年终总结：2024年最震惊的AI产品_heeyo国内能用吗-CSDN博客

本文链接：https://blog.csdn.net/z987421/article/details/144917203

如果说2023年是AI"惊艳"之年，从ChatGPT掀起的惊涛骇浪，到各类生成式AI工具带来的震撼，2023年的AI爆发让全世界都为之惊叹。

那么2024年则是这场技术革命逐渐沉淀的一年：基础模型在效果、效率和成本等维度都取得了实质性进展，一些真正解决用户痛点的应用产品开始在各个垂直领域悄然兴起，行业对AI的态度也从最初的惊叹逐渐转向理性思考。

本文截取2024年推出的新产品和有重大版本更新的“老产品”中产品力或特色较鲜明的产品，2023年至今没有重大版本更新的产品不列入此列。由于本人涉及的产品有限，或部分产品因声量较小被忽视。如缺少你喜欢的产品，欢迎在评论区留言。

01 基础大模型（Transformer）

大模型是兵家必争之地，2024年主要关键词应该是慢思考和Scalling law是否失效成为主要讨论焦点。OpenAI除了推出o1以外，也宣布了o3模型。Claude和智谱却卷起了AI驱动交互，Google选择在年底突然放了个大招。国内除了字节、阿里、百度、腾讯几家大厂以外，六小龙在这一年都似乎遭遇了一些困难，没想到Deepseek突然杀出！

Open AI o1

o1系列是OpenAI在2024年推出的一个具有突破性意义的AI模型家族，它开创了一种全新的模型训练与推理范式。与以往的大语言模型直接输出答案不同，o1最大的特点在于它会在输出之前进行长时间的"思考"——通过强化学习训练出的内部思维链来进行复杂推理。

这种新方法带来了显著的性能提升：在博士级物理问题的测试中，o1将GPT-4o的59.5分提升到了92.8分。在2024年IOI信息学奥赛中，o1的微调版本在大量尝试后甚至达到了金牌选手的水平。此外，它在竞争性编程和美国数学奥林匹克预选赛等多个领域都展现出了接近人类专家的能力。

Claude 3.5 computer use

Anthropic最新发布的Claude 3.5带来了一项突破性的功能——“Computer Use”，通过API开发者可以让 Claude 像人类一样使用计算机控制鼠标、键盘，包括查看屏幕、移动光标、点击按钮和输入文本等操作。

这个功能通过整合视觉、语言和动作，让AI能识别屏幕元素、理解用户指令并执行相应操作，甚至能在遇到问题时进行自我修正。新加坡国立大学的研究表明，在包括网页搜索、办公软件和游戏等多个场景的测试中，这项功能取得了80%的成功率。

虽然在精确操作等方面还需改进，Anthropic选择了一条不同于OpenAI的创新路径，未来这个功能的发展值得期待。

Deepseek v3

访问地址：https://www.deepseek.com/

DeepSeek-V3是一个来自中国的突破性开源模型，它以惊人的低成本实现了与顶级闭源模型相当甚至更优的性能。整个模型仅花费557.6万美元、用时55天就完成训练，这个成本仅为GPT-4o训练成本（约1亿美元）的5%左右。但在百科知识、长文本理解、代码和数学等多个领域的表现上，它不仅对标甚至在某些方面超越了Claude 3.5等领先模型。

这个成就来自深度求索(DeepSeek)团队，公司创始人梁文锋此前是量化基金"幻方量化"的创始人。有趣的是，这家至今未融资的公司主要由应届生和在校博士生组成，却通过创新的模型架构和高效的训练方法。

Google Gemini 2.0

Gemini 2.0最突出的特点是其强大的实时多模态交互能力。它不仅能快速理解视觉内容，还能通过语音进行自然的实时对话，响应几乎无延迟。相比传统的AI助手需要反复输入文字，Gemini 2.0更像一个真实的助手 - 你能与它实时分享屏幕、通过摄像头展示内容，它能立即理解并给出建议。

从具体应用场景来看，Gemini 2.0展现出了多个创新用法：它能作为游戏辅助教练实时分析局势、作为编程搭档进行实时代码讨论、通过摄像头识别食材提供烹饪建议、指导用户使用各类软件等。特别值得一提的是其视觉理解能力之快、语音交互之自然，以及与用户互动时几乎零延迟的响应速度。

