北京智源人工智能研究院發布了“2025十大AI技術趨勢”，從基礎設施到產品應用，智源對(dui)Scaling Law、基礎模(mo)型、具身智能、超級應用、AI安全等關(guan)鍵方(fang)向作出(chu)預測。

“當前，我(wo)們處(chu)在(zai)人工(gong)智(zhi)(zhi)能(neng)發展的新拐點，大模型的能(neng)力涌現加速通用人工(gong)智(zhi)(zhi)能(neng)時代的到來。”智(zhi)(zhi)源(yuan)研究(jiu)院院長(chang)王仲遠表示(shi)，原生統一多模態(tai)、具身智(zhi)(zhi)能(neng)、AI for Science，將進(jin)一步(bu)深(shen)化人工(gong)智(zhi)(zhi)能(neng)對世(shi)界的感知(zhi)、理解與推(tui)理，連接數字世(shi)界與物理世(shi)界，驅動科學研究(jiu)創新突破。

趨勢一 科學的未來：AI4S驅動科學研究范式變革

大(da)模(mo)(mo)型引(yin)領下的(de)AI4S（AI for Science），已成為推動科(ke)學研(yan)(yan)究范(fan)式變革的(de)關鍵力量。2024年(nian)，科(ke)研(yan)(yan)人員使(shi)用AI的(de)比(bi)例快速增加(jia)，AI對(dui)科(ke)學研(yan)(yan)究方法和流程的(de)變革效應也開始顯現。2025年(nian)，多模(mo)(mo)態大(da)模(mo)(mo)型將進一步(bu)融入科(ke)學研(yan)(yan)究，賦能多維(wei)數據的(de)復雜結構挖(wa)掘，輔助科(ke)研(yan)(yan)問題的(de)綜合理解與全(quan)局分(fen)析，為生物醫學、氣(qi)象(xiang)、材料發現、生命(ming)模(mo)(mo)擬、能源等基礎與應用科(ke)學的(de)研(yan)(yan)究開辟新方向(xiang)。

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(ju)身智能(neng)，將繼續從本體擴展到(dao)具(ju)身腦(nao)的敘事主線(xian)，我們可以從三方(fang)面有(you)更(geng)多期(qi)待(dai)。在行業格局上(shang)，近百家的具(ju)身初創或將迎來洗牌，廠商數量開始收斂；在技術路(lu)線(xian)上(shang)，端到(dao)端模型繼續迭代，小腦(nao)大模型的嘗試或有(you)突破；在商業變現上(shang)，我們也必將看到(dao)更(geng)多的工業場景下(xia)的具(ju)身智能(neng)應用，部分人形機器人迎來量產。

