这是2024年AI发展总结的系列章节中的第一篇季度报告文章，后面还有2、3、4季度文章，可以关注我，近期持续发布。
这几篇季度内容主要包括八个大段落：本季度AI领域新闻数据、消费级AI工具的应用、关键技术的突破、科技巨头动向、创业公司动向、中国AI的崛起与特色、开源生态的发展、应用方向的预测

AI发展季度总结报告的声明：

大家好，这里是2024年年度第一季度的AI领域发展总结报告。这份报告基于本人在2025年初对2024年的四季度（1月至12月）的AI行业公开新闻的搜集和整理，并利用AI工具进行基于我的数据和AI提示词指令进行分析和总结，力求为大家呈现这段时间内AI领域的关键动态和发展趋势。
一、数据来源与局限性： 本报告的数据主要来源于中文互联网上的公开AI领域新闻报道及行业动态信息。尽管本人已尽力确保信息的全面性和准确性，但鉴于新闻信息来源的局限性（主要为中文互联网）和个人精力的有限，加之人工智能技术的飞速发展和迭代，报告中难免存在一些信息遗漏或偏差，可能在收录国内外公司、机构等信息方面可能有所不足。
此外，由于本报告由人类搜集资料+AI工具辅助生成，虽然经过了本人的审核与校对，但受限于当前AI技术的发展水平，报告中的分析和解读也可能存在一定的主观性和局限性，甚至不排除出现AI对新闻事件、数据理解上的“AI幻觉”的可能性。
二、关于“对比”和“国内AI”的说明： 由于数据搜集主要来源于中文互联网，新闻中难免会出现国内公司/机构与国外产品的对比，以及诸如“超越xxx”等用词。虽然在当下时间点回顾，这些措辞可能略显夸张，但考虑到AI领域竞争的激烈和技术快速迭代的特点，以及各方急于寻求突破的急迫心情，一些对比也是可以理解的。本报告对这些新闻的选择标准是，主要看其报道的基本事实是否符合，而不是其使用的对比性用语。此外，鉴于数据来源和中文语境，本报告在关注国外AI发展的同时，也更多地关注了国内的AI动态，并适时提出了表扬或指出了不足。虽然本人在对AI的提示词中要求AI保持客观公正，但在最终的报告中，可能仍然会存在一些基于当时中文报道文本下的、带有倾向性的、看似不那么中立的描述，敬请各位读者理解。
三、目的与用途： 本报告的主要目的是分享信息，记录和回顾2024年4个季度AI领域的重要事件和发展脉络。报告内容仅供大家参考和了解行业动态，不构成任何形式的投资建议或其他专业意见。
四、版权与转载： 本报告内容版权归本人所有，欢迎大家转载和分享，但请注明出处，以尊重本人及AI的劳动成果。
五、补充与更正： 尽管已经尽力完善，但错误和疏漏在所难免。如果各位读者在阅读过程中发现报告中存在任何事实性错误、信息遗漏、数据过时或您认为AI解读有偏差的地方，恳请您不吝赐教，在评论区指出。本人将认真核实并及时更正，不断完善报告内容。您的每一条宝贵意见，都将帮助我们更好地理解和记录AI领域的发展历程。

2024年第一季度1-3月全球AI发展深度回顾：AI风起云涌，万象更新

引言：

2024年第一季度，人工智能领域风起云涌，创新浪潮席卷全球。从年初的CES展会，到贯穿整个季度的AI大模型迭代与应用爆发，再到季末各种创新工具和平台的涌现，AI技术以前所未有的速度进化、渗透，深刻地影响着各行各业，也改变着人们的生活方式。
这一季度，我们见证了OpenAI、Google、Meta等国际巨头的持续创新，也看到了百度、阿里、腾讯、科大讯飞等中国企业的奋起直追。技术突破与应用落地并驾齐驱，开源生态与商业化探索齐头并进，全球AI发展呈现出百花齐放、万象更新的蓬勃景象。

