智能正在促进生物医药、新能源、化工等产业研发质效提升。 在药物领域， AI正在助力解决传统药物研发面临的成本高、风险高和周期长问题，某AI制药公司利用机器智能化平台在14天内就完成了抗肿瘤药物的靶点发现与验证。 在材料领域， AI从性质预测到行为模拟，研发周期大幅缩短，质效双升。国内企业已实现通过AI辅助电解液研发，将研发周期从14个月缩短至6个月，推动新能源材料创新研发。

展望2025，科研智能有望继续带动生物医药、新能源、化工、半导体等行业发展，强化长板优势、补齐短板劣势，成为推动智能化、自动化产业转型的核心引擎。从科学突破走向全面赋能，助力我国在全球科技竞争中抢占制高点。

整体来看，2024年国内大模型项目需求持续高 涨 ，但落地交付协同和产品化之路尚在探索。根据大模型招投标数据分析， 国内大模型应用生态呈现出需求持续增长且二八分布的特点， 82%项目金额集中在500万以内，这部分项目对于头部大厂而言性价比不高。77%的项目集中在大模型工程化方面，需要大量的供应商帮助需求方做大模型工程化落地。82%的项目由非大厂承接，由此看来，中小企业有很多市场机会。但是同时也发现，大模型标品能力强的大厂在定制化和地方支撑方面相对较弱，而中小供应商则在定制化项目上有较强支撑但大模型产品能力较弱，供应商间仍需优势互补，协同合作。当前大模型交付项目缺乏质量衡量标准，需求方难以评估能力水平，同时定制化项目的方式对于供应商而言难以沉淀领域化的大模型能力，成本也相对较高。相比来看，国外大模型生态已呈现出更细、更专、更标准的特点，形成了高效的协同落地模式。这对我们国内的大模型生态建设也提供了有益的启示。

展望2025，大模型生态将向着更多元化方向发展，细分场景能力的产品化将成为供应商企业协同提效和盈利增长的关键，衡量大模型项目交付质量的标准规范将进一步促进生态的良性循环。