中國儲能網(wǎng)訊：2025年年末，我們見證了AI技術(shù)的關(guān)鍵突破：多模態(tài)能力從“可選”變?yōu)椤皹?biāo)配”，混合專家架構(gòu)的普及解決了規(guī)模與成本的矛盾，基于強化學(xué)習(xí)的深度推理能力讓模型學(xué)會了“思考”，而AIAgent的商業(yè)化爆發(fā)則將這一切能力整合，使其成為能夠自主執(zhí)行任務(wù)的“數(shù)字員工”。這些突破共同定義了2025年AI技術(shù)的新高度，并深刻影響著未來AI技術(shù)和應(yīng)用的發(fā)展軌跡。
即將過去的2025年，是中國人工智能發(fā)展不平凡的一年。年初，DeepSeek發(fā)布開源推理大模型DeepSeek-R1，掀起國內(nèi)大模型開源浪潮。春節(jié)聯(lián)歡晚會上，宇樹科技人形機器人H1與真人共舞，加速具身智能產(chǎn)業(yè)化落地進(jìn)程。3月，中國初創(chuàng)公司Monica推出全球首款通用智能體Manus，AI開始從“超級大腦”進(jìn)化為“數(shù)字員工”……
與此同時，隨著“人工智能+”寫入政府工作報告，并發(fā)布《關(guān)于深入實施“人工智能+”行動的意見》，有效推動了人工智能與各行業(yè)各領(lǐng)域的廣泛深度融合。更進(jìn)一步來講，在人工智能技術(shù)快速演進(jìn)、應(yīng)用場景越發(fā)豐富的背景下，人工智能產(chǎn)業(yè)生態(tài)也逐漸從“單點競爭”走向“集群創(chuàng)新”。
綜合來看，2025年人工智能實現(xiàn)了全方位跨越式發(fā)展，技術(shù)上告別粗放式參數(shù)競賽，以RLVR（可驗證獎勵的強化學(xué)習(xí)）、MoE（混合專家模型）稀疏化架構(gòu)為代表的革新讓模型效率大幅提升，原生多模態(tài)融合、AI智能體成熟化與具身智能落地成為核心突破；應(yīng)用層面深度滲透產(chǎn)業(yè)與生活，金融、制造、農(nóng)業(yè)、教育、旅游等領(lǐng)域?qū)崿F(xiàn)規(guī)模化落地，人形機器人在制造、養(yǎng)老、應(yīng)急等領(lǐng)域完成商業(yè)化閉環(huán)；生態(tài)上形成“政策—技術(shù)—產(chǎn)業(yè)”協(xié)同共振格局，“芯片+模型+應(yīng)用”全棧自主生態(tài)逐步完善，算力基建化催生新經(jīng)濟形態(tài)。
認(rèn)知智能成為主流
浪潮數(shù)字企業(yè)副總裁、首席科學(xué)家路寬表示，2025年，AI技術(shù)的關(guān)鍵躍遷主要集中在三點：高效模型工程化、原生多模態(tài)、Agentic架構(gòu)。一方面，通過蒸餾、量化、稀疏化與推理加速，模型從“算力堆疊”走向“性能/成本可控”，讓AI能在企業(yè)級場景長期穩(wěn)定運行；另一方面，多模態(tài)從“看圖說話”走向“跨模態(tài)理解+對齊+生成”，可直接處理文檔、圖表、語音、視頻等生產(chǎn)資料。更重要的是，智能體架構(gòu)將AI能力從“生成答案”升級為“理解任務(wù)—制定計劃—調(diào)用工具—閉環(huán)交付”，行業(yè)對AI的認(rèn)知從“內(nèi)容生成工具”轉(zhuǎn)變?yōu)椤皵?shù)字員工/數(shù)字專家”。
紅帽亞太CTO辦公室首席架構(gòu)師兼大中華區(qū)CTO張家駒表示，2025年，大量的智能體，不同的應(yīng)用場景快速涌現(xiàn)。我們注意到，這些新興的領(lǐng)域，基本上都需要底層一個高效的模型推理引擎保障其高效率運行，因此專注于性能優(yōu)化的推理引擎如vLLM（大模型推理加速框架）等受到廣泛關(guān)注。
達(dá)索系統(tǒng)大中華區(qū)行業(yè)技術(shù)總監(jiān)馮升華表示，2025年，“工業(yè)AI”趨于成熟，特別是在高效模型、具身智能和多模態(tài)融合領(lǐng)域。這種突破讓行業(yè)認(rèn)知從“消費級AI的幻覺”轉(zhuǎn)向了“工業(yè)級AI的科學(xué)與精準(zhǔn)”，即AI生成的必須是基于物理定律、可靠且可追溯的內(nèi)容。