智谱Auto GLM

访问地址：https://agent.aminer.cn/

智谱AI最新推出的Auto GLM是一个让AI能够自主操控设备的Agent系统，代表了AI从"对话"到"行动"的重要突破。它最大的创新在于能通过一句简单的语音或文字指令，让AI理解用户意图并自动完成多步骤的复杂操作任务。

这套系统最突出的创新在于实现了真正的"计划-执行-检查-行动"循环，AI不仅理解用户意图，还能规划任务步骤并实际操作界面。智谱AI称这代表了向LLM-OS(大模型操作系统)迈进的重要一步，展现了AI从单纯对话向实际行动的转变。

02 视频生成（ViT）

自从春节时OpenAI公布了Sora的Demo视频后，2024年AI赛道的主轴除了大语言模型外，就属视频生成赛道最火。除了之前大火的Pika、Pixverse、Runway等，Luma和可灵异军突起，字节系的即梦更是在年底突然发力，后来追上。

OpenAI Sora

OpenAI在12月正式发布了其备受期待的文生视频产品Sora。

这款产品曾在2024年春节期间通过几段演示视频火爆中国网络，展现出惊人的视频生成能力。正式版的Sora不仅能通过文字和图片生成高质量视频，还创新性地引入了"故事板"功能，让用户能像电影导演一样通过分镜来设计视频内容。用户还可以直接用文字修改视频、融合不同视频片段、改变画风等，使创作过程更加灵活。

对OpenAI来说，Sora不仅是创作工具，也是其构建"世界模型"路上的重要一步。

字节跳动即梦

访问地址：https://jimeng.jianying.com/

即梦AI是剪映在2024年5月推出的AI内容创作平台，它的愿景是成为"想象力的相机"。正如抖音记录真实世界，即梦希望能够捕捉和呈现人们脑中的想象世界。通过简单的文字和图片输入，用户就能将脑海中的创意转化为视觉作品，就像"做梦"一样自然。

该平台已经展现出令人瞩目的创作潜力，比如有创作者用不到5天时间制作了还原电影发展史的短片，也有团队制作了获得40万点赞的AI科幻短剧。未来还将成为创作者的智能合作伙伴，能参与故事构建、剧情推演，甚至实现更多想象不到的创作可能。这体现了字节跳动在AI创作工具领域的独特思考和布局。

快手可灵

访问地址：https://klingai.kuaishou.com/

可灵(KLING)是快手AI团队在2024年6月推出的AI创作平台。它最初以强大的视频生成能力引发关注，支持文生视频和图生视频功能，能将静态图像转化为生动的短视频，并具备视频延长功能，可以将视频延伸至约3分钟。

最近，可灵推出了重要更新：基于其升级的可图1.5模型，推出了一套革新性的AI模特工作流程。这个系统将AI模特生成、服装换装和视频制作完美打通，创建了一个完整的商业图片和视频制作解决方案。

目前由于可灵的用户过多，排队需要漫长的等待。

03 图片生成 Diffusion

Midjourney在2023年给了很多人惊艳，而本年度除了模型的正常迭代和UI界面的改版以外，似乎少了点什么。2024年图片生成领域的重大迭代，主要来自于SD原团队带来Flux开源模型，使得一众图片生成应用集体能力大涨，电商等应用场景变得越来越可用了。

Flux 开源模型

Flux是由Stable Diffusion原班人马组建的Black Forest Labs（黑森林实验室）推出的新一代AI图像生成模型。以其120亿的参数量（是Stable Diffusion的3.5倍，Mid Journey的1.5倍）和卓越的性能迅速引发业内关注，甚至获得了OpenAI创始人的推荐。

作为一个完全开源的模型，Flux发布后迅速获得社区支持，在短短一个月内就集成了包括Lora、ControlNet在内的多种重要工具。其成员都是图像和视频生成领域的知名开发者，这使得Flux在综合生成质量上已超越多个知名闭源模型，甚至在某些方面可以与MidJourney比肩。

字节跳动即梦海报生成

访问地址：https://jimeng.jianying.com/ai-tool/home

即梦AI最新推出的2.1版本实现了一键生成中文海报的能力，这是一个重要突破，特别是在中文文字的处理上。它不仅能完美识别和渲染中文字符，还能准确地将文字融入到整体设计中，比如制作霓虹灯招牌效果。

