当前，专门的机器学习工具和框架经历了从流行到难以扩展及投入生产的循环，许多新兴工具在市场中获得了一定的关注，但仍面临着从实验到生产阶段的过渡问题。特别是向量数据库（Vector Database）在爆发式增长后，其在向量空间搜索的独特性已不再吸引人。传统数据库供应商纷纷推出了自己的向量搜索方法，云计算巨头如AWS、Azure和Google Cloud也已扩展了他们的原生数据库服务，以支持大规模的向量搜索和检索。
AI代理商的商业化进程
在AI代理商方面，尽管一些公司对其项目保持神秘，但我们已看到多个AI代理的商业化尝试。由Cognition推出的Devin被宣传为“首个AI软件工程师”，它能够规划并执行需要数千个决策的任务，并在过程中修正错误、持续学习。Devin在推出后，获得了投资者的青睐，半年内便成功达到了20亿美元的估值，尽管该产品存在一些需要人工干预和控制的问题
此外，OpenDevin作为Devin的开源竞争对手，已经在软件工程基准测试（SWE-bench）中领先了Devin 13个百分点。另一家公司MultiOn也在大力投资于强化学习（RL），其自主Web代理—Agent Q—将结合搜索、自我批评和强化学习，预计将在今年晚些时候对外发布。同时，Meta的TestGen-LLM也从概念快速走向产品，仅用四个月便整合进了Qodo的Cover-Agent。
AI驱动的搜索开始打破常规，但仍面临成长烦恼
在AI驱动的搜索领域，Perplexity凭借着1.65亿美元的融资，成为了最引人注目的AI搜索新兴公司。与此同时，Google也开始推出基于其Gemini技术的搜索摘要功能。然而，这些公司都面临着可靠性问题，Perplexity在处理“幻觉”（hallucination）问题时与其他基于LLM（大语言模型）服务同样遭遇挑战，而Gemini则被发现曾引用讽刺性Reddit帖子作为建议来源（如“每天吃一块石头”）。这些问题使得AI搜索仍面临较大的挑战。
版权问题引发争议：创作者与模型构建者的对立
随着生成式AI的迅速发展，版权问题成为了一个持续的争议焦点。媒体机构、音乐公司和内容创作者对模型构建者使用其创作内容进行训练提出了强烈的质疑。为缓解这种紧张局面，OpenAI和Google等公司正在与主要媒体机构进行谈判，寻求通过授权协议解决版权问题。一些初创公司则选择完全绕开这些争议，倡导道德认证计划，如由前Stability AI高管Ed Newton-Rex创立的Fairly Trained项目。
一些公司则坚持“公平使用”的立场，对批评者表示较少的妥协意愿。随着数据获取的难度增加，YouTube视频的抓取问题成为了舆论焦点。OpenAI被指利用YouTube视频进行音频转录训练，而Eleuther AI等组织也被揭露使用了大量YouTube字幕作为训练数据。
图：生成式AI版权问题引发争议
法院判决模糊不清，版权问题仍悬而未决
关于模型构建者是否侵犯了创作者版权的法律问题仍未得到明确答案。尽管相关案件纷纷进入法院，但截至目前，模型构建者已成功将许多广泛的版权索赔驳回，仅保留了对部分原始数据抓取的索赔。Adobe、Google、Microsoft和OpenAI等公司已经采取了不寻常的措施，为其客户提供版权保护，以避免可能面临的法律风险。
自动驾驶：Wayve与Waymo的快速发展
自动驾驶行业在经历了几年的起伏后，正迎来复苏。Wayve通过融资获得了10.5亿美元的C轮资金，而Waymo则在美国多个城市扩大了其运营范围。Waymo已经在旧金山、洛杉矶和凤凰城实现了逐步扩展，并计划在今年晚些时候进入奥斯汀市场。此外，Waymo的技术也开始展现出商业潜力，Alphabet宣布向Waymo再投资50亿美元，进一步支持其运营和技术研发。
然而，自动驾驶仍然是一个充满风险的行业。去年就有自动驾驶车撞伤行人的事故发生，导致该公司失去运营许可证，并经历了领导层的重大变动。尽管如此，General Motors依然决定向Cruise注资8.5亿美元，并重新进行测试。
图：自动驾驶和仍存在不安全因素
类人机器人：投资涌入，但面临技术瓶颈
类人机器人领域也迎来了大量投资。像Figure、Sanctuary和1X这样的初创公司已经从三星、微软、英特尔、OpenAI和NVIDIA等大公司筹集了接近10亿美元的资金。然而，类人机器人仍然面临诸多技术挑战，尤其是在复制人类运动的复杂性和工程化灵活性方面，过去的尝试往往失败且代价高昂。
这些初创公司寄希望于通过先进的视觉语言模型（VLMs）、真实世界的训练数据、仿真技术以及更高效的硬件，来突破这些瓶颈。尽管如此，与更便宜、非类人的工业机器人系统相比，类人机器人是否能提供更高的效率仍是一个待解的难题。
总结
AI领域正在经历一场深刻的变革，技术创新层出不穷，但也伴随着各种挑战。无论是在机器学习工具的扩展应用、AI代理商的商业化，还是在自动驾驶与类人机器人领域的投资和技术突破，企业都在加速推进。然而，版权问题、技术瓶颈和法律争议等方面的困难仍需解决，整个行业的发展仍充满变数。未来几年，这些技术的成熟度和市场接受度将决定它们是否能够真正突破当前的瓶颈，实现商业化应用的全面推广。
相关阅读：
