一份报告十大结论看懂AI趋势！开源AI已经进入中国时间

逐一财经讯，北京，12月10日消息，《2025年度AI十大趋势报告》在“MEET2026智能未来大会”上正式发布。

报告由量子位智库打造，基于对全球AI技术发展、产业应用和社会影响的深度调研与分析，全面呈现了人工智能领域的最新现状与未来发展趋势。

十大趋势重塑AI发展格局

报告指出，2025年AI正从“工具时代”迈向“伙伴时代”，其发展将深刻重塑经济结构、社会形态和人类生活方式，并有十大关键趋势结论：

算力基建化：数据中心需求狂飙，算力经济是智能产业第一大引擎

芯片AI化：AI原生需求重塑芯片创新，大市场大生态打开时代芯机遇

预训练决定大模型格局梯队，架构创新决定预训练水平

大模型落地进入推理时间，推理需求倒逼模型创新

信息AI应用期，物理AI研发期，具身智能成合流风口

AI重塑流量入口：PC互联网、移动互联网、Agentic互联网

多模态成AI应用落地关键：视频、3D、代码依次展现生产力

AI硬件百端齐放：PC手机汽车眼镜玩具，焕脑正当时

AI4S突破加速AGI实现，AI数理化触及博士水平

开源AI进入中国时间，AGI拥有中国路线

报告通过对十大核心趋势的系统梳理，为企业管理者、投资机构和科技从业者提供了极具价值的战略参考。

趋势一：算力基建化：数据中心需求狂飙，算力经济是智能产业第一大引擎

算力已成为影响国家和企业战略的关键资源。全球AI算力需求推动超大规模数据中心建设进入算力工厂时代，而“东数西算”、“太空超级计算机”等国家工程正系统构建高效、绿色的全国一体化算力网络。

趋势二：芯片AI化：AI原生需求重塑芯片创新，大市场大生态打开时代芯机遇

芯片层面，GPU主导地位受到挑战，NPU在端侧普及，ASIC/FPGA迎来增长。

中国正加速构建自主可控的算力生态，国产“芯片+SDK+框架”方案已在千亿级模型训练中得到验证，DeepSeek等模型针对昇腾芯片深度优化，标志着全栈国产化能力迈入新阶段。

趋势三：预训练决定大模型格局梯队，架构创新决定预训练水平

模型架构持续突破，在算力约束下，混合专家模型成为主流选择。这种“大参数、小激活”的设计让模型可在不显著增加成本的情况下扩充容量。中国头部模型团队正普遍采用这一思路。

同时，为突破Transformer的O(n²)复杂度瓶颈，线性注意力和稀疏注意力等新架构也在快速发展。这些创新让模型能够更高效地处理长文本、视频理解等需要长程依赖的任务。后Transformer时代的讨论已从概念走向共识，架构创新将进入更为集中的突破期。

趋势四：大模型落地进入推理时间，推理需求倒逼模型创新

2025年，大模型落地进入“推理时间”。模型在多模态深度推理、自适应推理、边缘推理加速等方面持续突破，任务复杂度推动推理框架持续进化。

趋势五：信息AI应用期，物理AI研发期，具身智能成合流风口

与此同时，物理AI与具身智能迎来研发热潮，世界模型与VLA（视觉-语言-动作）框架成为技术焦点，具身智能正从小规模商业订单走向更广泛的应用探索。

自变量机器人作为全球具身智能基础模型的第一梯队代表，其自主研发的“Great Wall”模型系列已实现从感知到高精度操作的端到端控制，在复杂任务中展现出了强大的泛化能力，标志着中国力量在具身智能这一前沿领域的实质性突破。

趋势六：AI重塑流量入口：PC互联网、移动互联网、Agentic互联网

AI正在重塑流量入口。Agent从“人找服务”转向“服务找人”，成为下一代交互范式。AI智能体具备感知、规划、决策、执行的闭环能力，正逐步取代传统App，操作系统亦向超级Agent演进。

而构建这类智能助手的关键之一，在于其对用户个性化知识的理解与调用。以腾讯推出的ima知识库为例，它允许用户将碎片化的资料、笔记、网页内容构建成个人或团队的专属知识库，并与大模型深度结合。这使得AI不仅能回答通用问题，更能利用用户自身的知识储备，成为真正懂用户的“第二大脑”。这种“知识即能力”的模式，正是Agent实现深度个性化服务、从“通用”走向“专用”的重要基石。

趋势七：多模态成AI应用落地关键：视频、3D、代码依次展现生产力

新一代AI系统能够同时处理和理解文本、图像、声音、视频等多种信息类型，实现了跨模态的关联理解和生成。这不仅提升了AI在复杂场景下的表现，也为创意内容生成、智能交互等应用开辟了新可能。

这些应用的关键价值在于释放高价值劳动力，将人类精力转移到具有实质性价值的核心任务和战略性工作上。当一项技术被证明能显著提升劳动生产率时，它就会从“竞争优势”变为“生存必需品”。报告预测，未来2-3年内，随着技术能力的成熟，AI会成为这些产业的标准工具。

趋势八：AI硬件百端齐放：PC手机汽车眼镜玩具，焕脑正当时

轻量化模型和边缘计算技术成熟，推动AI能力向手机、汽车、IoT设备等终端普及。越来越多的智能设备开始具备本地AI处理能力，端侧AI的兴起解决了数据隐私、网络延迟和成本效率三大核心问题。这些设备能够在不依赖云端连接的情况下，实时响应用户请求，提供个性化的智能服务。