巨头们不但拼模型能力，还拼爆款产品，同时继续投入数百亿美元拼算力建数据中心；而几家一年前还是明星项目的初创企业却因为资金烧光，直接被巨头吞并。

　　在学术界，技术*们对AI的未来依然争论不休、骂战不断：GPT5依然没有踪影，Scaling law甚至被认为已经遇阻“撞墙”。

　　然而2024年底，谷歌Gemini 2.0的发布，以及OpenAI一连12天发布更新，却让大家对2025年AI的进展又有了一些新的期待...

　　这期内容我们将回顾下生成式AI在硅谷的2024年有哪些drama，又有哪些实在的技术进展和路线年的AI会如何发展。

　　我们将结合与技术大佬的采访聊天，从巨头的AI布局路线、产品落地、陨落的明星公司和冉冉升起的新星们，以及业内对2025年AI展望这几条主线来展开，看看过去一年都发生了些什么。

　　OpenAI在2024年的drama并不少：2023年底的董事会风波之后，2024年OpenAI的高层依然极度不稳定，人才流动性很大。

　　联合创始人、首席科学家Ilya Sutskever在五月离职。之后他宣布创办自己的初创公司Safe Superintelligence，快速融资了10亿美元。

　　和Ilya一起离职的还有超级对齐团队的关键技术人物Jan Leike。之后在九月，CTO Mira Murati也宣布离职，有消息称她正在为她新的初创公司融资。

　　同时，联合创始人、前总裁Greg Brockman在休了三个月的长假之后回到了OpenAI。

　　OpenAI用了一年的时间来处理高层之间的人际冲突，如今终于暂时稳定了局面。坏消息是多数的创始成员都已经离开，好消息是这场宫斗终于结束。

　　Sam Altman有了稳定的权利，接下来或许可以更顺利地推进他想象中的AI发展方向，包括将OpenAI从非盈利组织变成赢利组织来更好融资，推出更多可以商业化的产品等。

　　2024年10月，Sam Altman为OpenAI完成了新一轮66亿美元的融资，公司估值来到1570亿美元。但OpenAI烧钱之狠也是有目共睹的：

　　《纽约时报》获得的融资文件显示，OpenAI2024年预计收入达到37亿美元，但预计亏损将达到50亿美元，而2026年亏损可能会高达140亿美元，这一估算还不包括给员工的股票激励兑现。

　　虽然OpenAI承诺投资人收入在成倍增长，预计在2029年达到1000亿美元，实现盈利，但按照这样的烧钱进度，OpenAI在2025年的两大趋势会是必然：*是大规模融资；第二是更激进的商业化。而这其实和2024年OpenAI的路线年，OpenAI没能如预期发布GPT5，这让市场中不少人失望，但惊喜的是4o的多模态进展。此外，o1和最近o3的发布让人看到模型能力进化的另外一种路线。

　　Chapter 1.2 o1与o3:AGI另一条路线月初，OpenAI发布多模态4o功能，正式与谷歌等竞争对手进入AI多模态之战，可以实时对音频、视觉和文本进行推理。事实证明，4o发布之后，特别是在免费版本中提供有限的4o功能和4o-mini之后，ChatGPT的订阅人数大幅上升，依然在2C领域上远超竞争对手。2024年12月，ChatGPT的周活跃用户已经超过3亿人。

　　o1这个内部代号为“Strawberry”的强大模型更新，让我们看到了在预训练上堆参数的“大力出奇迹”之外的、通过推理阶段的算法突破找到一条新的通往AGI的道路。

　　随着我们转向强化学习（RL）训练来加强AI的推理能力，我们最近发布了AI的五个等级，比如会话AI（聊天机器人）、推理AI、代理AI等。我们的确发现这能帮助AI在这个五层框架内，达到下一个水平，这也是为什么我们将模型系列重新命名为o1。

