2025十大AI技術趨勢

2mogo2mogoo24……otOFO人O人Mk0Mk0a0…0…OrOrk0o0000800HYerOToor0.0teoo00歲月不居，時節(jié)如流。站在新舊交接的十字路口回望，一系列前所未見的技術突破正在重塑機器智能的定義，引發(fā)著深層次的變革，預示著更新、更美好的智能圖景。大模型的持續(xù)進化，如同蝴蝶振翅般顛覆了我們對人工智能的傳統(tǒng)理解。從初次嘗試新架構到發(fā)現(xiàn)新的普適定律，從能力泛化到模態(tài)無縫融合，這些突破性進展正在不斷刷新機器智能的邊界。大模型逐步擁抱文本、視覺、音頻、乃至3D數(shù)據(jù)，實現(xiàn)了感知與認知能力的全面升級，機器具備了更加細膩豐富的理解能力，人機交互煥發(fā)了全新的活力。與此同時，人工智能正在向著另一個關鍵維度挺進--對真實物理世界的模擬與適應。在這一主題下，機器不僅能夠自主感知和推理復雜場景，更能夠主動規(guī)劃行動、做出決策。而具身智能的加速落地，又進一步塑造了機器的物理形態(tài)。從感知到?jīng)Q策再到控制執(zhí)行，端到端的智能系統(tǒng)正在崛起，機器的適應性和靈活性持續(xù)突破。令人振奮的是，這些趨勢正互為助力、相得益彰?；Ｐ湍芰Φ?，為世界模擬和具身智能注入了更精準的感知與認知基礎，應用落地數(shù)據(jù)又反哺著基座模型的成長；大模型的驚人能量，撬動著基礎科學的浩瀚宇宙，大模型本身又作為科研對象，靜候研究者揭曉它更深的奧秘。在這些力量的驅動下，AgenticAI與新時代的超級應用應運而生，悄然滲入每個人的工作和生活中，春風化雨般改變著人機交互的形態(tài)。光明總是與黑暗共存。技術和應用正在高歌猛進，重塑人類社會的方方面面，而安全隱患在暗處滋生。我們必須建立起與日益智能的機器系統(tǒng)相稱的安全技術框架，探索具備最大共識的治理之道，才能最大限度地釋放人工智能的無窮潛能，讓技術以負責任的方式造福人類社會。于是，在2025年的開端，我們提出十個人工智能技術及應用趨勢。通過深入剖析科技的演進軌跡，更清晰地洞察未來幾年的科技發(fā)展方向，預測哪些核心技術將成為關鍵驅動力、哪些新興技術將蓬勃發(fā)展，它們將如何以創(chuàng)新之力指引人類社會邁向更加智能、美好與互聯(lián)的未來?？萍嫉氖锕鈱⒄找祟惽靶械穆吠尽＿@些技術將在激烈的競爭與協(xié)作中相互促進，共同譜寫人與智能系統(tǒng)共生共榮的磅礴篇章。而我們作為親歷者，將見證科技為人類文明注入澎湃動··趨勢一科學的未來：Al4S驅動科學研究范式變革p04“具身智能元年”:具身大小腦和本體的協(xié)同進化p06科學的未來：Al4S驅動科學研究范式變革·2024年度的諾貝爾物理學獎、化學獎均頒發(fā)給了AI領域科學家。大模型引領下的Al4S,已成為推動科學研究范式變革的關鍵力量?！隹茖W研究的范式帶有其所處時代的認知水平、價值取向、工具先進性、科研資源等因素的深刻烙印。自人類開始記錄自然現(xiàn)象以來，科學研究經(jīng)歷了經(jīng)驗觀察、理論建構、仿真模擬、數(shù)據(jù)驅動的科學發(fā)現(xiàn)四個階段。大模型時代，Al4S(AlforScience)展現(xiàn)出的賦能效果與小模型時期大相徑庭。傳統(tǒng)人工智能在科學研究中多聚焦于特定任務的優(yōu)化，如數(shù)據(jù)挖掘算法輔助科研數(shù)據(jù)處理，或基于既有模式進行推理預測，但其模型規(guī)模與泛化能力有限，難以解決復雜問題。而大模型以海量數(shù)據(jù)訓練，具備強大的跨領域知識整合能力；模型架構賦予其多層次的學習和處理能力，能夠捕捉高維數(shù)據(jù)中的復雜結構和模式，并對復雜科學問題進行整體理解與全局綜合分析。大模型還能通過生成式能力提出創(chuàng)新性假設，為科學研究開辟新方向。