AI 领域热门方向或代表性技术/模型
AI 领域热门方向或代表性技术/模型
✅ 计算机视觉（CV）方向
技术/模型 简介 应用场景
RCNN / Fast RCNN / Faster RCNN 两阶段目标检测，精度高但速度不如 YOLO 工业检测、医学影像
Mask RCNN 在 Faster RCNN 基础上加实例分割 自动驾驶、卫星图像分析
SSD（Single Shot Detector） 单阶段检测器，速度介于 YOLO 和 RCNN 之间 移动端检测
ViT（Vision Transformer） 用 Transformer 做图像分类，颠覆 CNN 思路 图像分类、图文多模态
CLIP OpenAI 出品，图文对齐模型，理解文字和图像关系 图像搜索、零样本分类
SAM（Segment Anything Model） Meta 出品，通用图像分割模型 任意图像分割、标注工具
✅ 自然语言处理（NLP）方向
技术/模型 简介 应用场景
BERT Google 出品，双向编码器，理解上下文 搜索、问答、情感分析
GPT 系列（GPT-3/4） 生成式预训练模型，擅长文本生成 聊天机器人、写作助手、代码生成
T5 所有 NLP 任务统一为“文本到文本” 翻译、摘要、问答
LLaMA / LLaMA2 Meta 出品，开源大模型，社区活跃 本地部署、微调、研究
ChatGLM / Baichuan / Qwen 国产大模型，中文优化好 中文对话、企业知识库
✅ 多模态（图像+文本）方向
技术/模型 简介 应用场景
BLIP / BLIP-2 图像+文本联合理解，支持图像描述、问答 图像搜索、图文对话
Flamingo DeepMind 出品，少样本学习强 图文推理
KOSMOS-1 / KOSMOS-2 微软出品，支持图像+文本输入，具备视觉对话能力 多模态助手
✅ AI 生成内容（AIGC）方向
技术/模型 简介 应用场景
Stable Diffusion 开源文生图模型，社区最活跃 AI 绘画、设计、广告
Midjourney 闭源文生图，艺术感强 插画、概念设计
DALL·E 3 OpenAI 出品，图文对齐极强 商业创意、教育配图
Sora OpenAI 视频生成模型，未完全开放 视频创作、广告、影视
Runway Gen-2 商业视频生成工具 短视频、广告、特效
✅ AI 语音/音乐方向
技术/模型 简介 应用场景
Whisper OpenAI 出品，多语言语音识别 字幕生成、会议记录
Bark / VALL-E AI 语音合成，支持情绪、语气 配音、虚拟人
MusicLM / Suno AI AI 音乐生成 背景音乐、创意作曲
✅ AI 编程/代码方向
技术/模型 简介 应用场景
Codex / GitHub Copilot OpenAI 出品，代码补全 编程助手
CodeT5 / CodeLlama 开源代码模型 本地部署、代码生成
AlphaCode DeepMind 出品，竞赛级编程 算法题自动生成
✅ AI Agent / 自动决策方向
技术/模型 简介 应用场景
AutoGPT / BabyAGI 自主任务分解与执行 自动化办公、研究助手
LangChain / CrewAI 构建 AI 工作流、多 Agent 协作 企业知识库、智能客服
✅ 国产 AI 模型（中文优化强）
模型 公司 特点
Qwen（通义千问） 阿里巴巴 多模态、开源、中文强
Baichuan（百川） 百川智能 开源、中文好、商用友好
ChatGLM（智谱） 清华&智谱 中文对话、开源、轻量
Kimi 月之暗面 长文本强，支持 200 万字上下文
ERNIE（文心一言） 百度 多模态、中文知识增强