1 月 8 日，北京智源人工智能研究院权威发布 2025 人工智能十大技术趋势。据其预测，借助 Scaling Law（尺度定律）提升基础模型性能的训练模式，其 “性价比” 正不断下滑，与此同时，后训练与特定场景下的 Scaling law 正成为探索热点。构建原生多模态大模型，逐渐成为多模态大模型进化的关键方向，而世界模型有望成为多模态大模型发展的下一阶段。此外，基础模型在自主决策能力上的持续精进，也带来了潜在的失控风险，因此，提升模型能力与预防风险需双管齐下。在具身智能领域，其发展将延续从本体延伸至具身脑的脉络，近百家具身初创企业或面临洗牌，厂商数量将趋于集中。
在大模型的引领下，AI4S（AI for Science）已成为推动科学研究范式变革的核心力量。2024 年，科研人员运用 AI 的比例迅猛增长，AI 对科学研究方法与流程的变革作用也开始显现。大模型赋能的 AI4S，能显著提升科学研究效率，促使科研从聚焦特定任务的优化，向更复杂、动态且交叉的问题拓展，展现出与以往截然不同的效果。展望 2025 年，多模态大模型将进一步融入科学研究，助力挖掘多维数据的复杂结构，辅助科研人员全面理解和分析科研问题，为生物医学、气象、材料发现、生命模拟、能源等基础与应用科学领域开辟全新研究方向。
2025 年，具身智能将沿着从本体拓展到具身脑的路径继续发展。在行业格局方面，近百家具身初创企业可能面临洗牌，市场竞争加剧，厂商数量开始减少。在技术路线上，端到端模型会持续迭代，对小脑大模型的探索或取得突破。商业应用层面，工业场景中具身智能的应用将更为广泛，部分人形机器人有望实现量产。
人工智能旨在模拟人类思维的信息处理过程，而人类对信息的交互和处理呈现多模态、跨模态的特点。当前的语言大模型以及拼接式的多模态大模型，在模拟人类思维过程中存在固有局限。从训练伊始就打通多模态数据，实现端到端输入输出的原生多模态技术路线，为多模态发展带来新契机。因此，在训练阶段将视觉、音频、3D 等模态数据进行统一，构建原生多模态大模型，成为多模态大模型进化的重要方向。
依靠 Scaling Law 来提升基础模型性能的训练模式，其 “性价比” 不断降低，而后训练与特定场景下的 Scaling law 正被广泛探索。强化学习作为发现后训练、推理阶段 Scaling Law 的关键技术，将得到更为广泛的应用和创新。
世界模型更注重 “因果” 推理，能赋予 AI 更高级别的认知能力，以及更符合逻辑的推理和决策能力。这不仅能推动 AI 在自动驾驶、机器人控制及智能制造等前沿领域的深度应用，还有望突破传统任务边界，探索人机交互的新模式。
高质量数据的获取，正成为大模型进一步发展的阻碍。合成数据已成为基础模型厂商扩充数据的首要选择。它不仅能降低人工治理和标注成本，减少对真实数据的依赖，避免数据隐私问题，还能提升数据的多样性，增强模型处理长文本和复杂问题的能力。此外，合成数据能缓解通用数据被大厂垄断、专有数据获取成本高等问题，有效推动大模型的应用落地。
大模型的硬件载体正从云端向手机、PC 等端侧硬件拓展。然而，在 AI 算力、内存等资源受限的设备上，大模型的落地应用会受到推理侧开销的限制，给部署资源、用户体验和经济成本带来巨大挑战。算法加速和硬件优化技术的持续迭代，将双轮驱动，助力 AI Native 应用的落地。
2025 年，功能更强大、自主性更高的智能体将重塑产品应用形态，深入工作和生活场景，成为大模型产品落地的重要应用形式。自 2023 年起，从 Chatbot（聊天机器人）、Copilot（AI 助手）到 AI Agent（AI 智能体）、Agentic AI，行业对 AI 应用形态的认识不断深化。2023 年底，AI Agent 应用编排框架逐渐成熟，Agentic AI 概念应运而生。2025 年，更多智能化程度高、对业务流程理解深刻的多智能体系统将在应用端落地。
近一年来，生成式模型在图像、视频处理能力上大幅提升，加上推理优化带来的成本降低，以及 Agent/RAG（检索增强生成）框架、应用编排工具等技术的持续发展，为 AI 超级应用的落地奠定了基础。尽管谁能最终打造出 AI 超级 APP 仍未可知，但从用户规模、交互频次、停留时长等维度来看，AI 应用热度持续上升，即将迎来爆发。
大模型作为复杂系统，其 Scaling 带来了涌现现象，但复杂系统特有的涌现结果难以预测，循环反馈等特性也给传统工程的安全防护机制带来挑战。基础模型在自主决策能力上的不断提升，带来了潜在的失控风险。如何引入新的技术监管手段，如何在人工监管中平衡行业发展与风险管控，是 AI 领域各方需要持续探讨的重要议题 。
声明：本站所使用的图片文字等素材均来源于互联网共享平台，并不代表本站观点及立场，如有侵权或异议请及时联系我们删除。