高性能算力的支持下，大模型正以前所未高性能算力的支持下，大模型正以前所未推動科研突破、解決實際問題的強勁動力。2024年2月，俄亥俄州立大學發(fā)布用于執(zhí)行化學任務描述、化學反應知識等任務上取得較優(yōu)成績；同時，研究團隊發(fā)布了包含14個任務、300多萬個高質量樣本的數(shù)據(jù)集SMollnstruct,為后續(xù)相關2025十大AI技術趨勢phicLabs團隊聯(lián)合發(fā)布AlphaFold3,能夠準確預測蛋白質與其他分子的相互作用，相較上一代模型，應用范圍取得巨大突破。國內方面，2024年6月，中國氣象局發(fā)布“風清”"風順""風雷"三個人工智能氣象大模型系統(tǒng)，具有大氣強物理融入和可解釋性，在實現(xiàn)高效計算ααpdpdggoo2動挖掘包括天氣系統(tǒng)內在的物理演變。12月，北京智源人工智能研究院提出的BAAIWorm天寶●被選為NatureComputationalScience期刊封面；BAAIWorm是一個全新的、基于數(shù)據(jù)驅動的生物智能模擬系統(tǒng)，首次實現(xiàn)秀麗線蟲的精細神經(jīng)系統(tǒng)、身體與環(huán)境的閉環(huán)仿真，為探索大腦與行為之間的神經(jīng)機制提供重要研究平臺。此外，智源研究院正在研發(fā)OpenComplex平臺，該平臺建立了將蛋白質結構預測、RNA結構預測和蛋白質-RNA復合物結構預測三類任務統(tǒng)一的端到端生物大分子三維結構預測深度學習框架，以期逐步構建能夠模擬生物過程的"數(shù)字孿生系統(tǒng)"。2025年，多模態(tài)大模型將進一步融入科學研究，賦能多維數(shù)據(jù)的復雜結構挖掘，輔助科研問題的綜合理解與全局分析，為生物醫(yī)學、氣象、材料發(fā)現(xiàn)、生命模擬、能源等基礎與應用科學的研究開辟新方向。(正是因為AI的影響),我們看到原本如同黑魔法找到解決方案)轉變?yōu)閷嶋H合理的設計。2025十大AI技術趨勢趨勢二/“具身智能元年”:具身大小腦和本體的協(xié)同進化"具身智能元年":具身大小腦和本體的協(xié)同進化·2024年，全球范圍內的具身智能競爭日漸白熱化。從融資規(guī)模、產(chǎn)品發(fā)布等多維度來看，中美兩國在該領域執(zhí)行業(yè)牛耳。以國內為例，根據(jù)智源研究院數(shù)據(jù)統(tǒng)計，截至2024年底，國內已發(fā)布或在研人形機器人接近100家，融資規(guī)模超100億元，稱之為“百機大戰(zhàn)”并不為過。·從廠商類型來看，專注本體/零部件、具身腦、具身腦和本體并重等三類廠商主導具身智能行業(yè)。自2024年5月以后，獲得融資的“專注本體”的具身初創(chuàng)企業(yè)融資事件數(shù)平均占比較前五月下降了36.8%?？梢哉J為，具身賽道的創(chuàng)業(yè)和資本熱度已從本體擴展到具身大小腦?！は噍^于整體成熟、更注重細節(jié)創(chuàng)新的本體，大模型目前在具身大腦應用較多。在具身小腦方向，大模型的應用嘗試將將起步。本體方面，作為一個相對成熟的領域，在本輪具身智能熱度中，更傾向于在細分領域有所創(chuàng)新。比如靈巧手為代表的末端執(zhí)行器、觸覺傳感器為代表的傳感器、面向具身專門設計的感知芯片等細分領域，在2025年均可能迎來更新迭代。本體小腦(大模型)大腦任務輸入至于具身大模型，目前已形成兩條主流技術路線：端到端模型和分層決策模型。分層模型方面，LLM、VLM等已成為具身大腦的主流范式，而小腦側仍以傳統(tǒng)控制方法為主。端到端模型，作為近兩年的研究熱點，覆蓋感知-決策-控制全流程，理論上可獲取的信息量最為豐富，端到端的輸出效果最優(yōu)。