2025年人工智能全景：通过25张创意图解析25个未来AI主题报告

2025年的AI：25个主题在25个梗中 2025年1月30日 Adrian Cox 主题策略师 (+44)-20-7541-7775 adrian.cox@db.com 加琳娜·波兹德尼亚科娃研究分析师 (+44)-20-7547-4994 galina.pozdnyakova@db.com 一张图片胜过一千个字。 如果一张图片抵得上千言万语，那么这本图表集应该能帮你节省阅读25,000个单词的时间。 这在中国DeepSeek AI模型意外出现的一周里，许多千万字的评论已经出现，这还是有一定的意义的。 AI已进入梗时代的成熟阶段——结果证明，梗实际上是这是一种解释其未来走向的最佳方式之一。 本图鉴分为五个部分，每部分包含五个关键主题：1. 技术：超越大型语言模型（LLMs）2. 人工智能产业：资金磁铁3. 企业中的AI：仍面临多重挑战4. 就业展望：保持良好的工作状态5. 未来：恐惧错过（FOMO）战胜安全担忧 人工智能不仅是表情包的热门主题，它还能自身解释和创造表情包。 我们立即使用基于ChatGPT的imgflip AI表情包生成器以及提示“创建一个关于人工智能在制作表情包方面有多好的表情包”在这个页面上生成了这个表情包。 更加元地，我们让一个竞争对手的AI聊天机器人来解释它。克劳德3.5在十四行诗中反驳说，这幅图像“通过暗示两组在制作迷因方面同样业余，俏皮地嘲笑了两群人”。 2. 并非越大越好1. 在人工智能领域，一周时间漫长。4. 广告又回到了未来代理正前来援助……但有代价能源需求正在激增。 1. 技术：超越大型语言模型 人工智能业务：资金磁铁 企业中的AI：仍面临多重障碍 就业前景：继续保持良好的工作表现 5. 未来：恐惧错过（FOMO）战胜安全担忧 1.1 一个星期在人工智能领域来说是很长的时间 • 本月，中国DeepSeek开源小型语言模型在业界崭露头角，显然，在成本方面，其训练可能仅为相当模型的十分之一。 • 它引发了关于AI投资热潮中有多少是合理的担忧，暗示：1. 最近的硬件可能不再是创新所必需的。2. 对于大多数应用，人工智能模型将缩小并成为商品。3. 尽管芯片访问受限，但中国最终并未落后于美国。欲了解更多信息，请参阅DeepSeek AI：为什么开特斯拉Model X，比亚迪也足够了？ • 但在人工智能领域，一周的时间很长：据报道，微软正在调查是否有一群与DeepSeek有关的人未经授权从OpenAI获取了数据。阿里巴巴也推出了其自己的Qwen 2.5 Max模型，并表示该模型的表现优于DeepSeek和Meta的Llama。 1.2 并非越大越好 • 批评者表示生成式人工智能“撞墙”，计算能力的提升带来的回报逐渐减少。OpenAI和其竞争对手至今尚未在2023年3月发布的GPT-4上取得显著改进。 • 相反，该行业正专注于从模型中榨取更多价值，通常优化“推理”阶段。例如，OpenAI的o1系列需要逐步推理。 • 也有转向小型模型如DeepSeek的趋势，这种模型可以在手机、电脑和汽车中运行，无需连接云服务，从而使它们在许多应用场景中比庞大的通用多模态模型更快、更强大、更安全、更便宜。 1.3 代理商们正前来救援——代价不菲 人工智能代理正从基本的聊天机器人进化为自主系统，使计算机能够24/7执行繁琐的多步任务，例如编制费用报告。这应该会进一步增加超大规模企业投资计算能力的需要。 • 主要玩家已经开始推出代理。OpenAI上周发布了Operator的预览版，CEO Sam Altman表示，首批AI代理可能会在今年“加入劳动力市场”。 • 微软的萨蒂亚·纳德拉表示，软件即服务（SaaS）可能会被超越，作为代理人直接与基础数据进行交互，而不是通过如Excel之类的界面。 