近年来，人工智能技术迅速进步。但截至目前，通用人工智能（AGI）的进展似乎遭遇瓶颈。这一局面引发了行业对替代路径的探索。同时，360集团创始人周鸿祎也对此发表了观点。这些动态值得密切关注。
AGI发展瓶颈
人工智能通用技术曾备受期待，然而现正遭遇重大挑战。要推进AGI的发展，需投入巨额资金，仅显卡一项，投入就可能高达百亿美金。此外，市场竞争激烈，一旦完成一个模型的训练，就可能遭遇竞争对手的超越。在如此激烈的竞争中，AGI的发展难以保持稳定，这一状况使得其发展之路更加坎坷。从逻辑角度来看，全面超越人类的人工智能目前尚不可行，这也从侧面反映了AGI发展的困境。
大模型的助力转变
大模型的发展方向已从追求AGI的全面性转变为专注于特定领域。目前，它们正朝着更轻便、成本更低、专业化程度更高的方向发展。这些模型的能力不断增强，如学习效率和泛化能力的提高，这使得它们能更有效地与实际应用对接，进而超越AGI所设的限制。
智能体推动发展
智能体被视为大模型进步的关键推动力。周鸿祎预测，2025年将迎来智能体的广泛应用高峰，届时企业将广泛采纳并部署智能体，使其成为数字化的员工。这些数字员工能够在企业内部有效处理各种问题，例如在保险公司中处理报销等事务。此举颠覆了服务市场的价值创造模式，由人力借助工具转变为AI直接产生价值。
大模型的新范式
大模型采用“慢思考”作为新的发展模式，这一模式旨在突破AGI发展的瓶颈。与以往的发展路径不同，它不再单纯追求速度和规模扩张。相反，它更重视思考的深度和应用模式的创新，以更好地满足新兴的发展需求。在此范式下，一些专业大模型得以持续进步，避免了盲目参与AGI竞争的漩涡。
大模型的专业化
多数企业已放弃构建全能型大型模型的目标，转而致力于开发专注于特定领域的专业大型模型。除少数科技行业领军企业外，多数企业正朝着场景化、应用化、专业化和垂直化的方向发展。这种策略的优势在于，专业大型模型能更高效地完成特定任务。这有助于满足企业内部各业务环节的需求，例如，解决从管理层到一线员工在业务需求上遇到的难题和障碍。
大模型的成本与效益
大模型的发展呈现出成本持续下降的趋势。这一趋势有助于推动应用生态的蓬勃发展。企业得以更高效地运用大模型，进而实现提升工作效率、降低成本、减少人力等目标。例如，体验可提升至原来的十倍，这种提升既可以是效率增长十倍，亦或是成本降低至原来的十分之一。
当前，大型模型技术正经历转型阶段，人工智能通用性发展的障碍催生了诸多新兴的研究路径。对此，您预计大模型在众多领域中的应用将带来哪些创新？诚挚邀请各位点赞、转发并留下您的见解。
