1月8日，北京智源人工智能研究院發(fā)布2025人工智能十大技術(shù)趨勢。該預(yù)測認為，基于Scaling Law（尺度定律）推動基礎(chǔ)模型性能提升的訓(xùn)練模式“性價比”持續(xù)下降，后訓(xùn)練與特定場景的Scaling law不斷被探索。構(gòu)建原生多模態(tài)大模型成為多模態(tài)大模型進化的重要方向，世界模型有望成為多模態(tài)大模型的下一階段�；A(chǔ)模型在自主決策上的持續(xù)進步帶來了潛在的失控風(fēng)險，模型能力提升與風(fēng)險預(yù)防并重。具身智能將繼續(xù)從本體擴展到具身腦的敘事主線，近百家具身初創(chuàng)企業(yè)或?qū)⒂瓉硐磁�，廠商數(shù)量開始收斂。
趨勢一：AI4S驅(qū)動科學(xué)研究范式變革
大模型引領(lǐng)下的AI4S（AI for Science）已成為推動科學(xué)研究范式變革的關(guān)鍵力量。2024年，科研人員使用AI的比例快速增加，AI對科學(xué)研究方法和流程的變革效應(yīng)也開始顯現(xiàn)。提升科學(xué)研究效率，推動科學(xué)研究從聚焦優(yōu)化特定任務(wù)向更復(fù)雜、更動態(tài)、更交叉的問題發(fā)展，大模型賦能下的AI4S較以往展現(xiàn)出截然不同的效果。2025年，多模態(tài)大模型將進一步融入科學(xué)研究，賦能多維數(shù)據(jù)的復(fù)雜結(jié)構(gòu)挖掘，輔助科研問題的綜合理解與全局分析，為生物醫(yī)學(xué)、氣象、材料發(fā)現(xiàn)、生命模擬、能源等基礎(chǔ)與應(yīng)用科學(xué)的研究開辟新方向。
趨勢二：具身大小腦和本體的協(xié)同進化
2025年的具身智能將繼續(xù)從本體擴展到具身腦的敘事主線。在行業(yè)格局上，近百家具身初創(chuàng)企業(yè)或?qū)⒂瓉硐磁�，廠商數(shù)量開始收斂；在技術(shù)路線上，端到端模型繼續(xù)迭代，小腦大模型的嘗試或有突破；在商業(yè)變現(xiàn)上，可以看到更多工業(yè)場景下的具身智能應(yīng)用，部分人形機器人迎來量產(chǎn)。
趨勢三：統(tǒng)一的多模態(tài)大模型實現(xiàn)更高效AI
人工智能本質(zhì)在于對人思維的信息過程的模擬，人類對于信息的交互和處理總是呈現(xiàn)多模態(tài)、跨模態(tài)的輸入輸出狀態(tài)。當前的語言大模型、拼接式的多模態(tài)大模型對人類思維過程的模擬存在天然的局限性。從訓(xùn)練之初就打通多模態(tài)數(shù)據(jù)，實現(xiàn)端到端輸入和輸出的原生多模態(tài)技術(shù)路線給出了多模態(tài)發(fā)展的新可能。基于此，訓(xùn)練階段即對齊視覺、音頻、3D等模態(tài)的數(shù)據(jù)實現(xiàn)多模態(tài)統(tǒng)一，構(gòu)建原生多模態(tài)大模型，成為多模態(tài)大模型進化的重要方向。
趨勢四：Scaling Law擴展，模型泛化從預(yù)訓(xùn)練向后訓(xùn)練、推理遷移
基于Scaling Law推動基礎(chǔ)模型性能提升的訓(xùn)練模式“性價比”持續(xù)下降，后訓(xùn)練與特定場景的Scaling law不斷被探索。強化學(xué)習(xí)作為發(fā)現(xiàn)后訓(xùn)練、推理階段的Scaling Law的關(guān)鍵技術(shù)，也將會得到更多的應(yīng)用和創(chuàng)新使用。
趨勢五：世界模型加速發(fā)布，有望成為多模態(tài)大模型的下一階段
