作者 | InfoQ 編輯部

《2025 年度盤(pán)點(diǎn)與趨勢(shì)洞察》是我們?nèi)曜钪匾膬?nèi)容選題之一，由 InfoQ 技術(shù)編輯組策劃。這次，我們將深入探討了今年大模型、Agent、AI Native 研發(fā)范式、具身智能等方向發(fā)生了哪些深刻變化，并分析今年哪些行業(yè)有被 AI 真正改造，希望通過(guò)對(duì)重點(diǎn)領(lǐng)域的盤(pán)點(diǎn)觀察，為大家梳理一年的科技圈發(fā)展脈絡(luò)。

在此，特別感謝平安科技創(chuàng)新事業(yè)部線上用戶運(yùn)營(yíng) AI 產(chǎn)品團(tuán)隊(duì)總經(jīng)理樊聰、昆侖萬(wàn)維董事長(zhǎng)兼 CEO 方漢、傳神語(yǔ)聯(lián)合創(chuàng)始人何恩培、阿里云容器計(jì)算服務(wù) ACS 技術(shù)負(fù)責(zé)人黃濤、Linux 基金會(huì)云與基礎(chǔ)設(shè)施執(zhí)行董事 Jonathan Bryce、光年褶皺 CEO 李元慶、記憶張量 MemTensor CTO 李志宇、智譜董事長(zhǎng)劉德兵、擎朗智能戰(zhàn)略技術(shù)官劉斐、真機(jī)智能董事長(zhǎng)兼首席科學(xué)家劉智勇、面壁團(tuán)隊(duì)、上海云軸科技股份有限公司 CTO 王為、 百度智能云平臺(tái)產(chǎn)品事業(yè)部算法架構(gòu)師&千帆策略部負(fù)責(zé)人吳健民、 明略科技創(chuàng)始人 CEO 兼 CTO 吳明輝、無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼首席執(zhí)行官夏立雪、北京智源人工智能研究院具身數(shù)據(jù)負(fù)責(zé)人 & 北京大學(xué)多媒體信息處理全國(guó)重點(diǎn)實(shí)驗(yàn)室副研究員姚國(guó)才、智象未來(lái) (HiDream.ai) 聯(lián)合創(chuàng)始人兼首席技術(shù)官姚霆、阿里云智能容器服務(wù)高級(jí)專家 & OpenKruise Agents 項(xiàng)目發(fā)起人張振、 中關(guān)村人工智能研究院副院長(zhǎng) & 北京中關(guān)村學(xué)院副教 鄭書(shū)新、授 階躍星辰系統(tǒng)負(fù)責(zé)人朱亦博、豆神教育 AI 事業(yè)部研發(fā)總監(jiān)朱智勝等專家的深入分享（嘉賓排名不分先后，按姓名首寫(xiě)字母排序），你們?cè)诟髯灶I(lǐng)域的洞察和思考幫我們厘清技術(shù)脈絡(luò)，對(duì)未來(lái)發(fā)展充滿期待。

2025 年，誰(shuí)的主場(chǎng)？

作為頂流的 OpenAI，在 2025 年經(jīng)歷了陣痛與轉(zhuǎn)型。一方面，其維持著通用大模型能力的上限位置，其模型在推理、代碼、多模態(tài)等多個(gè)維度持續(xù)作為行業(yè)對(duì)標(biāo)對(duì)象；另一方面，GPT-5 的發(fā)布并未帶來(lái)預(yù)期中的代際震撼，后續(xù)發(fā)布也相對(duì)平淡。但它依然擁有全球最高的 C 端用戶量，短期內(nèi)依然保持入口級(jí)地位和用戶心智優(yōu)勢(shì)。

對(duì)比下，在經(jīng)歷 2024 年的被動(dòng)追趕后，Google 在 2025 年打了一場(chǎng)漂亮的翻身仗，技術(shù)能力全面回歸主舞臺(tái)，Gemini 3、Nano Banana 等為其贏得了獲得眾多用戶，并通過(guò)搜索、辦公和云產(chǎn)品形成有效分發(fā)，形成了良性聯(lián)動(dòng)。

Anthropic 則是今年最穩(wěn)健的玩家之一。依托 Claude 系列模型能力持續(xù)迭代，其在開(kāi)發(fā)者群體中的口碑持續(xù)上升。此外，通過(guò)與 AWS 等云廠商的深度合作，Anthropic 在 API 業(yè)務(wù)的規(guī)模和增速上實(shí)現(xiàn)了對(duì) OpenAI 的超越，逐步跑通了以企業(yè)和開(kāi)發(fā)者為核心的商業(yè)路徑。

國(guó)內(nèi)，DeepSeek 無(wú)疑是 2025 年最具標(biāo)志性的明星公司。R1 的發(fā)布及開(kāi)源姿態(tài)，極大地活躍了 AI 中下游的創(chuàng)新生態(tài)。與此同時(shí)，MiniMax、智譜等公司開(kāi)始沖擊港股上市，在提振信心的同時(shí)，也暴露出大模型行業(yè)普遍面臨的現(xiàn)實(shí)問(wèn)題：投產(chǎn)比偏低、虧損壓力大、商業(yè)化仍在探索之中。資本市場(chǎng)正倒逼行業(yè)從“拼規(guī)?！鞭D(zhuǎn)向“拼可持續(xù)性”。

整體來(lái)看，2025 年是一個(gè)格局重新站穩(wěn)、路徑逐步分化、行業(yè)開(kāi)始直面商業(yè)現(xiàn)實(shí)的關(guān)鍵年份，競(jìng)爭(zhēng)焦點(diǎn)正從模型能力本身，轉(zhuǎn)向系統(tǒng)能力、生態(tài)位置與長(zhǎng)期演化能力。

什么樣的公司能跑出來(lái)？

面對(duì)今年快速演進(jìn)的行業(yè)格局，全球科技公司都在興奮與焦慮中負(fù)重前行。

壓力主要源于兩個(gè)層面：一是以 DeepSeek 為代表的推理范式和智能體應(yīng)用前景的爆發(fā)，推動(dòng)技術(shù)棧、組織架構(gòu)與商業(yè)邏輯發(fā)生連鎖轉(zhuǎn)型，引發(fā)業(yè)界對(duì)自身速度能否跟上范式遷移的普遍焦慮；二是技術(shù)節(jié)奏加快與商業(yè)回報(bào)不確定性同步放大，公司既要持續(xù)投入算力與系統(tǒng)建設(shè)，又必須面對(duì)成本、現(xiàn)金流和落地周期的現(xiàn)實(shí)約束，包括對(duì) POC 項(xiàng)目收益的嚴(yán)格審視。與此同時(shí)，技術(shù)路線本身也在分化，如何區(qū)分長(zhǎng)期能力建設(shè)與短期跟風(fēng)，對(duì)管理層的判斷提出了更高要求。

在應(yīng)對(duì)策略上，行業(yè)整體呈現(xiàn)出更理性的轉(zhuǎn)向：從單純追逐參數(shù)規(guī)?；驘狳c(diǎn)概念，轉(zhuǎn)向更強(qiáng)調(diào)系統(tǒng)效率、真實(shí)場(chǎng)景與可持續(xù)的技術(shù)積累。企業(yè)一方面持續(xù)投入前沿研究與開(kāi)源，確保技術(shù)不被鎖死，另一方面堅(jiān)定推動(dòng) AI 規(guī)模化應(yīng)用。