1.4 广告行业重回未来之风 • 正如订阅模式似乎成为了未来，正如ChatGPT所流行的那样，新闻文章、广告商业模式可能再次流行。 • AI驱动的搜索引擎Perplexity于11月开始在其平台上尝试广告业务，甚至OpenAI也表示正在考虑引入广告模式。 • Meta展示了在人工智能上的投资如何使广告模式受益。在第四季度，销售额增长了五分之一，部分得益于一个自动化的产品推广工具。 1.5 能源需求正在激增 人工智能应用导致对能源的需求激增。小型模型如DeepSeek的普及是否会影响这一点仍有待观察。 数据中心在2023年消耗了美国总电力的约4.4%，据能源部预测，到2028年，其消耗量预计将达到12%。 • 超大规模云服务提供商，以亚马逊的AWS、微软的Azure、Alphabet的Google Cloud和Meta为首，正在推动对可再生能源的需求。他们也在尝试通过投资小型模块化反应堆，重启旧设施来增加产能。反应堆和对新型技术如聚变的押注。 1. 技术：超越大型语言模型 1. 英伟达（Nvidia）至今为止是突出的赢家。 人工智能业务：资金磁铁 2. 投资涌入数据中心选品和工具领域 人工智能初创公司是资金吸引的磁石。 企业中的AI：仍面临多重障碍 就业前景：继续保持良好的工作表现 4. 收购兼并表明谨慎的整合趋势 5. 未来：恐惧错过（FOMO）战胜安全担忧 仅靠人工智能不能维持经济生活 2.1 英伟达是目前脱颖而出的获胜者（目前） • 英伟达的股价从2022年11月30日ChatGPT发布以来上涨了近10倍，至1月24日周五，使其成为市值达36亿美元的世界最有价值公司。 • 周一（1月27日），其股价下跌了17%，导致市值损失近6000亿美元，这是有史以来单日市值损失绝对值最大的股票。 • 英伟达（Nvidia）在尖端人工智能半导体和行业标准CUDA软件领域拥有90%以上的市场份额。但同时也面临着来自竞争对手的挑战如同AMD以及客户如谷歌开发他们自己的定制芯片。 2.2 投资涌入数据中心相关设备和工具 • 上周，当特朗普总统公布了星门项目——由软银支持的合资企业，计划投资1000亿美元，最终达到5000亿美元，用于在美国为OpenAI建设新的AI基础设施时，数据中心繁荣的希望达到了顶峰。 • 这应会推动整个价值链的需求增长，其中以芯片制造商TSMC、芯片设计公司Nvidia和芯片机械制造商ASML等公司为主导。 • 四大超大规模云计算公司去年预计在人工智能资本支出方面将超过2000亿美元，其中微软计划今年再投资800亿美元，而Meta计划再投资650亿美元。 2.3 人工智能初创公司成为资金的磁铁 • 私营人工智能公司的融资并不短缺，由大科技公司带头。Elon Musk的xAI上个月筹集了60亿美元，估值高达400亿美元，用于支付全球最大的超级计算机，其中配备了大量稀缺的Nvidia GPU。 • 过去一年中最大的风险投资交易是数据分析公司Databricks，其通过股权融资筹集了100亿美元，估值达到620亿美元。 • 上周，谷歌宣布同意增加对Anthropic的投资，总额将超过30亿美元，使得该初创公司的估值接近600亿美元。OpenAI的估值为1570亿美元。 2.4 收购兼并表明谨慎的整合迹象 • 去年是“反向收购”的一年，因为较小的AI初创公司难以承担保持在前沿的代价——而大型科技公司则进行了招聘他们的领导者，避免了直接收购的监管障碍。 • 微软雇佣了Inflection团队的成员，包括Deep Mind联合创始人Mustafa Suleyman，亚马逊则从Adept AI和Covariant聘请了创始人。 • 在特朗普政府领导下，预计监管和反垄断格局将更加有利于明显的合并。 2.5 经济并非仅依靠人工智能而存在 • 一些研究表明，使用生成式人工智能的程序员和客户代表的生产效率可以提高15-30%。但经济学家达龙·阿西莫古计算，当将生产率增长缩小到可以节约成本的各项任务时，这种增长可能仅在10年内达到0.7%。