2025，AI发展的10个预判，影响每个人

上周，K哥参加了一场AI产业论坛，作为分享嘉宾谈了2025年AI发展的10个预判，去年我也做过一些预测，现在看来基本都实现了，还是具备一些借鉴意义的。

尤其是接下来这一年，AI将以更快的速度深刻改变各行各业，这个巨变跟每个人息息相关，希望你认真看完。

智能体，大爆发

在“百度世界2024”大会上，李彦宏强调“智能体是AI应用的最主流形态，即将迎来它的爆发点。”并将做智能体类比为PC时代做网站、或是移动时代做自媒体账号。在新的一年中，智能体技术从 “能力积累期” 迈向 “应用爆发期”的态势将更加明显。

目前来看，智能体技术已经逐步进入全面商业化应用阶段。比如在金融领域，已被应用于支付结算、风险控制；在科研教育中，能助力实验设计和个性化教学；在软件开发过程中，实现代码生成和程序测试等等。

这些多场景需求和应用，也反过来促使智能体技术能力不断进化，呈现出越来越明显的专业化、自动化、协作化特征，逐步实现从简单任务执行到复杂环境精准决策、从单体运行到多智能体协同到生态协作、从通用服务深入到垂直领域应对复杂场景的发展和过渡。

大模型最后一战：多模态

2025年还将是多模态大模型争夺战的关键一年，各企业大厂会继续投入大量资源比拼研发。比如去年年底谷歌推出的Gemini 2.0、OpenAI推出的Sora，以及更早时候智谱AI推出的CogVideoX等，都力求在这一领域取得优势。

谷歌的 Gemini 2.0, 在技术架构上采用了最新的算法，对神经网络结构进行了优化，不仅支持原生图像和多语言音频输出，还能够原生调用工具，为用户提供了更加便捷、高效的交互体验。Sora同样具备顶级的多模态语言理解能力，可从文本、图像或视频生成高质量视频，并能模拟真实世界的物理状态。国内的 CogVideoX 也有自己的优势，能将文本、时间、空间三维一体融合，通过高效的三维变分自编码器结构，和端到端的视频理解模型，实现了快速生成高质量视频的能力。

这些模型的出现，在丰富用户选择的同时，也加剧了这一领域的白热化竞争，最终谁能留在牌桌，既考验市场容量，也考验各自的本事。

文生视频，AI巨头的必赢之战

自AI浪潮以来，文生视频一直都属于“热点板块”，随着技术的不断突破，2025年的文生视频大战，必定会更加激烈。除了上面提到的顶级存在Sora外，还有谷歌新发布的Vo2，快手的可灵、minimax的海螺AI，都会是这场混战的重要参与者。

谷歌的Veo 2不仅能够根据文本或图像提示生成高质量视频，还能理解广角、特写等镜头控制指令，模拟现实世界的物理现象和人类表情，生成高达4K分辨率的高清晰视频。快手的可灵AI和minimax的海螺AI也在视频生成领域取得了显著进展，具备强大的物理模拟和概念组合能力，在视频续写、运镜控制等方面都有很大突破。

随着技术竞争的加剧和应用范围的不断扩大，文生视频技术将极大地推动视频创作的变革，既降低了进入门槛，又提高了创作效率，为未来的内容产业带来新的发展机遇。

AI具备长期记忆

在记忆分层管理上，AI 系统发展出了短期工作记忆、中期扩展记忆和长期知识库储存等不同层次的记忆结构。短期工作记忆用于临时存储当前任务相关的信息，确保 AI 在处理任务时能够快速获取所需数据；中期扩展记忆则可以对一段时间内的信息进行整合和存储，为决策提供更全面的依据；长期知识库储存则是 AI 的知识宝库，存储着大量的历史知识和经验，使 AI 能够不断学习和积累知识，实现持续进化。在未来的AI发展中，具备长期记忆的能力将变得越来越重要。

当今的AI技术，可以通过检索增强和外部存储手段，有效扩展自身的记忆容量；同时，不断发展的动态总结和分层管理能力，也让AI长期记忆有了关键技术支撑。未来，AI 的长期记忆功能，将越来越贴近人类思维的特性，其记忆系统从 “单一存储” 向 “分布式认知架构” 演变，记忆管理重点转向“智能筛选与整合”，并在 “记忆” 与 “遗忘”间找到合理的平衡，将成为AI发展的新趋势。

量子计算，引爆算力革命

未来，量子计算的发展将为大模型带来了前所未有的机遇，甚至会引发新的算力革命。去年年底，谷歌发布的量子芯片willow就是这一进程中的里程碑，让我们看到了算力革命的新曙光。

虽然谷歌尚未完全公开细节，但量子芯片的出现预示着算力将得到巨大提升，已是无可争辩的事实。量子计算基于量子比特（qubit）进行运算，相较于传统计算机的二进制比特，量子比特能够同时表示多个状态，这使得量子计算机在处理复杂问题时具有指数级的计算优势。这一优势，将在大模型的训练和推理过程中，起到至关重要的作用。