　　制作o1模型是因为大语言模型更多是即时生成的，如果想执行许多其他复杂的任务，你需要将其分解为多个任务，以便它们可以逐一完成，人们称之为代理或工作流。

　　我认为这种方法同时还很好地降低了成本：因为模型可以逐步执行很多步骤，这让模型训练变得更容易。所以，为了获得更好的推理质量，在延迟上做一部分牺牲。这很可能是一种趋势。

　　这12天的发布活动中，除了前几天的o1正式版、生成视频模型Sora在历经10个月之后终于开放给公众、以及集智能写作、代码写作和定制化AI agent为一体的AI工作台Canvas之外，

　　其它的更新比如说ChatGPT Search升级、与苹果Apple Intelligence的协作等等，看上去就非常不痛不痒，甚至感觉是在给12天的发布会凑数

　　直到最后一天，OpenAI给出了一个王炸：o3。o3是2024年9月发布的o1的下一版本，因为o2涉及其它公司的版权商标问题，所以OpenAI直接把这个更新跳了一个数字。

　　o3在数个测试上的能力，无论是程序员编码竞赛（Codeforces）中超过99%的人类程序员，还是博士水平的科学问题（GPQA）已经超过一般人类博士生，还是最难的前沿数学测试，还是抽象推理能力基准考试ARC-AGI，o3比o1的提升可以说是惊人的，而这个版本的更新仅仅用了三个月的时间。

　　这让AI业界的不少人相信，OpenAI在o1和o3这个强化推理这个范式转变是有效的，这让担心AI大模型已经“撞墙”的人们稍微松了口气：至少AI模型的发展还在推进。大家也能理解之前Sam Altman说的“there’s no wall”（墙不存在）的推文了。

　　这样的“钟摆”科技途径发展，就像之前英特尔提出的Tick-Tock计划一样，会成为双重并行的发展主旋律。

　　Tick-Tock的意思是左边是数据驱动，右边是规则驱动，两边会来回跳动。一会是用更好的数据集去训练它，但同时用更好的算法去推动它，所以就是在算法跟数据两边Tick-Tock（摇摆）苹果手机在国内怎么使用whatsapp。因为现在o1和o3更多的还是算法，但是之前包括 GPT 其实也是数据集的驱动。所以，在（数据和规则）这两边的摇摆的时候，应该会摇出下一个大的 breakthrough（突破）或者milestone（里程碑）。

　　如果o3的路线能将我们带到“五层超级人工智能”的第二层，那什么突破能将我们带到再下一层自主autonomous AI呢？不知道OpenAI在2025年能否给我们这个答案。

　　2024年12月底，OpenAI进行12日发布会期间，谷歌进行了几个重磅发布。如果OpenAI没有压轴的o3，年底的风头几乎全都会被谷歌抢走。谷歌首先在12月12日发布了多模态大模型Gemini的第二代Gemini 2.0，谷歌CEO Sundar Pichai在发布公告中表示，如果说Gemini 1.0是用于组织和理解信息，那么Gemini 2.0则是让信息变得更有用。

　　怎么理解Pichai说得第二代Gemini能让“信息变得更有用”呢？首先，Gemini2.0在多模态功能上更强大。谷歌目前对外开放的新模型是Gemini 2.0 Flash，在响应时间上比上一代的1.5 Flash性能更强、延迟性更低。在多模态上，2.0 Flash支持图片、视频和音频的输入以及多模态的输出。

　　在2024年5月的谷歌I/O大会上，非常惊艳到我的项目“多模态虚拟助手Project Astra”，也有相当的进展。

　　在Astra Gemini 2.0的demo中测试人员使用手机和AI来进行实时交互，包括快速提示公寓大楼的安全密码、随时对公共交通路线进行询问等，人们也可以带着智能眼镜进行更沉浸式的多模态交互。