经济上可由当前一代人工智能执行。 •美国在过去六个季度里生产率的年增长率达到了2.6%，远远超过了自1900年以来1.5%的正常水平。 • 这些快速增长期通常是对过去两年那样极低失业率的回应。劳动力短缺迫使公司通过采用新技术来寻找新的增长方式，比如90年代末的办公PC——以及现在的通用人工智能。 版权是第一道防线。1. 仍然有比行动更多的闲谈5. 人工智能无处不在……无论你准备好与否人工智能就像人类……只是更甚幻觉是一种反复出现的噩梦。 1. 技术：超越大型语言模型 人工智能业务：资金磁铁 企业中的AI：仍面临多重障碍 就业前景：继续保持良好的工作表现 5. 未来：恐惧错过（FOMO）战胜安全担忧 3.1 仍有更多对话而非实际行动。 企业对人工智能的采用仍然处于初级阶段。 • 根据美国人口普查局的调查数据显示，到8月份，只有7.8%的拥有250名以上员工的公司正在使用人工智能。对于规模较小的公司，这一比例甚至更低。 • 企业在引入技术时面临常见的挑战，例如安全和数据质量。 • 在治理方面也存在重大新挑战，例如隐私、幻觉、知识产权等。偏差；以及诸如缺乏技能等问题的人。 关于更多信息，请参阅《我的AI革命在哪里？你可以采取的减少聊天、增加行动的实际方法》。 3.2 幻觉是一个反复出现的噩梦 问：什么是最大的重要论文预先对冲？ 幻觉，或AI想象的内容，在使用生成式AI时是不可避免的——这正在减缓企业的部署。 • 原因部分在于一个基本的设计限制：它们从训练中回忆起词语、像素和代码的模式数据——并非事实。 • 一些技术解决方案正在帮助，尤其是更大的“上下文窗口”，这是LLM的工作内存。 • 企业可以通过使用基于事实的数据来缓解但无法完全解决问题。例如，检索增强生成（RAG）使大型语言模型（LLM）参考其训练数据之外的权威信息来源。 3.3 人工智能就像人类……只是更甚 数据是人工智能的 vital raw ingredient。数据质量差以及数据量不足正成为人工智能发展和应用的一个瓶颈。 • 该问题早于（概率性）生成式人工智能。它还影响预测AI。例如，潜在数据中的偏差可能会导致信用评分倾斜。 • 事实上，伦敦大学学院的研究发现，人类和人工智能的偏见可以形成一个反馈循环：人工智能算法从数据中学习人类的偏见，然后与系统互动的人们自身变得更加有偏见。 3.4 版权是第一道防线 • 版权法持续成为人工智能标准制定的重点，填补了欧盟以外缺乏全面监管所形成的空白。 • 新闻机构、作家、艺术家和音乐家面临一个困境。一些人，如《纽约时报》和盖蒂图像公司已将AI模型制作者告上法庭用于提取内容以用于培训数据。 • 其他公司已决定：如果你无法打败他们，就加入他们。OpenAI 已与近20家媒体机构签署了许可协议，包括新闻集团、金融时报，以及本月的Axios。 3.5 人工智能无处不在……无论你是否准备就绪 • 人工智能正在找到其进入应用的方式——无论消费者是否准备好。 • 微软在本月引发了反弹，因为它默认为微软365个人和家庭订阅者添加了生成式AI Copilot功能。其他例子包括谷歌在安卓手机上默认用Gemini取代了Assistant。 • 在本次调查中，美国顾客中不到40%，欧洲顾客中不到20%接受了调查。德意志银行表示，在通话处理相关事务时，他们完全信任人工智能。个人数据。大约只有20%的人表示他们相信这些数据用于医学建议。 1. 技术：超越大型语言模型 您的职位可能面临风险。 人工智能业务：资金磁铁 人工智能可以帮助那些经验最少的人提升自己。 企业中的AI：仍面临多重障碍 人工智能无需完美即可有用。 就业前景：继续保持良好的工作表现 一个共同的问题可能会被放大。 5. 未来：恐惧错过（FOMO）战胜安全担忧 5. 新兴的与人工智能相关的职位正在出现 4.1 您的工作可能处于风险之中 • 国际货币基金组织（IMF