回顾2023，那些令 AI 圈大地震的瞬间！

一年前，ChatGPT 横空出世，“大模型”成为全球科技赛道绝对的“C位”。

这一年，国外微软OpenAI和谷歌DeepMind等“众神”打架，国内百模大战。这一年，文生图以及文生视频赛道都出现了很强的玩家和令人惊艳的产品，如 Midjourney、Runway Gen-2、Pika 1.0等。

这一年，伴随着GPT-4震惊世人的同时，开源社区的力量也壮大了起来，LLaMa 系列模型开源可商用为此做出了很大的贡献。而在大模型的基础上，AI Agent（智能体）这一概念也呈现了爆炸式发展，如斯坦福25个Agent的虚拟小镇曾火出天际。

在今年的尾巴，持续一周的OpenAI CEO奥特曼被董事会开除事件，也是第一次让网友体会到科技圈吃瓜吃累吃麻是一种什么体验。

总之，在经过了一年的热闹非凡之后，在2024年即将来临之际，二狗带大家盘点一下 2023 年必看的AI大事件。

22年11月30日，ChatGPT问世；

ChatGPT 问世虽然不是23年的事件，但它却是23年这一切大事件的开端。ChatGPT 已经超出了科技圈，真正改变了世界。站在今天，已经很难想象没有 ChatGPT 的世界。

而实际上，ChatGPT 的问世并没有举行什么隆重的发布会，OpenAI只是简单的在官网上更新了一篇博客上。

ChatGPT的发布取得了巨大成功，上线仅5天后已有100万用户，上线两个月后已有上亿用户。

23年2月1日，ChatGPT plus 版本上线；

当地时间2月1日，OpenAI官方发文推出ChatGPT付费订阅计划ChatGPT Plus，定价每月20美元。付费版的ChatGPT提供的增值服务包括：高峰时段免排队、快速响应以及优先获得新功能和改进。

事实上每月20美元的ChatGPT Plus是OpenAI今年面向C端唯一的收入，而之后ChatGPT的一系列最先进更新如GPT-4、Dall.E 3、GPTs等确实只能在付费ChatGPT Plus中使用。

23年2月7日，微软宣布并发布集成ChatGPT功能的New Bing

微软于这天正式推出了新一代 AI 驱动搜索引擎 New Bing，把基于 ChatGPT 技术的生成模型和 Bing 集成在一起。微软副总裁 Yusuf Mehdi 进行了一次完美的演示，当日微软市值暴涨 800 亿美元。

23年2月7日，谷歌Bard首秀Demo并翻车

在微软更新 ChatGPT 加持的New Bing之后，大家都极为关注谷歌 Bard 的首秀。然而Bard首秀翻车了，导致股票一夜之间暴跌 7000 亿人民币。

谷歌在演示Bard的一个Demo显示，在回答问题“关于詹姆斯韦伯太空望远镜（JWST）有哪些新发现，我可以告诉我 9 岁孩子哪些内容？”Bard 提供了三个要点，其中一个指出”该望远镜拍摄了太阳系外行星的第一张照片。“

然而有天文学家指出这是不正确的，第一张系外行星图像是在 2004 年拍摄的。

23年2月24日，Meta发布LLaMa 并开源

ChatGPT 表现太好了，但却是闭源的，如果23年只有闭源的ChatGPT，那AI圈也不会热闹起来。

而Meta于这天一次性发布四种尺寸的大语言模型LLaMA：7B、13B、33B和65B，且效果好过GPT，更重要的是所有尺寸均开源，但是需要申请之后才可下载。

所有人都要感谢 Meta发布并开源LLaMa，LLaMa的开源打破了ChatGPT 的垄断，也带动了大模型开源浪潮，让AI社区的更多玩家都可以参与其中。

23年3月1日，OpenAI推出ChatGPT API，供开发者集成

OpenAI在这天放出了真正的ChatGPT API，不是GPT-3.5模型，而是ChatGPT的本体模型GPT-3.5 turbo。ChatGPT API价格为1k tokens/$0.002，等于每输出100万个单词，价格约18元人民币，比已有的GPT-3.5模型便宜10倍。