这个工具的独特之处在于它的使用流程非常简单：用户可以先通过ChatGPT生成详细的图片描述，然后将这些描述输入到即梦AI中生成海报。即使是复杂的设计元素，如双重曝光效果、多层次文字排版等，都能被准确还原。

这个功能的出现可能会给设计行业带来巨大影响，特别是在降低设计门槛和提高制作效率方面。它展示了AI在创意设计领域的潜力，正在让专业级设计变得更加平民化和便捷化。

Ideogram 2.0

访问地址：https://ideogram.ai/

Ideogram 2.0是一个直接挑战FLUX和DALL·E3的新模型，其特色在于超强的文字渲染和语义理解能力。

它能完美处理企业Logo、海报、UI设计等各类商业设计需求，而且对文字的处理能力极其出色，能自然地将文字融入到设计中。模型还提供了"Magic Prompt"功能来优化提示词，提升生成效果。

尽管从一些对比测试来看，Midjourney仍保持着整体领先优势，但Ideogram 2.0的出现无疑为AI图像生成领域带来了新的竞争活力。

Recraft v3

访问地址：https://www.recraft.ai/invite/MXIvf81oCp

Recraft V3 以 1172 的 ELO 评分位居第一，超越了 Midjourney、OpenAI 和其他公司的模型。让大家意外的是，这是一家刚成立两年的公司，总部设在英国伦敦。

Recraft的独特之处在于将多种实用功能整合到了一个无限画布的界面中。最引人注目的是其强大的图片融合能力，用户可以轻松将不同元素（如商品和人物）自然地融合在一起，大大简化了设计流程。

在图像质量上，Recraft生成的图片真实感强，目前在Artificial Analysis上的综合评分最高。不过它在中文文字生成方面还有待改进。整体来说，Recraft通过将AI能力与设计师的实际需求深度结合，为设计领域带来了新的可能性。

Tripo3d

访问地址：https://www.tripo3d.ai/

Tripo v2.0彻底改变了3D创作的门槛，它将传统需要数小时甚至数天的3D建模过程压缩到了短短几分钟。用户只需上传一张图片，就能快速生成逼真的3D模型，甚至能为模型绑定骨骼实现动画效果。

这个工具最令人惊喜的地方在于它的易用性。不同于传统3D建模软件的复杂操作，Tripo让普通用户也能轻松进行3D创作。它不仅能准确还原物体的立体结构，还能呈现出细节背面等通常难以观察到的部分。

04 语音/音乐生成

2024年是端到端语音模型爆发的一年，阿里系的Cozyvoice和字节系的seedtts表现都十分良好，并且coze也开始内测OpenAPI语音克隆功能。虽然同类产品很多，但目前仍然没有发现比以下两款更成熟且易用的产品。

Eleven labs

访问地址：https://elevenlabs.io/

Elevenlabs是2023年初成立的创业公司，迅速成长为语音合成领域的领军者，目前估值已达十亿美元。它最初因推出轻量级语音克隆（Zero shot TTS）功能而爆火，让用户能轻松实现高质量的语音克隆，这在当时是开创性的。

ElevenLabs是一款革新性的AI配音工具，其最大特点是能生成超自然的声音。它不仅在音色自然度上接近真人，还能准确表达丰富的情感，并支持多语言发音。

以下视频是通过Eleven labs克隆Kobe Bryant的声音制作：

Suno v4

访问地址：https://suno.com/

Suno V4是一次重大的音乐生成技术突破，主要在音质和功能两个方面带来了显著提升。

在音频质量方面，V4能生成更自然、更富表现力的音乐，无论是乐器音色还是动态范围都有明显改进。特别值得一提的是新增的"Remaster"功能，允许用户将旧版本制作的音乐升级到V4的音质水平。

这些更新使Suno V4成为一个更全面的音乐创作平台，不仅服务于专业音乐人，也让普通爱好者能轻松进行音乐创作。

05 To C应用产品

这一年确实有很多应用爆发，但集中的领域和23年相比没有太大的区别，主要还是在模型即应用类的产品，例如豆包和kimi。以及AI陪伴应用领域，C.ai被老东家Google收购了，国内的六小龙大多数都选择将AI陪伴领域作为主要战场，但同质化较严重。整体没有太多可圈可点的亮点APP。

豆包APP

访问地址：https://www.doubao.com/chat/

豆包是字节跳动在2023年推出的AI对话产品，是国内最大的AI聊天应用之一。它的名字来源于抖音内部项目代号"豆包"，上线以来依靠字节的生态和宣传发展迅速，在国内AI对话市场占据绝对领先地位。

