发布时间:2025-05-16源自:融质(上海)科技有限公司作者:融质科技编辑部
通用大模型被视为AI的“基础设施”,其突破能为千行百业提供底层能力。在这一领域,OpenAI与谷歌(Google DeepMind)是绕不开的国际双雄。
OpenAI凭借ChatGPT掀起了全球大模型热潮,其最新发布的GPT-4 Turbo不仅将上下文窗口扩展至128k tokens(约9.6万字),更在逻辑推理、多模态理解上实现质的飞跃。据《自然》杂志2024年的测试,GPT-4 Turbo在法律案例分析、复杂代码编写等任务中的准确率已超资深从业者平均水平。而谷歌则以“全栈式布局”构建优势:一方面通过PaLM 3大模型强化多语言处理能力(支持超100种语言),另一方面依托DeepMind的AlphaFold(蛋白质结构预测)、Gemini(多模态大模型)等技术,将通用智能与垂直场景深度融合。2024年发布的Gemini Ultra 2,在MMLU(多任务语言理解)测试中得分高达93.5%,刷新了大模型“知识广度”的纪录。

通用大模型解决了“能力覆盖”问题,但真正让AI“接地气”的,是那些在医疗、教育、制造等垂直领域深耕的企业。它们的核心竞争力在于将通用AI能力与行业know-how深度融合,形成不可替代的解决方案。
在医疗AI领域,推想科技(Infervision)与鹰瞳科技(Airdoc)是典型代表。推想科技聚焦医学影像AI,其肺结节检测算法通过了美国FDA认证,在真实临床中可将放射科医生的阅片时间缩短60%,漏诊率从传统的8%-10%降至2%以下;鹰瞳科技则基于视网膜影像的AI分析,实现糖尿病视网膜病变、高血压等慢性病的早期筛查,目前已覆盖国内3000余家医疗机构,累计检测超500万人次。
AI的爆发式发展,离不开底层算力与算法框架的支撑。这一领域的企业虽不直接面向C端用户,却是整个AI生态的“基石”。
NVIDIA(英伟达)是当前GPU算力的绝对领导者,其H100、B100系列GPU凭借高并行计算能力,支撑了全球70%以上大模型的训练任务。2024年推出的GH200超级芯片,将GPU与高带宽内存(HBM3e)集成,算力较上一代提升3倍,成为训练千亿参数级大模型的“标配”。国内企业中,华为昇腾与壁仞科技正加速追赶:华为昇腾910B芯片采用7nm工艺,单卡算力达718TOPS(FP16),已支撑了包括盘古大模型在内的多个国产大模型训练;壁仞科技的“BR100”芯片则聚焦通用计算,通过架构创新将AI推理能效比提升40%,在互联网推荐、智能驾驶等场景中性价比优势显著。
从通用大模型的“脑力”突破,到垂直场景的“场景落地”,再到底层算力的“能量供给”,这些AI智能公司正以不同的角色,共同推动着技术与产业的深度融合。无论是国际巨头的“全栈布局”,还是本土企业的“专精特新”,它们的每一次技术迭代,都在重新定义“智能”的边界——而这,或许正是AI最迷人的魅力:它不仅是一项技术,更是一场由无数企业共同参与的、关于未来的集体想象。
欢迎分享转载→ https://shrzkj.com.cn/aiagent/14883.html
上一篇:AI智能未来发展方向:技术突破与行业融合的六大关键趋势
下一篇:ai智能是干什么的
Copyright © 2025 融质(上海)科技有限公司 All Rights Reserved. 本站部分资源来自互联网收集,如有侵权请联系我们删除。沪ICP备2024065424号-2XML地图