张一甲：2025人工智能产业30条判断

轰然成势，万象归一 “万象归一”，是秩序的自觉。 智能成为常态，AI走向日用而不觉数数数数数Menlo Ventures数数数数数数数数2025数12数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数 关闭才是例外不用才是例外不会才是例外数数数AI数数AI数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数系统绑定System-integrated 工具式AI→伴随式AI→默认式AI“我在用AI”“AI在帮我”“AI就在那儿”具有工具属性的AI具有辅助特征的AI以默认存在为特征的AI “更强仍是基础”：智能基线提升的“九维能力体系”“更强仍在发生”：AI智能基线持续进步，2025年竞争更加激烈“智能基线”的提升：仍是AI本质驱动力，AI正在九个维度变得更强OpenAIAnthropicGoogleMetaxAI数数数数DeepSeekMoonshot AIMiniMaxGPT-5 Codex(high)Gemini 3 Pro Preview (high)80Artificial AnalysisIntelligence Index v3.0OECD AI数数数数数数数数数数数数数数数数数数数数数数数数数数数数数 Claude 4.1 Opus (Reasoning)Claude 4.5 Sonnet (Reasoning)DeepSeek V3.1 (Reasoning)DeepSeek V3.1 Terminus (Reasoning)Qwen3 235B A22B 2507 Instruct 02Beyond Transformer：“架构级”探索仍在继续，但仍未撼动Transformer地位 Transformer本身在持续进化，非Transformer架构也在同步发展岩芯数智：用自研Yan架构替代Transformer架构Yan数数Outputs·∂loss∂Memory数数数数数~数数Transformer数数数数数数数数xN 智能与智能体互相锻造：智能赋予行动以可能，行动回馈智能以演化 智能与智能体：在递归循环中互相锻造协作缩放定律：多智能体通过特定结构协作，其集体智慧会超越个体性能总和Chain数数数数Star数数数数Tree数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数MACNET数 2²2³2⁴2º2¹2⁵26RandomScale数数数数 智能体与世界模型“同源同宗”：当智能体足够强，世界模型就出来了 通用代理需要世界模型世界模型的平均误差伴随智能体学习推广到更高深度的目标而减少数数数-数数数数St数0.1750.150𝑦=0.16/(𝑁−4.79)0.1750.150𝑦=0.01(0.32𝑒66.8𝛿+1.12) AI记忆“三难”：准确-实时-经济AI记忆解法的三个“反直觉”05AI记忆突破：从“能记住”到“会回忆、敢遗忘”分层红熊AI：破解遗忘难题，让机器人学会人类记忆实时过去几年，业界在追求“更长的上下文窗口”2023-2025数数数数数数数数数数数数数数数数数数数数tokens数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数 AI数数数数数数1000400100010492000 关键突破：“强化学习+通用配方”成型，大幅推动泛化能力与基准攻克AI下半场：评估体系与真实效用为王核心转变：从“解决问题”到“定义问题”数数数数数数数数数数数数数X数数数数数数AI数AI上半场：模型与训练方法主导Transformer数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数06下半场开启：“AI胜负手”从“训练更强”走向“定义更好” 07大模型开启“性价比”叙事：从“堆规模”到“挤水分”，“每单位智能成本”成为赛道新基准 方法的改进推动性价比之路继续，“成本效益革命”正在多点开花名称具体成本效益情况推理成本：迅速下降，且下降在加速数数数数数数数数MMLU数数数数GPT-3.5 Turbo数数数数数数数数数数数数数数GPQA数数数数GPT-4数数数数数数数数数数数数数数GPQA数数数数GPT-4o数数数数数数数数数数数数数数数数数数数数数/数数tokens数训练成本：DeepSeek打破了“砸钱堆料”的路径依赖，行业开始两极分化 算力迭代：非GPU技术推动AI芯片架构革命非GPU相比GPU的三大优势(TPU、RPU、LPU……)非GPU成为AI芯片新宠，TPU和可重构即将迎来拐点数数数数数数数非GPU迎来爆发期，预计到2029年市场份额将占半壁江山2025H1-2029数数数数数数数数数数数数数数数数数数数数数数数AI数数数数数数数数数数数数数数数数数数数GPU推理速度能耗算力成本 AI打破“分科”壁垒：从“Science+AI”走向“AI+Science”，AI在跨领域寻找答案科研范式逻辑转变：从“Science+AI”走向“AI+Science”微软研究院NatureLM：一个跨学科科学大模型NatureLM数数数数数数22数数数数数数数数数数18数数数数数数数数数数数数数数数数数数数NatureLM展现出“规模法则”09数数 原生多模态：从拼接方案走向“原生统一”，是走向AGI的必由之路 大型多模态推理模型的路线图2025业界进展：原生成为“默认配置”Response34“拼接多模态”与“原生多模态”典型架构对比 具身智能大模型：架构并未收敛，虽然端到端VLA火爆，但尚未形成具身版本的“Transformer” 端到端VLA：最符合第一性原理的解题思路VLA模型开发速度显著加快68数数数数VLA数数数数输入VLA数数数数数VLA数数数数现状仍为多主线并行：端到端VLA +分层+世界模型分层技术路线 