从训练到推理，AI 大模型发展有哪五大趋势？_未来大模型技术发展趋势

电子发烧友网报道（文/章鹰）2024年两会召开后，两会报告把加快发展新质生产力列为十大任务举措之首。新质生产力的核心是用新技术促进产业高端化、智能化和绿色化。ICT产业是发展新质生产力的核心支撑要求，ICT产业正在进入AI无处不在的大转型阶段。

纵观全球，2024年中国GDP增长预期5%，全球平均增长率达到2.6%，美国预期增长2%，印度最为乐观预期今年的GDP增长达到6.2%。从科教兴国的战略看，新质生产力主要涉及的是数字中国的底层基础技术，AI 无处不在，从2022年，ChateGPT3.5发布以来，全球掀起了生成式AI 的热潮。到了2024年，大家都在考虑生成式AI到底给企业带来了哪些价值。

IDC最新的调研显示，28%的受访者表示在过去投资了生成是AI不到一年时间就看到了投资回报，每投资1美元，平均可以获得3.5倍的投资回报，投资回报率最高的用例是自动化IT任务，达到46.5%，也有高达27.1%受访者选择产品与服务创新。AI大模型在使用当中，实际应用开发过程中，开源大模型和商业化模型同时并存，开发者更加倾向于使用开源模型。而且IDC调研显示，数据仓库作为生成式AI 的数据平台发挥着主导作用。

生成式AI支出在全球和中国有什么差异？2024年AI大模型将呈现哪些新的发展趋势？全球AI基础设施市场规模预测？4月6日，来自IDC中国区副总裁兼首席分析师武连峰和IDC中国区副总裁钟振山做了最新解读。

生成式AI在全球和中国高速增长

---

IDC中国区副总裁兼首席分析师武连峰表示，IDC预测，2024年全球生成式AI支出将会达到387.9亿美元，占整体AI比例为16.7%，未来到2027年，生成式AI的全球支持将达到1454.2亿美元，年复合增长率会达到55.3%。2024年，中国生成式AI支出将达到35.3亿美元，占整体AI比例达到16%，未来到2027年中国生成式AI支出预测将达到129.3亿美元。

武连峰指出，整体ICT市场从以增量市场为主转向以存量市场为主，存量市场是小幅度增长的特征，其中企业移动软件、IoT连接、可穿戴设备、移动数据服务增长率在10%以下，增量市场主要包括AI平台、机器人相关的OT服务、AI相关的商业服务等，增长率达到18%到40%之间。

AI大模型未来发展的五大趋势

---

IDC中国区副总裁钟振山表示，2024年AI大模型发展呈现五大趋势。一、中国基础大模型数量趋于收敛，2024年将卷向产业。去年发布的国内大通用大模型发布达到百款，今年我们调研发现更多面向行业或者场景的大模型出现，关注大模型在行业或者企业应用场景的落地，比如网易有道的子曰、好未来的MathGPT、孩子王的KidsGPT面向教育行业，蚂蚁集团推出贞仪、百灵面向金融，还有中科闻歌的雅意大模型面向媒体行业，京东的言犀ChatJD模型面向商业应用场景，加速AI大模型在行业场景的落地。

AI大模型趋势二、开源和闭源共存，共同促进大模型应用生态走向繁荣。钟振山表示，更多企业选择开源的AI大模型来构建自身的应用，现有的开源模型参数大多数是十亿到千亿之间，基于MoE架构的稀疏大模型参数可以达到万亿参数，微调和多种计算资源并行技术变得十分重要。他强调，AI 进入一个变革期，大家关注三个方向：第一、如何快速部署和开发模型；第二、大模型的压缩量化蒸馏；第三、如何搭建一套有效的开源生态，以及不同CPU、GPU和XPU的分配。

AI大模型趋势三、大模型向端侧转移，AI推理引起广泛关注。苹果计划推出更智能的Siri, 为端侧大模型生态做积极准备，国内手机厂商华为、小米、Vivo、OPPO和荣耀都推出了手机端大模型，华为手机适配盘古大模型，小米推出MiLM大模型，Vivo适配蓝心大模型，OPPO和荣耀分别推出了安第斯大模型和魔方大模型。AI推理将在手机、PC、耳机、音箱、XR、汽车，以及其他可穿戴新型终端上运行。

钟振山分析说，端侧大模型带来三大优势：1、本地数据处理效率更高，节省云端服务器带宽和算力成本；2、对用户数据可以形成更好的隐私保护；3、端侧大模型可以带来更多交互方式和新体验。

AI大模型趋势四、多模态发展可能会促进市场出现杀手级应用。现在生成式AI 主要在文本、视频、图像、音频领域应用。GPT是基于自然语言技术，对话聊天机器人已经普遍出现，现场他也介绍一家公司通过训练AI垂类模型，初步实现文字生成剧本+漫画+动态视频。

AI大模型趋势五、新一代AI基础设施可能成为下一个战场。新架构主要指灵活调配CPU和GPU资源，边缘计算将云服务扩展到远程，私有云解决数据和运营的合规性问题，高性能主要针对高性能计算和人工智能优化的计算和存储服务，多云集成促进管理和安全的工具，深化合作伙伴关系，主要与行业用户、基础设施提供商和ISV搭建桥梁。

钟振山指出，AI主要用于训练和推理，从训练看，还是云上和本地部署为主的投资方式，推理市场主要是云上算力为主，但是本地、边缘层面都有大量推理算力的需求。推理市场需要一种面向AI工作负载的混合架构模式。

未来随着生成式AI和大模型在企业内部落地之后，在推理方面的需求会大于训练的需求。面向AI的基础架构，包括高性能处理器、下一代存储、超融合系统、高性能AI网络，甚至精密计算、数据中心技术，未来的量子计算都可能成为AI基础架构市场的基石。IDC预测，到2027年，用于边缘推理的AI服务器价值将超过用于本地推理的服务器价值。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

123?spm=1001.2014.3001.5501)这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】