ChatGPT API的开放将大大降低开发人员将ChatGPT集成到自家应用和服务的门槛，构建属于自己的AI聊天机器人。可以说，国内外的绝大部分创业者都离不开 ChatGPT API。

23年3月14日 OpenAI发布GPT-4,并在ChatGPT和Bing中支持；

这一天，万众期待的GPT-4终于发布了！

Sam Altman介绍，这是OpenAI 迄今为止功能最强大的多模态大模型。

事实上，GPT-4发布以来，国内外众多科技巨头都竞相追逐，但是都只能不断接近，但无法超越，GPT-4到目前为止，仍然是市面上能接触到的功能最强大的大模型。有意思的是，GPT-4 是 OpenAI 2022年就训练出来的模型。

OpenAI发布GPT-4的同时还更新了集成GPT-4的ChatGPT Plus，发布GPT-4的API，以及公布GPT-4技术报告（没有详细技术细节，只有技术报告，OpenAI算是开了一个坏头）。

23年3月16日，百度发布文心一言

这一天，百度创始人、董事长兼CEO李彦宏正式发布预训练生成式大语言模型文心一言。

这是国内第一家科技大厂发布的对标ChatGPT的产品。

23年上半年，国内百模大战开启

在文心一言之后，国内其他厂商在今年也不断发布自家的大模型，国内开启了百模大战。

这其中的代表有阿里通义千问、科大讯飞星火、智谱ChatGLM、百川智能大模型等等。

关于百模大战的空前盛况，网络上一度流传的一张图可以形象的说明：

2023年3月14日，斯坦福发布Alpaca

Meta 的LLaMA模型开源，让大语言模型迎来了Stable Diffustion时刻。今天，斯坦福发布了一个由LLaMA 7B微调的打模型Alpaca，仅用了52k数据，在8个80GB A100上训练了3个小时，不到100美元，性能比肩GPT-3.5。

23年3月17日，微软GPT-4 Office全家桶发布

这天，微软宣布把GPT-4全面接入Office，新功能名叫 Microsoft 365 Copilot，微软Office全家桶 Word、Excel、PPT都“AI”起来了！

微软CEO纳德拉在发布会上表示：今天，进入人机交互的新时代，重新发明生产力。

值得一提的是，Microsoft 365 Copilot的能力不仅限于传统Office这几个软件，而是整个微软办公生态全部打通。邮件、联系人、在线会议、日历、工作群聊……所有数据全部接入大语言模型，构成新的Copilot系统。

23年3月21日，Midjourney v5版本画出100%逼真情侣

一天之间，一张情侣照在网上转疯了：

然而这二位并不是真人，而是由AI一键生成的。

站在当下的视角，大家估计都对AI生成如此逼真的图像已经习以为常了。

但在今年的3月份，这样的生成效果无疑是炸裂的，这是出自Midjourney V5版本之手，就连当时AI绘画最被诟病的手指问题，也都解决了。

Midjourney 也成为了23年最成功的文生图付费公司。

23年3月22日，Runway 重磅发布Gen-2，文生视频里程碑

Midjourney生成的完美情侣刚刚刷爆网络，堪称文生图最强玩家。

而这一天，文生视频的的最强玩家Runway重磅发布了Gen-2。

有了Runway Gen-2，你就能用任意的图像、视频或文本，生成一段大片。

23年3月24日，ChatGPT可以联网、添加插件

自ChatGPT 上线以来已被无数人使用，人们一直要求以各种形式让这个大语言模型接入更多数据，3月24日，OpenAI 终于宣布部分解除了 ChatGPT 无法联网的限制。