　　所以失败了多年的Google Glass是不是终于能活过来了呢？也许在2025年我们会有新的答案。

　　虽然目前来看，这个项目还在比较早期的阶段，如果我们看看之前提到的OpenAI定义的五个AI层级，Agent能自主行动完成任务已经是第三个层级了。

　　这也展现出谷歌对AI agent的押注，而这个赛道也被很多人认为将在2025年是个极其火热、面临爆发的赛道。

　　对于谷歌来说，全力押注AI agent也很自然：如果谷歌*钱的产品，也就是“搜索”将会被AI交互颠覆，那么AI agent的入口、屏幕、交互、模型反馈都是谷歌必须要占据的领地。

　　如果你是 AI application（应用），你就是Copilot（副驾驶）；AI agent（智能体）是自动驾驶， Copilot 就是辅助驾驶。

　　在2024年，被谷歌卷起来且处于业界*地位的还有它的“长文本”的能力，这个长文本能力指的是让大模型理解超长的上下文。而基于这个能力，谷歌在2024年也衍生出了一些爆款AI产品，包括NotebookLM。2024年2月15日，谷歌的Gemini 1.5 Pro把长文本能力卷到100万tokens；

　　同时，谷歌新发布的论文，描述了一种新的注意力技术“inifini-attention”（无限注意力），能使Tranformer大模型在有限算力情况下处理无限长度的输入。

　　如果我们不算Gemini的模型，那么在业界现有的*的大型语言模型，允许的Token(AI处理文本的单元)数量大约在10万到20万之间。假设一个token相当于一个单词，则大致可以包含总共10万到20万个词作为给AI的提示词。

　　有谷歌的Gemini底座大模型的多模态和长文本能力支撑，NotebookLM的AI播客功能可以将文档、视频或者音频总结生成一男一女对话的方式，让用户用“听内容”的方式获取信息，在播客podcast这种媒体形式无比流行的硅谷形成了病毒式传播的现象级别产品。

　　虽然回答的内容比较浅显，交互也比较像相声中的捧哏，但NotebookLM在对内容的抓点和总结能力是非常精准的，生成的两位AI主播的对话也非常自然流畅，AI感很低，我也大概能感受到这个产品之后的潜力还是会非常大。

　　12月中旬，谷歌发布NotebookLM Plus，新加入audio overview功能、允许用户在播客中间打断AI主播，提出建议或问题进行交互，同时用户还可以自定义播客风格和主题。

　　外界猜测他们会自己重新做一个NotebookLM的产品用于更好的商业化，但很有趣的是，有的VC投资人并不看好这个项目。

　　你可以理解他是个产品创新。NotebookLM是Google Labs出来的，但Google自己是有底座模型的。Notebook LM用的底座其实也不是Google Gemini，而是谷歌自己内部的一个定制化底座。所以，如果你不是那么懂底座，纯第三方的来用谷歌Gemini API，你未必能做得出来NotebookLM。

　　究其根本，OpenAI的商业模式是一个大模型提供方，所以一定要保证模型的*性，但谷歌是完全不同的商业模式，它的首要任务是保证技术不落后且当谷歌搜索被AI颠覆时，自己是准备好的。

　　所以在多模态的AI第二轮大战中，OpenAI是进攻者，而谷歌依然是防御者，下一场硬仗无论是第二层的reasoning，还是第三层的autonomous AI agent，2025年都会非常精彩。

　　2024年在融资上，Anthropic从亚马逊获得了新一轮40亿美元的融资，使得公司估值达到400亿美元。

　　从外界反馈来看，Anthropic的模型在技术上是非常强的，特别是Claude在编码任务中表现出色，尤其是在复杂代码生成和解决方案自动化方面，非常受到工程师们的推崇。

　　12月底，Anthropic从用户与Claude的对线万条，进行分析和总结后发现，用户在Claude.ai上的主要使用场景排在*位的，是网页和移动应用开发，占比为10.4%。

