本文分析了 AI 大模型发展的十大趋势，涵盖中国基础模型收敛、算力门槛提升、人才认知密度重要性、开源闭源博弈、AGI 信仰、应用月活门槛、端侧模型竞争、核心价值维度、一人企业兴起及技术变现路线之争。文章指出算力与能源是未来瓶颈，强调顶尖人才密度而非规模，并预测端侧模型将重塑交互入口。同时梳理了行业薪资现状与技能需求，建议从业者关注全栈工程与垂直微调能力，以适应技术变革带来的职业机遇与挑战。
大模型发展竞争愈发激烈。全球瞩目的文生视频 Sora、谷歌 Gemini 1.5、Meta 的 V-JEPA 以及超越 GPT-4 的 Claude 3 相继发布，OpenAI 的 GPT-5 也即将问世。奥特曼不仅自研芯片，还投资可控核聚变公司，以算力和能源为未来储备关键资源。在算力紧平衡和数据资源荒的背景下，面对快速变革，笔者尝试对未来大模型的发展做出十个预判。
中国大模型行业曾呈现'百模大战'态势，但 2024 年随着基础大模型如 Claude 3 和视频大模型如 Sora 的能力显著提升，资源不足和'套壳'大模型厂商可能被迫退出市场。行业将转向几家大厂和少量明星创业企业的竞争格局。国外则以大厂与创业公司合作为主，如微软与 OpenAI、谷歌与 DeepMind 等。芯片巨头英伟达也在 2023 年大举投资生成式 AI 项目，比 2022 年多 6 倍。但国外基础大模型领域并未出现类似的过度激烈竞争，这提示我们单纯堆砌数量已无意义，质量与生态整合才是关键。
近日，Perplexity 的 CEO Srinivas 在《Invest Like The Best》节目中透露，他曾试图从 Meta 聘请资深研究员，但被对方以需要 1 万块 H100 GPU 回应，反映了基础大模型训练对算力的巨大需求。GPT-4 和 GPT-5 的训练分别需要 2.5 万张 A100 和 5 万张 H100（相当于 15 万张 A100）的算力。扎克伯格计划购买 35 万张 H100 芯片以追赶 GPT-5。而 OpenAI 创始人奥特曼计划筹集 7 万亿美元自研 AI 芯片。在中国，2023 年前三季度，英伟达中国营收推算显示，中国新购买的算力相当于 58 万张 A100，但仍远不及 Meta。受美国芯片禁令影响，中国无法补充先进算力，导致处于严重被动。国内芯片厂商如华为、海光等，受制于产能问题，供货量距离大模型训练需求尚有较大缺口。此外，国产 AI 芯片存在适配周期长、成本高、难度大等问题，延长了国产大模型训练周期。这意味着未来只有拥有稳定算力供应链的企业才能生存。
大模型的发展由顶尖人才推动，人才密度和强度是关键。OpenAI 的三位灵魂人物——Sam Altman、Greg Brockman 和首席科学家伊利亚，在 7 年间持续投入数十亿美元，坚持 AGI 信仰，成就了 ChatGPT 的传奇。同样备受瞩目的 Claude 模型公司，由 OpenAI 核心员工如 Dario Amodei 和 Tom Brown 创立，其成员对大模型的深刻理解是取得突破的原因。尽管只有 22 人，但 Character.ai 因其 Google 前员工 Noam Shazeer 的技术背景，成为访问量第二的聊天应用。而 20 多人的 Mistral 公司，由前 DeepMind 和 Meta 科学家创办，三位创始人均有大模型开发经验，并在基准测试中表现出色。这表明小团队若能汇聚高认知密度人才，依然能在大模型领域实现弯道超车。
开源是软件领域的重要趋势，推动了应用生态的繁荣。然而，从 GPT-3 开始，OpenAI 选择了闭源，导致开源大模型停滞在 GPT-3.5 水平。目前，业界口碑较好的开源大模型包括 Meta 的 LLaMA2、Mistral 的 Mistral 8x7B、智谱的 ChatGLM-6B 等。大模型的代际碾压效应导致基于旧版开源的小公司面临倒闭风险。开源方式更适合做生态，但受限于算力和算法等，原有集众智的开源模式很难在基础大模型自身的快速演进上复现。闭源模型通过私有数据迭代和专用硬件优化，往往能保持性能领先优势。
OpenAI 等大模型企业对 AGI 的信仰获得更多认同，Sora 从视频理解到世界模拟器的路径、杨乐昆的世界模型构想，都是产业界迈向 AGI 的努力。大力出奇迹的范式被证明有效，包括 Sora 的成功，也再次验证了视频领域 Scaling Law 的有效性。OpenAI 以 Scaling Law 为核心理念，坚信规模化在模型、系统、自身、过程和雄心壮志中的魔力，鼓励在疑惑时扩大规模。这种对规模的执着是技术突破的核心动力，但也带来了巨大的能耗和成本挑战。
