第一章 大型語言模型的前世今生
1.1. 從ChatGPT到大型語言模型革命
1.1.1 第四次工業革命正在到來
1.1.2 人工智慧的里程碑
1.1.3 掀起大型語言模型革命
1.2. 大型語言模型發展簡史
1.2.1 初期探索階段：大型語言模型發展的基礎
1.2.2 快速成長階段：大型語言模型崛起的準備
1.2.3 全面爆發階段：大型語言模型的初現與勃興
1.3. 逐鹿群雄，百模爭霸
1.3.1 百模大戰在戰什麼？
1.3.2 不容忽視的「小模型」
1.4. 進入大型語言模型時代

第二章 OpenAI：勝者為王
2.1. OpenAI發家史
2.1.1 非營利組織OpenAI
2.1.2 接受投資，攜手微軟
2.1.3 OpenAI 的變現能力
2.2 一馬當先的GPT 系列
2.2.1 從GPT-1 到GPT3.5
2.2.2 更強大的GPT 版本
2.2.3 從GPT-4 到GPT-4o
2.2.4 GPT-5 即將到來
2.2.5 技術奇點的前夜
2.3. 一個由OpenAI打造的AI帝國
2.3.1 從Whisper 到DALL · E
2.3.2 橫空降世的Sora
2.3.3 Sora 的真正價值
2.4. OpenAI的規模法則

第三章 Anthropic：OpenAI的最強勁敵
3.1. 一齣好戲，從隊友到對手
3.1.1 從OpenAI 離開的Anthropic
3.1.2 為了安全的努力
3.1.3 Anthropic 的「公益」實踐
3.2. Claude：GPT的最強競品
3.2.1 緊隨ChatGPT 的Claude
3.2.2 Claude 3 打趴GPT-4 ？
3.2.3 Claude 落地應用
3.3. Anthropic是下一個OpenAI嗎？
3.3.1 Anthropic 的強力「後援」
3.3.2 挑戰者的挑戰

第四章 Google：從失守到追趕
4.1. AI領域的超級玩家
4.1.1 Google Brain：Google 的AI 發展起點
4.1.2 DeepMind：從理論到應用的飛躍
4.1.3 AI-first：Google 的「AI 優先」
4.2. Bard失守，Google翻車
4.2.1 Bard 迎戰ChatGPT
4.2.2 最強大型語言模型Gemini
4.2.1 PaLM 2 是Google 的回擊
4.3. 重新出發，迎頭趕上
4.3.1 Gemini 1.5 發佈
4.3.2 開源模型Gemma
4.3.3 世界模型Genie
4.3.4 AI 助理Project Astra
4.3.5 文字生成影片模型Veo
4.4. 垂直領域的領先方案
4.4.1 Google 大型語言模型落地醫療
4.4.2 Google AI 的應用實踐
4.5. 痼疾和優勢，Google的未來？

第五章 Meta：從元宇宙到大型語言模型
5.1. 放棄元宇宙，Meta的翻盤
5.1.1 馬克· 祖克柏的焦慮
5.1.2 元宇宙的理想國
5.1.3 從元宇宙轉向大型語言模型
5.2. Meta鏖戰大型語言模型
5.2.1 Meta 的AI 實力
5.2.2 開源大型語言模型Llama 系列
5.2.3 Meta 正在大步向前
5.3. 開源這條路，Meta非走不可
5.3.1 Meta 的真正市場在哪？
5.3.2 Meta 為什麼選擇開源？
5.3.3 開源大型語言模型的標杆

第六章 xAI：馬斯克的大型語言模型佈局
6.1. xAI：補齊馬斯克的商業版圖
6.1.1 為OpenAI 做了嫁衣
6.1.2 馬斯克為什麼和OpenAI 決裂？
6.1.3 馬斯克的野心和佈局
6.1.4 OpenAI 的攔截和xAI 的誕生
6.2. 馬斯克的Grok系列
6.2.1 全球最大的開源大型語言模型
6.2.2 入局激烈的開源之戰