　　很多开发人员认为，Claude 3.5 Sonnet会非常适合需要深度理解和复杂推理的应用程序，而OpenAI的模型对于较简单的任务可能更具成本效益。

　　而Claude AI的2C聊天机器人，在iOS和安卓移动应用程序上收入100万美元的里程碑，用了整整16周，而这个门槛OpenAI的ChatGPT用了三周就达到了。虽然快于微软的Copilot和Perplexity，但距离OpenAI仍然有很大距离。

　　之前媒体的报道说，Anthropic在2024年的收入会超过10亿美元，比之前预测的要高很多，说明市场还是非常买账Anthropic的模型能力，特别是最近他们又挖了很多OpenAI的核心人员过去。

　　看上去，这个OpenAI的*竞争对手在2025年会继续在2B和2D领域上发力，而对2C消费者端来看，暂时不会对OpenAI和谷歌带来太大的威胁。

　　如果还有其它顺便的事，就是马斯克数次把OpenAI告上了法庭。12月24日，马斯克旗下的xAI宣布完成60亿美元的C轮融资。英伟达，AMD，a16z，红衫等公司和机构参与，也表明业界对xAI的潜力的看好。

　　要知道在半年之前的2024年5月，xAI刚完成60亿美元的B轮融资，足以说明马斯克的融资能力。

　　除了钱之外，马斯克还是*个搞定大规模算力集群的：2024年，xAI位于美国田纳西州孟菲斯市的数据中心正式投入使用，历时122天建成创下纪录。

　　这个名为“巨人”（Colossus）的数据中心里面部署了英伟达的10万块GPU芯片，成为全球开发和运行人工智能技术的规模*、算力最强的芯片集群之一。而马斯克说以后还有计划继续拓展到20万块GPU的规模。

　　在大模型上发布上，Grok的速度其实是要比竞争对手慢一些的。在8月中旬，xAI发布了Grok-2和Grok-2mini两款AI模型的测试版，比此前发布的Grok-1.5有了非常大的进步。

　　10月，xAI发布了*应用程序编程接口(API)。目前，xAI API只有一个模型，称为“Grok-beta”。

　　其实xAI虽然入局晚了些，但优势还是非常多的：除了上面我们说到的算力和融资之外，xAI还有社交网络X和特斯拉的*数据，以及机器人Optimus等项目的结合潜力。

　　相当一段时间以来，Grok的聊天机器人只向马斯克旗下的“X”用户提供，但在2025年很可能马斯克会全面开放Grok。

　　除了iOS程序在测试之外，网页版已经准备就绪，写着coming soon（准备就绪），感觉2025年xAI会正式加入战局。

　　在大模型方面，脸书在2024年持续更新Llama开源模型。12月6日，Meta发布新款Llama开源模型：70亿参数的Llama 3.3、又称Llama 3.3 70B。扎克伯格说，下一步就是明年Llama 4的亮相。

　　除了在大语言模型上的进展外，Meta也一直在探索除了“大语言模型”（LLM）之外的其它AI路径：2024年12月11日，Meta新发布了Large Concept Model（LCM），翻译过来是“大型概念模型”。

　　另外，由于Meta 2024年在智能眼镜上的尝试成功，以及旗下Facebook、 WhatsApp、 Instagram、Messenger、Threads等庞大的用户群体，还有AI和广告结合的前景，市场非常看好Meta如今在AI大战中的位置。

　　Jefferies的分析师甚至将Meta选为步入2025年生成式人工智能的“赢家”。不少二级市场的报告认为，Meta下一代与AI结合的Orion AR眼镜将成为新一代硬件入口，Meta在2024年推出的Ray-Ban Meta很初步的将AI功能引入其中，受到市场好评。

　　可能在2025年，下一代智能眼镜上Meta就会引入屏幕显示，届时就会释放出更强大的AI交互功能。

　　说到智能硬件，苹果在2024年发布了Apple Intelligence三件套，但因为端侧模型和agent的发展可能还没有到能让硬件产业与AI结合得特别好的程度，苹果在AI进展并不大。

