2024 年度的诺贝尔物理学奖、化学奖均颁发给了 A1领域科学家。大模型引领下的 AI4S,已成为推动科学研究范式变革的关键力量。
科学研究的范式带有其所处时代的认知水平、价值取向、工具先进性、科研资源等因素的深刻烙印。自人类开始记录自然现象以来，科学研究经历了经验观察、理论建构、仿真模拟、数据驱动的科学发现四个阶段。
趋势一、科学的未来：AI4S驱动科学研究范式变革
大模型时代，AI4S(Alfor Science)展现出的赋能效果与小模型时期大相径庭。传统人工智能在科学研究中多聚焦于特定任务的优化，如数据挖掘算法辅助科研数据处理，或基于既有模式进行推理预测，但其模型规模与泛化能力有限，难以解决复杂问题。
而大模型以海量数据训练，具备强大的跨领域知识整合能力;模型架构赋予其多层次的学习和处理能力，能够捕捉高维数据中的复杂结构和模式，并对复杂科学问题进行整体理解与全局综合分析。大模型还能通过生成式能力提出创新性假设，为科学研究开辟新方向。
趋势二、“具身智能元年”具身大小脑和本体的协同进化
2024 年,全球范围内的具身智能竞争日渐白热化。从融资规模、产品发布等多维度来看,中美两国在该领域执行业牛耳。以国内为例,根据智源研究院数据统计,截至 2024 年底,国内已发布或在研人形机器人接近 100 家,融资规模超 100 亿元,称之为“百机大战”并不为过。
从厂商类型来看，专注本体/零部件、具身脑、具身脑和本体并重等三类厂商主导具身智能行业。自2024年5月以后，获得融资的“专注本体”的具身初创企业融资事件数平均占比较前五月下降了36.8%。可以认为,具身赛道的创业和资本热度已从本体扩展到具身大小脑。
趋势三、“下一个Token预测”：统一的多模态大模型实现更高效AI
2023 年以来的大模型热度肇始于 LLM 在多任务中的涌现,但囿于 LLM 所学习的模态单一,模型能力很难向高维的真实世界拓展。而人工智能的本质在于对人的思维的信息过程的模拟，人类对于信息的交互和处理，总是呈现多模态、跨模态的输入输出状态。当前的语言大模型、拼接式的多模态大模型在对人类思维过程的模拟上存在天然的局限性。
以传统多模态大模型为例，DiffusionTransformer(DiT)和LLM+CLIP 是当前主流的多模态构建路线,但这两条路径中数据的“后融合”方式会造成多模态信息的损失,各模态信息表征本质上是相互孤立的，大模型对多种模态数据理解的不充分会导致多种模态生成的割裂和误差增大。
因此，从训练之初就打通多模态数据,实现端到端输入和输出的原生多模态技术路线给出了多模态发展的新可能。基于此,训练阶段即对齐视觉、音频、3D 等模态的数据,实现多模态的统一,构建原生多模态大模型成为多模态大模型进化的重要方向。
