??本文來源：中國信通院CAICT

2024年12月27日，中國信息通信研究院（簡稱“中國信通院”）在北京召開2024人工智能賦能新型工業化大會暨第二屆“興智杯”全國人工智能創新應用大賽（預熱）。會上，中國信通院副院長魏亮正式發布“2024人工智能產業十大關鍵詞”，并解讀十大關鍵詞反映出的新熱點、新趨勢。

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，行業大模型研發應用進展加快，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推進，新產品新模式層出不窮，行業應用走深向實。中國信通院自2021年起連續三年發布人工智能十大關鍵詞，獲得了產業界的廣泛關注。2024年，中國信通院在研究觀察基礎上，通過投票方式公開征集了200余位行業專家的意見，與業界同仁共同總結提出了2024人工智能產業十大關鍵詞。

一、軟硬協同的智算集群

大模型能力快速提升與算力底座升級緊密相關，算力軍備競賽愈發激烈。目前，大規模智算集群建設已成為一項系統工程，涉及算法、框架、芯片、存儲、通信等多環節高效協同耦合，無法依靠芯片規模簡單堆疊實現，更加考驗全產業鏈條支撐能力。過去一年，國內外建成一批超大規模智算集群。從投資主體看，一類是以meta、xAI、字節等科技巨頭為主導，算力資源進一步向頭部廠商集聚，另一類是以政府機構/運營商為主導，比如我國運營商建成的萬卡集群、美國能源部下屬實驗室建成的最新超算等，具有明顯的公共基礎設施服務屬性。從規模體量看，集群規模從萬卡向十萬卡邁進，美國已建成十萬卡集群，并在規劃更大規模集群，我國目前集中在萬卡至兩萬卡規模。從技術演進來看，國內外建設主體在集群組網規模、計算資源利用率、訓練穩定性等方面取得一系列技術突破，實現規模與性能同步提升。展望2025，要以智算集群建設為契機，從基礎軟硬件協同入手，帶動我國智算生態高質量創新發展：一是要持續提升國產芯片算子功能性能，滿足高效訓推需求；二是推動模型適配統一接口，緩解軟硬件生態割裂；三是加快異構算力合池探索，推動算力多元供給、有效激活存量算力。

二、高質量數據集

當前，新一代數據標注成為高質量數據供給的關鍵。新一代數據標注具備高技術含量、高知識密度和高價值應用的“三高”特性，不再是傳統技術含量低、勞動密集型行業，正成為高質量數據供給的關鍵。2024年，數據標注產業發展受到極大關注。在市場側，發展成果主要包括兩個方面：一是數據標注產業規模持續擴大。預計2024年我國數據標注產業規模將達到120億元。二是產業鏈不斷完善。我國人工智能數據標注核心企業超過600家，產業鏈體系完善。在政府側，推進路徑主要有兩個維度：一是政策牽引。發展壯大數據標注產業的政策即將出臺，將為數據標注產業發展提供指引。二是基地示范。國家數據局已在7個城市部署數據標注基地建設任務，推動相關工作落地實施。展望2025年，在技術層面，基于大模型的智能化標注落地使用，人機協同的輕量化標注技術突破，細分行業領域標注需求增多。在產業層面，行業高質量數據集建設元年帶來海量標注需求，具身智能數據和邏輯推理數據成為行業增長點，新一代數據標注產業集群加速形成。

三、能力更強的基礎模型

目前，大模型已實現了從語言大模型向深度復雜推理以及多模態任務的全面升級，端側多模態布局已初顯成效。基礎模型能力階梯式升級，引領智能技術邁向通用人工智能（AGI）新紀元。語言大模型作為基礎模型演進的核心底座，其架構呈現趨同態勢，混合專家模型（MOE）和指令遵循等技術脫穎而出。同時，基礎廠商的格局也在市場的磨礪中漸趨穩定，模型規模擴張的步伐變得更加穩健而審慎。在此基礎之上，基礎模型從多模態、復雜推理、端側部署以及垂直領域四個維度延伸發展。一是多模態大模型迎來了重大突破，利用原生架構打破了模態之間的壁壘，成功實現了從理解到生成的全面融合。二是復雜推理大模型利用強化學習與思維鏈技術，在探索智能的道路上邁出了關鍵步伐，開拓了通往更高智能水平的路徑。三是在實際應用方面，模型壓縮、量化等大模型小型化技術，使得大模型能夠更加高效、便捷地落地生根，加快推動在端側的高效部署應用。四是我們也觀察到，大模型在一些復雜度高、容錯率低的關鍵場景中的應用需求日益高漲，垂直行業大模型、企業大模型、特定任務大模型都展現出了廣闊的發展前景。展望2025，隨著大模型技術的創新發展，多模態與復雜推理將持續突破，端側加速落地，垂直領域精準深耕，具身智能嶄露頭角，合力驅動產業智能化升級。