移动互联网时代的 APP 用户数量庞大，但中国 AI 原生 APP 增长相对较慢，目前头部的 APP 月活用户刚刚突破千万。即使在互联网圈，也有很多人没有使用过这些 APP，特别是在三四线或更小的城市。根据 QuestMobile 报告，头部 APP 应用去重月活用户突破 5000 万，这些应用主要集中在文本和图像生成领域。其中，豆包、文心一言等应用以月千万活跃用户规模领先，其次是天工、扮伴-AI 绘画及讯飞星火等应用。相比而言，2022 年 9 月至 2023 年 8 月期间，全球排名前 50 的人工智能工具吸引了超过 240 亿次访问。ChatGPT 以 140 亿次访问量领先，占分析流量的 60% 以上。这说明网络效应在 AI 应用中依然显著，头部效应明显。
大模型正逐渐转向端侧，使得 AI 推理能够在手机、PC、耳机、音箱、XR、汽车等新型终端上运行。端侧大模型具有优势，如本地数据处理效率高、节省云端成本、增强用户数据隐私保护，以及开启新的交互方式。未来，结合向量化后的个人数据，端侧大模型将提升手机交互流畅性，实现更多原生操作和功能。多家企业已推出端侧大模型，如小米的 MiLM、VIVO 的蓝心等。此外，高通和苹果等芯片厂商也在积极支持端侧推理。然而，端侧大模型可能成为新的手机交互入口，可能导致 APP 被边缘化，加剧手机企业在生态内的话语权。这将重塑移动互联的流量分发逻辑。
效率是大模型推动自动化的核心逻辑。体验和创造则是其落地的特别驱动力。交互更加友好，机器逐渐适应人，理解指令、语言甚至情感。创造是生成式大模型的核心能力，已被广泛应用于文字、图片创作、传媒影视、广告、短视频和游戏等领域。模型幻觉问题也可能通过创造的方式激发更多灵感。在 AI4S 领域，创造提供了更大的想象空间，AI 科学家有望在未来取得更多突破。例如，DeepMind 开发的深度学习工具在 17 天内合成了 41 个拟定化合物，成功率达 71%，每天平均产出 2 个以上新化合物。这三点构成了评估大模型商业价值的核心维度。
大模型与 AI Agent 的进步，为个人提供了更多智能工具支持。未来，个人可能拥有多个助理，从而加大了对个人领导力和判断力的要求。一人企业的趋势也在改变大企业的组织方式，组织内个人的角色变得更为多元，如身兼数职。同时，数字员工成为企业核心竞争力之一，其数量和质量至关重要。这将降低创业门槛，使个体创作者能够独立承担过去需要团队完成的工作。
最近，'小珺访谈录'的两篇文章对杨植麟和朱啸虎的观点进行了比较，表明中国科技界对大模型的态度存在分歧。一方是技术信仰派，主张像 OpenAI 一样追求 AGI 和 scaling law，认为模型能力提升和成本降低将解锁更多应用。另一方是市场信仰派，认为应将足够的 AI 能力投入能快速变现的商业场景中，利用中国市场的独特数据建立优势。这种分歧反映了长期主义和实用主义的争论。OpenAI 的成功为长期主义提供了激励，预计到 2026 年将迎来 GPT-6 等更强模型，具有商业价值。然而，降低幻觉率仍是技术挑战，未来大模型可能提供置信度概率，以区分参考和确定性判断。
大模型时代，企业对人才的需求变了，AIGC 相关岗位人才难求，薪资持续走高。AI 运营薪资平均值约 18457 元，AI 工程师薪资平均值约 37336 元，大模型算法薪资平均值约 39607 元。掌握大模型技术意味着更多可能性：成为一名全栈大模型工程师，包括 Prompt、LangChain、LoRA 等技术开发、运营、产品等方向全栈工程；能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；薪资上浮 10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；更优质的项目可以为未来创新创业提供基石。建议从业者系统学习大模型系统设计、提示词工程、平台应用开发（如阿里云 PAI）、知识库应用（如 LangChain）、微调开发（垂直领域模型）、多模态大模型（SD）以及行业应用构建（如星火、文心）。光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
