# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
一年前，ChatGPT 横空出世，“大模型”成为全球科技赛道绝对的“C位”。
这一年，国外微软OpenAI和谷歌DeepMind等“众神”打架，国内百模大战。这一年，文生图以及文生视频赛道都出现了很强的玩家和令人惊艳的产品，如 Midjourney、Runway Gen-2、Pika 1.0等。
这一年，伴随着GPT-4震惊世人的同时，开源社区的力量也壮大了起来，LLaMa 系列模型开源可商用为此做出了很大的贡献。而在大模型的基础上，AI Agent（智能体）这一概念也呈现了爆炸式发展，如斯坦福25个Agent的虚拟小镇曾火出天际。
在今年的尾巴，持续一周的OpenAI CEO奥特曼被董事会开除事件，也是第一次让网友体会到科技圈吃瓜吃累吃麻是一种什么体验。
总之，在经过了一年的热闹非凡之后，在2024年即将来临之际，二狗带大家盘点一下 2023 年必看的AI大事件。
ChatGPT 问世虽然不是23年的事件，但它却是23年这一切大事件的开端。ChatGPT 已经超出了科技圈，真正改变了世界。站在今天，已经很难想象没有 ChatGPT 的世界。
而实际上，ChatGPT 的问世并没有举行什么隆重的发布会，OpenAI只是简单的在官网上更新了一篇博客上。
ChatGPT的发布取得了巨大成功，上线仅5天后已有100万用户，上线两个月后已有上亿用户。
当地时间2月1日，OpenAI官方发文推出ChatGPT付费订阅计划ChatGPT Plus，定价每月20美元。付费版的ChatGPT提供的增值服务包括：高峰时段免排队、快速响应以及优先获得新功能和改进。
事实上每月20美元的ChatGPT Plus是OpenAI今年面向C端唯一的收入，而之后ChatGPT的一系列最先进更新如GPT-4、Dall.E 3、GPTs等确实只能在付费ChatGPT Plus中使用。
微软于这天正式推出了新一代 AI 驱动搜索引擎 New Bing，把基于 ChatGPT 技术的生成模型和 Bing 集成在一起。微软副总裁 Yusuf Mehdi 进行了一次完美的演示，当日微软市值暴涨 800 亿美元。
在微软更新 ChatGPT 加持的New Bing之后，大家都极为关注谷歌 Bard 的首秀。然而Bard首秀翻车了，导致股票一夜之间暴跌 7000 亿人民币。
谷歌在演示Bard的一个Demo显示，在回答问题“关于詹姆斯韦伯太空望远镜（JWST）有哪些新发现，我可以告诉我 9 岁孩子哪些内容？”Bard 提供了三个要点，其中一个指出”该望远镜拍摄了太阳系外行星的第一张照片。“
然而有天文学家指出这是不正确的，第一张系外行星图像是在 2004 年拍摄的。
ChatGPT 表现太好了，但却是闭源的，如果23年只有闭源的ChatGPT，那AI圈也不会热闹起来。
而Meta于这天一次性发布四种尺寸的大语言模型LLaMA：7B、13B、33B和65B，且效果好过GPT，更重要的是所有尺寸均开源，但是需要申请之后才可下载。
所有人都要感谢 Meta发布并开源LLaMa，LLaMa的开源打破了ChatGPT 的垄断，也带动了大模型开源浪潮，让AI社区的更多玩家都可以参与其中。
OpenAI在这天放出了真正的ChatGPT API，不是GPT-3.5模型，而是ChatGPT的本体模型GPT-3.5 turbo。ChatGPT API价格为1k tokens/$0.002，等于每输出100万个单词，价格约18元人民币，比已有的GPT-3.5模型便宜10倍。
ChatGPT API的开放将大大降低开发人员将ChatGPT集成到自家应用和服务的门槛，构建属于自己的AI聊天机器人。可以说，国内外的绝大部分创业者都离不开 ChatGPT API。
这一天，万众期待的GPT-4终于发布了！
Sam Altman介绍，这是OpenAI 迄今为止功能最强大的多模态大模型。
事实上，GPT-4发布以来，国内外众多科技巨头都竞相追逐，但是都只能不断接近，但无法超越，GPT-4到目前为止，仍然是市面上能接触到的功能最强大的大模型。有意思的是，GPT-4 是 OpenAI 2022年就训练出来的模型。
OpenAI发布GPT-4的同时还更新了集成GPT-4的ChatGPT Plus，发布GPT-4的API，以及公布GPT-4技术报告（没有详细技术细节，只有技术报告，OpenAI算是开了一个坏头）。
这一天，百度创始人、董事长兼CEO李彦宏正式发布预训练生成式大语言模型文心一言。
这是国内第一家科技大厂发布的对标ChatGPT的产品。
