2025年技术趋势展望

2025年技术趋势展望 【译者按】今年7月，麦肯锡连续第五年发布《技术趋势展望》。报告认为，全球技术格局正经历重大转变，各国和各企业正争相发力，致力在研发和应用这些战略性技术方面抢占先机。报告发现，2025年，13项前沿技术趋势正在推动各行各业创新，并有望重塑全球商业格局。报告深入剖析这些最具变革潜力的前沿技术趋势，揭示了技术发展的趋势、最新进展及关键不确定性。赛迪智库安全产业研究所、无线电管理研究所对该报告进行了编译，期望对我国有关部门有所帮助。 【关键词】前沿技术 趋势 一、引言 本年度麦肯锡《技术趋势展望》报告深入探讨了13项有望重塑全球商业格局的前沿技术趋势，并将其归为AI革命、计算与互连前沿、尖端工程三大类。为描述各项技术趋势的发展现状，报告基于专利与学术出版物数据为“创新性”打分，基于新闻报道与网络搜索数据为“关注度”打分。同时，估算了各相关技术的股权投资规模，并对各技术在各机构中的应用程度进行评级。从本报告分析的维度看，各项技术趋势呈现出不同特征（见图1）。 注：13项技术趋势的1创新性评分和2关注度评分为0-1分制，均为相对评分（即各项趋势间相互比较得出）。 图1：各技术基于创新性、关注度、股权投资规模和应用程度评分 本报告提出的13项技术趋势既凸显了新兴技术的巨大潜力， 也揭示了在AI驱动下实现战略协同的必要性。图2展现了不同前沿技术如何协同作用构建未来创新解决方案。 二、AI革命 （一）代理式AI 代理式AI是一种能够自主规划和执行复杂多步骤任务的AI系统。它们基于基础模型构建，能够自主执行操作、彼此通信，并根据接收到的信息实时更改策略。 1、趋势概况及其重要性 代理式AI已迅速从边缘概念发展为企业技术领域最受关注的变革方向。随着各机构不断探索自动化工作流的新方式，并将任务委派给“虚拟同事”，而不再局限于与聊天机器人互动，这项技术越来越受到关注。代理式AI核心优势在于能借助数字工具在实际场景中自主采取行动。 2、最新进展 开发人员正在构建基于AI的通用智能体平台。部分企业选择在现有AI产品中新增智能体功能，而另一些企业则基于这些功能，开发针对特定任务的应用程序。 高效多步长链推理能力的持续增强，标志着代理式AI取得了实质性突破。过去一年间，通过将复杂、新颖的任务拆解为更小步骤的新技术，显著提升AI处理此类任务的能力。开发人员引入多智能体工作流，由“管理型智能体”制定工作计划。 针对特定业务解决方案的代理式AI正成为新的关注点。越来越多的代理式AI被开发出来，用于解决特定的、高价值业务 难题。这类智能体更加专业化、更贴切特定任务。 深度研究型知识智能体发展势头强劲。多家提供商正在推进能够自主执行多步内容探索、实现精准搜索、评估数百个信息源并生成综合报告的智能工具。这标志着AI应用正从单纯的信息检索向基于快速知识生成的推理能力演进。 AI智能体能够相互“交流”。最新进展显示，AI模型间可实现相互通信并创建专属语言，且成本较人机互动显著降低。 信任、治理和责任认定问题正在影响着代理式AI的开发与发展路径。随着代理式AI在金融交易、跨数字平台交互等自主场景中承担更多职责，企业日益重视责任归属与法律框架建设。 3、主要不确定性 代理式AI可能出现故障模式，例如做出错误决策或执行非预期操作，从而增加运营风险。智能体能够达到何种程度的自主性仍不确定，这也是AI领域持续研究和探讨的议题。 （二）AI AI是指为执行通常需要人类智能才能完成的任务而设计的计算机系统。这类系统借助算法、数据和算力，实现模式识别、决策制定和经验学习。 1、趋势概况及其重要性 当前，AI正在推动各行业与日常生活的实质性变革。多模态 AI能够处理和生成文本、图像、视频和音频内容，开启创新与科研新纪元，显著提升AI输出的质量与多样性。但AI仍处于发展初期，仅有1%领导者表示其公司AI应用已达成熟阶段。过去一年，AI底层能力快速提升，商业应用长期潜力凸显。