而對(duì)于國(guó)內(nèi)從業(yè)人員來(lái)說(shuō)，整體狀態(tài)可以用“壓力不小，但方向更清楚”來(lái)形容，節(jié)奏確實(shí)更緊張，但很多工程師也意識(shí)到，行業(yè)正在從早期紅利階段，走向真正拼工程、拼長(zhǎng)期價(jià)值的階段，這種轉(zhuǎn)變反而讓一些人更專注、更務(wù)實(shí)。大家更關(guān)注真實(shí)用戶反饋而非技術(shù)自嗨，對(duì) AI 商業(yè)化進(jìn)入深水區(qū)有清醒認(rèn)知。

昆侖萬(wàn)維董事長(zhǎng)兼 CEO 方漢總結(jié)，今年跑出來(lái)的，不是“講故事”的公司，而是兩類能力成立的公司：第一類是高頻剛需場(chǎng)景，如 AI 社交、短劇、音樂(lè)等需求密集場(chǎng)景，天然適合模型規(guī)模化應(yīng)用，容易形成留存與付費(fèi)閉環(huán)。其關(guān)鍵不是生成能力，而是持續(xù)使用價(jià)值；第二類是成本結(jié)構(gòu)被 AI 徹底改寫(xiě)的公司，AI 將內(nèi)容或服務(wù)的邊際成本壓縮 1–2 個(gè)數(shù)量級(jí)，直接改變行業(yè)定價(jià)邏輯。這類公司不是“效率提升”，而是商業(yè)模型重構(gòu)。

而明顯落后的公司類型包括：

• 通用型 AI 助手：缺乏垂直數(shù)據(jù)和結(jié)果閉環(huán)，商業(yè)化長(zhǎng)期停滯。

• 只做模型、不做產(chǎn)品的公司：在非代碼、非數(shù)學(xué)場(chǎng)景中，智能不可驗(yàn)證。

• 靠融資續(xù)命、缺乏付費(fèi)能力的 AI 創(chuàng)業(yè)公司：資金環(huán)境收緊后迅速暴露問(wèn)題。

• 反應(yīng)遲緩的傳統(tǒng)軟件公司：流程未被 Agent 化，效率被 AI 原生團(tuán)隊(duì)反超。

當(dāng)前，行業(yè)的深層次變化已十分清晰：競(jìng)爭(zhēng)正從“算法主導(dǎo)”轉(zhuǎn)向“算法 × 產(chǎn)品并重”。AI 已經(jīng)實(shí)質(zhì)性重構(gòu)內(nèi)容生產(chǎn)、研究分析和部分辦公流程，“幾天→幾分鐘”開(kāi)始成為常態(tài)。如果把模型制造和使用方當(dāng)作一個(gè)整體玩家，會(huì)發(fā)現(xiàn)從去年到今年初，基本全部算力資產(chǎn)都配置在了“如何造模型”，而今年開(kāi)始“如何用模型”的算力起量。

行業(yè)共識(shí)正在從“模型多強(qiáng)”轉(zhuǎn)向“流程是否可驗(yàn)證、結(jié)果是否可復(fù)用”。部分創(chuàng)始人認(rèn)為，當(dāng)產(chǎn)品負(fù)責(zé)人在組織中的話語(yǔ)權(quán)逐漸比肩算法負(fù)責(zé)人時(shí)，AI 才真正步入以應(yīng)用價(jià)值為核心的下半場(chǎng)。

智象未來(lái) (HiDream.ai) 聯(lián)合創(chuàng)始人兼首席技術(shù)官姚霆直接指出，對(duì)于模型研發(fā)公司來(lái)說(shuō)，模型和商業(yè)化一直會(huì)是兩個(gè)最大的挑戰(zhàn)，這兩個(gè)挑戰(zhàn)讓底層模型架構(gòu)的突破變成必選項(xiàng)，模型公司不能像過(guò)去那樣不斷優(yōu)化數(shù)據(jù)和推理來(lái)解決用戶的問(wèn)題，而是要在架構(gòu)上做出突破、敢為人先。

而根據(jù)無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼首席執(zhí)行官夏立雪的觀察，在同一個(gè)行業(yè)中，自一號(hào)位開(kāi)始認(rèn)真擁抱 AI 的，明顯已經(jīng)在自己的業(yè)務(wù)流中找到了許多落地機(jī)會(huì)，因此，決策人的認(rèn)識(shí)是未來(lái)拉開(kāi)差距的關(guān)鍵點(diǎn)。

與硅谷的競(jìng)賽

回顧這一年的全球 AI 競(jìng)賽，國(guó)內(nèi)前沿 AI 在整體能力上取得了實(shí)質(zhì)性進(jìn)展。無(wú)論在基礎(chǔ)模型能力、多模態(tài)理解還是推理效率與工程化落地層面，均呈現(xiàn)出明顯躍升。以 DeepSeek-R2、Qwen3 系列等模型為代表，國(guó)內(nèi)團(tuán)隊(duì)已不再簡(jiǎn)單跟隨既有路線，而是在模型規(guī)模、效率與成本之間探索出更具可行性的平衡方案，逐步形成了以成本控制、系統(tǒng)優(yōu)化和應(yīng)用適配為核心的差異化優(yōu)勢(shì)。

若進(jìn)一步審視國(guó)內(nèi) AI 是否已在整體上全面趕上硅谷，則需冷靜分層看待。在部分通用能力與工程執(zhí)行層面，差距正在迅速縮小，某些特定場(chǎng)景已具備直接競(jìng)爭(zhēng)力；然而，在長(zhǎng)期基礎(chǔ)研究積累、原創(chuàng)智能范式探索以及面向下一代智能的系統(tǒng)性布局上，整體仍存在差距。就像 DeepMind 聯(lián)合創(chuàng)始人兼 CEO Demis Hassabis 說(shuō)的，西方依然在 AI 算法創(chuàng)新方面占優(yōu)勢(shì)，但領(lǐng)先優(yōu)勢(shì)可能只剩“幾個(gè)月”，而不是“幾年”。

記憶張量 MemTensor CTO 李志宇認(rèn)為，這種差距并不令人悲觀，反而體現(xiàn)了全球 AI 競(jìng)爭(zhēng)正進(jìn)入更健康的階段：從早期對(duì)單點(diǎn)能力的簡(jiǎn)單對(duì)標(biāo)，轉(zhuǎn)向技術(shù)路線、系統(tǒng)能力與演化路徑的分化競(jìng)爭(zhēng)。未來(lái)的勝負(fù)關(guān)鍵，不再是復(fù)制速度，而是能否在自身的技術(shù)土壤與應(yīng)用環(huán)境中，構(gòu)建出可持續(xù)、可演化的 AI 體系。