更注重“因果”推理的世界模型賦予AI更高級別的認知和更符合邏輯的推理與決策能力，這種能力不僅能推動AI在自動駕駛、機器人控制及智能制造等前沿領(lǐng)域的深度應(yīng)用，更有望突破傳統(tǒng)的任務(wù)邊界，探索人機交互的新可能。
趨勢六：合成數(shù)據(jù)將成為大模型迭代與應(yīng)用落地的重要催化劑
高質(zhì)量數(shù)據(jù)將成為大模型進一步Scaling up的發(fā)展阻礙。合成數(shù)據(jù)已成為基礎(chǔ)模型廠商補充數(shù)據(jù)的首選。合成數(shù)據(jù)可降低人工治理和標注成本，緩解對真實數(shù)據(jù)的依賴，不再涉及數(shù)據(jù)隱私問題；提升數(shù)據(jù)的多樣性，有助于提高模型處理長文本和復(fù)雜問題的能力。此外，合成數(shù)據(jù)可以緩解通用數(shù)據(jù)被大廠壟斷，專有數(shù)據(jù)存在獲取成本等問題，促進大模型應(yīng)用落地。
趨勢七：推理優(yōu)化迭代加速，成為AI Native（AI原生）應(yīng)用落地的必要條件
大模型硬件載體從云端向手機、PC等端側(cè)硬件滲透。在AI算力、內(nèi)存等資源受限的設(shè)備上，大模型的落地應(yīng)用會面臨較大的推理側(cè)的開銷限制，對部署資源、用戶體驗、經(jīng)濟成本等均帶來巨大挑戰(zhàn)。算法加速和硬件優(yōu)化技術(shù)持續(xù)迭代，雙輪驅(qū)動加速AI Native應(yīng)用落地。
趨勢八：重塑產(chǎn)品應(yīng)用形態(tài)，Agentic AI成為產(chǎn)品落地的重要模式
2025年更通用、更自主的智能體將重塑產(chǎn)品應(yīng)用形態(tài)，進一步深入工作與生活場景，成為大模型產(chǎn)品落地的重要應(yīng)用形態(tài)。從Chatbot（聊天機器人）、Copilot（AI助手）到AI Agent（AI智能體）、Agentic AI，2023年以來行業(yè)對于AI應(yīng)用形態(tài)的理解越發(fā)深入。2023年底，AI Agent應(yīng)用編排框架收斂，Agentic AI概念被提出。從更強調(diào)產(chǎn)品概念的Agent，到更強調(diào)應(yīng)用智能程度的Agentic AI，2025年將看到更多智能化程度更高、對業(yè)務(wù)流程理解更深的多智能體系統(tǒng)在應(yīng)用側(cè)落地。
趨勢九：AI應(yīng)用熱度漸起，超級App花落誰家猶未可知
近一年時間，生成式模型在圖像、視頻側(cè)的處理能力得到大幅提升，疊加推理優(yōu)化帶來的降本，Agent/RAG（檢索增強生成）框架、應(yīng)用編排工具等技術(shù)的持續(xù)發(fā)展，為AI超級應(yīng)用的落地積基樹本。雖然超級APP花落誰家尚未塵埃落定，但從用戶規(guī)模、交互頻次、停留時長等維度來看，AI應(yīng)用熱度持續(xù)攀升，已到應(yīng)用爆發(fā)的黎明前夕。
趨勢十：模型能力提升與風(fēng)險預(yù)防并重，AI安全治理體系持續(xù)完善
作為復(fù)雜系統(tǒng)，大模型的Scaling帶來了涌現(xiàn)，但復(fù)雜系統(tǒng)特有的涌現(xiàn)結(jié)果不可預(yù)測，循環(huán)反饋等特有屬性也對傳統(tǒng)工程的安全防護機制帶來挑戰(zhàn)�；A(chǔ)模型在自主決策上的持續(xù)進步帶來了潛在的失控風(fēng)險，如何引入新的技術(shù)監(jiān)管方法，如何在人工監(jiān)管上平衡行業(yè)發(fā)展和風(fēng)險管控，這對參與AI的各方來說，都是一個值得持續(xù)探討的議題。
