2024年的美国大选，马斯克成为特朗普最坚定的支持者之一，不仅公开为其站台，还通过自己的超级政治行动委员会（America PAC）提供了巨额资金支持。然而，特朗普在成功连任后迅速推出了一项规模高达5000亿美元的AI基础设施计划，却遭到了马斯克的公开质疑。马斯克认为该计划资金储备不足，并批评OpenAI已偏离其非营利使命，同时对项目的资金运作模式表达了深层次的不满。这一争论凸显了马斯克与OpenAI之间的长期矛盾，也让特朗普与马斯克的盟友关系变得微妙。

图片来源：https://news.sky.com/story/elon-musks-starring-role-in-donald-trumps-government-confirmed-by-inauguration-proceedings-and-pledge-to-go-to-mars-13293344

图源：https://media.cnn.com/api/v1/images/stellar/prod/gettyimages-2194584857.jpg?q=w_1110,c_fill/f_webp

特朗普为何在2025年决定大力投资AI？这或许与他一贯的商业敏锐性有关。早在其商业生涯初期，他便以收购濒临破产的康莫德酒店（现纽约君悦酒店）一举成名。通过大胆谈判、税收减免协议以及奢华改造，特朗普不仅复兴了这座酒店，还奠定了他在纽约房地产界的地位。这种在复杂交易中的独特眼光和执行力，似乎也延续到了他对AI领域的战略布局中。

图源：https://www.nytimes.com/2024/10/18/nyregion/the-apprentice-trump-nyc-tax-abatements.html

回顾2024年，AI发展面临的技术伦理和行业竞争等一系列大事件，或许正是促使特朗普果断押注这一领域的关键驱动力。

01 AI技术的飞速发展

智能体的崛起

2024年，智能体（Agent）成为AI领域的热门话题。研究人员通过为大型语言模型（LLM）赋予决策和行动能力，使其能够在各种应用中实现性能大幅提升。这些智能体不仅能够处理文本数据，还能整合图像、音频和视频等多种模态的数据，从而在医疗、零售等多个行业中开辟了广泛的应用场景。

图源：https://aws.amazon.com/what-is/ai-agents/

• 多模态智能体的崛起：智能体技术从单纯的语言大模型驱动，逐步向多模态大模型驱动转变，能够整合语言、视觉等多种模态的数据，从而在更复杂的任务中展现强大的能力。

• 强化学习与自主决策：牛津大学的研究者提出了一种名为Kinetix的框架，用于在2D物理环境中训练通用智能体，这些智能体能够通过强化学习理解一般机械特性，并在零样本条件下解决未见过的任务。

• 智能体的分级标准：研究者将AI智能体按效用和强度分为五个级别（L0到L5），从简单的任务自动化到复杂的自主学习系统，逐步展示了AI的发展路径。

• 企业级智能体开发平台的兴起：百度智能云推出了“千帆AppBuilder”企业级智能体开发平台，显著降低了智能体开发的门槛，使其能够更广泛地应用于企业场景。

视频生成技术的突破

2024年，视频生成技术迎来了爆炸性的发展，成为科技圈和投资界的热门话题。OpenAI的Sora模型、Runway的Gen 3系列以及字节跳动的PixelDance等技术，推动了视频生成技术在电影和娱乐产业的应用。这些技术不仅能够生成高质量的视频内容，还能显著降低制作成本，提升创作效率。例如，Sora在春节期间的演示视频给影视和广电行业带来了巨大震撼。此外，视频生成技术的发展也促使行业内部对技术路线和成本控制的进一步探索。

图片来源：https://openai.com/sora/

• 多模态输入与复杂场景生成：视频生成模型如OpenAI的Sora、字节跳动的PixelDance等，支持多模态输入（文本、图像、视频），并能够生成复杂场景和动态动作。例如，PixelDance通过结合首帧和末帧图像指令，生成高动态视频，显著提升了场景的丰富性和一致性。这一技术突破使得影视制作、广告创意等领域能够快速生成多样化场景，降低创作门槛，提升效率。