第七章 Apple：迎接關鍵一戰
7.1. 放棄造車，轉戰AI
7.1.1 十年造車夢碎
7.1.2 大型語言模型狂飆，Apple 急了
7.2 讓Siri 不再「智障」
7.2.1 將AI 引入iPhone
7.2.2 姍姍來遲的Apple 大型語言模型
7.2.3 Apple 竟然開源了？

第八章 Cohere：大型語言模型的行業新星
8.1. Cohere的聰明選擇
8.1.1 Cohere 的創立故事
8.1.2 瞄準企業大型語言模型
8.2. 在夾縫中突圍的Cohere
8.2.1 Cohere 的產品
8.2.2 Cohere 最新力作：Command R+ 模型
8.2.3 Cohere 的風險和挑戰

第九章 大型語言模型下一站：開源還是閉源？
9.1 技術圈的「開源」之爭
9.1.1 開源不僅是開放原始程式碼
9.1.2 開源的意義
9.1.3 開源和閉源的矛盾
9.2. 開源大型語言模型VS閉源大型語言模型
9.2.1 大型語言模型時代，開源有何變化？
9.2.2 開源背後，另有所圖
9.2.3 開源強還是閉源強？
9.3. 大型語言模型路向何方？
9.4. 大型語言模型的價值對齊
9.4.1 OpenAI 的「宮鬥」背後
9.4.2 狂奔與失控的OpenAI
9.4.3 大型語言模型需要「價值對齊」
9.4.4 大型語言模型向善發展

後記

第一章 大型語言模型的前世今生
1.1. 從ChatGPT到大型語言模型革命
1.1.1 第四次工業革命正在到來
1.1.2 人工智慧的里程碑
1.1.3 掀起大型語言模型革命
1.2. 大型語言模型發展簡史
1.2.1 初期探索階段：大型語言模型發展的基礎
1.2.2 快速成長階段：大型語言模型崛起的準備
1.2.3 全面爆發階段：大型語言模型的初現與勃興
1.3. 逐鹿群雄，百模爭霸
1.3.1 百模大戰在戰什麼？
1.3.2 不容忽視的「小模型」
1.4. 進入大型語言模型時代

第二章 OpenAI：勝者為王
2.1. OpenAI發家史
2.1.1 非營利組織OpenAI
2.1.2 接受投資，攜手微軟
2.1.3 OpenAI 的變現能力
2.2 一馬當先的GPT 系列
2.2.1 從GPT-1 到GPT3.5
2.2.2 更強大的GPT 版本
2.2.3 從GPT-4 到GPT-4o
2.2.4 GPT-5 即將到來
2.2.5 技術奇點的前夜
2.3. 一個由OpenAI打造的AI帝國
2.3.1 從Whisper 到DALL · E
2.3.2 橫空降世的Sora
2.3.3 Sora 的真正價值
2.4. OpenAI的規模法則

第三章 Anthropic：OpenAI的最強勁敵
3.1. 一齣好戲，從隊友到對手
3.1.1 從OpenAI 離開的Anthropic
3.1.2 為了安全的努力
3.1.3 Anthropic 的「公益」實踐
3.2. Claude：GPT的最強競品
3.2.1 緊隨ChatGPT 的Claude
3.2.2 Claude 3 打趴GPT-4 ？
3.2.3 Claude 落地應用
3.3. Anthropic是下一個OpenAI嗎？
3.3.1 Anthropic 的強力「後援」
3.3.2 挑戰者的挑戰

第四章 Google：從失守到追趕
4.1. AI領域的超級玩家
4.1.1 Google Brain：Google 的AI 發展起點
4.1.2 DeepMind：從理論到應用的飛躍
4.1.3 AI-first：Google 的「AI 優先」
4.2. Bard失守，Google翻車
4.2.1 Bard 迎戰ChatGPT
4.2.2 最強大型語言模型Gemini
4.2.1 PaLM 2 是Google 的回擊
4.3. 重新出發，迎頭趕上
4.3.1 Gemini 1.5 發佈
4.3.2 開源模型Gemma
4.3.3 世界模型Genie
4.3.4 AI 助理Project Astra
4.3.5 文字生成影片模型Veo
4.4. 垂直領域的領先方案
4.4.1 Google 大型語言模型落地醫療
4.4.2 Google AI 的應用實踐
4.5. 痼疾和優勢，Google的未來？

