人工智能浪潮席卷全球，正以前所未有的速度、廣度和深度改變生產生活方式，對全球經濟社會發展和人類文明進步產生深遠影響。近年來，語言大模型、多模態模型、智能體和具身智能等領域不斷出現突破性創新，推動人工智能邁向通用智能初始階段。與此同時，人工智能的工程化持續加速推進，新產品新模式層出不窮，行業應用走深向實，成為推動經濟社會高質量發展的關鍵動力。
2024年11月29日，在大模型產業創新發展大會上，中國信息通信研究院（簡稱“中國信通院”）發布《人工智能發展報告（2024年）》。中國信通院人工智能研究所所長魏凱從總體態勢、技術創新、應用賦能、安全治理以及發展展望等方面對報告進行了解讀。
報告立足產業新發展、新變化、新需求，聚焦新形勢下全球人工智能發展重點，總結梳理人工智能技術創新方向、產業升級重點、行業落地趨勢和安全治理進展，展望人工智能發展機遇，以期與業界分享，共同推動人工智能產業蓬勃發展。
報告核心觀點
1. 基礎模型保持快速演進態勢，重點突破多模態和復雜推理能力。從基準測試結果來看，全球大模型能力實現階躍式提升。語言大模型能力多維度持續進化，主要體現在上下文窗口長度擴展、海量信息壓縮與知識密度提升、MoE架構融合以及通過引入強化學習算法優化推理能力。其中，推理側改進成為近期熱點，規模定律適用范圍從預訓練向后訓練和推理延伸。多模態大模型探索交叉模態融合處理，由早期子任務模型組合轉向端到端跨模態統一特征表示，實現原生多模支持。
2. 算法創新與軟硬件架構深度耦合。大模型技術的原始創新和應用迭代落地，高度依賴先進的軟硬件協同技術生態體系。框架層面，強調對大模型原生支持能力，大規模分布式訓練成為框架的新發力點。芯片層面，大模型計算特性對硬件要求極高，帶來分布式訓練支持、混合精度計算支持、高速互聯通信等新要求新挑戰，驅動計算底座迭代升級，呈現三大趨勢特點：芯片架構向定制化演進、存儲與互聯重要性日益提升、強調軟硬協同升級釋放硬件計算潛力。
3. 工程化技術是人工智能從實驗室走向生產環境的關鍵橋梁，大模型開發及應用工具鏈的快速發展，標志著人工智能工程化進入了新階段。開發工具鏈加速大模型技術的迭代，顯著提升了訓練效率，降低了推理成本。應用工具鏈則拓展了大模型應用范圍，增強了系統的擴展性，降低了應用門檻。
4. 高質量、大規模、多樣化的數據集已經成為大模型發展的關鍵戰略要素，訓練數據決定了模型能力的上限。數據新興技術快速發展，如多模態詞元向量融合、新一代高水平數據標注、面向人工智能的數據集質量評估以及合成數據等，人工智能高質量數據集供給能力不斷提升，以數據為核心驅動力的人工智能時代正在加速到來。
5. 人工智能賦能新型工業化向縱深發展，呈現“大小模型協同” “兩端快、中間慢”等階段特征。總體上，以傳統小模型為代表的專用智能應用逐步成熟，以大模型為代表的通用智能應用處于初步探索階段。消費側應用迭代加速，對話式搜索、智能助理等革新功能不斷涌現，交互模式向更多模態拓展；并在端側加速落地，重塑手機等消費電子產品形態。生產側應用與行業場景融合不斷深入，有望深刻變革制造過程、組織架構、研發模式與產品形態，從而開辟我國工業從大到強的新路徑。目前，從產業鏈分布來看呈現“兩端快、中間慢”特征。“選、建、用、管”體系化推動落地應用成為加速人工智能走向實用化、普惠化的行業共識。
6. 安全治理從原則向實踐加速推進。安全治理工作邁向深水區，探索切實有效、多方共治、敏捷應對的落實方案成為全球共同議題。國際合作方面，聯合國發揮主渠道作用，經濟合作與發展組織、金磚國家等密集推出人工智能治理舉措，人工智能安全峰會聚焦安全議題提供全球對話平臺。治理體系方面，各主要經濟體治理體系漸趨明晰，旨在維護本土產業發展需要。產業實踐方面，產業各方積極發揮技術研究和治理協同優勢，發布治理框架、制定標準規范、推出測試平臺、迭代評估工具，加速探索模型間對抗新范式、模型水印算法等前瞻技術研究，提升人工智能安全治理能力。
7. 展望未來，引入強化學習等技術來增強大模型能力仍是近期技術演進的重點方向，專業大模型、多模態大模型有望加速突破，具備更強規劃、決策、執行能力的智能體和具身智能成為邁向通用人工智能的重要一步。面向中遠期，類腦智能等顛覆性技術的成熟，有可能為人工智能發展帶來更廣闊的想象空間。隨著人工智能賦能新型工業化向縱深發展，人工智能在實體經濟中的應用場景將進一步拓展，加速向生產制造環節滲透，加速邁向全方位、深層次智能化轉型升級新階段。
報告目錄
一、總體態勢
（一）人工智能技術演進走向新范式
（二）人工智能工程化邁向新階段
（三）人工智能安全治理工作緊密推進
（四）人工智能產業穩中有進迎來新動能
二、技術創新
（一）基礎模型仍在快速演進迭代
（二）計算平臺與模型創新緊密耦合
（三）工具鏈不斷完善加速大模型研發應用
（四）高質量多模態數據集成為模型能力提升的關鍵
三、應用賦能
（一）人工智能賦能階段性特征顯現
（二）重點行業人工智能應用走深向實
（三）體系化推動人工智能落地應用成為共識
四、安全治理
（一）人工智能技術應用帶來多重挑戰
（二）全球人工智能安全治理正處于“從原則走向實踐”的關鍵階段