如果给 2023 年的科技圈起一个标题，“大模型之年"大概是最没有争议的答案。这一年，AI 从实验室话题变成了所有人的日常谈资；手机、芯片、头显这些硬件，也都在围绕着 AI 重新讲故事。回头盘点这一年，有四条主线值得单独拎出来说。
大模型竞赛：从一家独大到百花齐放
年初，ChatGPT 的热度还在延续，3 月 OpenAI 发布 GPT-4，多模态能力和推理水平的提升让很多人第一次意识到，大模型可以不只是聊天。关于这次发布，我们之前写过GPT-4 发布的解读，当时的判断是"多模态是分水岭”，回头看基本应验：此后几乎所有主流模型都把多模态当成了标配。
国内厂商的跟进速度也很快。百度 3 月发布文心一言，阿里 4 月推出通义千问，之后几个月里，国内大模型进入了密集发布期。到了年底，月之暗面、智谱等新玩家也都拿出了有辨识度的产品，Kimi 更是把长上下文做成了自己的标签。竞争的焦点也从"有没有模型"转向了"模型好不好用、成本降不降得下来"。
下半年，OpenAI 在首届开发者大会上发布 GPT-4 Turbo 和自定义 GPT，谷歌则在 12 月拿出原生多模态的 Gemini 1.0。一年之内，大模型的竞争已经从单点突破变成了体系化较量：模型能力、开发工具、应用生态，缺一不可。普通用户最直观的感受是，AI 助手从"尝鲜玩具"变成了"办公桌上的常驻工具"，写周报、查资料、学外语，越来越多场景里都有了 AI 的身影。
AI 硬件试水：Vision Pro 与智能眼镜方向
硬件这边最受关注的，无疑是苹果 6 月发布的 Vision Pro。这款售价 3499 美元的头显，苹果称之为"空间计算"设备，眼动加手势的交互方式确实新颖，但重量、价格和应用生态都还是早期状态。Vision Pro 更像是一张通往未来的门票：它证明了空间计算可以做到什么程度，但离普通人买单还有距离。
与之形成对照的是智能眼镜方向。Meta 与雷朋合作的智能眼镜走的是另一条路：外观尽量像普通眼镜，功能聚焦在第一视角拍摄和语音助手，价格也亲民得多。两种路线没有高下之分，只是对"可穿戴 AI 应该长什么样"给出了不同的答案。2024 年，这个方向的竞争只会更激烈。
折叠屏与 USB-C：手机之年的两个注脚
手机市场今年有两个值得记住的变化。第一个是折叠屏的成熟：三星的 Z Fold 5 与 Flip 5 继续迭代，国产厂商的折叠屏产品线也越来越完整，折叠屏从"尝鲜品类"逐渐走向"换机选项"。虽然价格依然不低，但铰链、重量、软件适配这些早期的痛点都有了明显改善。
第二个是 USB-C 的统一。苹果在 iPhone 15 系列上全面转向 USB-C，结束了长达十年的 Lightning 时代。对用户来说，最直接的好处是一根线能充所有设备；对行业来说，这意味着接口标准化的最后一块拼图补上了。这两件事放在一起看，手机形态的演进方向很清楚：屏幕形态更多样，接口更统一，体验的差异化越来越多地来自软件和 AI 能力，而不是硬件参数。
国内市场还有一个意外事件：华为 Mate 60 系列在 8 月底突然上架，引发了巨大的关注。抛开各种传言不谈，它的意义在于，国内高端手机市场的竞争格局重新有了变数，也让 2024 年的手机市场更值得期待。
芯片军备竞赛：AI 成了所有人的第一卖点
芯片厂商今年的叙事出奇地一致：AI。高通 10 月发布的骁龙 8 Gen 3 把端侧 AI 能力放在了宣传的最前面；苹果的 A17 Pro 和 M3 系列同样强调神经网络引擎的提升；英伟达则凭借 AI 训练芯片的优势，市值一路走高，成为这一年资本市场最受关注的科技公司。