第五章 Meta：從元宇宙到大型語言模型
5.1. 放棄元宇宙，Meta的翻盤
5.1.1 馬克· 祖克柏的焦慮
5.1.2 元宇宙的理想國
5.1.3 從元宇宙轉向大型語言模型
5.2. Meta鏖戰大型語言模型
5.2.1 Meta 的AI 實力
5.2.2 開源大型語言模型Llama 系列
5.2.3 Meta 正在大步向前
5.3. 開源這條路，Meta非走不可
5.3.1 Meta 的真正市場在哪？
5.3.2 Meta 為什麼選擇開源？
5.3.3 開源大型語言模型的標杆

第六章 xAI：馬斯克的大型語言模型佈局
6.1. xAI：補齊馬斯克的商業版圖
6.1.1 為OpenAI 做了嫁衣
6.1.2 馬斯克為什麼和OpenAI 決裂？
6.1.3 馬斯克的野心和佈局
6.1.4 OpenAI 的攔截和xAI 的誕生
6.2. 馬斯克的Grok系列
6.2.1 全球最大的開源大型語言模型
6.2.2 入局激烈的開源之戰

第七章 Apple：迎接關鍵一戰
7.1. 放棄造車，轉戰AI
7.1.1 十年造車夢碎
7.1.2 大型語言模型狂飆，Apple 急了
7.2 讓Siri 不再「智障」
7.2.1 將AI 引入iPhone
7.2.2 姍姍來遲的Apple 大型語言模型
7.2.3 Apple 竟然開源了？

第八章 Cohere：大型語言模型的行業新星
8.1. Cohere的聰明選擇
8.1.1 Cohere 的創立故事
8.1.2 瞄準企業大型語言模型
8.2. 在夾縫中突圍的Cohere
8.2.1 Cohere 的產品
8.2.2 Cohere 最新力作：Command R+ 模型
8.2.3 Cohere 的風險和挑戰

第九章 大型語言模型下一站：開源還是閉源？
9.1 技術圈的「開源」之爭
9.1.1 開源不僅是開放原始程式碼
9.1.2 開源的意義
9.1.3 開源和閉源的矛盾
9.2. 開源大型語言模型VS閉源大型語言模型
9.2.1 大型語言模型時代，開源有何變化？
9.2.2 開源背後，另有所圖
9.2.3 開源強還是閉源強？
9.3. 大型語言模型路向何方？
9.4. 大型語言模型的價值對齊
9.4.1 OpenAI 的「宮鬥」背後
9.4.2 狂奔與失控的OpenAI
9.4.3 大型語言模型需要「價值對齊」
9.4.4 大型語言模型向善發展

後記

第一章 大型語言模型的前世今生
1.1. 從ChatGPT到大型語言模型革命
1.1.1 第四次工業革命正在到來
1.1.2 人工智慧的里程碑
1.1.3 掀起大型語言模型革命
1.2. 大型語言模型發展簡史
1.2.1 初期探索階段：大型語言模型發展的基礎
1.2.2 快速成長階段：大型語言模型崛起的準備
1.2.3 全面爆發階段：大型語言模型的初現與勃興
1.3. 逐鹿群雄，百模爭霸
1.3.1 百模大戰在戰什麼？
1.3.2 不容忽視的「小模型」
1.4. 進入大型語言模型時代

第二章 OpenAI：勝者為王
2.1. OpenAI發家史
2.1.1 非營利組織OpenAI
2.1.2 接受投資，攜手微軟
2.1.3 OpenAI 的變現能力
2.2 一馬當先的GPT 系列
2.2.1 從GPT-1 到GPT3.5
2.2.2 更強大的GPT 版本
2.2.3 從GPT-4 到GPT-4o
2.2.4 GPT-5 即將到來
2.2.5 技術奇點的前夜
2.3. 一個由OpenAI打造的AI帝國
2.3.1 從Whisper 到DALL · E
2.3.2 橫空降世的Sora
2.3.3 Sora 的真正價值
2.4. OpenAI的規模法則