就模型賦能效果來看，具身大模型已在感知決策端實現(xiàn)了較好的多任務遷移和處理，但控制執(zhí)行側的泛化仍需要技術路徑的持續(xù)迭代和模型規(guī)模的Scalingup,這或可成為2025年的突破方向。2025十大AI技術趨勢Trend2內外科技大廠及研究機構在近兩年時間內密集推出具身模型成果。到機器人領域，表現(xiàn)出較好的長時序任務執(zhí)行能現(xiàn)了感知信息輸入-動作控制信息輸出。RT-X基于自采的大規(guī)模、多樣化數(shù)據(jù)集訓練，支持在多機器人平臺、泛化任務和環(huán)境間遷移，通用性進一步提升。斯坦福大學在2023年發(fā)布的多模態(tài)視覺模型VoxPoser(LLM+VLM),可根據(jù)感知到的環(huán)境信息與用戶指令，指導合成機器人所需執(zhí)行的操作軌跡。PhysicalIntelligence公司發(fā)布π通用機器人基礎模型，將互聯(lián)網(wǎng)規(guī)模的視覺-語言預訓練與實際機器人交互數(shù)據(jù)相結合，在五項機器人任務的評估中優(yōu)于其他的基線模型。國內方面，銀河通用嘗試利用三維視覺小模型+基礎大模型的技術組合解決具身模型泛化能力差，響應速度慢的問題。目前，銀河通用的具身大無人值守藥房，承擔補貨、取貨等任務；星海圖持續(xù)推動在具身本體及核心模組、端到端Al算法以及場景解決方案的研發(fā)及落地；北京智源人工智能研究院基于快系統(tǒng)和慢系統(tǒng)的設計路線，將快系統(tǒng)用于產(chǎn)生快速直覺的動作，當通過快系統(tǒng)執(zhí)行任務失敗時，再通過慢系統(tǒng)檢測、定位任務失敗節(jié)點，并進行糾正。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，我們可以從三方面有更多期待。在行業(yè)格局上，近百家的具身初創(chuàng)或將迎來洗牌，廠商數(shù)量開始收斂；在技術路線上，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，我們也必將看到更多的工業(yè)場景下的具身智能應用，部分人形機器人迎來量產(chǎn)。2025十大AI技術趨勢趨勢二/“具身智能元年”:具身大小腦和本體的協(xié)同進化黃仁勛人工智能的下一個浪潮將是具身智能，即能理解、推理、并與物理世界互動的智能系統(tǒng)。統(tǒng)一的多模態(tài)大模型實現(xiàn)更高效AI·2023年以來的大模型熱度肇始于LLM在多任務中的涌現(xiàn)，但囿于LLM所學習的模態(tài)單一，模型能力很難向高維的真實世界拓展。而人工智能的本質在于對人的思維的信息過程的模擬，人類對于信息的■以傳統(tǒng)多模態(tài)大模型為例，DiffusionTransformer(DiT)和LLM+CLIP是當前主流的多模態(tài)構建路立的，大模型對多種模態(tài)數(shù)據(jù)理解的不充分會導致多種模態(tài)生成的割裂和誤差增大。因此，從訓練之全模態(tài)01推理模型(慢思考)(文生圖/視頻年，海外頭部模型廠商積極布局原生多模態(tài)模型，在性能泛化上也得到初步證明。2024年5月，OpenAI發(fā)布了新一代原生多模態(tài)基礎模型GPT-4o,這款模型的創(chuàng)新之處在于放棄了GPT-4等前代模型使用獨立神經(jīng)網(wǎng)絡處理不同輸入數(shù)據(jù)的做法，采用單一統(tǒng)一的神經(jīng)網(wǎng)絡來處理所有輸入，這一創(chuàng)新使得GPT-40在多模態(tài)融合能力顯著提升，OpenAI團2025十大AI技術趨勢發(fā)布原生多模態(tài)大模型Chameleon,模型同樣采用了統(tǒng)一的Transformer架構，使用10萬億token文本、圖像和代碼混合模態(tài)數(shù)據(jù)完成訓練，34B參數(shù)模型性能接近GPT-4V,并且同時生成兩種模態(tài)。