北京智源人工智能研究院發(fā)布了“2025十大AI技術(shù)趨勢”，從基礎(chǔ)設(shè)施到產(chǎn)品應(yīng)用，智源對Scaling Law、基礎(chǔ)模型、具身智能、超級應(yīng)用、AI安全等關(guān)鍵方向作出預(yù)測。

“當(dāng)前，我們處在人工智能發(fā)展的新拐點(diǎn)，大模型的能力涌現(xiàn)加速通用人工智能時(shí)代的到來。”智源研究院院長王仲遠(yuǎn)表示，原生統(tǒng)一多模態(tài)、具身智能、AI for Science，將進(jìn)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(qū)動(dòng)科學(xué)研究創(chuàng)新突破。

趨勢一 科學(xué)的未來：AI4S驅(qū)動(dòng)科學(xué)研究范式變革

大模型引L下的AI4S（AI for Science），已成為推動(dòng)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)。2025年，多模態(tài)大模型將進(jìn)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 “具身智能元年”：具身大小腦和本體的協(xié)同進(jìn)化

2025年的具身智能，將繼續(xù)從本體擴(kuò)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?qū)⒂瓉硐磁疲瑥S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，我們也必將看到更多的工業(yè)場景下的具身智能應(yīng)用，部分人形機(jī)器人迎來量產(chǎn)。

趨勢三 “下一個(gè)Token預(yù)測”：統(tǒng)一的多模態(tài)大模型實(shí)現(xiàn)更G效AI

人工智能的本質(zhì)在于對人的思維的信息過程的模擬。當(dāng)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(xùn)練之初就打通多模態(tài)數(shù)據(jù)，實(shí)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�；�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(shí)現(xiàn)多模態(tài)的統(tǒng)一，構(gòu)建原生多模態(tài)大模型成為多模態(tài)大模型進(jìn)化的重要方向。

趨勢四 Scaling Law擴(kuò)展：RL + LLMs，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(dòng)基礎(chǔ)模型性能提升的訓(xùn)練模式“性價(jià)比”持續(xù)下降，后訓(xùn)練與特定場景的Scaling law不斷被探索。強(qiáng)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(huì)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G級別的認(rèn)知和更符合邏輯的推理與決策能力，這種能力不僅能推動(dòng)AI在自動(dòng)駕駛、機(jī)器人控制及智能制造等前沿L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(jī)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

G質(zhì)量數(shù)據(jù)將成為大模型進(jìn)一步Scaling up的發(fā)展阻礙。合成數(shù)據(jù)已經(jīng)成為基礎(chǔ)模型廠商補(bǔ)充數(shù)據(jù)的。合成數(shù)據(jù)可以降低人工治理和標(biāo)注的成本，緩解對真實(shí)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G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(jìn)大模型的應(yīng)用落地。

趨勢七 推理優(yōu)化迭代加速，成為AI Native應(yīng)用落地的必要條件

大模型硬件載體從云端向手機(jī)、PC等端側(cè)硬件滲透。在這些資源受限（AI算力、內(nèi)存等）的設(shè)備上，大模型的落地應(yīng)用會(huì)面臨較大的推理側(cè)的開銷限制，對部署資源、用戶體驗(yàn)、經(jīng)濟(jì)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(dòng)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(jìn)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、Copilot到AI Agent、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。從更強(qiáng)調(diào)產(chǎn)品概念的Agent，到更強(qiáng)調(diào)應(yīng)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(wù)流程理解更深的多智能體系統(tǒng)在應(yīng)用側(cè)的落地。

趨勢九 AI應(yīng)用熱度漸起，Super App花落誰家猶未可知

近一年時(shí)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(shí)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(xiǎn)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(hù)機(jī)制帶來了挑戰(zhàn)�；�礎(chǔ)模型在自主決策上的持續(xù)進(jìn)步帶來了潛在的失控風(fēng)險(xiǎn)，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(xiǎn)管控？這對參與AI的各方來說，都是一個(gè)值得持續(xù)探討的議題。

附件：2025年十大AI技術(shù)趨勢-原生統(tǒng)一多模態(tài)、具身智能、AI for Science