AI大模型的潜力还远远未被真正挖掘出来。展望未来，新的一波技术创新将诞生在什么地方？
AI不仅仅是一个“应用程序”（App），而是一个能够感知、理解、决策的“机器人”，我们称其为“智能体”（Agent）。要知道，机器人和人并不相同。人类的感知仅限于电磁波中的一小部分，但真实世界中还有大量的物理、化学等数据可以被数字化。AI可以通过多模态模型将人类无法直接感知的信息（如视觉、声音、温度等）转化为数据，从而发现其中有意义的内在联系。因此，智能工业、智慧农业以及环境监测等众多垂直领域的智能化还刚刚开始，其潜力远未真正释放，它们是AI未来发展的蓝海。而且随着软硬件技术的进步，AI能够感知的数据维度将不断扩展，这也为未来更多的应用场景开辟出新的可能性。
而且，机会远不止于此。例如，大语言模型（如GPT）在处理语言等序列数据拥有优势，这也使得开发者往往专注于模型输出的准确性，让模型成为一个“专家”。然而，这种架构使得模型必须遵守统计学规律，难以突破训练数据的限制，表现出真正的创新能力。即使有像温度调节这样的机制，模型也很难生成“小概率”内容。也就是说模型生成正确内容的能力越强，它生成创新内容的能力就越可能受限。这种矛盾很难通过简单的优化来解决。
换一种思路来看，我们与其强求大语言模型具备创新能力，还不如从更基础的层面直接开发更擅于创新的AI模型。例如，擅长作画的Diffusion模型就显示出很强的艺术创新能力，它的核心机制就是在输出过程中逐步加入噪声并进行多阶段修正。这种机制能否应用于更多领域值得进一步研究。或者，我们也可以考虑摆脱人类语言的限制，直接从机器角度，用高维向量语言去描述世界，从而寻找这种新语言的内在联系。甚至，尝试开发出真正的“世界模型”。
对AI开发者而言，可以探索的领域还很多，也存在着很多弯道超车的机会。只要把镜头瞄向远方，我们就会发现，机器人（智能体）还远未大规模走入人类社会。AI发展的空间还很大。优胜劣汰，在一个行业里总会不断发生。但真正决定企业未来的，是我们能否打破固有思维，发现创新的机遇！