第三章 Anthropic：OpenAI的最強勁敵
3.1. 一齣好戲，從隊友到對手
3.1.1 從OpenAI 離開的Anthropic
3.1.2 為了安全的努力
3.1.3 Anthropic 的「公益」實踐
3.2. Claude：GPT的最強競品
3.2.1 緊隨ChatGPT 的Claude
3.2.2 Claude 3 打趴GPT-4 ？
3.2.3 Claude 落地應用
3.3. Anthropic是下一個OpenAI嗎？
3.3.1 Anthropic 的強力「後援」
3.3.2 挑戰者的挑戰

第四章 Google：從失守到追趕
4.1. AI領域的超級玩家
4.1.1 Google Brain：Google 的AI 發展起點
4.1.2 DeepMind：從理論到應用的飛躍
4.1.3 AI-first：Google 的「AI 優先」
4.2. Bard失守，Google翻車
4.2.1 Bard 迎戰ChatGPT
4.2.2 最強大型語言模型Gemini
4.2.1 PaLM 2 是Google 的回擊
4.3. 重新出發，迎頭趕上
4.3.1 Gemini 1.5 發佈
4.3.2 開源模型Gemma
4.3.3 世界模型Genie
4.3.4 AI 助理Project Astra
4.3.5 文字生成影片模型Veo
4.4. 垂直領域的領先方案
4.4.1 Google 大型語言模型落地醫療
4.4.2 Google AI 的應用實踐
4.5. 痼疾和優勢，Google的未來？

第五章 Meta：從元宇宙到大型語言模型
5.1. 放棄元宇宙，Meta的翻盤
5.1.1 馬克· 祖克柏的焦慮
5.1.2 元宇宙的理想國
5.1.3 從元宇宙轉向大型語言模型
5.2. Meta鏖戰大型語言模型
5.2.1 Meta 的AI 實力
5.2.2 開源大型語言模型Llama 系列
5.2.3 Meta 正在大步向前
5.3. 開源這條路，Meta非走不可
5.3.1 Meta 的真正市場在哪？
5.3.2 Meta 為什麼選擇開源？
5.3.3 開源大型語言模型的標杆

第六章 xAI：馬斯克的大型語言模型佈局
6.1. xAI：補齊馬斯克的商業版圖
6.1.1 為OpenAI 做了嫁衣
6.1.2 馬斯克為什麼和OpenAI 決裂？
6.1.3 馬斯克的野心和佈局
6.1.4 OpenAI 的攔截和xAI 的誕生
6.2. 馬斯克的Grok系列
6.2.1 全球最大的開源大型語言模型
6.2.2 入局激烈的開源之戰

第七章 Apple：迎接關鍵一戰
7.1. 放棄造車，轉戰AI
7.1.1 十年造車夢碎
7.1.2 大型語言模型狂飆，Apple 急了
7.2 讓Siri 不再「智障」
7.2.1 將AI 引入iPhone
7.2.2 姍姍來遲的Apple 大型語言模型
7.2.3 Apple 竟然開源了？

第八章 Cohere：大型語言模型的行業新星
8.1. Cohere的聰明選擇
8.1.1 Cohere 的創立故事
8.1.2 瞄準企業大型語言模型
8.2. 在夾縫中突圍的Cohere
8.2.1 Cohere 的產品
8.2.2 Cohere 最新力作：Command R+ 模型
8.2.3 Cohere 的風險和挑戰

第九章 大型語言模型下一站：開源還是閉源？
9.1 技術圈的「開源」之爭
9.1.1 開源不僅是開放原始程式碼
9.1.2 開源的意義
9.1.3 開源和閉源的矛盾
9.2. 開源大型語言模型VS閉源大型語言模型
9.2.1 大型語言模型時代，開源有何變化？
9.2.2 開源背後，另有所圖
9.2.3 開源強還是閉源強？
9.3. 大型語言模型路向何方？
9.4. 大型語言模型的價值對齊
9.4.1 OpenAI 的「宮鬥」背後
9.4.2 狂奔與失控的OpenAI
9.4.3 大型語言模型需要「價值對齊」
9.4.4 大型語言模型向善發展

後記