　　很多人认为苹果最终还是要自己开发底座大模型，不能完全靠接入OpenAI的ChatGPT，而等硬件与AI结合的那一天，就是手机与智能眼镜的市场大战了，目前押注得*的Meta和苹果将终有一战。

　　说回Meta的其它AI产品布局：在AI Chatbot方面，Meta旗下的几款王牌社交媒体都已经不同程度的引入了AI对线月表示，Meta的AI数字助理“每个月有将近6亿的活跃用户”。

　　Meta在12月表示，目前超过100万的广告商在使用Meta的GenAI工具，他们在一个月之内制作了超过1500万条广告。

　　同时，也有分析认为，Meta可能会在自家的开源模型Llama上进一步开发出企业级客户服务的业务，也将会是一块很大的蛋糕。

　　在2024年，小扎非常积极的出现在各个媒体采访中，一遍又一遍阐述着Meta的未来，不再是单纯的Metaverse，而是新一代的AI交互，一个融合了AI，混合现实和元宇宙的未来。

　　2024年9月，开始在形象和穿搭上大转型的扎克伯格穿了一件T-shirt，上面写着“Aut Zuck Aut Nihil”，这个细节被媒体捕捉到。

　　这个短语是拉丁短语“Aut Caesar Aut Nihil”的变形，意思是“要么是凯撒，要么什么都不是”；

　　最后几家科技巨头中，再说说亚马逊。亚马逊的路线和其它几家都不太一样，采取的是一个卖铲子生意的模式。

　　他不拼模型、拼算力、拼芯片，虽然各方面都有自研的产品，但把他们整合在一起，再加上市面上所有的好东西，打个包卖给客户们，帮甲方降本增效，做好2B的生意，也是非常聪明的做法了。

　　第二，不光提供满足万亿参数大模型训练和推理需求的自研芯片产品，包括与Anthropic绑定合作的十万张亚马逊Trainium自研芯片AI计算集群，还有为中小企业和初创公司提供能降本增效的服务与技术；

　　对于很多需要用到AI的初创公司，要算力并不一定需要自己买卡，要用模型并不一定要自己训练。就像需要萝卜青菜也并不需要自己去务农种菜，可以去超市直接买，就看最终的成本账能否算得过来了。

　　这也显示出，亚马逊押注2025年市场对算力的需求只增不减。而随着需求逐渐从训练转移到inferencing推理，算力市场的更多创新服务以及基建会进一步完备。

　　*家是Character.ai，成立于2021年，利用大模型生成各种人物和角色风格的对线月，Character.AI在苹果App Store和Google Play Store发布了移动应用程序，*周下载量就超过170万次，并被Google Play评为2023年度*AI应用。然而，2024年年初，公司被频频爆出融资困难，商业化不顺利，开始寻求收购。

　　另外一家公司是Inflection.ai，这家公司做大模型，上面叠加“个人AI伴侣”用途的聊天机器人Pi，主打情感陪伴市场。

　　做大模型吧，太烧钱；不做大模型吧，没有技术壁垒和护城河。这么一看，AI时代的创业真的太难了。

　　所以你怎么去把控这个节奏？我觉得Perplexity这家公司其实还是把控得很不错的：他到今天也没有完全重新训练自己的底座。我觉得他会有那么一天的，但是他要把握这个节奏，别步子迈得过大，还没到那一天的时候，就已经把钱给烧完了。这个是比较危险的，也是 AI 创业比互联网可能更难一点的地方。

　　再总结一下2025年被认为是冉冉上升的明星AI项目。首先是前面Jonathan提到的Perplexity：2024年年底，公司完成了新一轮5亿美元的融资，估值达到90亿美元。