一、逐月梳理：全球AI发展的时间脉络

2024年1月：开年即冲刺，底层技术与应用创新齐头并进

  • 1月2日：
    • 清华 & 哈佛团队 推出 LangSplat，这是一个基于 3DGS 的 3D 语言场方法，能够更准确地描述 3D 场景，并且比 LERF 快 199 倍，并引入了 SAM 和 CLIP。
    • 清华大学、大连理工大学、北京邮电大学 联合推出 “体验式协同学习（Experiential Co-Learning）” 框架，让 AI 总结历史经验，大幅提高学习能力。
    • 三星 发布 Bespoke Jet Bot Combo 扫拖机器人，具备升级版 AI 功能与蒸气洗净技术，搭载进阶 AI 物体辨识系统。
    • 美图公司 自研 AI 视觉大模型 MiracleVision（奇想智能） 通过备案，将面向公众开放。
    • 微软 将移动端 Edge 浏览器 名称变更，加入 “AI” 字样，改为 “微软 Edge：AI 浏览器”。
  • 1月3日：
    • deepin 深度操作系统 推出 “看图 AI 插件”，支持设备端 “图像上色”、“转换风格” 等 8 大功能，在 “风格转换” 方面使用 DCT-Net 模型，在 “图片分辨率提升” 方面基于 Real-ESRGAN 算法。
    • 商汤 发布 元萝卜光翼灯，达到国 AA 级标准，并支持 AI 光随书动功能。
  • 1月4日：
    • David Kroodsma、美国国家地理、彭博社慈善基金会 利用卫星测绘数据及 AI 技术建立世界首款 “全球船舶足迹地图”，号称能够准确记录人类在海洋中的各种动向。
    • 苹果 的 Siri 融入生成式 AI 取得进展，将带来更自然的对话和个性化体验。
    • 钉钉 全量上线 钉钉个人版，内置 AI 写真 / 法律助手等工具。
    • 科大讯飞、统信 UOS 达成战略合作，推出 浏览器和邮箱助手。
    • 微软 宣布 Win 11 文件管理器 有望迎来 Copilot 助力。
    • 微软 宣布 Win11 PC 键盘 将新增 Copilot 键，可一键直达 AI 助手。
    • 阿里云 的 通义千问 APP 推出图片生成舞蹈功能 “通义舞王”，用户只需上传一张照片，即可生成多种舞蹈视频，包括科目三、鬼步舞等。该功能利用阿里最新研发的 Animate Anyone 算法。
    • 小冰公司 宣布获得大模型备案，小米、OPPO 等 “召唤小冰” 功能将切换服务。
  • 1月5日：
    • 斯坦福大学 科研团队基于 OpenAI 的 CLIP 神经网络，推出预测图像地理位置 （PIGEON） 项目，可以分析街景图片，猜测图片所在地，准确率高达 92%。
    • 谷歌 旗下 DeepMind 公司起草了 “机器人宪法”，确保 AI 机器人不会伤害人类。
    • 网易有道 推出 子曰教育大模型 2.0、小 P 老师、虚拟人口语私教 Hi Echo 2.0 和 有道翻译 的全新功能——有道速读 2.0，并宣布将 “QAnything” 正式开源。
    • OpenAI 计划下周推出 GPT 商店，可销售 / 共享定制聊天机器人，开发者将 “根据有多少人使用你的 GPT” 来产生收入。
  • 1月8日：
    • 杀毒软件公司 McAfee 推出 “Project Mockingbird”，用于检测、阻止 AI 生成的语音诈骗行为，官方声称该项目的成功率超过 90%。
    • 微软 的 Windows Copilot 现可截图提问。
  • 1月9日：
    • 作为一个开源框架，LangChain 提供了构建基于大模型的 AI 应用所需的模块和工具，使得任何人都可以基于 GPT-4 等大模型构建自己的创意应用。
    • 大众汽车 宣布将 ChatGPT 引入车载助手，将在配备最新一代信息娱乐系统的特定车型中启用。
    • Meta 公布 audio2photoreal AI 框架，该框架能够生成一系列逼真的 NPC 人物模型，并借助现有配音文件自动为人物模型 “对口型” “摆动作”。
    • 百川智能 发布角色大模型 Baichuan-NPC，并推出了 “角色创建平台+搜索增强知识库” 的定制化方案。
  • 1月10日：
    • 韩国 VTouch 公司在 CES 2024 推出一款 WHSP Ring 指环，可以让用户实现低声与 AI 助手对话。
    • 统信软件 的应用商店上架 UOS AI，兼容云侧端侧大模型，支持国内主流 CPU 芯片。