在文心一言之后，国内其他厂商在今年也不断发布自家的大模型，国内开启了百模大战。
这其中的代表有阿里通义千问、科大讯飞星火、智谱ChatGLM、百川智能大模型等等。
关于百模大战的空前盛况，网络上一度流传的一张图可以形象的说明：
Meta 的LLaMA模型开源，让大语言模型迎来了Stable Diffustion时刻。今天，斯坦福发布了一个由LLaMA 7B微调的打模型Alpaca，仅用了52k数据，在8个80GB A100上训练了3个小时，不到100美元，性能比肩GPT-3.5。
这天，微软宣布把GPT-4全面接入Office，新功能名叫 Microsoft 365 Copilot，微软Office全家桶 Word、Excel、PPT都“AI”起来了！
微软CEO纳德拉在发布会上表示：今天，进入人机交互的新时代，重新发明生产力。
值得一提的是，Microsoft 365 Copilot的能力不仅限于传统Office这几个软件，而是整个微软办公生态全部打通。邮件、联系人、在线会议、日历、工作群聊……所有数据全部接入大语言模型，构成新的Copilot系统。
一天之间，一张情侣照在网上转疯了：
然而这二位并不是真人，而是由AI一键生成的。
站在当下的视角，大家估计都对AI生成如此逼真的图像已经习以为常了。
但在今年的3月份，这样的生成效果无疑是炸裂的，这是出自Midjourney V5版本之手，就连当时AI绘画最被诟病的手指问题，也都解决了。
Midjourney 也成为了23年最成功的文生图付费公司。
Midjourney生成的完美情侣刚刚刷爆网络，堪称文生图最强玩家。
而这一天，文生视频的的最强玩家Runway重磅发布了Gen-2。
有了Runway Gen-2，你就能用任意的图像、视频或文本，生成一段大片。
自ChatGPT 上线以来已被无数人使用，人们一直要求以各种形式让这个大语言模型接入更多数据，3月24日，OpenAI 终于宣布部分解除了 ChatGPT 无法联网的限制。
OpenAI 的解决方案是用第三方插件作为桥梁，让 AI 在较安全的环境下「看」外界数据，OpenAI 开放了第一批 ChatGPT 插件名单。
除此之外，OpenAI 还自己提供了两种插件，包括一个网络浏览器和一个代码解释器，并开源了一个知识库检索插件的代码。现在，任何开发人员都可以自行构建插件，用来增强 ChatGPT 的信息库了。
这天，网络上一封公开的联名信爆火，该信呼吁所有的 AI 实验立即暂停研究比 GPT-4 更先进的 AI 模型，暂停时间至少 6 个月，为的就是把这些可怕的幻想扼杀在摇篮之中。
AI 的进步速度实在过于惊人，但相关的监管、审计手段却迟迟没有跟上，这也意味着没有人能够保证 AI 工具以及使用 AI 工具的过程中的安全性。
该联名信已经获得了包括图灵奖得主 Yoshua Bengio、马斯克、苹果联合创始人史蒂夫 · 沃兹尼亚克、Skype 联合创始人、Pinterest 联合创始人、Stability AI CEO 等多位知名人士的签名支持，截稿前联名人数已经达到 1125 人。
当地时间3月31日，意大利个人数据保护局宣布，从即日起禁止使用ChatGPT，并限制OpenAI 处理意大利用户信息，同时个人数据保护局开始立案调查。
意大利监管机构认为，3月20日ChatGPT平台出现了用户对话数据和付款服务支付信息丢失情况。此外平台没有就收集处理用户信息进行告知，缺乏大量收集和存储个人信息的法律依据。
意大利个人数据保护局称：“没有任何法律依据表明，为了‘训练’平台运营背后的算法而大规模收集和存储个人数据是正当的。”
据悉，OpenAI公司必须在20天内通过其在欧洲的代表，向意大利个人数据保护局通报公司执行保护局要求而采取的措施，否则将被处以最高2000万欧元或公司全球年营业额4%的罚款。
好在后来，意大利于4月28日恢复了ChatGPT服务。
Meta 于这天发布了可以分割一切的新模型Segment Anything Model (SAM) 。
Meta在博客中介绍，SAM 已经学会了关于物体的一般概念，并且它可以为任何图像或视频中的任何物体生成 mask，甚至包括在训练过程中没有遇到过的物体和图像类型。SAM 足够通用，可以涵盖广泛的用例，并且无需额外的训练就可以在新的图像领域上即开即用。
4月20日，谷歌母公司 Alphabet 首席执行官桑达尔·皮查伊宣布，谷歌将合并旗下最大的两个 AI 研究机构——地处伦敦 DeepMind 与位于硅谷的 Google Brain，成立全新的部门 Google DeepMind。
新部门 Google DeepMind 首席执行官继续由 DeepMind 联合创始人 Demis Hassabis 担任，而其首席科学家一职则由曾领导 Google Brain 的 Jeff Dean 担任。