12月，OpenAl發(fā)布01正式版，更側重復雜問題的解決和更強大的推理能力，在STEM方面表現(xiàn)出色，尤其是科學、編程、數(shù)學模型等方面能力更為突出；同月，Google發(fā)布原頻等多模態(tài)輸入和輸出，可調用Google原生的代碼、搜索以及第三方工具。相較于海外原生多模態(tài)大模型的如火如茶，國內原生多模態(tài)大模型目前處于探索階段。2024年9月，北京智源人工智能研究院發(fā)布完全自研的自回歸原生多模態(tài)大模型Emu3-8B,成為國內首發(fā)全自研原生多模態(tài)大模型。目前存在一種趨勢，即多模態(tài)?，F(xiàn)如今，多模態(tài)技術的發(fā)展趨勢在于整合不同類型的模態(tài)信息。2025十大AI技術趨勢RL+LLMs,模型泛化從預訓練向后訓練、推理遷移■ScalingLaw(規(guī)模定律)作為大模型領域的“第一性原理”,主要強調模型性能與模型參數(shù)量、數(shù)據(jù)量和計算量的正相關關系，在GPT-4、Claude3.5等基礎模型訓練中發(fā)揮了不可或缺的指引作用?！r至2024年末，通過基于Chinchilla或OpenAIScalingLaw,擴大模型參數(shù)量和數(shù)據(jù)量帶來的模型性能提升已有所放緩。盡管根據(jù)EpochAl對電力、芯片、數(shù)據(jù)獲取及處理能力等預訓練關鍵要素的增長空間測算，預訓練ScalingLaw仍在生效，海外頭部廠商也仍在大力投入超大規(guī)模集群的建設，我們還可期待在2025年看到下一代基礎模型的到來。但不得不承認的是，由于預訓練ScalingLaw亞線性的冪律關系客觀存在，通過預訓練實現(xiàn)模型性能提升的門檻在不斷加高，距離GPT-4發(fā)擴展到后訓練、推理等其他階段。大模型訓練的共識逐漸從“資源獲取”轉向"資源分配”,算力和數(shù)據(jù)從預訓練向包括微調、對齊在內的后訓練以及推理階段傾斜。而在ScalingLaw迎來擴展的過程中，強化學習在其中所起的重要作用化學習)的進展已彰顯強化學習對提升模型實用性的關鍵作用。在Test-TimeCompute(推理計算時)等新ScalingLaw路徑獲得突破的當下，強化學習的思想正被應用到后訓練、推理等更多階段。2025十大AI技術趨勢比如，OpenAI發(fā)布的01和03正是通過利用強化學習在訓練和推理時的規(guī)模定律，提高找到最佳推理路徑的可能性和效果。在該趨勢的推動下，國內如Moonshot將強化學習技術應用于搜索場景，并發(fā)布以邏輯思考和深度推理為核心功能的數(shù)學模型KO-Math;DeepSeek使用強化學習訓練，充分挖掘和激活模型潛力，發(fā)布DeepSeekR1模型，探索釋放長思維鏈潛力；螞蟻技術研究院設立了強化學習實驗室，也圍繞該方向展開探索。整體來說，在即將到來的2025年，我們會看到ScalingLaw作為大模型訓練的黃金經(jīng)驗法則，往模型訓推的全流程，往特定的行業(yè)場景的不斷被再次發(fā)現(xiàn)。在這過程中，強化學習作為發(fā)現(xiàn)后訓練、推理階段的ScalingLaw的關鍵技術，也將會得到更多的應用和創(chuàng)新使用。張宏江北京智源人工智能研究院創(chuàng)始理事長美國國家工程院外籍院士即使在pre-training(預訓練)中有放緩趨勢，但GPT-o1的發(fā)布，讓我們看到另外一個天地，就是相對于預訓練模型的‘快思考'模式，推理模型ol可以給更多的思考時間，ScalingLaw的推理性能已出現(xiàn)‘拐點',有一個指數(shù)級增長。