“小而美”模型快速崛起
2025年，大模型發(fā)展呈現(xiàn)從大而全向?qū)６D(zhuǎn)變的趨勢，這意味著其不再單純追求參數(shù)規(guī)模龐大、功能包羅萬象，而是更注重在特定領(lǐng)域、特定任務(wù)上進(jìn)行深度優(yōu)化，以實現(xiàn)更精準(zhǔn)、高效、專業(yè)的性能表現(xiàn)。
“2025年，‘大模型越大越好’這種單一的暴力美學(xué)時代已經(jīng)終結(jié)。這一年，開啟了科學(xué)驅(qū)動與任務(wù)導(dǎo)向的智能新篇章。對于工業(yè)和垂直行業(yè)而言，盲目追求參數(shù)規(guī)模不僅帶來了難以承受的算力成本，更關(guān)鍵的是，通用大模型無法滿足工業(yè)場景對絕對可靠和知識產(chǎn)權(quán)保護(hù)的極致要求。”馮升華如此說道。
在達(dá)索系統(tǒng)的實踐中，他們發(fā)現(xiàn)與其用千億參數(shù)的模型去猜測一個零件的疲勞壽命，不如用一個針對物理仿真數(shù)據(jù)訓(xùn)練的專精模型。這種“小而美”的模型在特定的科學(xué)領(lǐng)域（如流體力學(xué)、分子動力學(xué)）表現(xiàn)遠(yuǎn)超通用大模型。更重要的是，工業(yè)企業(yè)極其看重IP（知識產(chǎn)權(quán)）。小模型可以部署在企業(yè)私有云甚至邊緣端，確保核心工藝數(shù)據(jù)不外泄。因此，在達(dá)索系統(tǒng)看來，未來的趨勢是“大模型作為底座，專精小模型執(zhí)行任務(wù)”，這種協(xié)同不僅解決了性價比問題，更解決了AI落地的安全性與專業(yè)性問題。
智能體開始嵌入企業(yè)工作流
2025年，智能體技術(shù)借助多模態(tài)推理、RAG（檢索增強生成）優(yōu)化、多智能體協(xié)同等技術(shù)突破，從單一工具進(jìn)化為“數(shù)字勞動力”，加速嵌入企業(yè)辦公、生產(chǎn)、客服、財務(wù)等核心工作流。
路寬表示，過去的對話式AI解決的是“信息查詢與表達(dá)”，但企業(yè)真正需要的是“把事辦成”：自動拆解任務(wù)、匹配流程與權(quán)限、調(diào)用系統(tǒng)能力（ERP、OA、工單、RPA、數(shù)據(jù)中臺等）、可追溯地輸出結(jié)果。2025年智能體商用加速的本質(zhì)，是大模型+知識+工具+流程的組合成熟，以及企業(yè)更關(guān)注“可控、可審計、可運營”的上線標(biāo)準(zhǔn)。我們更看好“人機協(xié)同”的落地路徑：智能體負(fù)責(zé)方案生成與執(zhí)行，關(guān)鍵節(jié)點由業(yè)務(wù)人員確認(rèn)，既提升效率也降低風(fēng)險。
“2025年確實是AI智能體商用元年。達(dá)索系統(tǒng)推出了具備對話和行動能力的虛擬伴侶‘AURA’。它不再只是被動回答問題，而是作為‘虛擬分身’嵌入工作流，能夠主動分析公司歷史IP，引導(dǎo)新員工提升技能，甚至自動執(zhí)行任務(wù)。這種從工具到‘虛擬伙伴’的轉(zhuǎn)變，極大提升了集體智能?！瘪T升華說。
AI走向規(guī)?；涞?/strong>
2025年，人工智能已從技術(shù)探索邁入規(guī)模化落地，“AI+應(yīng)用”不再是空談，而是扎根工業(yè)制造、金融決策、醫(yī)療健康、文化旅游等千行百業(yè)的務(wù)實實踐。身處其中，阿里千問、華為盤古、字節(jié)豆包等頭部大模型企業(yè)，以及智譜AI、MiniMax、百川智能、零一萬物、月之暗面等大模型初創(chuàng)公司都在持續(xù)推動行業(yè)應(yīng)用的深度落地，從“百模大戰(zhàn)”到價值落地已成為行業(yè)共識。