桑达尔·皮查伊表示，这项合并将整合两个研究团队的优势，更加充分的利用谷歌的计算资源，为迈进人工智能研究新时代做出准备。
这天，微软官宣全面开放BingChat：无需任何等待，只需注册一个账户，首页即可体验。
微软表示，这是进入下一代AI驱动的搜索。通过极大的扩展和功能更新来改变世界上最大软件类别——搜索。
官方介绍这次的更新主要体现在四方面：从纯文本搜索聊天转为多模态回答；Bing Image Creator支持多种语言；增加聊天历史记录功能；支持插件。
OpenAI 宣布首个 ChatGPT iOS 应用 “ChatGPT”正快步登陆移动平台。允许用户在手机端随时随地访问ChatGPT，且向用户免费开放，不设广告且支持语音输入，但发布初期仅面向美国用户。
App Store上充斥似是而非的山寨ChatGPT的局面。
随后不久，该 App 便冲上 App Store 免费榜第二名，效率榜第一名。
在两个月后，ChatGPT还推出了Android平台上的应用程序。
在5月18日当天的特斯拉股东日，马斯克的人形机器人——特斯拉Optimus进化了，价格还“比车更低”。成群结队的Optimus学会了像人一样缓慢前行：
相比最早的发布，特斯拉人形机器人在能力上确实有了进步。而且跟前一阵特斯拉AI Day中也有所不同，不再是PPT般的宣传片质感，但机器人都没有出现在现场，总是令人有所质疑。
而就在前不久的12月13日，特斯拉人形机器人Optimus第二代来了。相比上一代有了很大改进：行走速度提高 30%、重量减轻 10公斤、速度更快的11个自由度的全新双手。
马斯克大胆地预测说：
如果Optimus成熟可用了，届时很多人都希望能够拥有一台或多台，那么它们的数量可能将达到100亿甚至200亿！
Google 终于要迎来它 25 年来最大的改变，谷歌于这天宣布了开始内测开放【生成式搜索平台（Search Generative Experience，SGE）】，并逐步舍弃那些甚至是臭名昭著的十条蓝色链接（10 Blue Links）。
陪伴了我们 25 年的我们熟悉的一整套搜索流程将会被革新，在未来当我们输入了问题，比如如果我问“如果我家有三个小孩并且带着一条宠物狗，布赖斯峡谷与拱门国家公园公园哪个更适合我们进行家庭旅行？”，答案将不再是一条语焉不详的“比较布赖斯峡谷与拱门国家公园公园”的旅游笔记链接，而是直接告诉我们“虽然这两个公园都禁止宠物狗在未铺设好的小径上活动，但布莱斯峡谷有两条铺设好的小径，允许宠物狗进入。”
与此同时，SGE 改变的不仅仅只是单纯的搜索、依托于搜索的电商、广告等等都将迎来一场革命。
ChatGPT 又一次大更新。
最核心的是API新增函数调用（Function calling）能力，与网页版的插件类似，API也能使用外部工具了。这个能力被交到开发者手上，ChatGPT API原本不具备的能力也都能靠各种第三方服务解决了。有人认为，这是一个杀手级特性，也是自ChatGPT API发布以来最重要的更新。
另外这次ChatGPT API的更新不仅能力加量，价格还更低了，且GPT-4 API大规模开放，直到清空排队列表为止；
到了一个月之后，GPT-4 API 全面对外开放使用。
马斯克官宣成立新公司xAI，其终极目标是为了探索宇宙本质。新公司团队阵容十分豪华，几乎都是来自OpenAI、谷歌、DeepMind、微软等知名研究员,其中1/3是华人。
随后在今年的9月份，马斯克终于推出了第一款AI模型——Grōk，—Grōk和X（推特）绑定使用，每月收费16美元。
今日，Meta 终于发布了大家期待已久的免费可商用版本 Llama 2。
此次 Meta 发布的 Llama 2 模型系列包含 70 亿、130 亿和 700 亿三种参数。
Llama 2 在 2 万亿的 token 上进行预训练，精调Chat模型是在 100 万人类标记数据上训练的。
Llama 2 的开源并免费商用可谓是改变了大模型竞争的格局，也给众多创业公司带来了福利。
此前在整个AI社区爆火的斯坦福智能体小镇在今天开源了
在这个小镇上，有25个AI Agent生活，通过使用一种“记忆—计划—反思”驱动的智能体形态，以“社会事件”为动力源使得 25个AI Agent 间相互互动，直至模拟整个社会的分工体系。他们有工作，会八卦，能结交新朋友，甚至举办情人节派对，每个“小镇居民”都有独特的个性和背景故事。
今年，Agent 这一概念可谓火出天际，从 AutoGPT 一周 6 万 star 刷新 Github 涨星速度记录开始，AI Agent 项目如雨后春笋开始在各大技术平台涌现。