2025十大AI技術趨勢趨勢五/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·通過構建對外部世界的模擬，Al系統(tǒng)能夠完成對世界的內部表征，在復雜多變的環(huán)境中智能對真實世界里更復雜場景的理解與交互的新靈感。關于如何構建世界模型的路線之爭無疑將在2025年持續(xù)，或許隨著不同路線的性能泛化程度在新的一年出現(xiàn)分野，我們會看到世界模型技術路年12月，國外世界模型成果發(fā)布圖片生成可交互3D世界的AI系統(tǒng)，且可以用鍵鼠自由控制視角；Meta隨即推出導航世界模型NWM,能從單張圖像生成連續(xù)一致的視頻，基于該模型，智能體能夠根據(jù)過去的觀測和導航動作預測未來的視覺觀測，從而實現(xiàn)在各類環(huán)境中自大學的聯(lián)合研究團隊發(fā)布成果，在多模態(tài)大模型內部發(fā)現(xiàn)了其空間推理能力的潛力和短板。該研究將多模態(tài)大模型、空間智能在推理層面統(tǒng)一了國內方面，2024年10月、12月，北京智源人工智能研究院推出并開源了國內首個原生多模態(tài)世界模型Emu3、首個利用大規(guī)模無標注的互聯(lián)網(wǎng)視頻學習的3D生成模型See3D。值得一提的是，2025十大AI技術趨勢。個離散空間，在多模態(tài)混合序列上從頭開始聯(lián)合訓練一個Transformer,展現(xiàn)了其在大規(guī)模訓練在世界模型仍處于性能泛化尚未充分驗證，而資源投入已居高不下的當前，如何平衡商業(yè)變現(xiàn)壓力和前沿技術投入，將是國內外AI廠商和機構在趨勢五/世界模型加速發(fā)布，有望成為多模態(tài)大模型的下一階段空間智能是視覺智能的未來方向，解決空間智能問題將是邁向全面智能的基礎性和關鍵性一步。3D空間智能將改變生活，在2025年，空間智能的界限很可能會再次突破。2025十大AI技術趨勢。合成數(shù)據(jù)將成為大模型迭代與應用落地的重要催化劑高質量數(shù)據(jù)將成為大模型進一步Scalingup的發(fā)展阻礙。合成數(shù)據(jù)已經(jīng)成為基礎模型廠商補充數(shù)據(jù)的首選。根據(jù)EpochAl報告，在2026年以前，AI訓練將用盡互聯(lián)網(wǎng)上包含音視頻在內的高質量數(shù)據(jù)，而現(xiàn)存真實世界數(shù)據(jù)集或將在2030年至2060年之間耗盡。合成數(shù)據(jù)已經(jīng)成為基礎模型廠商081819050年12月，微軟發(fā)布語言模型Phi-4,該模型使用了不少于50個合成數(shù)據(jù)集來訓練，共約4000億Token,該模型在GPQAandMATH兩個BenchMark上擊敗了GPT-40和Llama3.3,Phi-4Llama3.3的五分之一，但性能卻高于后者5%。OpenAI最新發(fā)布的01大模型在復雜推理能力2025十大AI技術趨勢上顯著提升，研發(fā)團隊相應設置了對思維鏈(CoT)輸出結果的欺騙性檢測，該方案利用ChatGPT合成提問數(shù)據(jù)，評估并監(jiān)測01模型的回復是否有意或無意地忽略重點事實和人類要型訓練完成后并不急于發(fā)布，而主要用于內部數(shù)據(jù)合成以及強化學習獎勵建模推進包括Claude2024年6月及8月，智源研究院推出千萬級指數(shù)據(jù)集50%以上均為合成數(shù)據(jù)。Opencompass測試結果顯示，經(jīng)過在Infinity-Instruct-7M數(shù)綜合能力評價可基本對齊官方自己發(fā)布的對話模正如我們所知的那樣，預訓練毫無疑問將會終結，與此同時我們也不會再有更多數(shù)據(jù)了。原因在于，我們只有一個互聯(lián)網(wǎng)，訓練模型需要的海量數(shù)據(jù)即將枯竭，唯有從現(xiàn)有數(shù)據(jù)中尋找新的突破，AI才會繼續(xù)發(fā)展。