值得關(guān)注的是，中國(guó) AI 模型正被真實(shí)引入全球生產(chǎn)環(huán)境，而不僅停留于試驗(yàn)階段。OpenRouter 與 a16z 近期報(bào)告顯示，全球開(kāi)源模型使用量的顯著增長(zhǎng)，與 DeepSeek V3、Kimi K2 等國(guó)內(nèi)開(kāi)放模型的發(fā)布高度同步且持續(xù)。這與國(guó)內(nèi)企業(yè)今年多次海外交流的體感一致，表明中國(guó) AI 已開(kāi)始從解決既有問(wèn)題轉(zhuǎn)向定義新問(wèn)題、新賽道與新競(jìng)爭(zhēng)規(guī)則，這本身即是全球技術(shù)格局變化的重要信號(hào)。

總的來(lái)說(shuō)，當(dāng)前國(guó)內(nèi) AI 已在應(yīng)用層快速迭代與開(kāi)源生態(tài)投入上建立起較清晰的優(yōu)勢(shì)基礎(chǔ)。同時(shí)必須承認(rèn)，在最頂級(jí)閉源模型能力與原創(chuàng)智能范式的突破上，硅谷依然領(lǐng)先。這一差距的本質(zhì)并非工程能力不足，而更多源于長(zhǎng)期基礎(chǔ)研究所需的時(shí)間投入與試錯(cuò)容錯(cuò)空間。

大模型向“更可用”進(jìn)化，

價(jià)格戰(zhàn)或延續(xù)

和去年相比，大模型最明顯的變化不是“更聰明”，而是開(kāi)始變得“更可用”。

今年大模型在復(fù)雜指令理解、多步推理穩(wěn)定性，以及跨模態(tài)任務(wù)的一致性上都有肉眼可見(jiàn)的進(jìn)步，尤其是在不依賴極端 Prompt 情況下完成整個(gè)任務(wù)鏈，這是一個(gè)很重要的信號(hào)。但更關(guān)鍵的變化是在技術(shù)路線上，即從訓(xùn)練時(shí)把模型做大，轉(zhuǎn)向運(yùn)行時(shí)讓模型用得更好。

一方面，強(qiáng)化學(xué)習(xí)、測(cè)試時(shí)計(jì)算、顯式推理結(jié)構(gòu)被大規(guī)模引入，用來(lái)補(bǔ)足純預(yù)訓(xùn)練的不足；另一方面，記憶、工具調(diào)用和系統(tǒng)編排開(kāi)始成為核心能力。這意味著模型能力的提升，正在從一次性的參數(shù)寫(xiě)入，轉(zhuǎn)向可持續(xù)的系統(tǒng)演化。

大模型能力躍遷的一個(gè)顯著事實(shí)是，模型性價(jià)比曲線正在被系統(tǒng)性重寫(xiě)。

階躍星辰系統(tǒng)負(fù)責(zé)人朱亦博指出，如今訓(xùn)練一個(gè)激活參數(shù)規(guī)模約 10B 的模型，其整體能力已經(jīng)可以超過(guò) 2024 年激活參數(shù)在 100B 以上的模型。一年內(nèi)接近 10 倍的性價(jià)比提升，是算法、數(shù)據(jù)、系統(tǒng)與工程能力協(xié)同進(jìn)化的結(jié)果。

這一變化并不意味著 Scaling 失效。相反，多數(shù)專家認(rèn)為，更多數(shù)據(jù)、參數(shù)規(guī)模和更多計(jì)算，依然是當(dāng)前提升基礎(chǔ)模型能力最有效的通用路徑。無(wú)論是語(yǔ)言模型還是多模態(tài)模型，過(guò)去一年的實(shí)驗(yàn)反復(fù)驗(yàn)證，只要數(shù)據(jù)質(zhì)量、訓(xùn)練方法和工程能力能夠跟上，模型規(guī)模繼續(xù)擴(kuò)大，整體能力仍然會(huì)上升，只是單位成本所換取的收益正在快速下降，經(jīng)濟(jì)回報(bào)曲線變得愈發(fā)平緩。

這一背景下，Scaling up 不再是一個(gè)可以獨(dú)立成立的答案。李志宇指出，當(dāng)前許多瓶頸并不來(lái)自模型“不夠大”，而是模型無(wú)法高效利用已有信息，例如在長(zhǎng)上下文下的穩(wěn)定性、跨時(shí)間的一致性以及復(fù)雜任務(wù)中的持續(xù)推理能力不足。多模態(tài)的發(fā)展放大了這個(gè)問(wèn)題，輸入更長(zhǎng)、信息更雜、狀態(tài)更多、參數(shù)更大，但真正可用、可持續(xù)的智能比例并沒(méi)有同步提升。所以，他更傾向于認(rèn)為，我們正在進(jìn)入一個(gè)“Scaling 仍然繼續(xù)，但對(duì)象正在發(fā)生變化”的階段，下一步真正拉開(kāi)差距的是能找到值得 Scaling 的點(diǎn)，比如基于動(dòng)態(tài)應(yīng)用場(chǎng)景的記憶去做 Scaling。

姚霆進(jìn)一步指出，多模態(tài)領(lǐng)域的 Scaling 同樣呈現(xiàn)出分化趨勢(shì)。一方面是“深度 Scaling”，即在單一多模態(tài)任務(wù)上通過(guò)擴(kuò)大模型參數(shù)提升能力，但這會(huì)顯著增加訓(xùn)練與推理成本，因此必須與高質(zhì)量數(shù)據(jù)和架構(gòu)層面的優(yōu)化協(xié)同推進(jìn)；另一方面是“廣度 Scaling”，從垂直場(chǎng)景和商業(yè)落地視角出發(fā)，在不同多模態(tài)任務(wù)之間進(jìn)行能力擴(kuò)展，這種橫向擴(kuò)展往往帶來(lái)更大的驚喜，例如在統(tǒng)一架構(gòu)下實(shí)現(xiàn)多模態(tài)理解與生成的融合。

但可以肯定的是，對(duì)于模型間的競(jìng)爭(zhēng)，預(yù)訓(xùn)練和后訓(xùn)練都很重要，谷歌方也透露 Gemini 3 變強(qiáng)的核心就在于此。不過(guò)，明略科技創(chuàng)始人、CEO 兼 CTO 吳明輝指出，模型訓(xùn)練方向正在分化：通用 SOTA 模型的敘事不再重要，更重要的是在特定領(lǐng)域、特定任務(wù)上實(shí)現(xiàn)差異化的 SOTA 能力。在其看來(lái)，這意味著垂直領(lǐng)域?qū)Ｓ媚Ｐ蛯⒋罅坑楷F(xiàn)，通用大模型的競(jìng)爭(zhēng)優(yōu)勢(shì)減弱。

另外，工程能力成為提升模型能力的一大重點(diǎn)。有傳言 Gemini 3 的成功有很大一部分歸功于修了若干重大 bug。朱亦博表示，大模型廠商的工作進(jìn)入了拼工程化的時(shí)代，而非重大創(chuàng)新主導(dǎo)。拼工程化也意味著更進(jìn)入拼集團(tuán)軍作戰(zhàn)、組織能力的階段，而非靠少數(shù)幾個(gè) super star。