OpenAI 的解决方案是用第三方插件作为桥梁，让 AI 在较安全的环境下「看」外界数据，OpenAI 开放了第一批 ChatGPT 插件名单。

除此之外，OpenAI 还自己提供了两种插件，包括一个网络浏览器和一个代码解释器，并开源了一个知识库检索插件的代码。现在，任何开发人员都可以自行构建插件，用来增强 ChatGPT 的信息库了。

23年3月29日，千名大佬发联名信，叫停GPT-5超强大模型

这天，网络上一封公开的联名信爆火，该信呼吁所有的 AI 实验立即暂停研究比 GPT-4 更先进的 AI 模型，暂停时间至少 6 个月，为的就是把这些可怕的幻想扼杀在摇篮之中。

AI 的进步速度实在过于惊人，但相关的监管、审计手段却迟迟没有跟上，这也意味着没有人能够保证 AI 工具以及使用 AI 工具的过程中的安全性。

该联名信已经获得了包括图灵奖得主 Yoshua Bengio、马斯克、苹果联合创始人史蒂夫 · 沃兹尼亚克、Skype 联合创始人、Pinterest 联合创始人、Stability AI CEO 等多位知名人士的签名支持，截稿前联名人数已经达到 1125 人。

23年3月31日，意大利暂时禁止ChatGPT使用

当地时间3月31日，意大利个人数据保护局宣布，从即日起禁止使用ChatGPT，并限制OpenAI 处理意大利用户信息，同时个人数据保护局开始立案调查。

意大利监管机构认为，3月20日ChatGPT平台出现了用户对话数据和付款服务支付信息丢失情况。此外平台没有就收集处理用户信息进行告知，缺乏大量收集和存储个人信息的法律依据。

意大利个人数据保护局称：“没有任何法律依据表明，为了‘训练’平台运营背后的算法而大规模收集和存储个人数据是正当的。”

据悉，OpenAI公司必须在20天内通过其在欧洲的代表，向意大利个人数据保护局通报公司执行保护局要求而采取的措施，否则将被处以最高2000万欧元或公司全球年营业额4%的罚款。

好在后来，意大利于4月28日恢复了ChatGPT服务。

23年4月6日，Meta发布可以分割一切的Segment Anything

Meta 于这天发布了可以分割一切的新模型Segment Anything Model (SAM) 。

Meta在博客中介绍，SAM 已经学会了关于物体的一般概念，并且它可以为任何图像或视频中的任何物体生成 mask，甚至包括在训练过程中没有遇到过的物体和图像类型。SAM 足够通用，可以涵盖广泛的用例，并且无需额外的训练就可以在新的图像领域上即开即用。

23年4月20日，Google Brain与DeepMind 合并成立 Google DeepMind

4月20日，谷歌母公司 Alphabet 首席执行官桑达尔·皮查伊宣布，谷歌将合并旗下最大的两个 AI 研究机构——地处伦敦 DeepMind 与位于硅谷的 Google Brain，成立全新的部门 Google DeepMind。

新部门 Google DeepMind 首席执行官继续由 DeepMind 联合创始人 Demis Hassabis 担任，而其首席科学家一职则由曾领导 Google Brain 的 Jeff Dean 担任。

桑达尔·皮查伊表示，这项合并将整合两个研究团队的优势，更加充分的利用谷歌的计算资源，为迈进人工智能研究新时代做出准备。

23年5月5日，微软BingChat全面开放

这天，微软官宣全面开放BingChat：无需任何等待，只需注册一个账户，首页即可体验。

微软表示，这是进入下一代AI驱动的搜索。通过极大的扩展和功能更新来改变世界上最大软件类别——搜索。

官方介绍这次的更新主要体现在四方面：从纯文本搜索聊天转为多模态回答；Bing Image Creator支持多种语言；增加聊天历史记录功能；支持插件。

23年5月15日，OpenAI发布ChatGPT的iOs应用

OpenAI 宣布首个 ChatGPT iOS 应用 “ChatGPT”正快步登陆移动平台。允许用户在手机端随时随地访问ChatGPT，且向用户免费开放，不设广告且支持语音输入，但发布初期仅面向美国用户。

