隨著2025年的鐘聲敲響，智源研究院揭示了人工智能領(lǐng)域的十項關(guān)鍵趨勢，為探索科技演進的軌跡、預(yù)見未來的發(fā)展方向以及識別驅(qū)動變革的核心要素提供了重要視角。這些趨勢不僅預(yù)示著人類社會正邁向一個更加智能、美好且互聯(lián)的未來，也為科技界指明了前行的道路。
第一項趨勢聚焦于AI4S（人工智能驅(qū)動科學(xué)）如何引領(lǐng)科學(xué)研究范式的變革。在2024年，科研人員對AI的采用率顯著上升，AI對科學(xué)研究方法和流程的影響開始顯現(xiàn)。2025年，多模態(tài)大模型將深度融入科學(xué)研究，促進復(fù)雜數(shù)據(jù)的挖掘和科研問題的綜合理解，為生物醫(yī)學(xué)、氣象學(xué)、材料發(fā)現(xiàn)等領(lǐng)域打開新的研究路徑。
第二項趨勢被標記為“具身智能元年”，預(yù)示著具身智能將實現(xiàn)本體與具身腦之間的協(xié)同進化。在2025年，具身智能行業(yè)或?qū)⒂瓉硐磁?，廠商數(shù)量將有所減少，而技術(shù)路線和商業(yè)變現(xiàn)模式則呈現(xiàn)出新的可能性。端到端模型的迭代、小腦大模型的突破以及工業(yè)場景下具身智能應(yīng)用的增加，都將是這一年值得期待的亮點。
第三項趨勢關(guān)注統(tǒng)一的多模態(tài)大模型如何推動AI效率的提升。當前的語言大模型和拼接式多模態(tài)大模型在模擬人類思維過程時存在局限性，而原生多模態(tài)技術(shù)路線的出現(xiàn)則為多模態(tài)大模型的發(fā)展提供了新的可能。通過訓(xùn)練階段對齊不同模態(tài)的數(shù)據(jù)，實現(xiàn)多模態(tài)的統(tǒng)一，構(gòu)建原生多模態(tài)大模型成為未來的重要方向。
第四項趨勢探討了Scaling Law的擴展，特別是強化學(xué)習(xí)（RL）與大型語言模型（LLMs）的結(jié)合，如何推動模型泛化能力的提升。隨著基礎(chǔ)模型性能提升的訓(xùn)練模式性價比下降，后訓(xùn)練與特定場景的Scaling Law成為研究熱點，強化學(xué)習(xí)在這一領(lǐng)域的應(yīng)用和創(chuàng)新也將更加廣泛。
第五項趨勢強調(diào)了世界模型的重要性，這種更注重“因果”推理的模型為AI賦予了更高級別的認知和推理能力。這種能力不僅有助于推動AI在自動駕駛、機器人控制等領(lǐng)域的深度應(yīng)用，還為實現(xiàn)人機交互的新可能提供了基礎(chǔ)。
第六項趨勢指出，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。高質(zhì)量數(shù)據(jù)的稀缺成為大模型進一步發(fā)展的障礙，而合成數(shù)據(jù)則成為補充數(shù)據(jù)的首選。合成數(shù)據(jù)可以降低數(shù)據(jù)治理和標注的成本，提升數(shù)據(jù)的多樣性，并有助于解決通用數(shù)據(jù)壟斷和專有數(shù)據(jù)獲取成本高等問題。
第七項趨勢關(guān)注推理優(yōu)化的迭代加速，認為這是AI Native應(yīng)用落地的必要條件。隨著大模型硬件載體向手機、PC等端側(cè)硬件的滲透，如何在資源受限的設(shè)備上實現(xiàn)大模型的落地應(yīng)用成為挑戰(zhàn)。算法加速和硬件優(yōu)化技術(shù)的持續(xù)迭代，為AI Native應(yīng)用落地提供了雙輪驅(qū)動。
第八項趨勢揭示了Agentic AI將成為產(chǎn)品落地的重要模式。在2025年，更通用、更自主的智能體將重塑產(chǎn)品應(yīng)用形態(tài)，成為大模型產(chǎn)品落地的重要形態(tài)。從Chatbot、Copilot到AI Agent、Agentic AI，行業(yè)對于AI應(yīng)用形態(tài)的理解不斷深入，更多智能化程度更高、對業(yè)務(wù)流程理解更深的多智能體系統(tǒng)將在應(yīng)用側(cè)落地。
第九項趨勢關(guān)注AI應(yīng)用的熱度持續(xù)攀升。隨著生成式模型在圖像、視頻處理能力的提升，以及推理優(yōu)化帶來的成本降低，AI超級應(yīng)用的落地成為可能。大模型應(yīng)用從功能點升級到AI原生的應(yīng)用構(gòu)建及AI OS的生態(tài)重塑，雖然Super App的具體形態(tài)尚未確定，但AI應(yīng)用的熱度已經(jīng)持續(xù)攀升。
最后一項趨勢強調(diào)了AI安全治理體系的重要性。隨著大模型的Scaling帶來涌現(xiàn)現(xiàn)象，復(fù)雜系統(tǒng)的特有屬性對傳統(tǒng)工程的安全防護機制帶來了挑戰(zhàn)。如何在人工監(jiān)管上平衡行業(yè)發(fā)展和風險管控，成為參與AI的各方需要持續(xù)探討的議題。