與此同時(shí)，今年深思考模型與 Agent 的快速演進(jìn)不斷刷新智能能力上限，強(qiáng)化學(xué)習(xí)（RL）在這一輪爆發(fā)中發(fā)揮了決定性作用，但其發(fā)展同樣存在結(jié)構(gòu)性限制。面壁團(tuán)隊(duì)指出，目前大多數(shù)強(qiáng)化學(xué)習(xí)訓(xùn)練仍停留在幾千步量級(jí)，距離跑通穩(wěn)定的 RL scaling law 還有相當(dāng)距離，如何讓強(qiáng)化學(xué)習(xí)長(zhǎng)期、穩(wěn)定、可擴(kuò)展地訓(xùn)練下去，依然是行業(yè)正在探索的核心問(wèn)題。

盡管如此，強(qiáng)化學(xué)習(xí)已經(jīng)證明，只要具備足夠的數(shù)據(jù)和高質(zhì)量反饋，它幾乎可以在任何任務(wù)上達(dá)到人類前 0.1% 甚至 0.01% 的水平，這也意味著未來(lái)一旦有企業(yè)在某個(gè)垂直領(lǐng)域積累起足夠的數(shù)據(jù)，就可能用 RL 打造出該領(lǐng)域的“超級(jí)專家模型”。

另外，“大規(guī)模合成數(shù)據(jù)替代人工數(shù)據(jù)”正在發(fā)生，但并非完全取代。合成數(shù)據(jù)確實(shí)已經(jīng)成為高質(zhì)量訓(xùn)練數(shù)據(jù)的重要來(lái)源，單純依賴人工標(biāo)注既慢又貴，且一致性很難保證。真正高價(jià)值的合成數(shù)據(jù)，并不是模型隨便生成的，而是被嚴(yán)格約束、可驗(yàn)證、能放大信息增益的數(shù)據(jù)。在構(gòu)建高質(zhì)量推理數(shù)據(jù)集時(shí)，更關(guān)注：是否有明確的推理結(jié)構(gòu)，比如中間狀態(tài)、決策分支和失敗路徑，而不是只給最終答案；是否引入了對(duì)抗性和反事實(shí)設(shè)計(jì)，刻意逼模型暴露盲區(qū)，而不是強(qiáng)化它已經(jīng)會(huì)的模式。

Transformer 依然是核心基礎(chǔ)

在“后 Transformer”時(shí)代，大模型領(lǐng)域不斷有“新架構(gòu)”被提出，并在部分任務(wù)上取得了亮眼效果。但從整體格局來(lái)看，Transformer 的基本范式依然占據(jù)絕對(duì)主流。多數(shù)所謂的新架構(gòu)，本質(zhì)上并非對(duì) Transformer 的顛覆，而是圍繞其關(guān)鍵組件所做的工程化改良，例如稀疏注意力、線性注意力等機(jī)制的引入。因此，在可預(yù)見(jiàn)的未來(lái)，Transformer 仍將是大模型的核心基礎(chǔ)，真正意義上的架構(gòu)級(jí)革命，可能還需要更長(zhǎng)時(shí)間的醞釀。

當(dāng)前圍繞 Transformer 的幾乎所有演進(jìn)，實(shí)際上都是在 FFN（前饋網(wǎng)絡(luò)）和注意力機(jī)制這兩塊上展開(kāi)的。

在 FFN 方向上，業(yè)界已經(jīng)形成了較為明確的共識(shí)：通過(guò) MoE 對(duì) FFN 進(jìn)行稀疏化，是提升規(guī)模效率的關(guān)鍵路徑。這也是 DeepSeek 的一個(gè)重要貢獻(xiàn)，它在大規(guī)模實(shí)踐中證明了 MoE 并非只在中小模型上有效，也可以穩(wěn)定地?cái)U(kuò)展到超大模型規(guī)模，這也加速了 MoE 成為主流選擇。

今年 MoE 的迅速普及，本質(zhì)上是被成本與規(guī)模雙重壓力逼出來(lái)的工程選擇。隨著模型規(guī)模持續(xù)擴(kuò)大，單一稠密模型在訓(xùn)練和推理上的成本已經(jīng)接近不可接受，而 MoE 通過(guò)“只激活少量專家”的方式，在參數(shù)規(guī)模與實(shí)際算力開(kāi)銷之間找到了現(xiàn)實(shí)可行的平衡點(diǎn)。但需要強(qiáng)調(diào)的是，MoE 并未改變大模型的智能范式，更多是一場(chǎng)效率層面的重構(gòu)，而不是認(rèn)知能力層面的躍遷。

相比 FFN 的方向逐漸收斂，注意力機(jī)制仍處于高度活躍的演進(jìn)階段。今年，無(wú)論是開(kāi)源還是閉源模型，都在持續(xù)探索更高效的注意力結(jié)構(gòu)，例如 Gemini 系列采用滑動(dòng)窗口注意力與稠密注意力的混合架構(gòu)；Qwen3-Next、Kimi Linear 引入 DeltaNet 等線性注意力機(jī)制，并與稠密注意力混合使用；DeepSeek 最新提出的 DSA 等新型注意力設(shè)計(jì)。

一定程度上，這些探索主要源于廠商對(duì) Agent 化與深度思考場(chǎng)景的需求：Agent 既需要處理超長(zhǎng)輸入，也需要生成更長(zhǎng)、更復(fù)雜的輸出，而當(dāng)前 Transformer 架構(gòu)有一定局限性。

更適配 Agent，記憶必備

Agent 已成為業(yè)內(nèi)公認(rèn)的大模型下一階段核心主賽道。無(wú)論是谷歌、Manus 追求的 24 小時(shí)通用智能體，還是 Anthropic 重點(diǎn)發(fā)力的方向，均指向同一核心目標(biāo)：讓模型具備長(zhǎng)期、自主完成復(fù)雜任務(wù)的能力。

這一趨勢(shì)背后的關(guān)鍵邏輯是，大模型單點(diǎn)能力的提升已難以形成壓倒性優(yōu)勢(shì)，真正的價(jià)值差距正體現(xiàn)在智能體能力的構(gòu)建上，這也成為大模型競(jìng)爭(zhēng)中最現(xiàn)實(shí)、最易拉開(kāi)差距的方向之一。

然而從客觀情況看，現(xiàn)有模型的推理能力仍不足以支撐真正意義上的自主 Agent，瓶頸在于長(zhǎng)期運(yùn)行下的穩(wěn)定性與可持續(xù)性：現(xiàn)在模型易出現(xiàn)漂移、遺忘，在長(zhǎng)鏈路決策中還會(huì)逐步失真。這也導(dǎo)致當(dāng)前多數(shù) Agent 仍依賴“系統(tǒng)兜底、模型執(zhí)行”的模式，而非模型本身具備完整的自主智能。