以后的突破點，就在于智能體、合成數(shù)據(jù)和推理時計算。02024年12月，清華、智譜AI團隊利用文本語料庫提取6000億文本-語音合成數(shù)據(jù)，將預訓練擴展到1萬億個token,在語音語言建模和口語問題解答方面取得了SOTA,將語音問答任務方面0口的性能從之前的13%(Moshi)提高到31%。02025十大AI技術趨勢推理優(yōu)化迭代加速，成為AINative應用落地的必要條件著大模型在各類生成任務上的表現(xiàn)愈發(fā)突出，其應用外延持續(xù)擴展，催生出各類人工智能應用。大模型硬件載體也從云端向手機、PC等端側硬件滲透，在這些資源受限(AI算力、的推理側的開銷限制，對部署資源、用戶體驗、經(jīng)濟成本等均帶來巨大挑戰(zhàn)。在此背景下，模型推理優(yōu)化技術日益成為產(chǎn)研側關注重點。對該領域的研究大致可分為算法加速和硬件優(yōu)化兩個方向。前者多集中在數(shù)據(jù)層、模型層和系統(tǒng)層三個維度，通過對輸入提示詞、輸出內容的優(yōu)化，模型結構及壓縮技術的設計，推理引擎和服務系統(tǒng)的升級，來降低模型推理過程中的計算開銷、訪存開銷、存儲開銷。目前，以模型量化、知識蒸餾、模型稀疏等為代表的技術已大量應用，并初步取得成效。后續(xù)如何繼續(xù)在保障輸出序列長度和輸出質量的基礎上，降低推理開銷成為持續(xù)提升的關鍵方向；后者則關注硬件端加速，針對大模型在推理過程中自回歸的序列生成方式，專門設計芯片方案，帶來顯著的推理速度收益。當前國內外廠商圍繞長文本、復雜交互、邊緣部署等應用場景，持續(xù)推動推理優(yōu)化技術迭代，以在成與麻省理工團隊通過對模型層的智能化裁剪，在去除多達一半的模型層數(shù)下，依然維持了問答基準測試性能；微軟推出的BitNet架構使用"BitLin-ear"層替代標準線性層，通過降低參數(shù)精度的方式，在性能具備競爭力的前提下，顯著節(jié)省內存消意力和線性算子的針對性優(yōu)化和計算圖層面的深度算子融合技術，大幅提高大語言模型推理效率；潞晨科技推出的Colossal-Inference推理引擎通過張量并行、分塊式KV緩存、KV緩存量化、分頁注意力算法等優(yōu)化技術實現(xiàn)推理速度的提升和計算可獲得獲得數(shù)千倍的帶寬速度提升。在機器學習推理領域，降低成本和延遲是一個核心挑戰(zhàn)，這直接關系到先進模型能否惠及更多用戶。趨勢八/重塑產(chǎn)品應用形態(tài)，AgenticAI成為產(chǎn)品落地的重要模式重塑產(chǎn)品應用形態(tài)，AgenticAl成為產(chǎn)品落地的重要模式可以獨立瀏覽網(wǎng)絡并完成如旅行預訂等在線交易的智能體"Operator"。國內外頭部模型廠商在構建更通用、更自主智能體的探索與嘗試已蔚然成從更強調產(chǎn)品概念的Agent,到更強調應用智能程度的AgenticAI,我們在2025年將看到更多智2024年，OpenAl、Anthropic等頭部模極布局智能體產(chǎn)品與技術；全球已出現(xiàn)300多家500強企業(yè)員工已開始使用AI工具處理繁瑣任務，在理論發(fā)展方面，2023年12月，OpenAI提出了該系統(tǒng)"Agenticness"程度的四個指標；2024年3月，吳恩達在紅杉資本(SequoiaCapital)的人"Agentic"是對智能體智能程度的描述。2024年6多地從AIAgent遷移到AgenticAl,其背后標志著從判斷產(chǎn)品是否屬于Agent,到探討產(chǎn)品的智智能體協(xié)作等),這將大幅提升智能體的工作性能!在技術發(fā)展方面，2024年10月，Anthropic發(fā)布系統(tǒng)快速接入多種外部數(shù)據(jù)資源的上下文協(xié)議MCP。