toc 上，大概率会有零星的有一定用户数的app出现，但是应该到不了 superApp（欢迎来跟我杠，它微信也是做了N 个版之后 用户数才爬坡起来的）。

　　tob 和 tog 上，领域上的落地依然要求是严肃严谨严格的，大模型还有路要走。

　　1、模型效果进一步突破，可能只需要7b 模型的推理资源就能与现在 gpt4 持平，现在 mixtral 就做到了 46b 规模14b 推理。可能用微软的 orca2 或者 phi-2 做基础模型搞 MoE就能做到了，说不定微软已经开始了。所以明年一定可以看到部署成本大幅下降，能力不断增强

　　2、既然成本下降是大概率事件，那么说不定 2024 就是 AI Agent 元年，出现一个爆款未可知也。

　　3、多模态进多模态出一统江湖的模型有可能出现，RLFT实质是一个贝叶斯推断，C-RLFT(Kaiyun体育官方网站 开云登录网站条件强化学习微调)，加混合模型架构，搞一个多模态进多模态出的模型是非常有可能的。启发思路可以看我写一篇文章，总之贝叶斯推断的方法可以移植过来搞一波。

　　彻底结束一个任务一个模型的时代，对没错 NLP算法工程师,CV算法工程师都不存在了。还在搞算法的又搞不了大模型，大家早做打算。未来一定是应用为王，掌握行业知识才和LLM结合才是关键

　　4、年底视频生成模型一个接一个。明年说不定第一部AI制作的电影就出来的。视频生成模型应该会和LLM以某种形式结合起来。

　　5、还有比较恼火的现在就是，知识与信息污染。现在这Kaiyun体育官方网站 开云登录网站个现象在知乎已经比较明显。就是越来越多的自媒体加入了宣传AI的大军，小白写的标题党太多。如果你依赖知乎获取前沿信息，可能2024你得好好甄别一下。说不定如何鉴别一手信息也许就是一个AI应用的好生意。知识与信息污染可能是一个比环保问题还大的问题

　　6、最后算法工程师何去何从真的是要考虑的问题，李开复不是也是说全球搞大模型最后也只会有5-6家而已。所以如何成为一个优秀的AI应用开发者是大家面临的紧迫问题。所以做个宣传，欢迎加入AI应用开发交流群：593623958

　　7、最后说说 llya 的超级对齐的问题，让弱模型监督强模型，其本质不就是外行领导内行的问题么。

　　甚至我认为AI Agent其实也是一个管理问题。如何通过必要规则与约束管理众多智能体，实现管理目标，毕竟PUA AI这种prompt都出来了。也许2024年，在探索适合LLM的管理思想也许会诞生一门新的学问：人工智能管理学：如何设定AI角色、如何组织AI群聊工作、如何监控AI工作绩效，乃至如何提高AI管理绩效。所以人类千年管理学智慧可以大胆在AI应用开发中实践起来。

　　8、还有一个趋势明显就是超级个体会越来越多，记得罗振宇在自媒体时代来临之前说过：媒体行业的价值越来越多地向个人身上集中。其实以后很多行业的价值也越来越会向个人身上集中。科技的进步会使得人的价值被放大。你看董宇辉是不是个例子，所以科技进步给了每个人都使用工具放大自己价值的机会，值得我们每个普通人好好把握。

　　9、还有一个比较小众但比较关键的领域，这就是提示词工程，虽然这个概念提出很久了。但真正好用的能辅助开发者的工具基本没有。做提示策略还要自己搞一套系统。目前国外就看到这个做的还可以pezzo.ai，还是呼唤很多开源工具出现。

　　这个提示策略工具应该要解决王小川的这个问题才行，现在 AI 应用生产线工具缺乏，人员也缺乏，大家都在探索之中，具体应该长什么样子也不太清楚，可以肯定的是绝对不是传统软件开发模式。想象前端工具链，后端工具链，大数据中间件。AI 应用开发工具链一定会有一波次繁荣。

　　预估2024年应该是AI大模型应用落地的元年。2023一整年基本上都在说大模型，但是真正的能够应用大模型落地的产品还非常的少，大部分都集中在一些比较浅层的应用上，比如说套个壳、改写个文案之类的。但是据我了解到的，已经有很多大模型垂直领域的非常有创意的产品在落地中了，2024年大家可以大胆期待下，应该会有些不错创意的大模型产品出来，非常多大家日常生活中能用到的领域结合的应用。当然也包括我们自己在研发的产品。

　　科研领域可以说依然是百花齐放吧，但是你也知道科研就像个迷宫，到底那条路走的更远，可能有点玄学在里面，但是这不妨碍大家总能创造出阶段性的热点话题。

　　找科研热门方向的比较好的方法就是去跟踪一些前沿组在研究的方向，这里列一些哈~（好多好多）

　　2023年10月咱们成立了数据局，这件事情有可能会给2024的AI产业带来比较大的改变，不管是管理方式上还是政策引导上，可能都会有很大的不同。这个可以看看发展委员会的文章。