百度智能云平臺(tái)產(chǎn)品事業(yè)部算法架構(gòu)師、千帆策略部負(fù)責(zé)人吳健民指出，大模型要更好支撐 Agent，仍需跨越多重技術(shù)門(mén)檻：首先，通用模型難以泛化到不同的 Agent 垂直場(chǎng)景，不同 Agent 的場(chǎng)景設(shè)定、可用工具及運(yùn)行環(huán)境差異顯著，通常需要對(duì)模型進(jìn)行場(chǎng)景定制；其次，不同場(chǎng)景的效果評(píng)估標(biāo)準(zhǔn)（reward）差異大，既難以清晰定義，也難以實(shí)現(xiàn)自動(dòng)評(píng)估；再次，真實(shí)場(chǎng)景的 Agent 運(yùn)行環(huán)境復(fù)雜，涉及多模塊、外部接口、工具、數(shù)據(jù)庫(kù)及登錄驗(yàn)證等多種外部依賴，訓(xùn)練過(guò)程中需保證這些依賴正常訪問(wèn)，技術(shù)挑戰(zhàn)重重；與此同時(shí)，支撐模型持續(xù)進(jìn)化的高效、高吞吐的強(qiáng)化學(xué)習(xí)框架仍有較大提升空間，當(dāng)前開(kāi)源框架尚無(wú)法滿足工業(yè)級(jí)需求。

因此，未來(lái)智能體賽道的競(jìng)爭(zhēng)關(guān)鍵，不僅在于模型本身，更在于圍繞模型構(gòu)建的記憶、推理及系統(tǒng)架構(gòu)能力。在此背景下，大模型至少需要在三個(gè)方向上系統(tǒng)性優(yōu)化：其一，推理模式從一次性回答轉(zhuǎn)向過(guò)程可控，能夠穩(wěn)定完成多步?jīng)Q策、反思與修正；其二，長(zhǎng)上下文狀態(tài)理解與保持能力，對(duì)任務(wù)目標(biāo)、環(huán)境變化和歷史行為形成持續(xù)感知；其三，提升模型與工具、環(huán)境及記憶系統(tǒng)的協(xié)同能力，避免將所有復(fù)雜性壓縮進(jìn)單次推理過(guò)程。

記憶是應(yīng)用到真實(shí)環(huán)境的必備能力。李志宇認(rèn)為明年大模型競(jìng)賽的核心就在于“記憶能力如何完成一次系統(tǒng)性升級(jí)”。過(guò)去模型主要依賴參數(shù)記憶，把能力一次性寫(xiě)死在權(quán)重里，一旦進(jìn)入智能體、長(zhǎng)期任務(wù)和復(fù)雜應(yīng)用場(chǎng)景就會(huì)遇到天花板。根據(jù)其觀察到的技術(shù)演進(jìn)趨勢(shì)，這是從底層算力和 KV Cache 等激活記憶管理開(kāi)始，到基模型層引入記憶原生機(jī)制，再到上層通過(guò)顯式記憶支撐 Agent 和應(yīng)用的長(zhǎng)期運(yùn)行能力。其本質(zhì)上是一條從 Infra 到模型、再到應(yīng)用的完整記憶技術(shù)棧升級(jí)，帶來(lái)的不是 benchmark 上的小幅提升，而是智能形態(tài)本身的躍遷。

其中，上下文長(zhǎng)度決定模型的記憶容量，而 Agent 完成復(fù)雜任務(wù)需經(jīng)過(guò)多輪環(huán)境交互，反饋信息會(huì)持續(xù)進(jìn)入上下文，因此模型必須具備足夠的長(zhǎng)上下文理解能力。

圍繞上下文問(wèn)題，當(dāng)前主要有兩類路徑：一類是工具輔助，通過(guò)類似“翻記事本、查資料”的工具放大記憶，無(wú)需將全量長(zhǎng)內(nèi)容納入上下文即可完成任務(wù)；另一類是架構(gòu)優(yōu)化，通過(guò)稀疏注意力機(jī)制提升長(zhǎng)上下文處理效率，例如 DeepSeek 的 MLA 強(qiáng)調(diào)全量快速瀏覽，Kimi 的 MoE 路線則聚焦重點(diǎn)信息的精細(xì)處理。采用 MoE 架構(gòu)的代價(jià)則是預(yù)設(shè)稀疏結(jié)構(gòu)帶來(lái)的歸納偏置，可能在部分任務(wù)上造成效果折損。

另外部分專家認(rèn)為，通用 Agent 仍較為遙遠(yuǎn)。當(dāng)前階段的核心研發(fā)重點(diǎn)，是深耕特定專業(yè)場(chǎng)景，讓模型在細(xì)分領(lǐng)域的效果超越人類，這一方向?qū)㈤L(zhǎng)期成為行業(yè)主流。

多模態(tài)推理融合

當(dāng)前，業(yè)界對(duì)原生多模態(tài)理解差異比較大。智象未來(lái)算法科學(xué)家潘瀅煒將多模態(tài)模型的演進(jìn)主要分為兩條主線：圖像生成模型和視頻生成模型。整體來(lái)看，視頻生成模型的演進(jìn)略滯后于圖像生成模型，核心原因在于視頻是幀的序列，相比圖片多了一維時(shí)空復(fù)雜度，技術(shù)實(shí)現(xiàn)難度更高，但兩條主線的縱向變革速度均極為迅猛。

從年初 GPT-4o 帶來(lái)的“吉卜力時(shí)刻”，到 Nano Banana Pro 推動(dòng)圖像生成從“美感導(dǎo)向”轉(zhuǎn)為“指令遵循 + 信息承載”的精準(zhǔn)信息圖生成，再到 Veo 3 在音畫(huà)同步上的出色表現(xiàn)，多模態(tài)模型正重塑行業(yè)認(rèn)知與應(yīng)用邊界。尤其 Nano Banana 表現(xiàn)出來(lái)的模態(tài)融合能力，即能夠同時(shí)接收并生成文本、圖像、視頻和音頻內(nèi)容，成為重要方向。隨著模型能力的提升，跨模態(tài)之間相互促進(jìn)的效果愈發(fā)明顯。

在視覺(jué)生成技術(shù)層面，吳健民表示今年該方向出現(xiàn)了明顯的演進(jìn)：從早期的 Stable Diffusion，到中期的自回歸（Auto-regression）方式探索，逐步收斂至以流匹配（flow matching）為主流的建模方案。

當(dāng)前多模態(tài)理解大模型的主流路線，仍是先訓(xùn)練語(yǔ)言模型，再通過(guò)視覺(jué)編碼器進(jìn)行“嫁接式”聯(lián)合訓(xùn)練，以實(shí)現(xiàn)對(duì)視覺(jué)像素輸入的理解，各種 VLM 模型結(jié)構(gòu)都收斂到這一個(gè)方向。但這一方案面臨兩大根本挑戰(zhàn)：一是視覺(jué)信號(hào)信噪比低、噪聲大，難以像語(yǔ)言模型訓(xùn)練數(shù)據(jù)那樣高效規(guī)模化；二是訓(xùn)練依賴高質(zhì)量圖文對(duì)齊數(shù)據(jù)，而此類數(shù)據(jù)主要通過(guò) Recaption 等合成方案生成，高質(zhì)量規(guī)?；@取難度大。

今年以來(lái)，多模態(tài)能力已逐步成為大模型推理能力中不可或缺的一部分，并開(kāi)始影響其整體推理范式，如 DeepSeek OCR 利用圖片實(shí)現(xiàn)長(zhǎng)文本壓縮等。但與此同時(shí)，多模態(tài)數(shù)據(jù)的大量引入，也給大模型帶來(lái)了三方面新挑戰(zhàn)：模型結(jié)構(gòu)需盡可能支持原生多模態(tài)輸入輸出；訓(xùn)練方法需平衡各類不同任務(wù)，確保模型在各任務(wù)中均能達(dá)到一定收斂程度；數(shù)據(jù)層面需進(jìn)一步提升廣度與精度，既要涵蓋各類多模態(tài)推理任務(wù)，也要依靠高質(zhì)量精品數(shù)據(jù)在訓(xùn)練后期提升模型推理能力。

