常見(jiàn)的人工智能大模型有 NLP（Natural Language Processing，自然語(yǔ)言處理） 大模型、CV（Computer Vision，計算機視覺(jué)）大模型和多模態(tài)大模型等。

NLP 大模型

現狀

分別在語(yǔ)言理解與生成、智能創(chuàng )作、機器翻譯、智能對話(huà)、知識圖譜和定制化語(yǔ)言解決方案落地應用，整體算法發(fā)展順利， 數據源可獲得性較強，產(chǎn)品迭代速度較快。

挑戰

語(yǔ)言的歧義、文化差異及多樣化、情感分析困難。

預期未來(lái)發(fā)展

以多個(gè)數據信息維度約束來(lái)驗證情感分析及文本分析的準確 性。

CV 大模型

現狀

2D 數據工業(yè)質(zhì)檢、智慧城市 落地完善，應用場(chǎng)景多、可商 業(yè)化市場(chǎng)大，擁有佳實(shí)踐； 人臉、OCR 識別發(fā)展較為成 熟。

挑戰

3D/4D數據識別面臨變形、光照、遮擋等可以依靠大規模預訓練模型解決部分痛點(diǎn)的問(wèn)題；算法處理復雜。

預期未來(lái)發(fā)展

打通數據融合以突破 3D/4D 獲取瓶頸。

多模態(tài)大模型

現狀

面臨數據成本G、模型開(kāi) 發(fā)難、算力資源不足等。

挑戰

融合不同模態(tài)的信息并提G模型的標識能力。

預期未來(lái)發(fā)展

多模態(tài)將持續拓展各行業(yè) 場(chǎng)景下的信息融合應用。

從技術(shù)的角度來(lái)看，大模型發(fā)端于自然語(yǔ)言處理L域，繼語(yǔ)言模態(tài)之后，如視覺(jué)大模型 等其他模態(tài)的大模型研究，也開(kāi)始逐步受到重視。2023 年，是人工智能大模型快速發(fā)展的 一年，據不完全統計，國內公開(kāi)的 AI 大模型數量已經(jīng)超過(guò) 200 個(gè)，但國內大模型的能力與 迭代速度距離國際先進(jìn)水平尚有差距。目前，人工智能技術(shù)的發(fā)展正面臨著(zhù)大量跨模態(tài)任務(wù) 的挑戰，跨多個(gè)模態(tài)的數據融合問(wèn)題開(kāi)始變成行業(yè)探究的重點(diǎn)。隨著(zhù)國內人工智能企業(yè)和人 形機器人企業(yè)加大合作力度，未來(lái)在大模型的賦能下，機器人擁有了更加智慧的大腦，自主 學(xué)習能力大幅提升