【人工智能】浅谈人工智能未来发展方向，每个人的应对选择

人工智能AI对话的火爆，很大程度归功于Transformer模型理论的应用发展，openai的chatGPT3.5的成功出圈， 到后来openai的GPT4， GPT4o，  以及国内外各种大模型框架的雨后春笋的崛起。 像现在文生图、文生视频的火爆， 也离不开DiT（Diffusion transformer）理论的应用。

人工智能这2年发展非常快， 比拼的是 海量算力、 海量数据、资金财力。 虽然这些通用大语言模型展现出强大能力，但在实际应用中仍存在或多或少的问题，例如在准确性、知识更新速度和答案透明度方面，仍存在挑战。

从大模型厂家角度来说，举例openai，从GPT3.5传统的transformer架构升级到GPT4的MOE模型(Mixed Expert Models，混合专家模型)， 我的猜测后续GPT4.5或GPT5至少有比较大的颠覆性创新才会出来，像现在的GPT4o顶多算上小小的优化。MOE模型具体可以看我这篇文章【AI+大模型】从媲美GPT4能力的国产DeepSeek-V2浅聊MOE模型。

从大模型应用开发者角度来说，我们针对已有大模型，不管openai的GPT4还是国内通义千问2.5,   从自身性价比的角度选择合适的大模型， 然后做对应的优化方案。  比如我们现在看到所有通用大模型平台都有各种各样的智能体，其实是基于Prompt Engineering（提示词工程）来让普通人直接应用，得到更满意的结果。比如我