豆包最初主打AI对话功能，后来逐渐扩展到图像生成、音乐创作、视频生成等多个领域。它的一大特色是提供了很多有趣的AI角色设定，用户可以和这些性格各异的AI进行对话互动。同时，它还支持语音交互，让用户可以直接用说话的方式与AI对话，使用体验更自然。

Talikie（星野）

Talkie是由中国AI公司MiniMax开发的AI聊天应用，以其丰富的角色扮演和互动功能在全球市场取得了显著成功。目前月活用户已达1100万，其中超过一半来自美国，在菲律宾、英国和加拿大等地也有很高的用户活跃度。

这款应用的特色在于其多样化的互动方式：用户可以与AI版的名人对话，参与"剧场"中的角色扮演，甚至创建完全个性化的AI角色，包括定制外观、经历和声音。它不仅提供文字对话，还支持短信和电话形式的交互，通过"宝石"奖励机制来提升用户参与度。

Talkie的商业模式主要依靠广告收入和会员订阅，其用户规模已经接近硅谷同类产品Character.AI的水平（1700万月活）。这显示出中国AI公司在全球社交AI市场的竞争力，也反映了用户对AI社交陪伴需求的增长。

萌友会AI宠物

访问地址：萌友会AI宠物小程序

萌友会是一款治愈系AI陪伴，产品主打治愈年轻人的焦虑和压力。萌友会小岛上有一群可爱且性格（MBTI）各不相同的动物，每一只都有自己的故事。用户通过轻松愉快的聊天方式，与动物们建立更深层的连结，动物们以可爱的方式疏导用户的心理压力、精神内耗、帮忙解决问题。

通过与动物的互动，还可以像旅行青蛙一样收到可爱的照片和信件，每一封都很治愈人心。

此外，萌友会作为一个AI赋能IP的孵化平台，通过AI互动的能力，使得过去静态的IP形象可以和粉丝进行深度互动，形成一种IP孵化的新范式。

Heeyo

访问地址：https://www.heeyo.ai/

Heeyo 是一款由华人创始人创立的教育 AI 产品，旨在为3至11岁儿童提供个性化的学习和成长支持。这款工具不仅是一个聊天机器人，还结合了2000多种互动游戏和活动，包括书籍、知识问答和角色扮演冒险等，帮助孩子们以生动有趣的方式学习。

通过引入AI的强交互性，Heeyo 不仅关注知识教育，还致力于培养儿童的情商和创造力，例如帮助孩子设计个性化的AI角色、创造故事，并通过互动学习解决实际社交场景中的问题。

Remimi

访问地址：https://remini.ai/

今年爆火的小红书话题便是通过应用 Remini 的黏土特效功能，将普通照片转化为仿佛出自经典黏土动画的作品。

这项功能利用 AI 的图像处理技术，以独特的“黏土化”滤镜，将人物、宠物甚至背景转换成类似《笑笑羊》或《企鹅家族》这类动画风格的效果。短短 10 秒，你的照片就会变身为一幅充满艺术感的黏土定格动画场景，甚至连服饰和背景也会被AI重新设计，赋予更和谐或更具创意的视觉表现。

秘塔搜索

访问地址：https://metaso.cn/

秘塔AI搜索是一款小众但极具潜力的新型搜索引擎，号称中国版的perplexity，为用户提供了清爽高效的搜索体验。通过AI技术，它能够在全网范围内快速检索信息、智能总结并扩展相关内容，无论是历史问题还是当天热点，秘塔都能以思维导图的形式呈现答案，同时补充关键信息和相关背景。用户不仅可以快速找到答案，还能深度挖掘问题的来龙去脉。

除了精准的传统搜索，秘塔还支持口语化的提问方式。它的特色在于自动归纳和联想能力，帮助用户节省大量时间。针对决策问题，也可以切换到研究模式，提供综合评测信息。这种高效、精准且开放的信息搜索方式，正在重新定义人们获取知识的路径。

06 To B生产力产品

今年是AI生产力工具爆发的一年，由于23年的大多数AI创业项目都和工具端相关，今年有很多+AI的工具和AI原生工具。尤其是开发者生态日渐成熟，尤其是字节系的coze已经突破了100万个开发者。相信在这些生产力工具上的加持下，内容创作和AI应用层在25年会更加繁荣。

