2024 年人工智能大模型年度回顾与应用趋势

2024 年 3 月，Anthropic 推出了备受瞩目的 Claude 3 系列大模型，其中 Claude 3 Opus 迅速脱颖而出，成为业界公认的新一代性能标杆。紧随其后，6 月发布的 Claude 3.5 Sonnet 更是将模型性能推向了前所未有的新高度。值得注意的是，即便在 10 月进行了重大性能升级，该模型仍然保持了原有的版本号，这一现象在业内被非正式地称为"Claude 3.6"。如果大家对 AI 编程有所了解，三大神器（cursor、windsurf、cline）均使用 Claude 3.5 Sonnet 模型作为其核心模型。充分体现了 Claude 3.5 Sonnet 在代码生成和理解方面的卓越能力。

下面是一个调用 claude-3.5-sonnet 的示例，这里使用了 OpenRouter 作为网关：

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="<OPENROUTER_API_KEY>",
)

completion = client.chat.completions.create(
    extra_headers={
        "HTTP-Referer": "<YOUR_SITE_URL>", # Optional. Site URL for rankings on openrouter.ai.
        "X-Title": "<YOUR_SITE_NAME>", # Optional. Site title for rankings on openrouter.ai.
    },
    model="anthropic/claude-3.5-sonnet",
    messages=[{"role":"user","content":[{"type":"text","text":"What's in this image?"},{"type":"image_url","image_url":{"url":"https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg"}}]}])
print(completion.choices[0].message.content)

2024 年，大模型领域的开源鼻祖 Meta 公司再次引领潮流，发布了 Llama 3 系列模型，并在此基础上推出了 Llama 3.1 和 Llama 3.2 两个升级版本。Llama 3 系列模型的发布，不仅为开源社区注入了新的活力，更为国内大模型领域的蓬勃发展提供了重要的技术引领和创新动力。

2024 年国产模型也进步神速，阿里发布了 Qwen2.5 Chat、Qwen2.5 Coder 模型以及深度推理模型 QwQ。但最让本人感到最为欣喜的当属 DeepSeek 发布的多款模型，尤其是近日发布的 DeepSeek-R1 深度推理模型，不仅效果堪比 OpenAI 的 o1 模型，而且将技术报告和模型权重进行开源，这一点真的称得上国产之光，遥遥领先。

大模型的重要应用方向：代码助手、智能客服、知识搜索

谈到大模型企业应用，首当其冲的就是代码助手（Code Copilots），该方向的市场占有率遥遥领先（51%），使得部分开发人员成为大模型技术的早期深度用户。GitHub Copilot 的迅速崛起——其收入增长速度已突破 3 亿美元——充分印证了这一趋势。与此同时，Cursor、Windsurf、Devin 等新兴工具也在快速扩展市场份额。除了通用代码助手外，企业还积极引入特定任务的代码解决方案，如 Harness 的 AI 开发运维工程师和质量检测助手，这些工具专注于管道生成和测试自动化。此外，像 All Hands 能够完成端到端软件开发的智能体软件也备受关注。

智能客服在企业应用中取得了显著进展，市场占有率达 31%。这些应用为内部员工和外部客户提供全天候的可靠知识支持。Aisera、Decagon 和 Sierra 等公司的智能代理直接与终端客户互动，而 Observe AI 则在通话过程中为呼叫中心代理提供实时指导，显著提升了服务效率。

在企业数据管理领域，企业搜索与检索（市场占有率 28%）和数据提取与转换（市场占有率 27%）成为两大热门应用方向，反映出企业迫切希望解锁并利用分散在组织各处的数据孤岛中隐藏的宝贵知识。Glean 和 Sana 等创新解决方案通过连接电子邮件、即时通讯工具和文档存储库，实现了跨系统的统一语义搜索，并提供人工智能驱动的知识管理服务。

会议总结应用以 24% 的采用率位居第五，通过自动记录笔记和提炼要点，显著提升了工作效率。例如，Fireflies.ai、Otter.ai 和 Sana 等工具能够智能捕捉并总结在线会议内容，而 Fathom 则专注于从视频会议中提取关键信息。特别值得一提的是，Eleos Health 将这一创新应用于医疗保健领域，通过自动化文档记录并与电子健康记录（EHR）系统无缝集成，使医疗服务提供者能够将更多精力专注于患者护理，从而显著提升了医疗服务质量。

从专家专属到人人可用：提示词使用趋于简单

随着模型的思考和推理能力逐步提升，提示词技巧的重要性逐渐降低。提示词的核心要点只有一个：问题必须清楚明了。如果担心大模型无法理解，可以适当增加示例，即为大模型提供更容易理解的上下文。

就像带领一个普通团队（普通大模型），由于成员能力有限，每项任务都需要你事无巨细地交代清楚，甚至要手把手指导具体操作，否则他们往往难以独立完成或达不到预期效果。而如果拥有了一支更为优秀的团队（深度推理大模型），通常只需明确任务目标和大致方向，他们就能自主高效地思考和推理，在具体细节上过多赘述反而可能会导致效果下降。

但在部分场景下设定大模型角色，依然是一个简单有效的方法。比如需要大模型去扮演心理医生、数学老师等特定角色时，明确的角色设定能够帮助模型更好地理解任务需求，生成符合角色身份的回答。这种设定不仅提升了输出的专业性和准确性，还能增强用户体验，使交互更加自然和贴近实际场景。例如，在心理咨询中，模型可以模拟心理医生的语气和沟通技巧，提供情感支持和专业建议；在数学教学中，模型可以像老师一样逐步引导学生解题，解释复杂概念。因此，角色设定在某些特定任务中仍然具有重要价值。

展望 2025 年，个人大胆猜测，有望成为 AI Agent 商业爆发元年。各行各业都将受益于 AI Agent 带来的效率提升和用户体验优化。随着技术的不断进步和应用场景的拓展，AI Agent 有望成为未来商业生态中不可或缺的一部分。