一方面，部署高性能模型的成本大幅下降；另一方面，新一代轻量化垂直模型正推动AI技术向更多机构和更广泛的设备端普及。 2、最新进展 基础模型的激增加剧了行业竞争，并降低成本。多家企业针对高质量文本生成服务推出免费获取或降价政策，初创企业的涌现则进一步助推创新。高质量开源模型的数量也有所增加。 AI领域迎来“小模型爆发期”。借助模型简化与量化技术，企业可基于大型“母模型”开发出功能强大的特定AI模型。这类小模型所需算力大幅减少，显著降低了成本和能耗。 企业正加大投入开发多模态生成式AI模型，以实现对多种类型数据输入的整合与处理，并生成文本、图像、视频、音频等多种形式的输出内容。据高德纳预测，到2027年，多模态生成式AI解决方案的比例将从2023年的1%上升至40%。 AI在处理复杂的多步骤推理能力日益精进，这标志着其功能实现重大突破。最新技术进展使基础模型能够制定策略性计划、适应环境变化，并将知识跨任务迁移应用，提高效率与可靠性。 AI行业正从“负责任原则”迈向“负责任行动”。随着生成式AI应用加速普及，业界对抄袭、责任界定、数据投毒、偏差和公平性等问题引发的担忧始终存在。 在生成式AI初创企业的推动下，AI领域的风险投资大幅增长。大量资本涌入正推动着整个AI技术栈创新浪潮，涵盖从开发尖端芯片的硬件企业，到应用导向型企业。 3、主要不确定性 数据泄露和其他漏洞的潜在风险，持续引发网络安全和隐私保护方面的担忧。AI在数据治理、公平正义、责任界定与可解释性等方面引发的伦理问题始终存在。各国正加大力度制定AI相关法规与合规标准，这可能对生成式AI的研究及其潜在应用产生影响。开源模型版权归属与内容保护仍需解决。随着训练模型规模呈指数级增长且对算力需求攀升，环境影响可能随之扩大。 三、计算与互连前沿 （一）特定应用半导体 特定应用半导体是为执行特定任务而优化设计的定制化芯片。与通用半导体不同，特定应用半导体经过专门研发，可处理特定工作负载，如大规模AI训练与推理任务，同时提升性能，运算速度更快、能效更高、性能更强。 1、趋势概况及其重要性 对于未来的商业发展而言，半导体正影响着从计算到汽车等多个行业的创新路径。高度定制化的芯片既能满足AI规模化训练与推理所需的专用处理需求，也能应对AI算法极高的算力要求。随着AI的能源需求呈指数级增长，能效和热管理已成为关键的性能指标。未来，特定应用半导体有望在计算、存储和网络领域得到更广泛应用。随着AI技术持续发展，AI与特定应用半导体之间的共生关系将继续推动芯片设计创新。 2、最新进展 AI迅猛发展促使各企业竞相开发优化AI训练推理的专用芯片。这类半导体器件旨在提升能效、增强系统扩展性、降低成本。 新兴的AI硬件供应商正在挑战传统行业巨头。为减少对英伟达等第三方供应商的依赖，亚马逊、谷歌、微软等科技公司斥巨资开发定制专用集成电路和其他特定应用半导体技术。 对更高算力的需求正推动数据中心扩建和制造业供应链扩张。AI技术的发展和对算力呈指数级增长的需求，使得各技术领域的创新突破更加迫切。 地缘政治紧张局势对全球供应链造成影响。这些对计算技术进步至关重要的芯片主要产自亚洲。由于贸易限制、关税壁垒和市场碎片化引发的供应链中断，可能对全球半导体供应产生冲击。 3、主要不确定性 市场对先进AI芯片的快速需求显著加快芯片淘汰速度，使行业的生产周期管理和长期战略规划更加复杂。制造施工需要较长的前期时间和大量资金投入，而长期市场需求存在不确定性。行业尚未实现生成式AI在终端市场的可持续盈利与成本节约。 （二）先进互连技术 先进连接技术涵盖了一系列不断发展的技术，旨在增强并扩展数字通信网络，包括无线低功耗网络、5G与新兴的6G蜂窝系统、Wi-Fi 6和7标准，以及近地轨道卫星系统。 1、趋势概况及其重要性 先进互连技术不断革新着消费者的体验。随着AI技术席卷全球各行业，互连的重要性与日俱增。