Coze扣子

访问地址：https://www.coze.cn/

Coze是字节跳动在2024年1月推出的AI大模型应用开发平台，可以看作是字节版的GPTs。它允许用户快速构建和部署AI智能体，并支持将这些AI智能体部署到飞书、微信、豆包等主流社交平台。

平台的一大特点是上手门槛低，用户无需编程经验就能创建AI智能体。它提供了、更丰富，包括多模态能力、知识库管理、工具调用等。支持的模型也更多样，除了自家的豆包模型外，还支持kimi、智谱GLM、百川等第三方模型。

最近更是积极更新了Open API的语音功能，以及创建应用、小程序的UI、前端界面。

这个平台的推出显示了字节在AI应用开发和商业化方面的野心，在开发者生态的建设上已经全球独一档。

Cursor AI

访问地址：https://www.cursor.com/

Cursor 是一款革命性的代码编辑器，它将传统编辑器的功能与先进的 AI 技术相结合。它基于 VS Code 构建，继承了 VS Code 的优秀特性，同时集成了强大的 AI 编程助手功能。

与 GitHub Copilot 等辅助工具相比，Cursor 在自动化和完成度上有了显著提升，它的简单性在于可以通过聊天窗口进行操作，这意味着即使是完全不懂代码的人也可以在几分钟内运行一个功能齐全的应用程序，并不断在此基础上添加新功能，它真正做到了使编码更加简单。

NotebookLM

访问地址：https://notebooklm.google.com/

Google 的 NotebookLM 是一款集成 AI 的智能笔记工具，重新定义了知识管理方式。它能够自动生成总结、提取要点、进行交互式问答，还支持创意辅助和生成播客，让笔记不仅仅是信息记录，更成为高效的知识中心。不管是学术研究、商业信息整理，还是内容创作，NotebookLM 都能帮助用户快速整合信息，节省时间。

通过多平台同步、关键词搜索和灵活的文件管理功能，NotebookLM 提供了随时随地访问知识库的便捷体验。未来，它在团队协作和专业定制上的潜力将进一步扩展，为用户带来更智能、更高效的知识管理新方式。

MasterGo AI

访问地址：https://mastergo.com/

MasterGo AI是一款由MasterGo推出的AI设计工具，它最大的特点是能通过对话快速生成专业级的页面设计。不同于传统的设计软件需要专业技能，这款工具让没有设计经验的产品经理、运营人员也能轻松完成界面设计。

这个工具的出现，某种程度上降低了设计创作的门槛，让更多人能参与到设计过程中来，这可能会改变传统的产品设计流程。

与市面上其他AI生成UI的设计工具相比， MasterGo采用了大语言模型进行UI生成，与其他设计工具使用大语言模型对UI模版库进行挑选的方案不同，可以说是真正意义的AI生成UI。

Napkin

访问地址：https://www.napkin.ai/

Napkin 是一款基于 AI 技术的创意工具，专注于将文字内容转化为视觉效果，为创作者解决配图难题。它不仅能自动生成与文本内容匹配的图片，还支持实时编辑、风格切换以及多种格式的导出，让创作变得简单高效。无论是文章配图、PPT背景，还是社交媒体内容，Napkin 都能轻松搞定。此外，它的新功能如 Frame 和 Canvas 提供了更多的排版自由，支持多比例图像生成，满足不同平台需求。

这款工具以其直观和智能的特点，极大地提升了创作者的效率和表现力。目前 Napkin 正在免费内测，致力于成为文字与视觉的桥梁，为用户提供全新的创作体验。

百度文库自由画布

访问地址：https://wenku.baidu.com/pcactivity/freeBoard

百度文库自由画布是一款通过在画布上，解决AI辅助创作效率问题的新型产品。它将各种AI能力整合到一个无缝的工作流程中。

你可以同时导入视频、网页、图片等各种格式的素材，系统能并行处理多个命令。其次是独特的灵感激发功能，从海量信息中提炼出有价值的洞察，帮助创作者突破思维局限。从素材收集到最终成稿，再到多形式内容的转化，都能在同一个平台完成。

这个产品展现了AI创作工具的发展新方向：不是堆砌功能，而是重新思考整个创作流程，用系统化的方案提升创作效率。这或许就是达芬奇所说的"简单是最终的复杂"在AI时代的一种诠释。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】