與此同時(shí)，業(yè)界開(kāi)始嘗試將推理能力更深度引入生成系統(tǒng)中，以突破傳統(tǒng)單一生成架構(gòu)在復(fù)雜控制、一致性與可預(yù)測(cè)性上的限制。這一思路的核心在于，將多模態(tài) token 融入統(tǒng)一的計(jì)算圖中。但下一代范式是否會(huì)走向“原生編碼”，即圖像與視覺(jué)信號(hào)無(wú)需獨(dú)立編碼器，直接接入統(tǒng)一 Transformer 實(shí)現(xiàn)原生多模態(tài)交互，仍需探索。

盡管當(dāng)前視覺(jué)生成模型多以專精模型為主，但行業(yè)的核心探索方向已轉(zhuǎn)向“生成與理解統(tǒng)一建?！?。不少機(jī)構(gòu)認(rèn)為，這一方向有望實(shí)現(xiàn)“世界模型”，但目前該方向仍處于開(kāi)放探索階段，尚未形成成熟方案。

從更長(zhǎng)遠(yuǎn)的演進(jìn)邏輯看，大模型發(fā)展呈現(xiàn)出清晰的升級(jí)脈絡(luò)：從語(yǔ)言模型到多模態(tài)模型，再到世界模型，其本質(zhì)是大模型對(duì)真實(shí)世界建模能力的持續(xù)升級(jí)。具體而言，語(yǔ)言模型的核心是理解人類符號(hào)”，多模態(tài)理解模型聚焦“感知世界表象”，多模態(tài)生成模型致力于“模擬世界表象”，而世界模型則以“掌握物理規(guī)律和因果關(guān)系并與之交互”為核心目標(biāo)。這一演進(jìn)路徑被認(rèn)為是通往 AGI 的必經(jīng)之路。

開(kāi)源、商業(yè)與落地

隨著各家模型能力差異縮小和模型的開(kāi)源，僅售賣(mài)純模型 Token 無(wú)法獲得企業(yè)的溢價(jià)認(rèn)可。部分專家認(rèn)為，如果模型無(wú)法形成代際差，低價(jià)趨勢(shì)會(huì)延續(xù)到明年，甚至愈演愈烈。同時(shí)，當(dāng)部分國(guó)產(chǎn)卡下場(chǎng)且效率提升之后，由于算力補(bǔ)貼的存在，這個(gè)價(jià)格將會(huì)逼近冰點(diǎn)，甚至越用越虧。

而價(jià)格戰(zhàn)主要還是倒逼模型廠商去持續(xù)加速：一是加速研發(fā)新模型形成短暫的版本優(yōu)勢(shì)；二是加速模型的推理時(shí)間；三是加速模型架構(gòu)的升級(jí)，引入性價(jià)比更高的架構(gòu)設(shè)計(jì)來(lái)降低成本。模型廠商可能需要考慮的是，如何在現(xiàn)有的純模型 Token 售賣(mài)模式上提供增值服務(wù)，比如 MCP 增值服務(wù)、記憶增值服務(wù)等等，通過(guò)額外的能力提升來(lái)提供純售賣(mài) Tokens 的溢價(jià)空間。

此外，今年國(guó)內(nèi)的開(kāi)源態(tài)勢(shì)發(fā)展迅速，每家廠商幾乎都有開(kāi)源模型發(fā)布，這也給企業(yè)帶來(lái)了很多商業(yè)上的收益。智譜董事長(zhǎng)劉德兵表示，其大量付費(fèi)用戶就是從開(kāi)源用戶轉(zhuǎn)化而來(lái)。另外，開(kāi)源引起整個(gè)產(chǎn)業(yè)發(fā)展后，企業(yè)客戶對(duì)模型成果更容易理解，易于雙方溝通，也幫企業(yè)節(jié)省了大量的市場(chǎng)推廣成本。

在應(yīng)用端，B 端和 C 端之間界限越來(lái)越模糊，總體都可以歸為內(nèi)容生成者，真正的海量 C 端其實(shí)是內(nèi)容的消費(fèi)者。商業(yè)模式的創(chuàng)新就從售賣(mài) API 提升到了售賣(mài)結(jié)果：以前 B、C 兩端都是積分制，本質(zhì)就是價(jià)值折算的積分，但是大家正在不斷探索按照結(jié)果來(lái)付費(fèi)。

總體來(lái)看，普遍認(rèn)為，明年大模型競(jìng)賽的核心，除了技術(shù)能力，更多會(huì)轉(zhuǎn)向“價(jià)值落地能力”，類似比拼“行業(yè)收入規(guī)?！焙汀翱蛻袅舸媛省薄Ｕl(shuí)能更快將技術(shù)轉(zhuǎn)化為行業(yè)實(shí)效，誰(shuí)就能占據(jù)先機(jī)。

姚霆認(rèn)為，下一次“代際飛躍”很可能來(lái)自兩個(gè)方向：一是新穎的用戶交互體驗(yàn)。今年 Agent 相關(guān)的應(yīng)用出現(xiàn)了爆發(fā)式增長(zhǎng)，這代表了用戶在認(rèn)可大模型能力的同時(shí)，又對(duì) AI 應(yīng)用的交互體驗(yàn)提出了更高要求，這催化大模型從單一的原子能力向完整解決方案提供者演變。

二是專業(yè)級(jí)能力的大眾化。目前大模型能力對(duì)于專業(yè)從業(yè)人員來(lái)說(shuō)已經(jīng)達(dá)到一個(gè)很驚艷的程度，但是對(duì)于大眾來(lái)說(shuō)還是存在一些使用上的“困難”，這種困難可能來(lái)自高昂的推理成本、編寫(xiě)專業(yè)級(jí) prompt 的入門(mén)難度，以及缺乏大模型使用經(jīng)驗(yàn)以及思維，而下一次飛躍可能就來(lái)自于如何拉近大模型對(duì)于大眾的隔閡，出現(xiàn)真正的全民級(jí) AI 應(yīng)用。

這也意味著，大模型公司正在變成系統(tǒng)公司。單靠一個(gè)模型，已經(jīng)很難支撐真實(shí)世界里的復(fù)雜應(yīng)用，現(xiàn)在決定體驗(yàn)和成本的，越來(lái)越多來(lái)自模型之外的系統(tǒng)能力，比如推理引擎怎么調(diào)度算力、數(shù)據(jù)如何持續(xù)進(jìn)入并形成正反饋、Agent Framework 能不能穩(wěn)定地執(zhí)行長(zhǎng)鏈路任務(wù)等。

2025，Agent 開(kāi)始

真正進(jìn)入軟件世界

年初，很多開(kāi)發(fā)者第一次意識(shí)到 Agent 可能不是 PPT 概念，而是一種正在成型的軟件形態(tài)，是在 Manus 刷屏的那幾天。