这种一致性背后是一个共识：AI 的竞争正在从云端向端侧延伸。手机、电脑能不能本地跑大模型，正在成为下一代设备的核心指标。端侧 AI 的好处很实在：响应更快、隐私更好、离线也能用一部分功能。但它的真正普及还需要时间：模型要压缩、功耗要控制、应用场景要打磨，芯片厂商和系统厂商的配合缺一不可。
国产大模型的另一面：追赶与差异化
国内大模型这一年的节奏，可以用"先跟跑、再找差异"来概括。上半年主要是跟进：文心一言、通义千问相继发布，补齐了中文大模型的基础能力。下半年，差异化开始显现：有的主打中文理解与本土知识，有的押注行业应用，有的像 Kimi 一样把长上下文做成标签。
这种差异化其实是必然的。通用大模型的竞争门槛越来越高，算力和数据都是重投入，不是所有玩家都能在正面战场和头部硬碰硬。找一个细分场景做深，反而更容易建立护城河。长文本、行业知识、特定语种，都是可行的切入点。
还有一个值得注意的现象：开源与闭源的路线之争在国内同样存在。开源模型降低了中小团队的使用门槛，让更多应用能够快速落地；闭源模型则在能力和服务稳定性上有优势。两条路线不是非此即彼，很多团队的做法是"开源打底、闭源增值"，根据场景灵活选择。
对用户来说，国内模型竞争最直接的好处是选择变多了，而且中文场景的体验普遍更好。写中文公文、理解中文网络语境、处理本土化需求，国内模型的表现往往比国外模型更贴合。当然，在代码、多语言等通用能力上，头部国外模型仍然有优势，选哪个工具还是要看具体任务。
AI 应用层：从聊天框到办事
如果说上半年大家还在惊叹大模型"会聊天"，下半年的话题已经转向了"能办事"。自定义 GPT、插件系统、智能体框架，这些概念的共同指向是：让 AI 不只回答问题，还能调用工具、完成任务。
举个例子：以前你问 AI"帮我规划一次旅行"，它只能给出一份文字攻略；有了工具调用能力，它理论上可以帮你查机票、订酒店、做预算表。当然，实际落地还处在早期，工具的可靠性、权限管理、错误处理都有很多坑要填。但方向已经明确：AI 助手正在从"问答机"向"办事员"进化。
与此同时，AI 也开始渗透进具体的生产力场景。编程助手帮程序员写代码、补测试；设计工具用 AI 生成配图和版式；客服系统用 AI 先做一轮筛选和回答。这些应用不像聊天机器人那样吸引眼球，但它们是 AI 真正产生经济价值的地方。2023 年，AI 应用的收入规模还不大，但增长曲线已经很陡。
这里也要提醒一句：应用层的繁荣会带来新的问题。AI 生成内容的版权归属、AI 客服的责任边界、AI 办事出错了谁来担责，这些问题在 2023 年已经开始出现苗头，2024 年很可能会成为讨论焦点。技术跑得快，规则和伦理的讨论需要跟上。
监管与安全：热闹之外的冷思考
这一年里，AI 安全和监管的讨论几乎和技术进展同步升温。各国都在出台或者酝酿针对大模型的规则，核心关切大同小异：数据来源是否合法、生成内容如何标识、模型能力边界怎么评估。
对普通用户来说，这些讨论看似遥远，其实和日常使用息息相关。比如 AI 生成的图片、视频要不要打标识，AI 写的文章算不算原创，AI 客服犯了错由谁负责——这些问题的答案，会直接影响未来 AI 产品的使用方式。
OpenAI 在开发者大会上强调的安全测试、谷歌对 Gemini Ultra 的延迟开放，都是这种大环境下的产物。厂商在追求能力的同时，也不得不投入更多资源做安全评估。这不是坏事：一个可持续发展的行业，需要技术和规则同步前进。
被忽视的变化：开源生态与小模型
在大厂发布会的喧嚣之外，2023 年还有一条同样重要的暗线：开源模型和小模型的崛起。Llama 2 的开源让中小团队第一次有了可用的高水平基座模型，不用从零训练，也不用完全依赖闭源 API。围绕开源模型，很快形成了一个活跃的生态：微调工具、部署框架、评测集，社区的迭代速度非常快。