    • 荣耀 揭晓了其自研端侧 70 亿参数平台级 AI 大模型 “魔法大模型”，将由荣耀 Magic 6 手机首发。
    • 微软、太平洋西北国家实验室（PNNL） 合作，借助 AI 力量识别出新材料，应用在电池中，最多可以减少 70% 的锂金属使用量。
  • 1月11日：
    • 美国初创公司 Rabbit 推出的口袋 AI 设备 Rabbit R1，首批 1 万台在一天内售罄。
    • 在今年 CES 2024 上，日本一家初创公司推出了给狗狗听的 AI 音乐。
    • 上海AI实验室、香港中文大学数据科学院、深圳大数据研究院 联合开源了一个名为 Amphion 的音频、音乐和语音生成工具包。
    • 沃尔玛 宣布将在 2024 年进一步改善数字购物体验，将生成式 AI 构建到其搜索功能中。
    • OpenAI 正式推出 GPT 商店，汇聚超过 300 万个自定义版本的 ChatGPT，并发布 ChatGPT Team，收费标准为 25 美元/月。
  • 1月12日：
    • 施华洛世奇 Optik 发布 AX Visio 望远镜，售价为 4799 美元。据悉，这款 10 x 32 望远镜拥有 10 倍放大倍率，续航最长 15 小时，内置 NPU 神经处理芯片，号称能够辨认出 9000 种鸟类。
    • Tele-AI(中国电信人工智能研究院) 宣布开源 TeleChat-7B 大模型，并开放 1T 数据集，采用 1.5 万亿 Tokens 中英文语料进行训练。
    • 施华洛世奇 发布 Optik AX Visio 望远镜，内置 NPU 神经处理芯片，号称能够辨认出 9000 种鸟类，并能够实时标注鸟类种类及信息。
  • 1月15日：
    • 日本相机厂商 尼康 开发了一套能够提前预警奶牛分娩的 AI 系统。
    • 谷歌研究院 建立了一项 “BIG-Bench Mistake” 数据集，并利用相关数据集对市面上流行的语言模型的 “出错概率” 及 “纠错能力” 进行了一系列评估研究。
  • 1月16日：
    • Adobe Premiere Pro 引入了全新的 AI 驱动音频编辑功能。
    • 微软 的 AI 图像生成器 Image Creator 移除 “Bing” 前缀，改名为 “Designer 中的 Image Creator” 或简单的 “Image Creator”。
    • 山姆会员商店 展示了一项利用 AI 识别买家购物车内容从而进行 “小票验证” 的技术，目前相关技术已经应用在北美 10 家山姆会员商店中。
    • 南加州大学、哈佛大学 等机构的研究团队提出了一种全新的基于提示学习的方法 DreamDistribution，可学习个性化参照，无限生成多样图片。
  • 1月17日：
    • 商汤科技、上海 AI 实验室、香港中文大学、复旦大学 联合发布新一代大语言模型 书生・浦语 2.0（InternLM2），在 2.6 万亿 token 的语料上训练得到，200K 上下文，一次可读 30 万汉字。
  • 1月18日：
    • 联想 的 AI 助手 “小乐同学” 预计 3 个月后上线，支持自然语言交互，可一键唤醒、翻译文档、制作 PPT 等。
  • 1月19日：
    • Meta 宣布改组旗下 AI 部门，并着手训练自家下一代大语言模型 Llama 3。
    • 微软 的 Image Creator 生成图片未来可存储至 OneDrive 云盘。
    • 微软 推出独立 AI 工具 “阅读教练（Reading Coach）”，辅助提高学习者阅读能力。
  • 1月20日：
    • Midjourney 发布 Midjourney V6 版本更新，画质逼真，人像图片令人惊叹。
    • Jan AI 发布，100% 本地运行、100% 开放源代码，是一个跨平台、本地优先和 AI 原生框架。
  • 1月21日：
    • 鳍源科技 发布全新自研水下AI技术——AI潜水员追踪功能，结合鳍源自研的AI水下图像过滤算法，通过鳍源自主研发的水下视觉识别技术，识别画面中潜水员运动姿态，实时自动运算分析，实现精准的水下视觉锁定和追踪。
  • 1月22日：
    • Stability AI 发布 Stable LM 2 1.6B 小语言模型，体积更小、性能更高效，在大多数基准测试中均优于其他参数低于 20 亿个的小语言模型。
    • 百度文心大模型 落地 吉利银河 L6 车型，支持 AI 对话功能。
  • 1月23日：