社交平臺(tái)上充斥著“它能自己拆任務(wù)”“像一個(gè)真正的數(shù)字員工”的演示視頻，產(chǎn)品經(jīng)理在轉(zhuǎn)發(fā)，創(chuàng)業(yè)者在拆解，投資人開(kāi)始追問(wèn)：Agent 會(huì)不會(huì)成為 AI Native 的第一個(gè)殺手級(jí)應(yīng)用？

那一刻，Agent 被寄予的期待，遠(yuǎn)不只是一個(gè)更聰明的 Chatbot，而是一次對(duì)“軟件如何運(yùn)行”的重新想象。

所以現(xiàn)在回頭看，Manus 的爆火更像是一場(chǎng)提前到來(lái)的預(yù)告片。它并沒(méi)有直接定義 Agent 的終局形態(tài)，卻成功點(diǎn)燃了整個(gè)行業(yè)的想象力——原來(lái)模型不只是“回答問(wèn)題”，而是可以被組織成一個(gè)能持續(xù)行動(dòng)、調(diào)用工具、承擔(dān)職責(zé)的系統(tǒng)。

正是從 Manus 開(kāi)始，2025 年的 Agent 市場(chǎng)迅速進(jìn)入加速期：從單體 Agent 到多 Agent 協(xié)作，從 Demo 到真實(shí)業(yè)務(wù)，從創(chuàng)業(yè)公司到大廠全面下場(chǎng)，一條清晰的技術(shù)與產(chǎn)品分化線，開(kāi)始浮出水面。

從“會(huì)對(duì)話”到“能干活”

回顧過(guò)去一年 Agent 技術(shù)的發(fā)展，一個(gè)最直觀的變化在于：AI 的角色從“回答問(wèn)題”轉(zhuǎn)向了“完成事情”。

在沒(méi)有 Agent 之前，大模型更多承擔(dān)的是認(rèn)知與表達(dá)層面的工作，輸出文本、代碼或建議，但很少真正介入任務(wù)執(zhí)行鏈路。而 Agent 的引入，使模型具備了感知外部環(huán)境、理解復(fù)雜需求并主動(dòng)調(diào)用系統(tǒng)能力的可能性。這種變化并非簡(jiǎn)單的功能疊加，而是一次軟件構(gòu)建范式的躍遷——AI 從一個(gè)工具，開(kāi)始變成一個(gè)可嵌入業(yè)務(wù)流程的執(zhí)行組件。

那為什么這類 Agent 產(chǎn)品是今年才真正跑出來(lái)？

中關(guān)村人工智能研究院副院長(zhǎng)、北京中關(guān)村學(xué)院副教授鄭書(shū)新認(rèn)為，這其中的原因并不在于技術(shù)本身，而在于“落地需要時(shí)間”。

鄭書(shū)新用一個(gè)更形象的比喻解釋了這種現(xiàn)狀：“汽車發(fā)動(dòng)機(jī)發(fā)明之后，并不是馬上就能滿街跑汽車，中間可能隔了六十年。因?yàn)檫€需要有變速箱、輪子、車身、方向盤(pán)，還需要建修路、高速公路，以及一整套配套基礎(chǔ)設(shè)施。這不是技術(shù)沒(méi)有突破，而是從技術(shù)到大規(guī)模落地，本身就有一個(gè)必經(jīng)的過(guò)程?！?/p>

從技術(shù)脈絡(luò)上看，這一過(guò)程不是一蹴而就的，而是由一系列關(guān)鍵事件逐步推動(dòng)。

首先是協(xié)議與標(biāo)準(zhǔn)的出現(xiàn)，使 Agent 從“各自為戰(zhàn)”走向可規(guī)?；瘏f(xié)作。以 MCP（Model Context Protocol）為代表的模型上下文與工具調(diào)用協(xié)議，雖然在更早時(shí)間點(diǎn)提出，但在今年迎來(lái)了真正的應(yīng)用爆發(fā)?；诮y(tǒng)一協(xié)議，Agent 可以通過(guò)標(biāo)準(zhǔn)化接口訪問(wèn)外部系統(tǒng)、工具與服務(wù)，這直接降低了應(yīng)用層的構(gòu)建成本，也促使大量企業(yè)開(kāi)始圍繞 MCP 構(gòu)建自己的 Agent 網(wǎng)關(guān)與服務(wù)生態(tài)。在大型企業(yè)內(nèi)部，這種趨勢(shì)尤為明顯，Agent 不再是單點(diǎn)試驗(yàn)，而是開(kāi)始進(jìn)入平臺(tái)化孵化階段。

緊隨其后的，是 Agent 與 Agent 之間的協(xié)作問(wèn)題被正式擺上臺(tái)面。今年 Google 推出的 Agent-to-Agent 通信協(xié)議，標(biāo)志著多智能體系統(tǒng)開(kāi)始走向標(biāo)準(zhǔn)化協(xié)同。過(guò)去，多 Agent 協(xié)作往往依賴定制化對(duì)話邏輯或硬編碼工作流，擴(kuò)展性與穩(wěn)定性都受到限制。而統(tǒng)一通信協(xié)議的出現(xiàn)，使不同來(lái)源、不同角色的 Agent 能夠在清晰語(yǔ)義邊界下進(jìn)行協(xié)作，為復(fù)雜任務(wù)拆解、分工與復(fù)用提供了基礎(chǔ)條件。這一變化的意義在于，Agent 不再只是“單兵作戰(zhàn)”，而是開(kāi)始具備組織化、系統(tǒng)化運(yùn)作的可能。

與此同時(shí)，業(yè)界對(duì) Agent 的關(guān)注也從“交互層協(xié)同”進(jìn)一步下沉到“基礎(chǔ)能力建設(shè)”。無(wú)論是圍繞安全沙箱、執(zhí)行隔離的探索，還是圍繞工具調(diào)用、狀態(tài)保持與任務(wù)規(guī)劃的系統(tǒng)化設(shè)計(jì)，都指向一個(gè)共識(shí)：真正可用于生產(chǎn)環(huán)境的 Agent，必須具備比 Demo 更嚴(yán)謹(jǐn)?shù)墓こ袒A(chǔ)。

Agent 不只是一個(gè)會(huì)“思考”的模型實(shí)例，它同時(shí)也是一個(gè)需要被運(yùn)維、被監(jiān)控、被審計(jì)的運(yùn)行時(shí)系統(tǒng)。

正是在這一背景下，Agent 技術(shù)在今年呈現(xiàn)出明顯的“上下分化”趨勢(shì)。一方面，應(yīng)用層創(chuàng)新異?；钴S，尤其是在編程、運(yùn)維、客服等高頻場(chǎng)景中，Agent 已經(jīng)開(kāi)始創(chuàng)造可量化的業(yè)務(wù)價(jià)值。以編程領(lǐng)域?yàn)槔?，圍繞代碼生成、單元測(cè)試、Bug 定位與修復(fù)的 Agent 工具，在成熟的軟件工程體系配合下，顯著提升了研發(fā)效率。對(duì)于開(kāi)發(fā)者而言，過(guò)去需要數(shù)十分鐘甚至數(shù)小時(shí)完成的工作，如今往往只需簡(jiǎn)單校對(duì)即可完成，這種效率提升是真實(shí)且可持續(xù)的。

