核心内容摘要
Lychee-rerank-mm效果展示：多语言图文混合内容精准匹配案例集
我左思右想目前的想法是借着GPT-5发布翻车事件谈谈截至今天AI的技术发展路径对AI的发展框架先建立清楚的认知作为后续内容更新的大纲。
当然当前的发展路径也可能会因为未来的某篇论文而全面颠覆那是以后的事了。
首秀翻车GPT-5与AI发展曲折史2025年8月8日凌晨1点全世界的目光再次聚焦在旧金山。
OpenAI首席执行官山姆·奥尔特曼亲手揭开了新一代大模型——GPT-5的神秘面纱。
那一刻媒体的形容词是“划时代”“新王登基”用户的期待值飙到天际。
图片来源OpenAI官网然而短短几天后赞美变成了失望。
“反应比乌龟还慢”“答案短得像打电报”“连最基本的常识问题都能答错”吐槽如雪片般飞来全球社交平台一片哗然。
有人怀念起旧时代的温暖——“GPT-4o不仅能写代码还在我焦虑、抑郁、人生最黑暗的时候陪伴我。
它很温柔很像一个真正的人。
”反观GPT-5像是一个被阉割了情感的天才智商或许更高但灵魂已被抽走。
在全球用户的持续抗议下OpenAI做出了史无前例的决定——为付费用户重新上线那个曾被“处决”的GPT-4o。
一个被宣告死亡的AI模型在呼喊中“亡灵归来”。
在科技史上这是罕见甚至近乎不可思议的场景。
这不仅仅是一次技术上的逆转更是一场关于权力、情感与选择的抗争。
用户的集体意志第一次真正改变了顶级科技公司的航向。
这一事件也让我看到——AI不仅是算法和算力的堆叠它同样是情感的载体。
而当这种情感链接被切断技术再先进也可能失去人心。
如果您想进一步了解GPT-5大模型请登录OpenAI官网https://openai.com需要科学上网。
图片来源OpenAI官网接下来简要聊聊一条更长的时间线AI技术的发展路径——它是如何从“工具”变成“伙伴”又将走向何方。
现阶段AI技术发展路径AI的两条发展路径**
非具身智能**不具备物理身体在数字世界运行通常表现为程序、算法等例如ChatGPT、Deepseek等大模型。
**
具身智能**用物理实体来承载AI大模型从而构成一个可感知真实世界、可理解问题并制定规划、可在真实世界中行动的智能系统特点是形成“感知——行动”闭环如人形机器人、自动驾驶、AI眼镜等。
图片来源自绘01 第一阶段生成式AIAIGC2012年深度学习革命开启以来人工智能踏上了独特的发展之路。
最初是感知AI让机器能“看见”和“听见”具备计算机视觉和语音识别能力。
人脸识别门禁、打卡和语音助手录音转文字就是那个阶段的典型产物。
2022年生成式AIAIGCArtificial Intelligence Generated Content横空出世。
从会“画图”的 DALL·E、Stable Diffusion到会“聊天”的 ChatGPTAI技术第一次走入全民视野。
单模态模态Modality是啥模态就是信息的表现形式也可以理解成“感官的类型”。
1人类有五种感官看视觉、听听觉、说语言、摸触觉、闻嗅觉2AI 的“模态”就是它能处理的数据类型文字、图片、声音、视频、传感器信号等。
初期大模型以单模态为主核心能力是用大模型生成单一模态的内容说人话就是语言模型只能生成文本图像模型只能生成图像音频模型只能生成音频…图片来源自绘
多模态单一模态的生成式AI只是人工智能的“起步阶段”。
多模态AI才更接近真实的人类世界。
毕竟我们每天同时用视觉、听觉、触觉接收信息。
多模态技术让机器不仅能读懂文字还能看懂图像、听懂声音、分析视频。
图片来源自绘未来的大模型必然会向多模态进化让AI看得见、听得懂、能交流甚至“感知”世界简单测试了豆包的多模态能力就问你怕不怕。
如果您网上看到了一家心动的美食餐厅却不知道位置您可以问问豆包答案绝对让您震惊我甚至觉得这个功能后续可能会被监管使用。
图片来源手机截图**生成式AI目前正处于 “单模态为主、多模态快速发展” 的阶段部分单模态模型已经迭升级为多模态模型。
**常见的生成式AI都有哪些是谁在背后操盘大模型的训练既要烧掉天文数字的资金还要拿捏顶尖的算法技术。
目前全球格局就是——中、美你追我赶其他国家躺平选择默默吃瓜。
图片来源自绘02 第二阶段代理式AIAI Agent在第一阶段已经训练出功能强大的大模型接下来怎么组织这些大模型为人类干活就需要Agent直译为代理商我愿称之为包工头出场。
AI Agent 就像一个会自己跑腿的数字包工头——你只要提要求它负责拆解任务、组织各类大模型和调用工具、处理问题并把结果汇报给你。
大模型和Agent有什么区别可以把大模型想象成一个超级聪明的大脑里面装着海量的知识问它问题它会直接告诉你答案。
而Agent就像是一个“能动的助手”——它不光会想还会自己动手去做事。
举个栗子
大模型像百科全书你问“杭州明天天气怎么样”它会告诉你“多云最高温 38℃”。
Agent 像一个贴心助理你说“帮我安排明天去杭州的行程”它会自己查天气、订机票、订酒店还可能顺便帮你约好打车。
在软件领域大模型正从单纯的“对话AI”向“干活AI”转变。
2025年被誉为通用Agent的爆发元年。
对普通用户来说Agent的存在感可能不强但在特定场景和人群中它的使用量增长尤为迅速——比如代码Agent、Manus、智能招聘Agent等。
