2025年AI回顾， 短期高估，会让你失望吗
2025年的AI，让你失望了吗？
临近收尾，DeepSeek开源了数学推理模型DeepSeek-Math-V2。它成为继OpenAI与谷歌之后，第三个达到 IMO金牌水平的模型，也是一个颇具象征意义的句号。
也许，它同样预示着一个新的开端。DeepSeek-Math-V2并不仅仅是一次性能突破。它依靠生成器—验证器—元验证器的多轮协同验证，使模型几乎在推理链条的每一步都能收到反馈、获得纠偏。它回答了2025年最重要的几个问题之一。近期，伊莱亚和卡帕西各自提出简单的强化学习的弊端。
2025年，市场对AI的兴奋与焦虑交织。市场积极探索新的扩展范式，并通过智能体的深度进化，在搜索等多个领域，寻找杀手级应用的机会。但是，测试基准已经饱和，充满了噪音，而且AI应用层收入的增长，赶不上token消耗的激增。这恰与未尽研究去年底《看DAO 2025》中提出的“十大 AI 展望”高度吻合。
这一轮AI热潮是新工业革命，还是即将幻灭的泡沫。回顾2025，有助于更好地展望2026。下面是我们去年底对2025年的十个AI展望，还有我们看下它们到年底是否都应验了。
--
1 中国企业加入基础模型创新，扩展定律重新定义。
年初，DeepSeek R1的发布将中国与美国的差距，从两三年缩短至两三个月。它也激活了整个中国开源模型阵营，以极致性价比，向美国闭源阵营施压。中国的基础模型创新集中于对传统注意力机制的优化与改造，同时也推动了与硬件的协同优化。在放缓对预训练扩展的预期后，业界重心侧重于后训练与测试时扩展，强化学习与并行思考成为提升模型性能的重要路径。不过，年底谷歌Gemini 3证明预训练扩展定律仍有潜力，后训练同样是全新领域，为基础模型创新提供确定性。与此同时，卡帕西与伊莱亚相继质疑传统范式扩展上限，业内重新审视那些可以追溯到Transformer之前的想法。
2 测试 AGI，基准难度增加。
大模型的真实进步越来越难被基准捕捉。Llama 4在竞技场的成绩被质疑“作弊”，更让社区对基准有效性产生冲击；而Meta也并非制造营销噪音的特例。行业推出了更难、更严密的评估体系，以及结构化对抗元素，包括人类最后的考试（HLE）和ARC-AGI-2，这让主流旗舰模型在相当一段时间内难以取得跨越式的成绩，直至年底Gemini 3与Claude-Opus-4.5再次改写趋势。随着AI向应用落地，基准也从学术能力走向工作实践等场景，围绕专业领域智能体的xBench，以及围绕社会经济价值的GDPval等新基准涌现。不过，评估模型与物理世界交互的基准仍然相对匮乏。
3 AI加快用于科学发现和企业研发
AI是对创新方式的创新。无论是美国的AI行动计划，还是中国的“人工智能+”行动，都将AI赋能科学研究置于显要位置。美国与英国开始探索用AI替代临床前动物实验。伴随基础模型扩展放缓，大模型实验室重新回归AI for Science赛道。谷歌推出了多智能体系统AI co-scientist；扎克伯格回购了两年前裁掉的蛋白质研究团队；OpenAI for Science试图打造下一个伟大的科学仪器；上海人工智能实验室开源了多模态科学模型Intern-S1。这场AI驱动的创新范式革命仍处于早期阶段。OpenAI、DeepMind与DeepSeek达到了IMO金牌水平，但做题距离试错尚远；AI让新材料发现暴增44%的造假论文暴露出了另一面。
4 Agent（智能体）更高级精密，多智能体加强协作与互动
越来越多的大模型具备智能体特征，深度任务执行与多轮交互能力正在成为行业标配。年初，有全球首款通用智能体之称的Manus，在国内外病毒式传播，展示了智能体在实际工作流中的潜力。围绕智能体的基础设施也因此快速发展，模型上下文协议（MCP）、代理对代理协议（A2A）以及智能体支付协议（AP2），蓬勃发展为行业的开放标准，为智能体之间的互操作性与价值实现提供支撑。纳德拉提出“智能体工厂”概念，探索用智能体重塑SaaS运营模式；谷歌发现智能体交互正在催生AI商务等“新的经济层面”。智能体经济的高频与可验证需求，也推动AI与区块链等技术的融合。
5 推理的高token消耗，支撑算力经济持续繁荣
多模态应用与智能体交互正显著推动高token消耗。Sora 2、Veo3与Seedance 1.0等视频生成模型，加剧了AI短视频竞争，推动谷歌与字节跳动每个月消耗千万亿量级token；ChatGPT智能体正养出百万卡算力巨兽。由此，AI基建热潮在2025年真正开启。硅谷巨头即将建成GW级数据中心；阿里巴巴承认年初“三年3800亿”规划保守。英伟达投资了OpenAI、Anthropic与xAI，绑定未来GPU收入；谷歌TPU也开始对外销售。算力经济的繁荣蔓延至建筑、电力等领域，为美国制造业复苏提供机会，但也因为循环交易等问题，引发了市场对“泡沫”的质疑。