电信公司虽然有机会开发新的价值流，但其会逐步转型为价值创造者还是继续发挥价值连接的作用仍有待观察。 2、最新进展 5G网络的部署为6G奠定了基础。2024年，5.5G实现商业化应用，其集成传感与通信技术为6G网络充当大规模传感器系统铺路。如果说5G以连接设备为核心，聚焦带宽、时延和可靠性，6G则通过传感技术赋能数据生成能力。 随着5G网络的日趋成熟，网络切片市场正持续扩大。预计 2025年全球网络切片市场将达16.9亿美元，较2024年的11.3亿美元增长49.6%。 专用无线网络市场正在加速发展。规模预计将从2024年的62.7亿美元增长至2032年的328.6亿美元，年复合增长率达23%。 AI数据中心的爆发式增长推高了对光纤的需求。从数据中心到边缘计算，再到智能应用，光纤凭借高速、可靠且可扩展的基础设施，为AI技术提供支撑。 卫星直连网络和非地面网络已成为现实。非地面网络扩大了全球通信覆盖范围，并将信号延伸至偏远地区，但由于所需的前期投资巨大，预计不会取代移动互连技术。 AI无线接入网络是一种创新的移动网络基础设施构建方法，其核心是用图形处理器替代传统的中央处理器、专用集成电路和现场可编程门阵列。该转变实现了同时支持无线接入网和AI工作负载的多功能基础设施，为电信公司创造了利用AI工作负载盈利的机会，同时优化网络效率和性能。 运营商正运用数字孪生技术为监控、优化、可持续发展和创新提供动态智能解决方案。 3、主要不确定性 在6G标准化进程中达成共识面临重大挑战，由于不同地区的优先事项和技术路线存在差异，可能导致部分国家或地区选择 提前部署策略，而非等待全球标准制定。随着网络不断扩展以支持AI驱动的应用和物联网，如何确保能效已成为关键挑战。 （三）云计算与边缘计算 云计算与边缘计算是指将工作负载分布在不同位置，覆盖从超大规模远程数据中心，到区域枢纽再到本地节点的全范围。这种方式通过优化延迟、数据传输成本、数据主权和数据安全等因素，从而实现性能提升。 1、趋势概况及其重要性 飞速发展的AI正在重塑从半导体到数据中心设计的整个云基础设施格局。随着企业越来越多地部署AI，电力制约与供应链变动已成为关键挑战。AI算力需求的激增，促使芯片开发商、云服务提供商和基础设施制造商开展更深层次的合作。预计到2030年，超大规模数据中心的容量将增至当前的三倍。为应对这些算力制约，各机构正将业务扩展至能源基础设施更完善的地区，并着力开发更高效的计算技术。 2、最新进展 AI的演进已重塑云技术栈的半导体、服务器和数据中心等各个层面。麦肯锡分析表明，2023年至2030年间，全球数据中心容量需求每年增长19%至22%，是当前需求的三倍多，将达到每年171吉瓦至219吉瓦。 为突破算力制约，企业正迁址新地域、探索创新供电方案并优化工作负载分配。随着AI需求呈指数级增长，企业纷纷迁址或扩建至基础设施和电力供应更完善的地区。数据中心正积极采用可持续供电解决方案，并通过液冷技术革新和基于AI的热管理等技术优化冷却系统，从而提升能效。 云服务提供商的格局持续演变。超大规模厂商在硬件可及性方面的进步和大型机构的投资，使得规模较小的厂商得以进入云市场并迅速发展。图形处理器和专用AI加速器等先进计算芯片的普及助力这些新兴供应商在细分领域创新并脱颖而出。 对数据安全、隐私保护和地缘政治风险的日益关注，推升了本地化数据存储与计算的需求。本地基础设施与主权云技术确保数据存储和处理在特定国家或区域范围内完成，有助于维护地区利益，且能让企业更容易遵守当地的数据保护法律法规，这在公共部门和医疗、航空航天等行业尤为重要。 3、主要不确定性 随着芯片技术的不断发展，如何在硬件和软件层面实现更高性能与更低能耗的平衡，仍然是一个重要挑战。监管审查力度加大与数据隐私担忧加剧，促使企业更加重视云治理与数据主权。数据中心加速扩张、电力供应、水资源消耗和电子废弃物处理所带来的环境与可持续性影响，或将促使更多监管