图片来源GitHub Copilot官网Manus是最早出圈的通用Agent产品自2025年3月发布后迅速走红。
它能完成的任务多种多样——旅行规划、股票分析、PPT制作、网页开发……展现出极高的通用性。
如今公司迁往新加坡国内团队全部裁员官网显示“Manus在您所在的地区不可用”。
由于主要用户集中在海外其实际增长速度可能比表面看到的更快。
图片来源Manus官网有兴趣的盆友可以免费体验字节旗下的Agent产品扣子Coze某音上很多一天得罪一个博主系列就是用扣子Agent调用搭建的工作流实现批量快速生成。
可自行创建工作流也有大量模版供使用网址https://www.coze.cn。
图片来源Coze还有一款Agent产品叫Dify和Coze一样既可以在线使用网址https://cloud.dify.ai也可以本地部署本地部署需要配置Docker虚拟环境感兴趣的盆友可以耍一耍B站上一堆教程。
图片来源Dify03 第三阶段具身AI经过前2个阶段的发展AI不仅具有极高的智能又能处理复杂的任务。
为了让AI走出虚拟世界、进入真实世界推动人类进入下一个生产力时代这个“会思考的大脑”开始长出了“能感知和行动的身体”——具身AI诞生。
人形机器人2025年春晚宇树机器人表演扭秧歌成功出圈人形机器人正式进入大众视野。
图片来源百度图片人形机器人是人类对“通用性”具身AI的终极想象。
不同于只会干单一活儿的工业机械臂、扫地机器人它们从一开始就被寄予“像人一样干各种活”的希望。
毕竟人类的工具和空间几乎都是按人来设计的——如果机器人完全拟人形态双足、全尺寸它的适用场景就几乎无限这也是为什么这种形态最受关注。
下图列举了国内外知名的人形机器人产品及公司。
图片来源自绘
自动驾驶小时候我看过一部日本动漫《高智能方程式赛车》。
主角风见隼人意外被车载AI“阿斯拉达”认定为唯一驾驶员从此开启了高智能方程式史上最年轻冠军的传奇之路。
那也是我对智能驾驶最初、最深的记忆。
图片来源百度图片2014年特斯拉率先将自动驾驶辅助系统量产宣告新能源汽车从“电动化”迈向“智能化”。
国内蔚来、小鹏、理想、华为、小米等新势力迅速跟进“端到端大模型”说白了就是输入→大模型→输出依旧是那四个字——遥遥领先。
到了2025年初比亚迪不甘示弱高调发起智驾大战智能驾驶的角逐彻底进入白热化阶段。
图片来源AIDC 研究报告 2025泽平宏观目前的自动驾驶还处在初级阶段安全事故时有发生。
各位大佬开车体验时还是要小心随时准备接管。
为了防止车企过度宣传监管部门也要求将“自动驾驶”更名为“自动驾驶辅助”。
别慌这并不是否定自动驾驶——只是它离真正落地还需要一点时间。
附上近期懂车帝的组织的辅助驾驶综合测评结果网络内容仅供参考个人购买决策还需深入调研。
图片来源懂车帝
智能硬件大模型的普及让AI眼镜迎来质的飞跃。
尤其是多模态能力赋予它物体识别、实时翻译、导航等强大功能用户体验大幅提升。
2025年AI眼镜火遍消费电子圈。
苹果、Meta、小米、百度、华为等科技巨头纷纷入局争相研发或推出自家AI眼镜产品。
还有很多AI智能硬件或许躺在某个实验室的角落吃灰或许能够产品化走向市场…感谢您看到这里看完以上内容或许您已经初步了解AI的技术发展路径这两个路径和三个阶段层层递进但每个阶段又在独立发展AI值得期待。
想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2025 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容
学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI
100本大模型方向电子书
26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC
实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
600套技术大会 PPT听行业大咖讲实战PPT 整理自
年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌
107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自
年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析
102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑
97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”
路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。
L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、
关键技术以及大模型应用场景。
L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。
L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。
L5阶段专题集丨特训篇 【录播课】