而斯坦福虚拟小镇可谓是今年AI智能体研究的一个标志性事件，它让世人看到了 用 LLMs 作为 AI Agent 中的 Agent 成为一条极其有希望成功实现“自主智能体”的技术路径。
这天OpenAI正式发布了GPT-3.5 Turbo的微调和API更新，为开发者提供了更多的个性化选择，开发者和企业能够自定义模型，为用户创造独特的体验。
初步测试显示，经过微调的GPT-3.5 Turbo甚至可以在某些特定任务上匹敌，甚至超越GPT-4的基础能力。且所有通过微调API发送的数据都归客户所有，OpenAI或任何其他组织都不会使用这些数据来训练其他模型。
OpenAI宣布推出了针对企业的没有限制、更快、更强的ChatGPT Enterprise版。
ChatGPT Enterprise由GPT-4驱动，包含了所有ChatGPT的基础功能，如撰写邮件、起草文章和coding，并新增了 "企业级" 的安全隐私和强大的数据分析能力，可以更高的模型性能和定制需求。
OpenAI宣布DALL·E升级至DALL·E 3，并将原生集成至ChatGPT中。
和DALL·E 2相比，在提示词相同的情况下，DALL·E 3对文字的理解程度及生成的图像质量显著提升。被诟病的“无法在图像上生成文字”的问题也得到了解决。
DALL·E 2（左）与DALL·E 3（右）生成图像对比：
百度世界大会官宣文心大模型4.0发布，综合水平与GPT-4相比已经毫不逊色。
另外值得一提的是，到了23年底，文心一言用户规模已突破1亿，这也是国内第一家用户规模超过1亿用户的大模型产品。
这一天，ChatGPT全球宕机，许多人发现无论是 ChatGPT 或是 ChatGPT PLUS 都不能正常工作了。还连带了全球数以万计的依赖ChatGPT API的热门AI应用也纷纷崩溃。
OpenAI 发布了一个“整合了几乎所有可用工具”的完全版 GPT-4 智能体版本。将之前版本相互独立各自分离的 Agent 功能统一了起来。之前 GPT-4 的工作模式是四个独立的功能（一个对话窗口内只能使用其中一个特性）：
图像上传 + GPT-4；
插件 + GPT-4；
代码运行器 + 文件上传 + GPT-4；
图像生成 + GPT-4；
这次更新使其变成了：
GPT-4 + 图像上传 + 插件 + 代码运行器 + 文件上传 + 图像生成
OpenAI 在首届开发者日上，正式公布GPTs，每个人都能定制GPT，OpenAI 还将上线“GPT商店”，但实际推迟到了24年。
另外GPT-4也更新了新版本GPT-4 Turbo，支持128k上下文，知识截止更新到2023年4月，视觉能力、DALL·E3，文字转语音TTS等等全都开放API，API价格还打了3～5折。
要说，今年最后两个月AI圈最热闹的事情，当属奥特曼被OpenAI董事会开除系列事件，OpenAI 持续了一周的政权斗争。
众多网友期待的爆火文生视频 Pika 1.0 于今天正式发布。
Pika由两位斯坦福华人女博士CEO郭文景和 CTO Chenlin Meng 退学创业6个月打造，当前4人团队估值超2亿美元。
谷歌DeepMind 重磅推出了传闻已久的Gemini大模型，号称是谷歌史上功能最强大、最通用的多模态模型，在很多领先的基准测试中都实现了最先进的性能（SOTA）。Gemini 1.0共有Gemini Ultra, Gemini Pro, Gemini Nano三个不同版本。
然而，仅仅不到一天，谷歌Gemini就翻车了——谷歌宣布评测效果时，Gemini用了很多小动作，存在刻意刷榜、夸大性能的嫌疑，demo演示视频也被扒出是“合成造假”，谷歌也已经承认Gemini视频是“剪出来”的。
这两天，法国初创公司Mistral AI开源的一个Mixtral 8x7B MoE模型引爆了AI社区。
一是因为它的性能击败了LLama2和GPT-3.5。
二是因为，Mixtral是一个专家混合模型（Mixture-of-Experts model，MoE），使用了传闻中 OpenAI 用于GPT-4的架构，但是参数相比GPT-4要小很多，堪称是缩小版“GPT-4”。
而且这个模型还开源了，Mistral AI甚至直接通过torrent链接将其甩在推特上发布。
huggingface下载链接：https://huggingface.co/mistralai/Mixtral-8x7B-Instruct-v0.1
今日Sam Altman宣布重新启用ChatGPT Plus 订阅；一个月之前，Sam Altman称，由于OpenAI开发日后ChatGPT使用量的激增超出了OpenAI的承受能力，暂停ChatGPT Plus 新用户注册。
