從十大AI技術趨勢，窺見“未來”

發(fā)布日期： 2025-03-06 閱讀量： 作者： 小編

在2025年始，智源研究院提出十個人工智能技術及應用趨勢，以剖析科技演進軌跡，洞察未來發(fā)展方向，預測關鍵驅動力，指引人類社會邁向更加智能、美好與互聯的未來。

趨勢一

科學的未來：

AI4S驅動科學研究范式變革

大模型引領下的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。

提升科學研究效率，推動科學研究從聚焦優(yōu)化特定任務向更復雜、更動態(tài)、更交叉的問題發(fā)展，大模型賦能下的AI4S都較以往展現出截然不同的效果。2025年，多模態(tài)大模型將進一步融入科學研究，賦能多維數據的復雜結構挖掘，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、生命模擬、能源等基礎與應用科學的研究開辟新方向。

趨勢二

“具身智能元年”：

具身大小腦和本體的協同進化

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，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。

趨勢三

“下一個Token預測”：

統(tǒng)一的多模態(tài)大模型實現更高效AI

人工智能的本質在于對人的思維的信息過程的模擬，人類對于信息的交互和處理，總是呈現多模態(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，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)數據，實現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?；诖?，訓練階段即對齊視覺、音頻、3D等模態(tài)的數據，實現多模態(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。

趨勢四

Scaling Law擴展：RL + LLMs

模型泛化從預訓練向后訓練、推理遷移

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。

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。

趨勢六

合成數據將成為大模型迭代

與應用落地的重要催化劑

高質量數據將成為大模型進一步Scaling up的發(fā)展阻礙。合成數據已經成為基礎模型廠商補充數據的首選。合成數據可以降低人工治理和標注的成本，緩解對真實數據的依賴，不再涉及數據隱私問題；提升數據的多樣性，有助于提高模型處理長文本和復雜問題的能力。此外，合成數據可以緩解通用數據被大廠壟斷，專有數據存在獲取成本等問題，促進大模型的應用落地。

趨勢七

推理優(yōu)化迭代加速

成為AI Native應用落地的必要條件

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。

趨勢八

重塑產品應用形態(tài)

Agentic AI成為產品落地的重要模式

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。2023年底，AI Agent應用編排框架收斂，Agentic AI概念被提出。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高、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。

趨勢九

AI應用熱度漸起

Super 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AI OS的生態(tài)重塑。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。

趨勢十

模型能力提升與風險預防并重

AI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，但復雜系統(tǒng)特有的涌現結果不可預測、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。

科技的曙光將照耀人類前行的路途

這些技術將在激烈的競爭與協作中相互促進，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能，推動人類能力的邊界向更高更遠處延伸。站在科技的肩膀上，身可高百尺，手可摘星辰。?

上一篇: 2025 年值得關注的 10 個人工智能趨勢

從十大AI技術趨勢，窺見“未來”

隨便看看

從十大AI技術趨勢，窺見“未來”