App Store上充斥似是而非的山寨ChatGPT的局面。

随后不久，该 App 便冲上 App Store 免费榜第二名，效率榜第一名。

在两个月后，ChatGPT还推出了Android平台上的应用程序。

2023年5月18日，特斯拉人形机器人进化

在5月18日当天的特斯拉股东日，马斯克的人形机器人——特斯拉Optimus进化了，价格还“比车更低”。成群结队的Optimus学会了像人一样缓慢前行：

相比最早的发布，特斯拉人形机器人在能力上确实有了进步。而且跟前一阵特斯拉AI Day中也有所不同，不再是PPT般的宣传片质感，但机器人都没有出现在现场，总是令人有所质疑。

而就在前不久的12月13日，特斯拉人形机器人Optimus第二代来了。相比上一代有了很大改进：行走速度提高 30%、重量减轻 10公斤、速度更快的11个自由度的全新双手。

马斯克大胆地预测说：

如果Optimus成熟可用了，届时很多人都希望能够拥有一台或多台，那么它们的数量可能将达到100亿甚至200亿！

23年5月30日，谷歌宣布开放「生成式搜索平台」

Google 终于要迎来它 25 年来最大的改变，谷歌于这天宣布了开始内测开放【生成式搜索平台（Search Generative Experience，SGE）】，并逐步舍弃那些甚至是臭名昭著的十条蓝色链接（10 Blue Links）。

陪伴了我们 25 年的我们熟悉的一整套搜索流程将会被革新，在未来当我们输入了问题，比如如果我问“如果我家有三个小孩并且带着一条宠物狗，布赖斯峡谷与拱门国家公园公园哪个更适合我们进行家庭旅行？”，答案将不再是一条语焉不详的“比较布赖斯峡谷与拱门国家公园公园”的旅游笔记链接，而是直接告诉我们“虽然这两个公园都禁止宠物狗在未铺设好的小径上活动，但布莱斯峡谷有两条铺设好的小径，允许宠物狗进入。”

与此同时，SGE 改变的不仅仅只是单纯的搜索、依托于搜索的电商、广告等等都将迎来一场革命。

23年6月14日，ChatGPT 大更新，API能力升级还降价

ChatGPT 又一次大更新。

最核心的是API新增函数调用（Function calling）能力，与网页版的插件类似，API也能使用外部工具了。这个能力被交到开发者手上，ChatGPT API原本不具备的能力也都能靠各种第三方服务解决了。有人认为，这是一个杀手级特性，也是自ChatGPT API发布以来最重要的更新。

另外这次ChatGPT API的更新不仅能力加量，价格还更低了，且GPT-4 API大规模开放，直到清空排队列表为止；

到了一个月之后，GPT-4 API 全面对外开放使用。

23年7月13日，马斯克高调官宣成立xAI

马斯克官宣成立新公司xAI，其终极目标是为了探索宇宙本质。新公司团队阵容十分豪华，几乎都是来自OpenAI、谷歌、DeepMind、微软等知名研究员,其中1/3是华人。

随后在今年的9月份，马斯克终于推出了第一款AI模型——Grōk，—Grōk和X（推特）绑定使用，每月收费16美元。

23年7月19日，Llama 2开源可商用

今日，Meta 终于发布了大家期待已久的免费可商用版本 Llama 2。

此次 Meta 发布的 Llama 2 模型系列包含 70 亿、130 亿和 700 亿三种参数。

Llama 2 在 2 万亿的 token 上进行预训练，精调Chat模型是在 100 万人类标记数据上训练的。

Llama 2 的开源并免费商用可谓是改变了大模型竞争的格局，也给众多创业公司带来了福利。

23年 8月10日，斯坦福「虚拟小镇」开源，引爆智能体研究

此前在整个AI社区爆火的斯坦福智能体小镇在今天开源了。

在这个小镇上，有25个AI Agent生活，通过使用一种“记忆—计划—反思”驱动的智能体形态，以“社会事件”为动力源使得 25个AI Agent 间相互互动，直至模拟整个社会的分工体系。他们有工作，会八卦，能结交新朋友，甚至举办情人节派对，每个“小镇居民”都有独特的个性和背景故事。