而在同一天，谷歌DeepMind也宣布开放Gemini Pro API给开发者使用。但这次开放API的是对标ChatGPT的Gemini Pro，而不是对标GPT-4的Gemini Utral。
Gemini Pro API可以在一定限度内免费使用。
在今年3月，Midjourney v5就已发布，在等待了9个月之后，Midjourney v6终于来了。相比，Midjourney v5.2,Midjourney v6在生成质量和细节方面有了进一步提升。
大模型时代的到来促进了今年AI领域的显著发展，随之带来的各种AI产品也在造福着广大用户。
虽然真正的通用人工智能 (AGI) 还很遥远，但人们已经相信它会在不远的将来到来。
有理由相信，AGI终将在我们这一代实现～
期待2024年会给我们带来更多惊喜！
文章来自微信公众号 “ 王二狗 ”，作者 夕小瑶科技说
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址：https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file
本地安装：https://www.deepbi.com/
【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体，能够理解数据开发和数据分析需求、根据用户需要让数据可视化。
项目地址：https://github.com/hitsz-ids/airda
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目，提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信，飞书的AI项目都基于该项目二次开发。
项目地址：https://github.com/labring/FastGPT
【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架，其性能可与 Perplexity和ChatGPT-Web相媲美。
项目地址：https://github.com/InternLM/MindSearch
在线使用：https://mindsearch.openxlab.org.cn/
【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费，搜索结果包含文本，图片，视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目，测试搜索结果最好。
项目地址：https://github.com/miurla/morphic/tree/main
在线使用：https://www.morphic.sh/
【开源免费】kimi-free-api是一个提供长文本大模型逆向API的开渔免费技术。它支持高速流式输出、智能体对话、联网搜索、长文档解读、图像OCR、多轮对话，零配置部署，多路token支持，自动清理会话痕迹等原大模型支持的相关功能。
项目地址：https://github.com/LLM-Red-Team/kimi-free-api?tab=readme-ov-file
【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台，可以对大语言模型（LLM）和多模态图文模型（VLM）进行预训练和轻量级微调。XTuner 支持多种微调算法，如 QLoRA、LoRA 和全量参数微调。
项目地址：https://github.com/InternLM/xtuner
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0
【开源免费】VideoChat是一个开源数字人实时对话，该项目支持支持语音输入和实时对话，数字人形象可自定义等功能，首次对话延迟低至3s。
项目地址：https://github.com/Henry-23/VideoChat
在线体验：https://www.modelscope.cn/studios/AI-ModelScope/video_chat
【开源免费】Streamer-Sales 销冠是一个AI直播卖货大模型。该模型具备AI生成直播文案，生成数字人形象进行直播，并通过RAG技术对现有数据进行寻找后实时回答用户问题等AI直播卖货的所有功能。
项目地址：https://github.com/PeterH0323/Streamer-Sales