众所周知，传统的大模型训练需要耗费大量的时间和计算资源，而量子计算却能凭借强大的算力优势，大大缩短训练时间，提高模型的迭代速度，因此也就有了非常广泛的应用需求。比如，在药物研发领域，大模型可以利用量子计算的算力快速分析分子结构和药物活性之间的关系，加速新药研发进程；在气候模拟方面，能够更加精准地模拟气候变化趋势，为应对气候变化提供科学依据。

尽管量子计算仍面临一些技术挑战，但K哥相信，2025年这一领域会有持续性突破。

端侧模型，快速崛起

随着移动设备和物联网设备的普及，能够满足智能设备需求、提供更快速高效AI服务的端侧模型，将会在2025年进一步崛起。

当前，端侧部署的技术路线发生了显著变化，已经从过去“压缩大模型” 逐渐向 “优化小模型”的趋势转变。这一转变是基于对设备资源的合理利用和性能需求的综合考虑，以 Gemma 2 2B 为例，它把通用端侧模型的参数规模上限提升到了2.6B，并通过一系列技术创新，让该模型在性能上表现得非常高效。

这一变化将使端侧模型在资源受限的设备上，也能发挥出色的作用。比如在智能手机领域，端侧模型可以实现实时图像识别、语音助手等功能，而无需将数据传输到云端进行处理，大大提高了响应速度和用户隐私保护；在智能家居传感器、可穿戴设备等物联网设备中，端侧模型能够实现本地数据处理和智能决策，降低设备对网络的依赖，提高设备的自主性和稳定性。

端侧模型的崛起，将推动智能设备的智能化水平提升到一个新的高度，也必然会为用户带来更便捷、更高效的智能体验。

具身智能，大发展

具身智能主打AI与物理世界的互动和融合，从而更好地理解和操控现实世界。这一需求也将在2025年进一步显现。

从目前技术突破来看，具身智能在本体控制、灵巧手、触觉传感和表情模仿等多个维度，都取得了不同程度的进展。比如，本体控制技术的提升使机器人能够更加稳定、精准地执行各种动作；灵巧手的发展让机器人能够完成更加精细的操作，如抓取、操作工具等；触觉传感技术使机器人能够感知外界物体的形状、质地和力度，提高了其与环境交互的安全性和准确性等等。

具身智能不仅是技术的提升，更是人机交互方式的革新。AI系统将不再局限于屏幕前的静态交互，而是能够通过机器人或其他智能设备与人类进行更加自然、深入的互动。随着具身智能的不断普及和推广，将为教育、医疗、服务等行业带来新的发展机遇。

人形机器人、空间智能，开始商用

人形机器人和空间智能作为大模型应用的重要领域，也将在2025年取得快速发展，二者相互关联、相互促进。

人形机器人融合了形态结构与认知交互能力，旨在实现类人化的感知、决策与动作能力。在感知方面，人形机器人配备了多种传感器，如视觉传感器、听觉传感器、触觉传感器等，能够实时感知周围环境的信息。依靠大模型，机器人可以对这些感知信息进行快速处理和理解，从而做出准确的决策。在动作执行方面，随着机械结构和驱动系统不断优化，人形机器人可以做出行走、奔跑、抓取物体等更灵活更自然的动作。

空间智能则致力于通过多维感知和理解构建三维世界模型，实现空间定位、场景理解与环境交互。3D数据获取和算法，是决定空间智能水平的关键因素。这些问题也会在未来获得更多的突破。比如，在3D 数据获取方面，随着激光雷达、深度相机等设备性能的提升，空间智能将能够获取更准确、丰富的 3D 数据。在算法创新方面，ReKep 框架和关系关键点约束等技术的应用，为空间智能提供了强大的支持。

AI自循环：合成数据

AI系统通过自身生成的数据来训练和改进自己，而不需要依赖外部数据源，这一过程被称为AI自循环。在这个过程中，最关键的就是数据的合成，这些合成数据可以弥补现实数据的不足，为大模型训练提供更多样化的数据来源。在新的一年，AI合成数据技术同样将变得愈发重要。

目前已经有很多大厂和机构投入到这一领域的研究，比如英伟达、World Labs 等，都取得了不同程度的进展。但同时我们也要明白，数据量的增加只是基础，数据质量和数据结构的优化才是关键。未来合成数据的侧重点，还是要从扩充数据转向创造知识，并通过系统化方法，提升数据训练数据的质量。

大模型“第一性原理”，仍然适用

随着大模型参数数量的增加，其性能也会相应提升。这个被称为大模型“第一性原理”的Scaling Law仍然适用，甚至可以据此解决幻觉问题。比如，在内容生成领域，通过增加高质量数据，大模型能够更好地理解语言的语义和逻辑关系，从而生成更加准确合理的文本，大大减少生成内容中不靠谱的幻觉现象。

当然，Scaling Law 的应用也面临计算资源、数据质量等一些因素的制约。但这些问题并非不能克服，而是可以通过创新的算法设计、高效的计算架构和严格的数据筛选与预处理，来加以解决。