四、推理優化

推理優化是推動大模型實現低成本、廣普惠的關鍵技術，是成本控制的關鍵因素。企業通過推理優化技術來降低高昂的算力成本，提升模型效率和效果，有利于構建高性能與合理定價相結合的商業閉環，實現產業化擴散。模型層面，以高效壓縮、MoE架構為代表的核心技術持續發展。大模型的到來推動了壓縮技術從量化、蒸餾、剪枝進一步升級到無損量化、MoE壓縮、組合壓縮等高階方法，MoE大模型的發展也從年度發布到月度出新。系統架構層面，推理引擎、推理架構優化是推動技術落地的核心引擎。過去幾年，推理引擎持續推動實例內推理優化，發展出聚焦不同模態、不同場景的推理引擎，為進一步提升大模型推理優化上限，今年陸續推出架構層面的推理優化方案，聚焦結合PD分離推理模式、分布式調度策略、推理場景特點進行精細化設計，大幅提升推理吞吐，實現成本降低。展望2025，推理優化的技術演進熱度將不斷升級，近期OpenAI發布的o1和o3模型使用了鏈式思維推理、強化學習和數據飛輪技術，這些技術幫助模型推理效果實現顯著提升，但因此導致的成本增加、性能損耗等問題，有待產業進一步探索和解決。

五、具身智能

具身智能是人工智能+機器人的延續，在大模型的帶動下引發廣泛關注。業界圍繞“大模型+”的實現路徑展開廣泛探索。目前整體處于發展初期，仍面臨諸多不確定性，但基于企業入局、資本熱度和供應鏈的不斷完善等因素，全球具身智能快速發展。算法層面，主要圍繞端到端模型和分層模型兩條路線并行探索，在機器人大模型、生成式模仿學習、空間智能等多個方向上均有突破進展。數據層面，合成數據與數據生產，同步推進。例如，合成靈巧抓取數據集DexGraspNet 2.0已達到10億規模。智元機器人部署百臺機器人同時作業，日產數據上萬條。產品層面，具身智能產品密集迭代，加速推進商業化。Figure 02和特斯拉大約每2月完成一次產品迭代。同時國內外已有多款產品入駐工廠，Figure 02首批訂單已經成功交付。展望未來，AI算法與機器人硬件將以協同融合的方式持續優化與迭代，推動具身智能產品升級，加速在汽車制造、物流運輸、商業服務和應急安全等領域的應用試點和拓展。

六、安全治理

過去一年，人工智能安全治理進程從點到面，掀起全球化浪潮。企業作為人工智能治理第一線主體，自律實踐持續走深向實，呈現價值導向和治理實際的結合，具體可以分為四個維度。在價值導向側，企業牢牢握住安全“方向盤”。一是積極簽署安全承諾，規劃各項安全治理行動。近期，中國人工智能產業發展聯盟推動百度、阿里、騰訊等17家國內企業聯合簽約人工智能安全承諾。二是建立安全制度，為內部協同提供指引，推動治理深入研發、應用、管理全周期。在治理實際側，企業以實踐連接扣緊“安全帶”。一是形成安全基準，研發可行測試方法，幫助企業通過測試掌握自身模型安全能力。二是打造安全工具，以技治技推動敏捷治理，通過自動化工具追蹤、定位和處置風險，快速提升治理能效。

展望2025，從被動防御風險到主動建設安全，企業自律實踐有望持續深化。未來，企業自律牽引產業治理產生集群化、規模化、國際化效應，有助于形成自下而上的規則供給趨勢，促使整個人工智能行業生態朝著更加健康、有序、創新的方向發展。

七、人工智能+

我國深入實施“人工智能+”行動，大力推動人工智能賦能新型工業化，加快人工智能與實體經濟深度融合。過去一年里，大模型在工業領域的應用案例越來越多，在研發設計、營銷運營等微笑曲線兩端率先發力，呈現“兩端快、中間慢”的階段特征。在微笑曲線前端，以人工智能賦能軟件研發為例，隨著代碼生成大模型的能力不斷提升，復雜問題的解決能力也持續增強。這些技術的進步正在重塑軟件工程的流程和范式，軟件智能化進程顯著加速，實現了智能編碼、智能測試和算法優化等重點領域的突破，極大地提高軟件開發效率和質量，降低人力成本和技術門檻。在微笑曲線的后端，企業對大模型的應用表現出較高的自發性，其原因在于大模型能夠顯著地幫助企業降低成本、提高效率。通過引入智能問答助手、ChatBI等智能化工具，企業在員工辦公效率、企業文檔利用率等方面都獲得了顯著改善。這種由人工智能技術驅動的智能化轉型為企業帶來了實質性的經濟效益，進一步增強了企業的市場競爭力。