小模型则是另一个方向。不是所有任务都需要千亿参数的大模型，很多场景下，一个针对特定任务微调过的小模型，效果不比大模型差，成本却低得多。手机端、嵌入式设备、离线场景，小模型的优势尤其明显。2023 年底，业界对"大而全"和"小而精"的讨论越来越多，一个共识正在形成：未来的 AI 应用会是大小模型搭配使用，而不是一个大模型包打天下。
这种分化对开发者和创业者是好事。以前做 AI 应用，门槛是算力和数据；现在开源模型和云服务把门槛降下来了，竞争的焦点回到了产品本身：谁更懂用户、谁的场景更扎实，谁就能赢。2024 年，很可能会看到更多基于开源模型的小而美产品出现。
2023 年的另一面：不是所有故事都关于 AI
虽然大模型抢走了大部分头条，但 2023 年的科技圈还有一些与 AI 无关、却同样值得记住的变化。
一个是折叠屏的普及化。价格下探、重量减轻、软件适配改善，折叠屏正在从极客玩具变成普通人的换机选项。另一个是接口标准化：USB-C 在 iPhone 上的落地，标志着消费电子接口的统一基本完成。还有一个是卫星通信的民用化：手机直连卫星从应急功能开始，逐步向日常场景扩展，虽然还处在早期，但方向已经明确。
这些变化的共同点是：它们不像大模型那样引爆舆论，但都在实实在在地改善日常体验。科技行业的进步从来不只有聚光灯下的主角，配角们的稳步推进同样重要。回顾全年的时候，把这些变化也算进去，画面会更完整。
普通人怎么跟上这一波：三条建议
面对一整年的 AI 浪潮，普通人最常问的问题是：我该学什么、该买什么、该注意什么。这里给三条比较实在的建议。
第一，先把手头的工具用熟。很多人装了好几个 AI 助手，却只用过最基础的问答功能。花一个下午，认真试一次长文档处理、一次表格整理、一次跨语言翻译，比收藏十篇"AI 完全指南"都有用。工具的价值来自使用深度，而不是数量。
第二，换机和购机不必追着 AI 概念跑。端侧 AI 确实在变强，但 2023 年底的实际情况是，绝大多数 AI 功能仍然依赖云端，芯片里的 NPU 更多是为未来准备的。选手机、电脑的时候，还是优先看屏幕、续航、系统体验这些每天都感知得到的指标，AI 能力当作加分项就好。
第三，对 AI 生成的内容保持一份警惕。图片、视频、文字的生成门槛越来越低，网上真假难辨的内容只会越来越多。看到过于离谱的消息，先查一下来源；涉及钱和个人信息的请求，多验证一步。这条建议在 2024 年会比以往任何时候都重要。
展望 2024：从模型到应用
站在 2023 年底往前看，2024 年最值得期待的变化，是 AI 从"模型竞赛"转向"应用落地"。自定义 GPT 和 GPT 商店的模式如果跑通，会有一大批针对具体场景的 AI 应用涌现；端侧 AI 随着新一代芯片的普及，会让更多功能不需要联网就能用；智能体（Agent）的概念也开始从论文走向产品，AI 有望从"回答问题"进化到"替你办事"。
当然，泡沫和冷静也会并存。不是每个大模型项目都能活下来，不是每个 AI 硬件都能找到市场。但方向已经很清楚了：2023 年是大模型走进公众视野的一年，2024 年会是检验它们到底能干多少实事的一年。
对普通用户来说，最好的策略其实没变：保持关注，但别被概念裹挟。工具好不好用，永远要看它能不能解决你手头的具体问题。这一年里，我们写过的很多 AI 工具体验和选购指南，出发点都是这个标准，明年也会继续沿着这个标准往下写。2024 年，让我们带着这份清醒，继续看 AI 如何从概念走进生活，也继续记录每一次值得记住的技术变化。
