Wiki Notes

Appearance

2022-2024：生成式 AI 与多模态爆发 ​

这一段 AI 从研究和开发者工具快速进入大众产品。ChatGPT 让对话式大模型成为默认交互方式，图像生成、代码助手、多模态理解、长上下文和工具调用快速成熟，AI 应用开始从单点能力走向产品和平台。

核心变化 ​

变化说明
对话成为主入口用户通过自然语言直接提出目标、约束和反馈
生成模型进入大众视野文本、图像、代码、音频、视频等生成能力迅速扩散
开源模型改变生态Llama、Mistral 等模型推动私有化、微调和本地部署
多模态能力快速成熟模型开始同时处理文本、图像、语音、视频和实时交互
工具调用和 Agent 化起步函数调用、检索、代码解释器、浏览器和工作流开始成为应用标配
治理问题被提前暴露安全、版权、幻觉、隐私、成本、评测和审批成为工程刚需

代表作品与节点 ​

年份代表作品 / 模型价值
2022Stable Diffusion文本到图像生成进入开源和大众创作场景
2022ChatGPT把大语言模型包装成易用的对话产品，推动生成式 AI 爆发
2023GPT-4多模态和复杂任务能力明显提升，成为大模型应用的重要标杆
2023Llama 2推动开放模型生态和企业私有化部署讨论
2024Claude 3强化长文档理解、推理和多模态使用场景
2024Gemini 1.5把长上下文能力推到百万 token 级别，强化多模态输入
2024GPT-4o强调文本、音频、图像统一交互和低延迟实时体验
2024OpenAI o1把推理时间和复杂问题求解能力推到更显性的位置

这一段的工程影响 ​

2022 年之后，AI 应用的主要问题不再是“模型能不能回答”，而是：

  1. 如何把模型接入真实业务数据。
  2. 如何让输出可验证、可回放、可评测。
  3. 如何把工具调用和写操作放进权限、审批和审计体系。
  4. 如何控制成本、延迟和失败兜底。
  5. 如何处理多模型、多模态和多租户环境。

参考资料 ​