AI逐渐操作系统化，驱动AI组织进化12AI即系统：AI正在“操作系统化”，成为第一调度实体OS的演进路径及其特征鲸智百应：企业AI操作系统AI数数数数数数数数数数数数数PC数数数数数数数数数数数数数数数数数数数数数数数数数数数数数三大门户：生产入口、管理入口和开发入口集约化 主语让渡：AI是中枢，SaaS变组件S数数AI数AI数数数数数数A2A数数数数数数AI数数数数H2A数13“无头商业”崛起：AI正在成为所有软件的默认能力Agent-to-Agent：无头商业崛起，竞争逻辑改变功能解耦：SaaS退居幕后，从完整套件向API/微服务转变 •数数数Salesforce数数数数API数AI数数•数数数数数数数数数竞争逻辑转变趋势 Do为主Do+Chat均衡Chat为主AI交互方式变革的四个阶段数数数数数数数数数数数AI数数数数数数数数AR数数数数数数数VR数数数数100%数数50%数数50%数数75%数数25%数数0%数数14AI交互的静默革命：从“聊天框”到“无形代理”，界面逐渐消失从“操作界面”到“聊天框”从“聊天框”到“无形代理”物理AI交互：AR、VR、脑机接口等新兴技术彻底改写人机交互 Agent泛化方式：改造“车”来适应所有“路” 目前几乎所有专门测“泛化”的基准，都直接把“改车不改路”写进任务设计强化学习的进展，显著提高了泛化能力，使“改车不改路”成为可能“新路无穷”：环境千差万别、实时迭代，倒逼Agent泛化能力与鲁棒性数数数数数数数数数数数数数数数 •数数数数数数数•数数数数数数数数数智能体能力评估•数数数数数•数数数数数数数•数数数数数特定应用智能体评估数数数数数数数 “数据优先策略”在AI时代无比重要“AI就绪型数据”：决定企业智能化上限的不再是模型，而是数据底座数数数数数数数数数数数数数数数IT数数数数数数“AI就绪型数据”是企业级AI应用的核心保障领域特定生成式AI模型ChatBI期望2025数数数数数数数数数数数数数数数数数数数数善思开悟：为企业提供AIGC数据服务，打造AI就绪型数据底座1234 数智融合成为时代特征，推动IT范式跃迁17Data&AI数据基础设施：一体化架构成为大型企业拥抱AI的关键投入数数数数数数数数数数数数数数数数数数数数数数数Data&AI数据基础设施的定义Data&AI数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数AI数数数数数数数数数数数数Data for Al数数数Al for Data数数数数数数数数数数数Data数数数AI数数数数数数数数数数数数数数数数数数数数数数AI数数数数数数数数数数数数数数数数数数数数数数数数数数数数Data&Al数据基础设施的“4+1架构”智能应用层数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数各行业应用安全运营层 数数数数数数数/AI数数数数数数/数数数数数数数数数数&数数数数数数数数数数数•数数数数数数CPU/GPU数数•数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数•数数数数数数数数数数数数数数数数数数数数数数数数数数数数开发（Data&AI工程）方面数数数AI数数数数数数数Data接入管理 数据管理层数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数MPP数数数数数数数数 计算存储资源数数数数数Data&AI数数数数数数数数数数数数数数数数数数数数数数数数数数Data&AI数数数数数数数数数数数数数数数数数数4+1数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数Agent数数数数数数数数数数数数数数 AI出码率快速上升18AI编程：正在写代码，却还不会构建软件“老手+AI”的组合能比“新手+AI”产生更大价值AI数数数数数数数数数数数新手+ AI老手+ AIAI数数数AI数数数数commit数数数数数数AI编程的局限：AI代码幻觉率高，开发人员对AI代码缺乏信心 企业Agent采用比例快速上升19企业级Agent：快速普及，重塑组织运作模式千丁数科：AI智能体平台解决方案Agent成为企业数字化平台的中枢大脑，翻转数字化逻辑42%数数数数数数数数数数数数数数过去的模式是“人找流程”：人主动登录多个系统，在复杂界面里找入口、导数据、提申请，主动迁就机器和流程，费时又费力AI Agent将模式翻转为“流程找人”：AI Agent主动理解目标，主动调度后台各系统和服务，完成所有步骤，仅将唯一需要人来决策或确认的节点精准推送给人数数数数数数数数数数数数AI数数数数数数数数数 数数数数数数数数数数数数数数数数数数数数数数数/数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数AI数数数数数 20消费级Agent：通用人工智能助手仍占主导地位数数数AI数数数数数AI数数数数数数数数AI数数数80%AI数数数数AI数数数数数数数数数数数AI数10数数数数数数数数数数AI数数数数数数数数数数AI数数数数通用Agent仍占主导地位消费级Agent收入分布很集中AI更像“强者的放大器”AI使用场景非常分散，没有主导性任务数数数数数数数数数AI数数数数33%91% 数数数数数数数数数数数数数数数数数数数数14%15%15%45%43%52%51%53% 从AI Infra到Agent Infra21Agent Infra：成为智能体时代的操作系统和数字底座无问芯穹：从Agent Infra到Agentic Infra数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数数Agent数数数数数数数数数数数数/数数数数Deep ResearchVibe CodingAgent Infra数数数数数数数数数数数数数MaaS数数数数数数SOTA数数API数数Model Agents 大模型