• 长视频生成与时间一致性：快手的Kling AI和Minimax的海螺AI实现了长达2分钟的高清视频生成，并在时间一致性上表现优异。Sora V2版本也支持20秒的高质量视频生成，解决了长视频中角色和场景一致性的难题。长视频生成能力为电影、电视剧等长内容制作提供了技术支持，减少了传统制作中的重复劳动和成本。

• 物理模拟与真实感提升：Google的Veo 2模型在物理模拟和真实感上取得了显著进展，能够准确模拟现实世界的物理现象（如光影、流体运动等），并生成高保真度的视频内容。这一技术突破使得视频生成在特效制作、虚拟现实等领域的应用更加广泛，提升了视觉体验的真实感。

小型模型的崛起

2024年，AI领域的一个重要趋势是小型模型的崛起。研究人员在不牺牲性能的前提下，不断缩小模型规模，降低了成本并提高了部署效率。例如，谷歌的Gemini 1.5 Flash8B模型的训练成本大幅降低，性能却与2023年的GPT-3.5 Turbo相当。此外，多模态视觉模型的普及以及音频和视频模型的出现，进一步拓展了AI的应用领域。这种趋势不仅推动了AI技术的普及，也为更多行业提供了高效、低成本的解决方案。

图片来源：https://arxiv.org/pdf/2409.15790

• 小型模型的性能突破：小型模型通过优化架构和训练方法，在性能上取得了显著突破。例如，TinyLlama模型仅包含约10亿个参数，但在常识推理任务中表现优异，甚至超过了更大规模的模型。此外，微软发布的Phi-3系列模型在多个基准测试中也展现了超越同等规模大模型的性能，例如Phi-3-mini在MMLU基准测试中达到了69%的准确率

• 成本与效率优势：小型模型的核心优势在于其更低的计算成本和更高的部署效率。例如，GPT-4o mini的每百万输入tokens成本仅为15美分，输出tokens为60美分，相比之前的GPT-3.5 Turbo大幅降低了成本。这种成本效益使得小型模型更适合资源受限的企业和开发者，尤其是对成本敏感的初创公司和中小企业。

• 多模态与边缘计算的应用：小型模型不仅在语言处理方面表现出色，还在多模态任务和边缘计算中展现出巨大潜力。例如，Phi-3-vision模型首次具备了多模态能力，能够处理图像和文本信息，为视觉-语言任务提供了新的解决方案。此外，MiniRAG框架通过优化信息组织结构，实现了在边缘设备上的高效运行。

• 行业趋势与市场影响：2024年，科技巨头纷纷押注小型模型，推动了其在市场上的广泛应用。例如，微软、英伟达等公司发布了Phi-3.5-mini-instruct和Mistral-NeMo-Minitron8B等小型模型，这些模型在计算资源使用和功能表现之间实现了良好的平衡。此外，小型模型的崛起也促使企业重新评估AI技术的部署策略，更多地倾向于选择更具成本效益的小模型。

02 AI行业竞争加剧

大模型市场的“价格战”与格局变化

2024年，大模型领域的竞争从“百模大战”逐渐演变为“十模共生”，并最终进入激烈的“价格战”阶段。以腾讯混元大模型为例，其价格大幅下调，部分模型甚至免费提供。其他科技巨头如阿里、百度、字节跳动，以及独角兽企业如智谱、DeepSeek、MiniMax等也纷纷加入降价行列，试图通过成本优势和价格策略抢占市场份额。

此外，开源模型（如LLaMA系列）与闭源模型（如GPT-4、Claude 3）的竞争也日益激烈。开源模型凭借灵活性和社区驱动特性吸引了大量开发者，而闭源模型则在性能上持续强化，尤其在高端商业应用领域占据主导地位。

技术迭代加速，性能趋同

2024年，AI模型的性能差距显著缩小。OpenAI的早期领先优势被Claude、Gemini等模型逐渐追赶，开源模型如Deepseek、Llama也显著缩小了与闭源前沿模型的差距。同时，多模态模型（如GPT-4o、Gemini 1.5 Pro）的推出进一步提升了AI在文本、图像、音频等领域的综合处理能力。