今年，Agent 这一概念可谓火出天际，从 AutoGPT 一周 6 万 star 刷新 Github 涨星速度记录开始，AI Agent 项目如雨后春笋开始在各大技术平台涌现。

而斯坦福虚拟小镇可谓是今年AI智能体研究的一个标志性事件，它让世人看到了 用 LLMs 作为 AI Agent 中的 Agent 成为一条极其有希望成功实现“自主智能体”的技术路径。

更多内容总结可以参考 「聊聊我对AI Agents技术的一些看法 」一文。

23年8月23日 GPT-3.5 Turbo正式开放微调功能

这天OpenAI正式发布了GPT-3.5 Turbo的微调和API更新，为开发者提供了更多的个性化选择，开发者和企业能够自定义模型，为用户创造独特的体验。

初步测试显示，经过微调的GPT-3.5 Turbo甚至可以在某些特定任务上匹敌，甚至超越GPT-4的基础能力。且所有通过微调API发送的数据都归客户所有，OpenAI或任何其他组织都不会使用这些数据来训练其他模型。

23年8月29日，OpenAI发布企业版ChatGPT：没有限制、更快、更强、更安全的GPT-4

OpenAI宣布推出了针对企业的没有限制、更快、更强的ChatGPT Enterprise版。

ChatGPT Enterprise由GPT-4驱动，包含了所有ChatGPT的基础功能，如撰写邮件、起草文章和coding，并新增了 "企业级" 的安全隐私和强大的数据分析能力，可以更高的模型性能和定制需求。

23年9月21日，OpenAI推出DALL·E 3，并将原生集成至ChatGPT中

OpenAI宣布DALL·E升级至DALL·E 3，并将原生集成至ChatGPT中。

和DALL·E 2相比，在提示词相同的情况下，DALL·E 3对文字的理解程度及生成的图像质量显著提升。被诟病的“无法在图像上生成文字”的问题也得到了解决。

DALL·E 2（左）与DALL·E 3（右）生成图像对比：

23年10月17日，文心大模型4.0发布

百度世界大会官宣文心大模型4.0发布，综合水平与GPT-4相比已经毫不逊色。

另外值得一提的是，到了23年底，文心一言用户规模已突破1亿，这也是国内第一家用户规模超过1亿用户的大模型产品。

23年10月20日，ChatGPT全球宕机，API崩溃

这一天，ChatGPT全球宕机，许多人发现无论是 ChatGPT 或是 ChatGPT PLUS 都不能正常工作了。还连带了全球数以万计的依赖ChatGPT API的热门AI应用也纷纷崩溃。

23年10月29日，完全版GPT-4智能体:图像生成+插件+代码运行器+文件上传

OpenAI 发布了一个“整合了几乎所有可用工具”的完全版 GPT-4 智能体版本。将之前版本相互独立各自分离的 Agent 功能统一了起来。之前 GPT-4 的工作模式是四个独立的功能（一个对话窗口内只能使用其中一个特性）：

• 图像上传 + GPT-4；
• 插件 + GPT-4；
• 代码运行器 + 文件上传 + GPT-4；
• 图像生成 + GPT-4；

这次更新使其变成了：

GPT-4 + 图像上传 + 插件 + 代码运行器 + 文件上传 + 图像生成；

23年11月7日，OpenAl首届开发者日官宣GPTs商店，推出更强版GPT-4 turbo

OpenAI 在首届开发者日上，正式公布GPTs，每个人都能定制GPT，OpenAI 还将上线“GPT商店”，但实际推迟到了24年。

另外GPT-4也更新了新版本GPT-4 Turbo，支持128k上下文，知识截止更新到2023年4月，视觉能力、DALL·E3，文字转语音TTS等等全都开放API，API价格还打了3～5折。

