在人工智能飞速发展的当下，其未来走向备受各界关注。本文汇聚了两大顶尖资本先锋与贝恩的智慧，从AI代理的深化、消费者任务“解脱”、应用软件的进阶等七大维度，为我们勾勒出AI未来的发展蓝图。

对技术趋势最敏感的从来是资本。

随着2024年步入尾声，全球两大风险投资机构—先锋领航与贝恩资本关于人工智能领域投资报告，新鲜出炉，看点十足。

先锋领航被称为巨头背后的巨头，是腾讯、百度、阿里、微软、谷歌、苹果等一众巨头上市公司背后的投资人；而贝恩资本则是全球最大的私募另类投资公司之一，管理着2000 亿美元规模的资产。

两者作为全球顶尖的投资机构，其“嗅觉”无疑更为灵敏。

尽管，两份报告中剔除了有关自身业绩的部分，但关于人工智能领域的观察分析，仍能让我们窥见AI未来发展趋势的一角。

以下为乌鸦君选取的两份报告中的精华观点部分，希望对你有所启发。

一、AI代理，将实现从信息获取走向执行层面‍‍

代理式数字支持（agentic digital support）是AI未来的发展趋势。

其中包括，提供建议：财富管理、购物导航、客户服务、健康洞察等、支持、采取行动（如财务赋能、购物礼宾、任务协助、健康导航等）。

数字支持，将逐步实现从信息提供到实际行动支持的深化过程。

二、为消费者主动寻求任务“解脱”

未来AI的发展方向将朝着为消费者接管任务，带来“解脱”的方向发展，帮助消费者处理日常事务，使他们从繁琐的任务中解放出来。

而不是着重于提供 “愉悦”。

随着技术的进步，消费者对寻求解脱和“帮我做”的心态转变将持续，对AI的依赖和需求可能会进一步增加。

三、应用软件将迎来第三个阶段：工作系统

从1990年开始到2000年，应用软件完成了从记录功能到智能系统的转型，在2020年之后，将会转向工作系统。

四、AI技术交付未来将朝向Agents落地

目前，AI还属于副驾驶模式（Co – Pilots）：这种模式下，AI主要作为辅助工具，帮助人们完成一些基本的工作任务，工作产出改进约10%。在这个阶段，AI的自主性和智能程度相对较低，用户仍需要进行大量的手动操作和决策。

即将到来的助手模式（Assistants）：AI将具备更强的自主决策能力和任务处理能力，能够理解用户意图并提供更具针对性的解决方案，工作产出预计可改进30%。

未来的代理模式（Agents）：AI将具有高度的自主性和智能性，能够独立完成复杂任务，并在多个领域进行协同工作，工作产出有望改进70%。

教育、合规、法律、护理、房地产等行业，通常存在人员不足、依赖落后的经验信息系统、缺乏强大现有企业的问题，AI有潜力解决这些问题并提高工作效率和质量。

五、AI将为物理世界解锁四大新机遇

1）基于AI的计算机视觉：可用于工业和供应链领域，如库存盘点、制造质量控制、安全和合规检测等，使计算机能够理解和解释视觉信息，提高生产和运营效率。

2）大型语言模型（LLMs）解决数据互操作性问题：有助于改善不同系统或平台之间的数据交互和共享，提高数据的可用性和效率，应用于预约安排、采购和供应商互动以及下一代运输管理系统（TMS）等场景。

3）新一波机器人技术和自主化：新形态因素和低成本硬件的出现，以及物理世界基础模型的推动，将使机器人能够无需预编程即可工作，且硬件趋向于构建模块化，远离单片式方法，可在工业生产、物流、家庭服务等领域发挥更大作用。

4）用于硬件设计和制造的软件：人工智能软件将在硬件设计和制造过程中发挥重要作用，例如通过优化设计、预测故障、提高生产效率等。

六、AI发展路径，难以预测

回顾2023年对今年AI行业发展的判断：

1）符合预期的地方是：开源模型缩短与闭源模型的差距、多模态生成式AI出现、AI公司估值走高。

2）有预期但未发生的：企业大规模生产部署(Enterprise Production Deployments)AI的趋势并未发生。

据调查，对于已经将人工智能技术，投入到实际生产环境的企业，在AI系统的选择方面以及生产部署上，有以下趋势。

在AI系统的选择方面：

OpenAI/Chat GPT：采用率接近 70%。GitHub Copilot：采用率接近 50%。Anthropic/Cloud：采用率约为 30%。Google Gemini：采用率约为 20%。Microsoft Copilot：采用率约为 10%。Open Source (e.g. Llama)：采用率约为 10%。Other：采用率最低，不到 10%。

在生产部署方面：

Software Development（软件开发）：采用率，接近 90%。Meeting Transcripts/Notes（会议记录 / 笔记）：采用率次之，约为 70%。Customer Support（客户支持）：采用率约为 60%。R&D（研发）：采用率约为 50%。Sales Processes（销售流程）：采用率约为 40%。Marketing（营销）：采用率约为 30%。Operations（运营）：采用率约为 20%。Call Center（呼叫中心）：采用率约为 10%。HR（人力资源）：采用率约为 10%。Finance & Accounting（财务与会计）：采用率最低，不到 10%。

3）没有预期，也没有发生自动化，却出现了技术增强趋势。

在 2023 年初到 2024 年的工作场景中，工作增强（Augmentation）虽未被预期但逐渐在发生，与自动化形成对比。

职场可能正朝着通过技术辅助人类工作的方向发展。

4)没有预期，却发生：创意合作。

例如，character与谷歌、covariant与亚马逊、Adept 与亚马逊、Inflection 与微软。

这些出人意料的合作，反映了科技行业在创新合作上的新动态，可能会带来新的技术突破和商业机会。

七、技术突破使智能代理成为可能

一方面，人工智能在推理方面的能力正在提升，谷歌的系统在比赛中获得了 28 分，这一分数与人类金牌得主的分数相同。

在伯克利函数调用上，GPT-4o准确率最高，Llama3-8b-instruct (After)最低：

GPT-4o：准确性接近 100%；GPT-3.5：准确性接近 100%。Llama3-70b-instruct：准确性接近 100%。Llama3-70b-instruct (After)：准确性接近 100%。DBRX-instruct (After)：准确性接近 100%。Llama3-8b-instruct：准确性略低于 90%。Llama3-8b-instruct (After)：准确性略低于 90%。

这些数据表明，大多数语言模型在伯克利函数调用基准上的准确性都非常高，接近或达到 90% 以上。

同时，随着后训练（post-training）技术的兴起，使Llama 3 在训练后，推理（reasoning）、编码（coding）、事实性（factuality）、多语言能力（multilinguality）、工具使用（tool use）、长上下文（long context）和精确指令跟随（precise instruction following）等能力得到了优化。

在成本方面，随着技术的不断进步和市场的逐渐成熟，未来大模型的成本可能会继续降低。

在2023年4月1日，最高成本“gpt – 4 – 32k” 的token 成本最高，近200美元/万亿token。

在2024年7月1日左右，最低成本gpt – 4o – mini” 的token成本最低，约5美元/万亿 token。