預計2025年，創新與服務兩端的需求會進一步釋放，需求側的改革將推動高附加值場景應用提速。與此同時，微笑曲線中部的低附加值環節預計將會形成大模型與行業專業小模型結合的應用態勢。

八、AI for R&D

當前，人工智能在科學領域的賦能范圍正在持續拓廣，成為培育新質生產力的重要源泉，推動科技成果加速轉化為現實生產力。從技術方面來看，科研智能的技術路徑日漸清晰。數據驅動、機理驅動、數據與機理共同驅動的三種技術形態共同驅動科研智能的進步。生命科學與材料科學領域AI模型數量激增，迎來應用與創新的爆發期。2024年推出的生命科學模型占比71%，AlphaFold3實現了蛋白質領域的重大突破，諾貝爾獎更是授予了這一領域的科學家。材料科學模型占19%，AI在材料領域實現了材料設計、合成路徑規劃等重要突破。從應用效果來看，科研智能正在促進生物醫藥、新能源、化工等產業研發質效提升。在藥物領域，AI正在助力解決傳統藥物研發面臨的成本高、風險高和周期長問題，某AI制藥公司利用機器智能化平臺在14天內就完成了抗腫瘤藥物的靶點發現與驗證。在材料領域，AI從性質預測到行為模擬，研發周期大幅縮短，質效雙升。國內企業已實現通過AI輔助電解液研發，將研發周期從14個月縮短至6個月，推動新能源材料創新研發。展望2025，科研智能有望繼續帶動生物醫藥、新能源、化工、半導體等行業發展，強化長板優勢、補齊短板劣勢，成為推動智能化、自動化產業轉型的核心引擎。從科學突破走向全面賦能，助力我國在全球科技競爭中搶占制高點。

九、大模型應用生態

整體來看，2024年國內大模型項目需求持續高漲，但落地交付協同和產品化之路尚在探索。根據大模型招投標數據分析，國內大模型應用生態呈現出需求持續增長且二八分布的特點，82%項目金額集中在500萬以內，這部分項目對于頭部大廠而言性價比不高。77%的項目集中在大模型工程化方面，需要大量的供應商幫助需求方做大模型工程化落地。82%的項目由非大廠承接，由此看來，中小企業有很多市場機會。但是同時也發現，大模型標品能力強的大廠在定制化和地方支撐方面相對較弱，而中小供應商則在定制化項目上有較強支撐但大模型產品能力較弱，供應商間仍需優勢互補，協同合作。當前大模型交付項目缺乏質量衡量標準，需求方難以評估能力水平，同時定制化項目的方式對于供應商而言難以沉淀領域化的大模型能力，成本也相對較高。相比來看，國外大模型生態已呈現出更細、更專、更標準的特點，形成了高效的協同落地模式。這對我們國內的大模型生態建設也提供了有益的啟示。展望2025，大模型生態將向著更多元化方向發展，細分場景能力的產品化將成為供應商企業協同提效和盈利增長的關鍵，衡量大模型項目交付質量的標準規范將進一步促進生態的良性循環。

十、Agentic AI

Agentic AI是AI Agent的進一步擴展，聚焦系統具備“智能”的程度，更關注智能系統的自主性、適應性、自我決策、目標導向。從AI Agent（智能體）到Agentic AI，推動人工智能應用新范式。當前，AI Agent發展潛力巨大，市場規模預計將從2024年的51億美元增長到2030年的471億美元，年均復合增長率為44.8%。OpenAI前首席科學家伊利亞（Ilya Sutskever）也在人工智能頂會的演講中提到，智能體是未來的發展方向。AI Agent的發展態勢主要有三方面：一是從語言大模型驅動走向多模態大模型驅動；二是從虛擬數字執行環境走向真實物理世界執行環境；三是從單步思考工作流走向多輪迭代智能體工作流。我國智能體技術發展迅速，比如百度智能云“千帆AppBuilder” 企業級智能體開發平臺，降低用戶智能體開發門檻。智譜AI的AutoGLM智能體可根據用戶指令自動完成網絡購物、內容搜索、外賣下單等任務。Agentic AI的出現是人工智能領域的一場重大變革，它將從根本上改變人類與AI的交互方式。評估Agentic AI的核心在于對“代理性”的評估，即在監督有限的情況下，在復雜環境中適應性地實現復雜目標的程度。評估維度包括目標復雜性、環境復雜性、適應性和獨立性。Agentic AI的潛在價值主要體現在兩方面：一是更強的代理性可以提高系統輸出質量和擴展性等；二是隨著代理性的增加，人工智能對社會的影響會更頻繁、更明顯。

展望未來，Agentic AI的“代理性”程度會進一步提高，加速人工智能原生應用建設，將推動人工智能應用新范式，促進人工智能技術的落地應用。

致謝：感謝人工智能智庫網絡專家和中國人工智能產業發展聯盟對2024人工智能產業十大關鍵詞征集工作的關注和大力支持！