在2024年，大模型的技術發展將趨向多功能與小型化，同時產業端將強調自主研發和行業標準化

技術端

1 模型整合統一

未來的技術演進方向是實現大模型底層框架的整合與標準化，從多樣的架構（如雙編碼器、 單邊解碼等）轉向統一的、效率優化的開源底層框架，提升模型的通用性和可維護性。

2 參數規模擴展

為確保模型質量和性能，未來的大模型將采用更深層的網絡結構和更龐大的數據集進行預 訓練，尤其在數據量和參數量上將迎來顯著躍升。

3 多模態融合

大模型將逐漸融入圖片、音頻、視頻等多種模態信息，實現跨模態的交互與理解，從而拓 寬其應用場景和實用價值。

4 大模型小模型化

在產業應用層面，結合底層基礎大模型和針對特定行業的精簡數據微調，將訓練出更為實用、更易于產業落地的小型化大模型。

產業端

1 國產AI芯片自主研發

為確保大模型的長遠發展和避免外部制裁風險，國內AI計算芯片的自主研發將成為關 鍵戰略方向。

2 數據產權標準深化

優化和完善現有數據標準和規范，是 推動大模型“燃料”質量提升和數量增長的重要驅動 力，在2024年將作為產業發展的要任務。

3 “套殼”微調策略

為滿足產業實際需求并適應中小企業的發展特點，“套殼”微調（即在現有大模型基礎上 進⾏針對性調整）將成為除行業巨頭外企業的主要發展策略。

4 人工智能倫理責任

隨著大模型性能的飛速提升和實⽤性的增強，確保AI技術與社會倫理道德標準相⼀致將成 為⼤模型持續發展的關鍵考量因素。