北京智源人工智能研究院發(fā)布了“2025十大AI技術趨勢”，從基礎設施到產品應用，智源對Scaling Law、基礎模型、具身智能、超J應用、AI安全等關鍵方向作出預測。
“當前，我們處在人工智能發(fā)展的新拐點，大模型的能力涌現(xiàn)加速通用人工智能時代的到來。”智源研究院院長王仲遠表示，原生統(tǒng)一多模態(tài)、具身智能、AI for Science，將進一步深化人工智能對世界的感知、理解與推理，連接數(shù)字世界與物理世界，驅動科學研究創(chuàng)新突破。
大模型引L下的AI4S（AI for Science），已成為推動科學研究范式變革的關鍵力量。2024年，科研人員使用AI的比例快速增加，AI對科學研究方法和流程的變革效應也開始顯現(xiàn)。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。
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。
人工智能的本質在于對人的思維的信息過程的模擬。當前的語言大模型、拼接式的多模態(tài)大模型，在對人類思維過程的模擬存在天然的局限性。從訓練之初就打通多模態(tài)數(shù)據，實現(xiàn)端到端輸入和輸出的原生多模態(tài)技術路線給出了多模態(tài)發(fā)展的新可能。基于此，訓練階段即對齊視覺、音頻、3D等模態(tài)的數(shù)據，實現(xiàn)多模態(tài)的統(tǒng)一，構建原生多模態(tài)大模型成為多模態(tài)大模型進化的重要方向。
基于Scaling Law推動基礎模型性能提升的訓練模式“性價比”持續(xù)下降，后訓練與特定場景的Scaling law不斷被探索。強化學習作為發(fā)現(xiàn)后訓練、推理階段的Scaling Law的關鍵技術，也將會得到更多的應用和創(chuàng)新使用。
更注重“因果”推理的世界模型賦予AI更GJ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L域的深度應用，更有望突破傳統(tǒng)的任務邊界，探索人機交互的新可能。
G質量數(shù)據將成為大模型進一步Scaling up的發(fā)展阻礙。合成數(shù)據已經成為基礎模型廠商補充數(shù)據的選。合成數(shù)據可以降低人工治理和標注的成本，緩解對真實數(shù)據的依賴，不再涉及數(shù)據隱私問題；提升數(shù)據的多樣性，有助于提G模型處理長文本和復雜問題的能力。此外，合成數(shù)據可以緩解通用數(shù)據被大廠壟斷，專有數(shù)據存在獲取成本等問題，促進大模型的應用落地。
大模型硬件載體從云端向手機、PC等端側硬件滲透。在這些資源受限（AI算力、內存等）的設備上，大模型的落地應用會面臨較大的推理側的開銷限制，對部署資源、用戶體驗、經濟成本等均帶來巨大挑戰(zhàn)。算法加速和硬件優(yōu)化技術持續(xù)迭代，雙輪驅動加速AI Native應用落地。
2025年，更通用、更自主的智能體將重塑產品應用形態(tài)，進一步深入工作與生活場景，成為大模型產品落地的重要應用形態(tài)。從Chatbot、Copilot到AI Agent、Agentic AI，2023年以來行業(yè)對于AI應用形態(tài)的理解越發(fā)深入。從更強調產品概念的Agent，到更強調應用智能程度的Agentic AI，我們在2025年將看到更多智能化程度更G、對業(yè)務流程理解更深的多智能體系統(tǒng)在應用側的落地。
近一年時間，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AI超J應用的落地積基樹本。雖然Super 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應用熱度持續(xù)攀升，已到應用爆發(fā)的黎明前夕。
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)。基礎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AI的各方來說，都是一個值得持續(xù)探討的議題。
 |
| 商用機器人 Disinfection Robot 展廳機器人 智能垃圾站 輪式機器人底盤 迎賓機器人 移動機器人底盤 講解機器人 紫外線消毒機器人 大屏機器人 霧化消毒機器人 服務機器人底盤 智能送餐機器人 霧化消毒機 機器人OEM代工廠 消毒機器人排名 智能配送機器人 圖書館機器人 導引機器人 移動消毒機器人 導診機器人 迎賓接待機器人 前臺機器人 導覽機器人 酒店送物機器人 云跡科技潤機器人 云跡酒店機器人 智能導診機器人 |