　　这家公司成立于2022年，可以说重新定义了全球*个对话式AI搜索引擎，月活跃用户已经达到1500万人次，日活跃用户200万人，连英伟达创始人黄仁勋也为它站台，称每天都会使用。Perplexity的聪明之处在于，自己不训练模型，而是使用多种大型语言模型，包括GPT、Claude、LLAMA、Mixtral等，以及来自多个搜索引擎的排名信号和第三方数据提供商的数据。

　　2024年，硅谷还有另外一家公司非常受人瞩目：Physical Intelligence。

　　我最开始听到这家公司是从OpenAI联合创始人以及特斯拉FSD前负责人Andrej Karpathy的口中。

　　他曾在一个小型的聚会上分享说，有很多项目找他投资，他答应的原因只是为了帮助朋友，毕竟他的名字在天使投资人的那一栏能帮很多项目更容易拿到投资。但为数不多的他真心想投资且看好的项目，就当属Physical Intelligence了。这家公司通过AI模型为机器人打造“大脑”，在2024年11月完成新一轮4亿美元的融资，估值来到20亿美元，投资者包括亚马逊创始人贝佐斯还有OpenAI。

　　同时，在11月初，Physical Intelligence发布了*通用基础模型π0，也被是认为具身智能发展上的重要一步。

　　Physical Intelligence表示，π0将使得机器人变得更容易编程和使用，使其能够更高效地执行多样任务。

　　2024 年*的进展，我会投给o1和π0。我觉得π0更多是 training data driven（数据驱动）的路线更代表的是algorithm（算法）驱动的路线肯定也要在算法上继续做迭代，也可能在推理侧引入一些方法。当然难一点就是推理，因为具身智能的推理侧要在端侧发生，可能对算力的要求会更高一些。

　　同时，斯坦福的机器人中心在2024年开业了，我也去参加了开业仪式，有机会我们去那里采访一下跟大家分享最新的项目和有意思的进展。

　　由于篇幅原因，还有很多科技巨头的进展、初创企业和新趋势我们没办法一一列举，包括AI视频生成的初创公司Pika和Luma，音乐生成初创公司Suno，最近很火的AI编程应用Cursor和Devin，李飞飞博士的World Labs、该有2025年初引起一片震撼的DeepSeek等，之后有机会我们详细做成单独选题来聊。

　　总的来说，2024年的硅谷非常精彩，有混乱，有质疑，有倒闭收购，也有为了AGI信仰继续战斗的科技从业者们。

　　我认为，虽然现阶段的GPT-4可以做的事越来越多了，但是更大、更强的模型在某种意义上会让模型的使用变得更容易。所以，如果有了GPT-5或者Claude 4、5，那么基于GPT-4的一些自我工程可能就不再必要了。

　　然后基于大模型，人们会构建各种不同的垂直模型。刚开始垂直模型也比较大，但随着包括蒸馏模型、量化模型等技术，模型会变得更小但是更有效率、更有性价比，而且模型质量不会下降太多。

　　我认为这两条主线将会持续很长一段时间，希望有第三种并行努力的方向，那就是寻找不同的模型架构，因为现在的模型基本都是基于Transformer的，还有一些基于diffusion模型用于生成图像等中间工作。我希望能有其他非transformer、非diffusion的模型架构出现，让生成结果更有效、更高质量、同时降低成本。如果在这方面能有所突破，将再次对AI行业产生巨大的影响。

　　在硅谷的AI生态中，已经衍生出了多个派系：有更大的模型、大模型衍生出的垂直模型、不信仰Transformer而在探索其它通往AGI路径的研究者，同时也有应用、硬件、agent智能体、机器人、无人驾驶，还有“卖铲子”的英伟达、数据中心、电力上下游等等，这些生态在2024年得到了进一步的巩固与布局，而在2025年，我们会看到更多技术的进展。当然，硅谷只是AI发展的其中一个主力战场，全球其它市场的AI也有非常快速的发展，今天我们只是稍微总结了一些硅谷的情况，也欢迎大家给我们留言最值得提的公司，技术或者事件，这对我们团队更进一步探索AI产业非常有帮助。