6 卷出AI搜索
面对Bing等进攻，谷歌继续稳守搜索业务优势。它的AI Overviews搜索月活用户迅速突破了20亿，新发布的Generative UI能实时动态生成可视化可交互的界面，增强用户体验，支撑流量增长。AI搜索的竞争，已经扩展到了整个浏览器生态，OpenAI推出了Atlas，Perplexity推出了Comet，阿里巴巴为夸克投放流量。尽管AI搜索带来了问询增量，但边际成本仍大于边际收入，商业变现压力影响着行业格局。谷歌现阶段更倾向于扩大市场份额；OpenAI已经开始迫切尝试电商与广告变现；Perplexity则成为被看空的企业。在中国，AI搜索的竞争更多地落在垂直领域、封闭生态与端侧入口上。
7 智能体让AI应用产生差异性，以原生和赋能的方式，在既有平台和新的领域开始产生杀手级应用
AI应用的差异化价值，来自模型、产品与数据的结合。然而，扩展定律边际放缓，模型能力趋同，使得每一次差异化创新的窗口期都相当短暂，这也引发了模型能力商品化的争议。Gemini与Grok不断提升编程能力，在OpenRouter调用token上追平甚至超越了Claude。Gemini 3紧随GPT-5之后，大幅降低在医疗等高价值行业的幻觉。GPT-4o“吉卜力”风格走红，Nano Banana迅速接力，Sora与Veo3同样如此。中国开源模型加剧了模型商品化程度。要成长为真正的杀手级应用，智能体不仅需要庞大的算力资源，还必须打通从生成、传播到留存的生态闭环，并将上下文工程提升为核心能力。在中国，阿里巴巴千问已与字节跳动豆包已经打响了超级应用竞赛。
8 AI企业创新和应用出现中国范式
中国正在AI竞赛中逐步实现对美国技术栈的解耦。在单芯片性能逐步追平至介于英伟达A100与H100之间的基础上，华为昇腾384、阿里磐久128、曙光ScaleX640等超节点相继亮相，单柜算力密度与整体算力规模显著提升。芯片、算力基础设施与模型之间，建立起全栈协同创新机制，甚至外溢至新型电力系统。伴随全国多地启动国家AI应用中试基地建设，“工业AI数据联盟”成立，本土AI生态已经在赋能工业高价值场景中获得验证，这也是中国范式的典型体现。宝钢高炉大模型已为其带来超千万元的经济效益，并有望进一步在工艺优化、设备诊断、新材料研发等领域拓展新的应用。
（来源，华为《工业与AI融合应用指南 》）
9 软件公司新代码的一半先由AI生成
AI编码正从传统的代码补全逐步拓展至软件生产流水线的全环节。到年底，谷歌AntiGravity已能让多智能体在长周期内主动规划、并行执行，自主验证。由AI生成的新代码占比逐步提升，腾讯宣称内部团队这一比例已经达到50%，而微软与阿里巴巴等则将AI编程功能，视为智能云服务的高价值领域。AI编码的token消耗持续上升，在OpenAI的万亿token客户中，开发者AI工具的使用占比最高。部分企业已将AI编码能力纳入招聘考量或KPI指标。但是，代码占比并非衡量生产力的最佳指标，“氛围编码”开始退潮。同时，Anthropic数次封禁Windsurf调用API权限，使得模型的自主可控成为竞争优势；业内传闻称硅谷部分自研模型可能依托中国开源模型二次开发。
10 科技企业开始利用智能体精益运营
AI正在美国引发结构性的就业再分布。硅谷继续裁员，谷歌、Meta、亚马逊、微软和一批AI初创都在瘦身，年内累计10万人下岗；AI正让美国大学生毕业即失业。风险投资机构已经开出AI工具清单，鼓励创始人组建智能体团队，单枪匹马创办独角兽公司。然而，智能体对实际工作流的渗透广度与深度仍低于预期，95%企业宣布尝试失败。失败原因既包括智能体能力局限，也涉及嵌入现实工作流的复杂工况。目前智能体只能以50%准确率完成相当于人类2个多小时的任务；即使最强智能体也仅能完成约2.5%满足客户付费标准的任务。卡帕西建议业内“现实地匹配当前能力和行业需求”。
One More Thing，物理AI。
物理AI是智能在现实世界的映射，也是交互界面与生产力杠杆。杨立昆从Meta离职创业，聚焦高级机器智能（AMI）；李飞飞世界模型Marble尝试隐式编码物理定律。AI硬件已经抢跑，核心AI体验源自构建物理AI的子技术。自动驾驶、人形机器人与智能眼镜开始走向规模化，其物理载体属性仍对用户体验至关重要。Waymo车辆已上高速运营，小马智行车队年内扩展4倍至近千辆，小鹏宣布明年推出三款robotaxi车型；亚马逊首款人形机器人灵魂附体宇树，优必选Walker系列全年订单超10亿元；扎克伯格宣布超级智能很快降临，眼镜是AI理想终端，小米与阿里巴巴紧随其后。全新的AI原生硬件也进入验证阶段，OpenAI收购io，尝试继PC与智能手机后的“第三核心设备”。