23年11月15日，奥特曼被OpenAI董事会开除系列事件

要说，今年最后两个月AI圈最热闹的事情，当属奥特曼被OpenAI董事会开除系列事件，OpenAI 持续了一周的政权斗争。

感兴趣的读者可以翻看夕小瑶科技说过往文章：

• “ChatGPT 之父”奥特曼被 OpenAI 开除！！乔布斯故事重演了？
• 大反转！OpenAI董事会辞职，求奥特曼重返OpenAI？「奥特曼24小时流放」大揭秘...
• 谈判破裂！奥特曼将不再担任OpenAI CEO...
• OpenAI创始人奥特曼和 Greg Brockman 将加入微软
• OpenAI官宣！Sam Altman回归，继续担任CEO
• ChatGPT一周年，奥特曼官宣 OpenAI 新动作!

23年11月29日 文生视频产品Pika 1.0正式发布

众多网友期待的爆火文生视频 Pika 1.0 于今天正式发布。

Pika由两位斯坦福华人女博士CEO郭文景和 CTO Chenlin Meng 退学创业6个月打造，当前4人团队估值超2亿美元。

23年12月6日，谷歌DeepMind发布Gemini系列模型

谷歌DeepMind 重磅推出了传闻已久的Gemini大模型，号称是谷歌史上功能最强大、最通用的多模态模型，在很多领先的基准测试中都实现了最先进的性能（SOTA）。Gemini 1.0共有Gemini Ultra, Gemini Pro, Gemini Nano三个不同版本。

然而，仅仅不到一天，谷歌Gemini就翻车了——谷歌宣布评测效果时，Gemini用了很多小动作，存在刻意刷榜、夸大性能的嫌疑，demo演示视频也被扒出是“合成造假”，谷歌也已经承认Gemini视频是“剪出来”的。

23年12月10日，最新开源模型Mixtral 超越LLama2和GPT-3.5

这两天，法国初创公司Mistral AI开源的一个Mixtral 8x7B MoE模型引爆了AI社区。

一是因为它的性能击败了LLama2和GPT-3.5。

二是因为，Mixtral是一个专家混合模型（Mixture-of-Experts model，MoE），使用了传闻中 OpenAI 用于GPT-4的架构，但是参数相比GPT-4要小很多，堪称是缩小版“GPT-4”。

而且这个模型还开源了，Mistral AI甚至直接通过torrent链接将其甩在推特上发布。

huggingface下载链接：https://huggingface.co/mistralai/Mixtral-8x7B-Instruct-v0.1

23年12月14日，谷歌官宣开放Gemini API，奥特曼宣布ChatGPT Plus恢复订阅

今日Sam Altman宣布重新启用ChatGPT Plus 订阅；一个月之前，Sam Altman称，由于OpenAI开发日后ChatGPT使用量的激增超出了OpenAI的承受能力，暂停ChatGPT Plus 新用户注册。

而在同一天，谷歌DeepMind也宣布开放Gemini Pro API给开发者使用。但这次开放API的是对标ChatGPT的Gemini Pro，而不是对标GPT-4的Gemini Utral。

Gemini Pro API可以在一定限度内免费使用。

23年12月21日，MidJounery V6 发布

在今年3月，Midjourney v5就已发布，在等待了9个月之后，Midjourney v6终于来了。相比，Midjourney v5.2,Midjourney v6在生成质量和细节方面有了进一步提升。

总结

大模型时代的到来促进了今年AI领域的显著发展，随之带来的各种AI产品也在造福着广大用户。

虽然真正的通用人工智能 (AGI) 还很遥远，但人们已经相信它会在不远的将来到来。

有理由相信，AGI终将在我们这一代实现～

期待2024年会给我们带来更多惊喜！