智譜AI推出可以執(zhí)行超50步復雜操作，且智能體協(xié)作等),這將大幅提升智能體的工作性能!2025十大AI技術趨勢Trend9AI應用熱度漸起，SuperApp花落誰家猶未可知一年時間，生成式模型在圖像、視頻側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框架、應用編排工具等技術的持續(xù)發(fā)展，為Al超級應用的落地積基樹本。大模型應用從功能點升級，滲透到AI原生的應用構建及AIOS的生態(tài)重塑。盡管從用戶規(guī)模、交互頻次、停留時長等維度來看，C端AI應用仍未出現(xiàn)爆發(fā)式增長，但超級應用的可能形態(tài)或已初現(xiàn)端倪：終端設備廠商基于硬件設備重構AIOS生態(tài)，基礎模型及垂直應用賽道廠商深度結合大模型能力AIOS方面，蘋果在10月正式發(fā)布AppleIntelligence,從系統(tǒng)層級對手機應用進行重構，覆蓋Al寫作、照片處理及語音助手等功能，得益于其軟硬生態(tài)的強耦合，有望深度整合系統(tǒng)級體驗，帶來交互形態(tài)的再升級。AIAPP方面，以ChatBot、生活服務為代表的AI應用經(jīng)過1年多時間的業(yè)務驗證，已有大量產(chǎn)品落地。Chat類如OpenAI發(fā)布的ChatGPT,月活接近6億，年預估收入約37億美元；國內方面字節(jié)跳動的人工智能應用豆包處于頭部，達到了7116萬月度活躍用戶數(shù)(截至2024年12月，數(shù)據(jù)來自AI產(chǎn)品榜),其后。生活服務類如螞蟻集團發(fā)布的系列個人管家產(chǎn)品，包括生活管家支小寶、金融管家螞小財、Al健康管家等，可根據(jù)用戶習慣和使用場景，智能推薦專屬服務。雖然SuperAPP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，Al應用熱度持續(xù)攀升，已到應用爆發(fā)的黎明前夕。李彥宏在移動互聯(lián)網(wǎng)時代，出現(xiàn)了許多用戶量達數(shù)億甚至十億的超級應用，然而在AI時代，這樣的超級應用尚未出現(xiàn)。無論是在美國、歐洲還是中國，都正在探索能夠發(fā)揮生成式AI能力、且能吸引數(shù)十億人使用的應用形態(tài)。模型能力提升與風險預防并重，Al安全治理體系持續(xù)完善■作為復雜系統(tǒng)，大模型的Scaling帶來了涌現(xiàn)，但復雜系統(tǒng)特有的涌現(xiàn)結果不可預測、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了挑戰(zhàn)?；A模型在自主決策上的持續(xù)進步帶來了潛在的失控風險，如何引入新的技術監(jiān)管方法，如何在人工監(jiān)管上平衡行業(yè)發(fā)展和風險管控?這對參與Al的各方來說，都是一個值得持續(xù)探討的議題。·與此同時，在信息傳播速度日益加快的當下，由Al系統(tǒng)引發(fā)的偏見、深度偽造、隱私泄露、版權爭議問題叢生，社會對AI安全的關注度急劇上升。近年來，各個國家、組織在AI安全上持續(xù)投入，并進行了技術研究、治理框架、國際合作等多種形式的探索，后續(xù)有望構建起與智能水平相匹配、合乎倫理、可靠、可控和尊重知識產(chǎn)權的Al安全治理體系。工智能安全峰會上公布公司正在幫助減輕AI系統(tǒng)特定的風險，如竊取模型、訓練數(shù)據(jù)污染、注入惡意信息和提取訓練數(shù)據(jù)中的機密信息等，確保組織能夠負責任地部署人工智能技術。10月，Anthropic更新其制定的《安全責任擴展政策(RSP)》以構建一種靈活的動態(tài)AI風險治理框架。