趨勢三 “下一個Token預測”：統一的多模態大模型實現更高效AI

人(ren)工智(zhi)能的(de)(de)(de)(de)(de)本(ben)質在于(yu)對(dui)人(ren)的(de)(de)(de)(de)(de)思維(wei)(wei)的(de)(de)(de)(de)(de)信息過(guo)程的(de)(de)(de)(de)(de)模(mo)(mo)(mo)擬。當前的(de)(de)(de)(de)(de)語(yu)言大(da)(da)模(mo)(mo)(mo)型(xing)、拼(pin)接式的(de)(de)(de)(de)(de)多(duo)(duo)模(mo)(mo)(mo)態(tai)(tai)大(da)(da)模(mo)(mo)(mo)型(xing)，在對(dui)人(ren)類(lei)思維(wei)(wei)過(guo)程的(de)(de)(de)(de)(de)模(mo)(mo)(mo)擬存在天然的(de)(de)(de)(de)(de)局限性。從訓練(lian)之初(chu)就打通(tong)多(duo)(duo)模(mo)(mo)(mo)態(tai)(tai)數(shu)據，實現端到端輸(shu)入和輸(shu)出(chu)的(de)(de)(de)(de)(de)原(yuan)生多(duo)(duo)模(mo)(mo)(mo)態(tai)(tai)技術路線(xian)給出(chu)了多(duo)(duo)模(mo)(mo)(mo)態(tai)(tai)發展的(de)(de)(de)(de)(de)新可能。基(ji)于(yu)此，訓練(lian)階段即(ji)對(dui)齊視覺、音頻(pin)、3D等模(mo)(mo)(mo)態(tai)(tai)的(de)(de)(de)(de)(de)數(shu)據，實現多(duo)(duo)模(mo)(mo)(mo)態(tai)(tai)的(de)(de)(de)(de)(de)統一，構建原(yuan)生多(duo)(duo)模(mo)(mo)(mo)態(tai)(tai)大(da)(da)模(mo)(mo)(mo)型(xing)成為(wei)多(duo)(duo)模(mo)(mo)(mo)態(tai)(tai)大(da)(da)模(mo)(mo)(mo)型(xing)進化(hua)的(de)(de)(de)(de)(de)重(zhong)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(ji)于Scaling Law推(tui)動基(ji)礎模(mo)(mo)型(xing)性能(neng)提升的(de)訓(xun)練(lian)模(mo)(mo)式“性價比”持續下降，后(hou)訓(xun)練(lian)與特定(ding)場景的(de)Scaling law不斷被探索。強化學習作為(wei)發現后(hou)訓(xun)練(lian)、推(tui)理階段(duan)的(de)Scaling Law的(de)關鍵技術，也將會得到更多的(de)應用(yong)和創新使(shi)用(yong)。

趨勢五 世界模型加速發布，有望成為多模態大模型的下一階段

更注重“因果”推(tui)(tui)理的(de)(de)(de)(de)世界(jie)模型賦予AI更高級(ji)別的(de)(de)(de)(de)認(ren)知和更符合邏輯的(de)(de)(de)(de)推(tui)(tui)理與決策能(neng)(neng)力，這種能(neng)(neng)力不僅能(neng)(neng)推(tui)(tui)動AI在(zai)自動駕駛、機器人控制(zhi)及智能(neng)(neng)制(zhi)造等前(qian)沿領域的(de)(de)(de)(de)深度應用，更有望突破傳統的(de)(de)(de)(de)任務邊界(jie)，探索(suo)人機交(jiao)互的(de)(de)(de)(de)新可能(neng)(neng)。

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(gao)質(zhi)量數據(ju)(ju)(ju)將成為大(da)模(mo)型(xing)(xing)進(jin)一(yi)步Scaling up的發展阻礙。合(he)(he)成數據(ju)(ju)(ju)已(yi)經成為基礎模(mo)型(xing)(xing)廠(chang)商補充數據(ju)(ju)(ju)的首選。合(he)(he)成數據(ju)(ju)(ju)可(ke)以降低人(ren)工治理和標注的成本(ben)，緩解對(dui)真實數據(ju)(ju)(ju)的依賴(lai)，不再涉及數據(ju)(ju)(ju)隱私問(wen)題；提升數據(ju)(ju)(ju)的多樣性，有助(zhu)于(yu)提高(gao)模(mo)型(xing)(xing)處理長文本(ben)和復雜問(wen)題的能力。此外，合(he)(he)成數據(ju)(ju)(ju)可(ke)以緩解通用數據(ju)(ju)(ju)被大(da)廠(chang)壟斷，專有數據(ju)(ju)(ju)存(cun)在獲取成本(ben)等問(wen)題，促進(jin)大(da)模(mo)型(xing)(xing)的應用落地(di)。

趨勢七 推理優化迭代加速，成為AI Native應用落地的必要條件

大模(mo)型硬件載體從云端(duan)向手機、PC等端(duan)側硬件滲透(tou)。在這些資(zi)源受限（AI算力、內存等）的(de)設備上，大模(mo)型的(de)落(luo)地應用會面臨較大的(de)推理(li)側的(de)開銷(xiao)限制，對部署(shu)資(zi)源、用戶(hu)體驗(yan)、經濟成本等均帶來巨(ju)大挑戰。算法加速和硬件優(you)化技(ji)術持(chi)續迭代，雙(shuang)輪驅動加速AI Native應用落(luo)地。