    • 谷歌 开发了一款 ASPIRE 训练框架，为 AI 模型引入了 “可信度” 机制。
    • 微软 Copilot 上线 ChatGPT GPT 功能，免费邀请部分用户体验。
    • 阿里云 宣布，由中国一汽联合阿里云通义千问打造的大模型应用 GPT-BI 率先落地，可接收自然语言查询，结合企业数据自动生成分析图表，目前可达到近 90% 的准确率。
  • 1月24日：
    • 谷歌 发布 “艺术自拍 2”，用 AI 将自拍照 P 进不同艺术作品。
    • 蚂蚁集团 成立 AI 创新研发与应用部门 NextEvo，由前谷歌 AI 工程师徐鹏掌舵。
  • 1月25日：
    • 百度智能云 与 中国三星 达成合作，Galaxy AI 集成文心大模型，带来 “即圈即搜” 等功能，可提供端侧赋能的通话、翻译功能，以及借助生成式AI带来的智能摘要、排版等功能。
    • 夸克 上线大模型新产品 “AI PPT”，可一键生成提纲、创作 PPT。
  • 1月26日：
    • 腾讯文档 AI 开启公测，面向全网用户陆续开放体验，支持全品类文档生成、跨品类信息处理等。
    • OpenAI 为 ChatGPT 更新了 “多语言功能” Alpha 版，用户可以将界面修改为简体中文。
  • 1月27日：
    • OpenAI 更新 GPT-4 Turbo 预览模型，下调 GPT-3.5 Turbo 模型 API 调用价格 50%，优化现有模型性能，并发布全新嵌入性模型。
    • 印度企业家创办的 AI 初创公司 Krutrim 获得 5000 万美元融资，公司估值达到 10 亿美元。
    • 联想至像 首发 AI 语音控制打印机，为即将上市的新款机型以及已经发布的 WIFI 功能的打印机都开放升级语音功能。
  • 1月29日：
    • 百川智能 发布超千亿参数的大语言模型 Baichuan 3，在 CMMLU、GAOKAO 和 AGI-Eval 等评测中，号称在中文任务上超越了 GPT-4。
    • 谷歌研究院 推出 Lumiere “文生视频” 模型，主打采用自家最新开发的 “Space-Time U-Net” 基础架构。
  • 1月30日：
    • 中国台湾地区医院开发了一款基于英特尔软硬件的 AI 咽喉癌检测App。
    • AMD 推出 XDNA Linux 驱动，扩展 Ryzen AI 至更多系统平台。
    • 一个名为 3DHM 框架 的技术方案出现，旨在解决单张照片驱动人物模仿视频的难题。
    • 北京通用人工智能研究院 研发了通用人工智能小女孩 “通通”，并于近日首次公开展出。
    • 科大讯飞 正式发布 讯飞星火认知大模型 V3.5 版本，是首个基于全国产化算力平台 “飞星一号” 训练的全民开放大模型，并称整体能力接近 GPT-4。
    • 科大讯飞 发布内置星火大模型 V3.5 的新一代 星火智慧黑板。
    • 科大讯飞 表示，星火认知大模型 V3.5 的语言理解和数学能力已经超过 GPT-4 Turbo，代码能力达到 GPT-4 Turbo 的 96%，多模态理解达到 GPT-4V 的 91%。
    • 科大讯飞 推出 星火开源大模型，基于去年 5 月的星火 1.0 版本（13B）改进而来。
    • 三星 宣布 Galaxy S24 系列 旗舰手机首发搭载 Galaxy AI，并将于今年上半年下放到 2023 年的旧机型中。
  • 1月31日：
    • OpenAI 回应 ChatGPT 泄露私密对话 事件，称是用户账号被盗所导致。
    • 中国工商银行、科大讯飞、华为、阿里云 等联合发布业内首个 代码大模型标准，适用于企业在代码大模型的研发、评估和验收等过程中。

1月总结：

1月份，全球AI领域呈现出蓬勃发展的态势，技术创新和应用落地并驾齐驱。OpenAI 的 GPT 商店正式上线，谷歌 的 Lumiere 模型在文生视频领域取得突破，Midjourney V6 版本则带来了更逼真的图像生成效果。与此同时，AI 技术进一步渗透到各个领域，从 三星 的 AI 扫地机器人，到 尼康 的 AI 奶牛分娩预警系统，再到 山姆会员店 的 AI 小票验证技术，都展示了 AI 技术的广泛应用前景。

国内方面，阿里云 的通义千问 APP 推出了 “通义舞王” 功能，科大讯飞 发布了星火认知大模型 V3.5 版本，百度文心大模型 落地吉利汽车，商汤科技 等联合发布了书生・浦语 2.0。

2024年2月：应用爆发，开源风起

  • 2月1日：