人工智能成就

在过去的几年（2023年至2025年），人工智能在多个领域实现了飞跃。大型语言模型（LLM）和聊天机器人、多模态系统、科学AI工具以及机器人技术均取得了突破。

科技巨头发布了新的AI助手，开源社区推出了强大的模型，监管机构也开始着手应对AI带来的影响。

以下我们将回顾最引人注目的成就，从GPT-4的扩展、谷歌的Gemini，到AlphaFold获得诺贝尔奖以及AI驱动的科学与艺术发现。

1. 生成式语言模型与聊天机器人
2. 多模态与创意AI进展
3. 科学、医学与数学领域的AI
4. 机器人与自动化中的AI
5. 产品、产业与社会中的AI

生成式语言模型与聊天机器人

现代大型语言模型变得更加强大且支持多模态。OpenAI于2023年11月发布的GPT-4 Turbo现在可以在一次提示中处理128,000个标记（约300页文本），且运行成本远低于GPT-4。

2024年5月，OpenAI推出了GPT-4o（Omni），这是一款升级模型，能够实时处理文本、图像和音频——实际上赋予了GPT-4“视觉和听觉”的对话能力。ChatGPT本身也集成了图像和语音功能：用户可以上传照片或语音，机器人将基于这些视觉或音频输入进行回应。

GPT-4 Turbo和GPT-4o（Omni）：GPT-4 Turbo（2023年11月）降低了成本并将上下文长度扩展至128K标记。GPT-4o（2024年5月）实现了真正的多模态，能够以接近人类的速度交替生成文本、语音和图像。
ChatGPT的进展：到2023年底，ChatGPT“现在可以看、听和说”——支持上传图像和音频作为提示，机器人能够相应回答。
它还集成了DALL·E 3（2023年10月），可以通过对话式提示生成图像。
谷歌的Gemini系列：2024年12月，谷歌DeepMind发布了首批Gemini 2.0模型（“Flash”和原型），面向“智能代理时代”——能够自主执行多步骤任务的AI。
谷歌已开始在搜索（AI概览）及其他面向十亿用户的产品中测试Gemini 2.0，体现了其升级的推理和多模态能力。
其他模型：Meta于2024年4月发布了LLaMA 3（开放权重的大型语言模型，参数规模高达4000亿），声称性能优于许多先前模型。
Anthropic的Claude 3和微软的Copilot工具也基于这些进展（例如Copilot基于OpenAI技术）。

这些创新使AI助手能够进行更长、更丰富的对话，并处理多样化的输入。

它们还通过API支持新的“助手”应用（如谷歌的“AI概览”、OpenAI的Assistants API等），让开发者和终端用户更容易使用AI。

生成式语言模型与聊天机器人

多模态与创意AI进展

AI的创造力和视觉理解能力爆发式增长。文本生成图像和文本生成视频模型达到了新高度：

OpenAI的DALL·E 3（2023年10月）能够根据提示生成逼真的照片级图像，且已集成到ChatGPT中，支持引导式提示编写。

谷歌推出了Imagen 3（2024年10月）和Veo 2（2024年12月）——先进的文本生成图像和视频引擎，大幅提升了AI艺术和视频生成的质量、细节和一致性。

音乐AI也有所提升，谷歌的MusicFX工具及相关研究（如MusicLM实验）推动了进步。

生成艺术模型：DALL·E 3和Imagen 3能够高保真地遵循细微提示（包括图像中的嵌入文本）。
谷歌的Veo 2可以根据单一文本描述生成短视频片段，是视频合成领域的重要突破。
Stable Diffusion和Midjourney今年也发布了新版（v3、v6），实现了更高的真实感。
设备中的AI：苹果于2024年底在iOS 18和macOS 15中推出了Apple Intelligence——iPhone/iPad/Mac内置的生成式AI。
它增加了写作助手（邮件/Pages中的重写、校对、摘要）、更智能的Siri，以及图像工具如Image Playground（通过文本创建趣味插图）和Genmoji（AI生成的定制表情）。
照片支持自然语言搜索（如“查找Maya滑板”），“清理”AI可移除照片中的不需要物体。
苹果强调设备端处理和隐私保护。
艺术中的AI：一个引人注目的例子是：2024年11月，苏富比拍卖了首幅由类人机器人创作的画作。
这幅由AI驱动机器人Ai-Da绘制的艾伦·图灵肖像以108万美元成交。
这次创纪录的拍卖（“A.I. God: Portrait of Alan Turing”）凸显了AI在创造力和文化影响力上的日益重要地位。

总体来看，生成模型正在普及创作能力：任何人只需几句话就能生成艺术、音乐或视频。
行业重点已从单纯的新奇（超现实图像）转向实用的图像生成（标志、图表、地图）和类人真实感。