趨勢八 重塑產品應用形態，Agentic AI成為產品落地的重要模式

2025年，更(geng)(geng)通用(yong)(yong)、更(geng)(geng)自(zi)主的(de)(de)智能(neng)體將重塑產(chan)品(pin)應(ying)用(yong)(yong)形態，進一步(bu)深入工(gong)作(zuo)與生活場景，成為大(da)模型產(chan)品(pin)落(luo)地的(de)(de)重要應(ying)用(yong)(yong)形態。從Chatbot、Copilot到AI Agent、Agentic AI，2023年以來行業對于AI應(ying)用(yong)(yong)形態的(de)(de)理解(jie)越發深入。從更(geng)(geng)強調產(chan)品(pin)概念的(de)(de)Agent，到更(geng)(geng)強調應(ying)用(yong)(yong)智能(neng)程度(du)的(de)(de)Agentic AI，我們在2025年將看到更(geng)(geng)多(duo)智能(neng)化程度(du)更(geng)(geng)高、對業務流程理解(jie)更(geng)(geng)深的(de)(de)多(duo)智能(neng)體系統在應(ying)用(yong)(yong)側(ce)的(de)(de)落(luo)地。

趨勢九 AI應用熱度漸起，Super App花落誰家猶未可知

近一(yi)年時(shi)間，生成式模型在(zai)圖像(xiang)、視頻側的(de)(de)處理(li)(li)能(neng)力得到大幅提升(sheng)，疊加推(tui)理(li)(li)優化帶來的(de)(de)降(jiang)本(ben)，Agent/RAG框架、應(ying)用(yong)(yong)編(bian)排(pai)工具等技術的(de)(de)持續(xu)發展，為(wei)AI超(chao)級應(ying)用(yong)(yong)的(de)(de)落地積(ji)基樹(shu)本(ben)。雖然(ran)Super APP花落誰家尚(shang)未(wei)塵埃(ai)落定，但從(cong)用(yong)(yong)戶(hu)規(gui)模、交互頻次、停留時(shi)長等維度來看，AI應(ying)用(yong)(yong)熱度持續(xu)攀升(sheng)，已到應(ying)用(yong)(yong)爆發的(de)(de)黎(li)明(ming)前夕。

趨勢十 模型能力提升與風險預防并重，AI安全治理體系持續完善

作為復(fu)雜(za)系(xi)統(tong)，大模型的(de)(de)(de)Scaling帶來(lai)了(le)(le)涌現，但復(fu)雜(za)系(xi)統(tong)特(te)有的(de)(de)(de)涌現結果不可(ke)預(yu)測、循環(huan)反(fan)饋(kui)等特(te)有屬(shu)性也對傳統(tong)工(gong)程(cheng)的(de)(de)(de)安(an)全防護機(ji)制帶來(lai)了(le)(le)挑戰。基(ji)礎模型在(zai)(zai)自主決策上(shang)的(de)(de)(de)持續進步帶來(lai)了(le)(le)潛在(zai)(zai)的(de)(de)(de)失(shi)控風險(xian)，如(ru)何(he)引(yin)入(ru)新的(de)(de)(de)技術監管(guan)方(fang)法，如(ru)何(he)在(zai)(zai)人工(gong)監管(guan)上(shang)平衡行業發展和風險(xian)管(guan)控？這對參與(yu)AI的(de)(de)(de)各方(fang)來(lai)說，都(dou)是(shi)一個(ge)值得(de)持續探討(tao)的(de)(de)(de)議題。

附件：2025年十大AI技術趨勢-原生統一多模態、具身智能、AI for Science