國內方面，2024年4月，聯(lián)合國科技大會發(fā)布了兩項大模型安全標準，其中《大語言模型安全測試方法》由螞蟻集團牽頭。該標準率先給出了四種不同攻擊強度的攻擊手法分類標準，提供了嚴格的評估指標和測試程序等，為大模型本身的安全性評估提供了一套全面、嚴謹且實操性強的結構性方案。此外，螞蟻集團自研的大模型安全一體化解決方案“蟻天鑒”,旨在打造AI大模型的安全鎧甲，確保大模型技術在安全可靠的環(huán)境中發(fā)揮效能。目前，蟻天鑒的檢測與防御產(chǎn)品已開放給20家外部機構和企業(yè)使用，為通用大模型及醫(yī)療、金融、政務等垂直領域行業(yè)大模型應用安全保駕護2025十大AI技術趨勢等問題，通過大模型和圖AI等新技術實現(xiàn)自主防御新型攻擊和全網(wǎng)自動化運營。北京智源人工智能研究院持續(xù)推進Al安全底層關鍵技術研究，并提出泛化的Al防御大模型和Al監(jiān)管大模型；同時，智源研究院積極鍛造Al安全中國力量，組織或參與AI安全國際合作：2024年3月，發(fā)起并承辦我國首個Al安全國際對話高端閉門論壇，與全球AI領袖學者及產(chǎn)業(yè)專家聯(lián)合簽署《北京Al安全國際共識》;9月，參與第三屆國際Al安全參與籌備中國AI安全網(wǎng)絡，將在國際安全會議上發(fā)出中國聲音；10月，與英國AISI(AI安全研究國際AI開發(fā)者社區(qū)安全討論；11月，聯(lián)合多家高校及科研院所，推進迭代新版本中國Al安全治OpenAI前研究副總裁(安全)在西游記中，孫悟空有緊箍咒約束行為，我們應該給AI模型也帶上緊箍咒，也就是教會AI安全基本準則約束和道德標準，讓其遵守行為規(guī)范，以人類利益為先，成為我們貼心的伙伴，而不是冰冷的機器人。2025十大AI技術趨勢cal&ChemicalDomains.”Areraoflargelanguagemodels:aper-spective."ArXiv[3]Yu,BotaoetLargeLanguageModelsforChpag.[4]Abramson,J.,Adler,Accuratestructurepredictionofbiomo-Nature630,493-500(2024).https://-integrativedata-drivenmodelsimingC.elegansbrain,bodyamentinteractions.978-990(2024).https:/[6]Brohan,AnthonyetTransformerforReal-WorldCpag.Vision-Language-ActionModelsTrans-ferWebKnowledgetoRoboticControl.”ConferenceonRobotLearnin[8]Padalkar,Abhishekbodiment:RoboticLear[9]Huang,WenlongnipulationwithLanguageModels."ArXivabs/2307.05973(2023):n.pag.Models."ArXivabs/2402025十大AI技術趨勢PredictionisAllYouNeed."ArXivLLM:ScalingOpen-SourceLanguageBackground,Technology,LimiandOpportunitiesofLargeVisionModels."ArXivabs/2402.17177(2024):Bruce,Jakeetal.“GenInteractiveEnvironments."ArXivModels."(2024).TechnicalReport."(2023).HowMultimodalLargeLanModelsSee,Remember,andRecLearning3DCreation[19]Villalobos,Pabloetofdata?LimitsofLLMscalingb