主要观点总结
这篇文章是对谈形式，拾象 CEO 李广密和财经作者张小珺对2024年大模型领域的变化和2025年的AI行业发展做了详细的梳理和预测。他们讨论了LLM竞赛的格局、AI应用的发展，以及未来的软件形态。李广密强调了AI对于编程、搜索、推荐等任务的重要性，并预测了agent的落地以及AI带来的生产力提升。张小珺则探讨了ChatGPT等产品的商业模式和未来发展。
关键观点总结
关键观点1: LLM竞赛格局和未来发展
李广密指出，2024年LLM竞赛格局基本确定，并预测到2025年agent的落地和AI生产力的提升。
关键观点2: AI应用的重要性和未来发展
张小珺讨论了AI应用的商业模式和未来发展，强调了AI对于编程、搜索、推荐等任务的重要性。
关键观点3: 未来软件形态和agent的落地
李广密预测未来软件将更民主化、更新形态，并强调了agent的落地和生产力提升。
关键观点4: AI的商业模式和未来发展
张小珺探讨了ChatGPT等产品的商业模式和未来发展，并强调了未来AI应用的互动性。
关键观点5: AI对工作和生产力的影响
李广密和张小珺都认为AI将改变知识工作者的自动化，提升生产力，并带来新的软件生态。
文章预览
编辑注：这篇对谈是拾象 CEO 李广密和财经作者张小珺的 AI 行业年度观察和预测，对于 2024 年大模型领域的变化，以及 2025 年的 AI 行业的发展，都做了详细的梳理和预测。 2024 年的 LLM 竞赛是算力、模型和应用三条线并行。正如我们在 2024 年跨年对谈中 所预测的，上半年，LLM 竞赛格局基本确定，到了下半年，随着 Sonnet 3.5 经验的 coding 能力、 o1 模型以及 RL 范式的接连出现，LLM 不再是单一的基建竞赛，LLM 的应用范围在扩大、对现有工作流改造的深度不断增强。 2025 年的核心主线一定是 coding 和 agent。Andrej Karpathy 在 2017 年提出了 Software 2.0 的设想：1.0 时代的软件是把结构化、规则化的工作进行数字化封装，2.0 时代的软件则对 domain knowledge 和工作流进行封装重组，背后变化是如何更加动态地编排软件。这一预想一定会在 2025 年被落地，Agent、multi-
………………………………