（2025年3月，OpenAI甚至发布了“4o图像生成”，将其最佳图像模型集成到GPT-4o中，实现基于对话的精确、逼真输出。）

这些工具正迅速融入应用、浏览器和创意工作流程。

多模态与创意AI进展

科学、医学与数学领域的AI

AI成就推动了科学发现和研究进展：

AlphaFold 3——生物分子：2024年11月，谷歌DeepMind（与Isomorphic Labs合作）发布了AlphaFold 3，这是一款能够同时预测所有生物分子（三维结构，包括蛋白质、DNA、RNA、配体等）的新模型，准确度前所未有。
在蛋白质-药物相互作用方面，AlphaFold 3的准确率比传统方法高出约50%。
其开发者立即发布了免费的AlphaFold服务器，供全球研究人员预测分子结构。
这在AlphaFold 2仅预测蛋白质的基础上实现了扩展，预计将彻底改变药物发现和基因组学研究。
诺贝尔奖——蛋白质折叠：这一进展的重要性由2024年诺贝尔化学奖体现。
Demis Hassabis和John Jumper（DeepMind）与David Baker共同获得该奖，表彰他们开发了AlphaFold（蛋白质折叠AI）。
诺贝尔委员会指出，AlphaFold“开辟了蛋白质设计的全新可能”。
（这是迄今为止最受瞩目的AI成就之一。）
AlphaProteo——药物设计：同样在2024年，DeepMind宣布了AlphaProteo，一款能够设计新型蛋白质结合剂的AI——这些分子能高效结合目标蛋白。
AlphaProteo通过生成针对特定靶点的潜在蛋白质结构，加速了新抗体、生物传感器和药物先导物的研发。
数学——AlphaGeometry：DeepMind的AlphaGeometry和AlphaProof实现了另一项突破。
2024年7月，AlphaGeometry 2在19秒内解决了国际数学奥林匹克的一道题目，达到了银牌水平。
这是AI攻克高级中学数学的罕见案例。
量子计算——AlphaQubit与Willow：AI也推动了前沿硬件的发展。
2024年，谷歌发布了AlphaQubit，这是一款基于AI的解码器，能比以往方法更准确地识别量子计算机（如谷歌Sycamore芯片）中的错误。
随后在2024年12月，谷歌推出了Willow，一款利用先进纠错技术的新型量子芯片，完成了一个基准任务，耗时不到5分钟，而当今最强超级计算机则需约10^24年。
这些成果使Willow获得了2024年“年度物理突破”奖，彰显了AI在量子进步中的作用。

在医学和健康领域，AI模型也取得了显著进展。例如，谷歌新推出的Med-Gemini（经过医疗数据微调）在美国医学考试基准（类似USMLE）中得分91.1%，远超以往模型。

放射学和病理学的AI工具（如Derm和Path Foundations）被发布以提升图像分析能力。
总体来看，AI已成为不可或缺的研究伙伴——从纳米级人脑绘图（借助AI辅助的电子显微镜成像）到加速非洲结核病筛查，谷歌研究人员均有报道。

$科学、医学与数学领域的AI$

机器人与自动化中的AI

由AI驱动的机器人正在学习复杂的现实任务。

特斯拉的Optimus类人机器人于2024年10月公开展示（“我们，机器人”活动）。数十台Optimus机器人在舞台上行走、站立甚至跳舞——尽管后续报道指出初期演示部分由人工远程控制。

尽管如此，该活动凸显了通用机器人快速发展的趋势。

DeepMind的ALOHA机器人：谷歌AI实验室在家用机器人领域取得显著进展。
2024年，ALOHA机器人（自主腿式家务助理）学会了系鞋带、挂衣服、修理其他机器人、安装齿轮甚至清理厨房，仅依靠AI规划和视觉。
“ALOHA Unleashed”开源项目展示了机器人协调双臂完成任务，这是通用操作领域的首次。
机器人变换器：DeepMind推出了RT-2（机器人变换器2），这是一款视觉-语言-动作模型，能够从互联网图像和真实机器人数据中学习。
RT-2使机器人能够像人类一样理解指令，利用网络知识。
演示中，机器人通过文本命令帮助分类物品。
工业机器人：其他公司也在推进：波士顿动力持续改进Atlas和Spot机器人（虽无重大突破），AI驱动的自动驾驶汽车有所提升（特斯拉全自动驾驶Beta版推广更广，但完全自动驾驶仍未解决）。
制造业中，专注AI的企业如Figure AI筹集资金，致力于打造家务机器人。

这些努力表明机器人正逐步完成更复杂任务，无需明确编程。
然而，真正完全自主的类人机器人仍在未来。

这些演示（Optimus、ALOHA、RT-2）是里程碑，但研究人员提醒，机器人要在大规模环境中安全可靠地与人类共事，仍需更多工作。

机器人与自动化中的AI

产品、产业与社会中的AI

AI的影响已扩展至日常产品甚至政策领域：

消费设备：主要科技产品集成了AI代理。
微软的Copilot（嵌入Windows、Office、Bing）和谷歌的Bard/Bard AI（背后由Gemini驱动）将大型语言模型的能力带给用户。
苹果设备搭载了Apple Intelligence（如上所述），硬件厂商如Nvidia销售了创纪录的AI GPU，支持云端和消费级AI。
（Nvidia因AI热潮于2024年成为全球市值最高公司。）
监管——欧盟AI法案：鉴于AI的广泛影响，监管机构也采取了行动。
2024年8月1日，欧盟AI法案正式生效，这是首部全面的AI法律。
该法案建立了基于风险的框架：低风险AI（垃圾邮件过滤、电子游戏）规则最少；透明度规则要求聊天机器人等AI系统披露其AI身份；高风险AI（医疗或招聘工具）接受严格监管；明确不可接受的AI（如政府对个人的“社会评分”）被禁止。
这套规则（及即将出台的通用模型指南）是AI治理的重要成就，预计将影响全球标准。
产业增长：AI行业本身获得了历史性的融资和估值：OpenAI于2023年底估值达1570亿美元，Anthropic、Inflection及中国AI初创企业均完成了数十亿美元融资。
NVIDIA的AI硬件需求推动其市值于2024年中突破3.5万亿美元。
这些数字凸显了AI已成为科技经济的核心。