图片来源：https://blog.spheron.network/why-deepseek-v3-is-the-llm-everyones-talking-about?source=more_series_bottom_blogs

此外，推理能力的提升成为竞争焦点。OpenAI的o1模型展示了将计算转移到推理层以解决复杂问题的潜力，但同时也带来了更高的使用成本。

市场竞争加剧，头部企业主导

AI市场的马太效应愈发明显，头部企业如OpenAI、Google、Meta、英伟达等凭借技术优势和资源积累占据了主导地位。英伟达虽然在供应链上面临挑战，但其GPU在AI计算领域的广泛应用仍使其保持市场领先地位。

与此同时，新兴企业如Sakana AI、H Company等通过专注于特定领域或新型架构，试图在竞争中找到差异化优势。

投资热潮与行业洗牌

2024年AI行业吸引了近1000亿美元的投资，但投融资的马太效应明显，资本更青睐技术成熟度高、市场前景明确的赛道，如智能驾驶、AI+教育、AI+医疗等。与此同时，行业洗牌加速，部分企业因技术或市场表现不佳而退出竞争。

03 AI技术伦理与治理问题

2024年，随着AI技术的快速发展和广泛应用，技术伦理与治理问题成为全球关注的焦点。各国政府、企业和研究机构纷纷采取措施，试图在推动技术创新的同时，确保其应用符合伦理规范和法律要求。

图片来源：https://www.geeksforgeeks.org/ai-ethics/

全球监管框架的建立

• 欧盟《人工智能法案》：欧盟通过了全球首部全面AI监管框架，对AI模型的开发、部署和数据使用提出了严格要求。该法案将AI系统分为不同风险等级，并针对高风险应用（如医疗、金融）制定了详细的合规要求。

图片来源：https://www.dutenews.com/n/ctmedia/489026

• 美国的监管政策：美国在2024年10月起草了《人工智能应用于安全领域的国家战略备忘录》，旨在通过政策引导和技术标准制定，维持其在AI领域的技术优势，同时防范技术滥用。

图片源：https://weibo.com/2864717612/ODE8ourk3

国际合作与标准化

• 全球AI治理倡议：2024年，世界互联网大会乌镇峰会特别增设了人工智能板块，围绕AI技术创新与治理展开讨论，推动国际合作与标准化进程。

图片来源：https://china.chinadaily.com.cn/a/202411/20/WS673deb96a310b59111da491b.html

政策与技术的协同发展

• “人工智能+”概念的提出：2024年，中国政府在工作报告中首次提出“人工智能+”概念，强调AI技术的规范化应用，推动技术与产业的深度融合。

 

图片来源：https://news.cctv.com/2024/03/11/ARTI04fcEtit5ZwQNGT3qJ9D240311.shtml

• 技术治理的创新：研究者提出了基于区块链的AI治理框架，通过去中心化技术确保AI模型的透明性和可追溯性，为技术治理提供了新的思路。

04 总结

2024年，AI行业迎来了技术突破、市场竞争加剧和伦理治理挑战并存的复杂局面。技术层面，智能体（Agent）的崛起、视频生成技术的爆炸性发展以及小型模型的性能突破，推动了AI在医疗、影视、教育等领域的广泛应用。市场竞争方面，大模型领域的“价格战”愈演愈烈，开源与闭源模型的竞争加剧，头部企业如OpenAI、Google、Meta等凭借技术优势主导市场，而新兴企业则通过差异化策略寻求突破。伦理与治理成为焦点，欧盟和美国相继推出AI监管框架，强调技术的规范化应用。与此同时，AI行业吸引了近1000亿美元的投资，但资本更倾向于技术成熟、市场前景明确的赛道，行业洗牌加速。总体来看，2024年AI行业在技术创新的同时，也面临着激烈的市场竞争和日益严格的监管环境，未来将朝着更高效、更合规的方向发展。