在路寬看來，2025年，AI在場景落地中最顯著的變化是從“單點試點”走向“平臺化復(fù)制”：企業(yè)不再為每個場景單獨做一套，而是建設(shè)統(tǒng)一的模型與智能體平臺、統(tǒng)一知識治理與工具接入標(biāo)準(zhǔn)，再把場景做成可復(fù)用的“應(yīng)用包”。這一時期，真正的“人工智能+”不是將原系統(tǒng)“自動化一下”，而是把AI嵌入企業(yè)經(jīng)營的主鏈路，并且以業(yè)務(wù)目標(biāo)為牽引，能夠?qū)崿F(xiàn)數(shù)據(jù)—知識—模型聯(lián)動，可執(zhí)行、可閉環(huán)，可信可治理。
馮升華表示，2025年，AI最顯著的變化是從“輔助邊緣任務(wù)”進(jìn)入了“核心業(yè)務(wù)流”。對此，他舉例說，實現(xiàn)規(guī)?；瘡?fù)制的場景首推生成式設(shè)計與制造。在汽車行業(yè)，過去設(shè)計一個輕量化的懸掛系統(tǒng)需要數(shù)周，現(xiàn)在AI結(jié)合仿真技術(shù)，能一鍵生成上千種符合強度標(biāo)準(zhǔn)的方案，并篩選出碳足跡最低的一款。
“在這一過程中，很多人誤以為‘人工智能+’就是給老系統(tǒng)裝個聊天插件或做點自動化，這其實是極大的浪費。在達(dá)索系統(tǒng)的愿景中，真正的‘人工智能+’應(yīng)具備三個深度特征：第一，從‘生產(chǎn)產(chǎn)品’向‘生成體驗’轉(zhuǎn)型。AI不僅僅是把東西造出來，而是基于用戶需求，自動生成最優(yōu)的、可持續(xù)的、軟件定義的整體體驗。第二，從‘線性流程’向‘生成式組織’轉(zhuǎn)型。企業(yè)不再依賴僵化的審批流，而是利用Agent進(jìn)行敏捷協(xié)作，知識在虛擬空間中自動流動并產(chǎn)生新價值。第三，從‘實物資產(chǎn)’向‘知識資產(chǎn)（IP）’重構(gòu)。企業(yè)的競爭力不再是廠房設(shè)備，而是它所積累的、可被AI調(diào)用的、數(shù)字化了的知識和技能。真正的‘AI+’是讓企業(yè)的集體智慧資產(chǎn)化，讓每一個新項目都能站在全公司歷史智慧的肩膀上起跳。”馮升華如是說。
AI生態(tài)呈現(xiàn)多樣性趨勢
張家駒表示，開源或者閉源，兩種不同的策略顯示出AI發(fā)展過程中的多樣化歷程：美國頭部企業(yè)也會開源新模型，但都不是SOTA（當(dāng)前最佳）模型。開源的SOTA模型基本都來自中國，而且層出不窮，這種態(tài)勢會有助于全球AI技術(shù)的快速演進(jìn)。我們相信AI的未來一定是開源的、普惠大眾的。在此背景下，會有越來越多的AI應(yīng)用涌現(xiàn)出來，并且借助于開源的優(yōu)勢，快速普及。
路寬則表示，閉源路線通常更強調(diào)“極致能力與安全邊界”，開源路線則顯著降低試用門檻，推動生態(tài)繁榮與行業(yè)創(chuàng)新，尤其利于本地化部署、成本控制和垂直場景的快速試錯。長期看，兩者會形成互補：技術(shù)演進(jìn)上，閉源推動上限，開源推動擴散；應(yīng)用普及上，開源加速“千行百業(yè)”落地，但企業(yè)級仍需要與安全合規(guī)、權(quán)限審計、數(shù)據(jù)隔離、運維體系一起交付。因此我們更認(rèn)可“開源生態(tài)+企業(yè)級治理”的融合路線。
馮升華認(rèn)為，這其實是創(chuàng)新速度與主權(quán)安全之間的平衡。閉源策略傾向于構(gòu)建高度集成的生態(tài)壁壘，開源策略則促進(jìn)了技術(shù)的快速民主化。這種態(tài)勢迫使全球企業(yè)思考“AI主權(quán)”。達(dá)索系統(tǒng)既擁抱開源的靈活性，也極其尊重工業(yè)客戶對閉源安全的需求。通過與MistralAI等公司合作，旨在為客戶提供一種“可信、可控、可持續(xù)”的AI環(huán)境。開源策略加速了底層算法的普及，讓中小企業(yè)能快速上車，而閉源或定制化的專業(yè)模型則保證了企業(yè)核心工業(yè)IP的安全。這種“雙軌制”實際上促進(jìn)了全球AI生態(tài)的多樣性。