另一方面，平臺(tái)層與基礎(chǔ)設(shè)施層的競(jìng)爭(zhēng)正在悄然加劇。隨著 Agent 開(kāi)始深入企業(yè)核心系統(tǒng)，對(duì)資源調(diào)度、安全隔離、成本控制與可觀測(cè)性的要求迅速上升。尤其是在涉及代碼執(zhí)行、數(shù)據(jù)訪問(wèn)等高風(fēng)險(xiǎn)場(chǎng)景時(shí)，Agent 必須運(yùn)行在受控的沙箱環(huán)境中，這對(duì)底層沙箱 Infra 提出了極高要求。如何在保證執(zhí)行自由度的同時(shí)，實(shí)現(xiàn)極速交付、狀態(tài)保持和多租戶隔離，成為云廠商與平臺(tái)型企業(yè)投入最多工程資源的方向之一。

在此背景下， 沙箱的 Infra 在今年快速發(fā)展。以 E2B 為代表的沙箱服務(wù)，在今年隨著 Manus 的爆火而迎來(lái)了真正的爆發(fā)。在年底的北美 KubeCon 上，谷歌也宣布開(kāi)源了基于 k8s 的 Agent-sandbox 項(xiàng)目，嘗試標(biāo)準(zhǔn)化基于云原生技術(shù)的沙箱 Infra。此后，諸如阿里云宣布開(kāi)源的 OpenKruise Agents 等項(xiàng)目也開(kāi)啟了中國(guó)的云原生沙箱技術(shù)的序幕。云原生技術(shù)和 Agent 沙箱技術(shù)的結(jié)合， 將極大推動(dòng) Agent 應(yīng)用的普及和發(fā)展。

只賣(mài) Agent 能力將變得越來(lái)越難

這種結(jié)構(gòu)性分化，也深刻影響了 Agent 創(chuàng)業(yè)生態(tài)的走向。今年不乏 Agent 創(chuàng)業(yè)公司快速走紅，也不乏項(xiàng)目迅速退潮。復(fù)盤(pán)這些案例，一個(gè)共性問(wèn)題在于：?jiǎn)渭兪圪u(mài)“Agent 能力”本身，正在變得越來(lái)越困難。隨著開(kāi)源模型、開(kāi)源 Agent 框架與工具鏈的成熟，基礎(chǔ)能力正在快速商品化。真正能夠存活并成長(zhǎng)的團(tuán)隊(duì)，往往不再?gòu)?qiáng)調(diào)技術(shù)本身，而是聚焦于是否能為客戶創(chuàng)造明確、可量化的業(yè)務(wù)價(jià)值。

這也推動(dòng) Agent 的商業(yè)模式發(fā)生轉(zhuǎn)變。過(guò)去偏工具化、訂閱制的模式，正在向“結(jié)果導(dǎo)向”的自動(dòng)化服務(wù)演進(jìn)。企業(yè)不再僅僅為一個(gè) Agent 平臺(tái)付費(fèi)，而是為“一個(gè)能完成具體工作的數(shù)字員工”買(mǎi)單。這種變化在企業(yè)內(nèi)部同樣顯現(xiàn)：Agent 不再只是輔助工具，而是被賦予明確職責(zé)，嵌入既有流程，與人類員工協(xié)作完成任務(wù)。

在多 Agent 協(xié)作層面，現(xiàn)實(shí)也比想象更為復(fù)雜。理論上，多 Agent 分工協(xié)作可以顯著提升復(fù)雜任務(wù)的完成能力，但在實(shí)踐中，不清晰的角色定義、模糊的任務(wù)邊界，往往會(huì)導(dǎo)致協(xié)作效率下降，甚至產(chǎn)生額外的推理成本。

多個(gè) Agent 之間無(wú)效溝通帶來(lái)的 Token 消耗，正在成為企業(yè)真實(shí)的成本壓力。這促使業(yè)界逐步從“人格化 Agent”轉(zhuǎn)向“系統(tǒng)化 Agent”，通過(guò)嚴(yán)格定義輸入輸出、工具權(quán)限與約束條件，讓 Agent 更像模塊化系統(tǒng)，而非自由對(duì)話的智能體。

放眼產(chǎn)業(yè)格局，不同類型參與者的分工正在逐漸清晰。大模型廠商憑借對(duì)模型能力的深度掌控，在 Agent 的規(guī)劃、推理與工具調(diào)用層具備天然優(yōu)勢(shì)；云廠商則在基礎(chǔ)設(shè)施、彈性調(diào)度、安全隔離與企業(yè)集成方面占據(jù)關(guān)鍵位置；而創(chuàng)業(yè)公司，則更多通過(guò)對(duì)垂直場(chǎng)景的深刻理解，在定制化解決方案與極致成本優(yōu)化上尋找生存空間。三者并非簡(jiǎn)單競(jìng)爭(zhēng)關(guān)系，而是在不同層級(jí)形成互補(bǔ)與博弈。

Agent 進(jìn)入開(kāi)放世界的能力，成最值得期待的突破

展望未來(lái)一年，Agent 技術(shù)最值得期待的突破，或許并不在于更炫目的 Demo，而在于其進(jìn)入“開(kāi)放世界”的能力。當(dāng) Agent 不再只在封閉測(cè)試環(huán)境中運(yùn)行，而是開(kāi)始面對(duì)真實(shí)系統(tǒng)的不確定性時(shí)，如何識(shí)別未知、如何在不完全信息下做出保守決策，將成為智能體走向成熟的關(guān)鍵一步。這一能力的突破，將直接影響 Agent 在機(jī)器人、自動(dòng)駕駛、復(fù)雜業(yè)務(wù)系統(tǒng)中的應(yīng)用邊界。

從更長(zhǎng)遠(yuǎn)的視角看，Agent 很可能不會(huì)以單一形態(tài)存在。它既可能以“數(shù)字員工”的形式嵌入企業(yè)流程，也可能演化為一種基礎(chǔ)能力，像數(shù)據(jù)庫(kù)或中間件一樣，成為軟件架構(gòu)中不可或缺的一層。無(wú)論最終形態(tài)如何，可以確定的是：Agent 正在把 AI 從“智能展示”推向“智能執(zhí)行”，而這一變化，將持續(xù)重塑軟件、自動(dòng)化與組織運(yùn)作的底層邏輯。

在大模型浪潮之后，Agent 正在成為下一輪技術(shù)周期中，最值得持續(xù)關(guān)注的核心變量。

AI Native 元年：

軟件工程正在被重新定義

要去盤(pán)點(diǎn)和總結(jié)過(guò)去一年 AI Native 相關(guān)技術(shù)的演進(jìn)，就要弄清楚所謂的“AI 原生”到底是什么。

Linux 基金會(huì)云與基礎(chǔ)設(shè)施執(zhí)行董事 Jonathan Bryce 認(rèn)為，AI Native 指的是一種從設(shè)計(jì)之初就將 AI（尤其是大語(yǔ)言模型等核心 AI 能力）作為其不可分割的基石和核心驅(qū)動(dòng)力的應(yīng)用程序、產(chǎn)品或系統(tǒng)。

Bryce 著重對(duì) AI 原生應(yīng)用的核心特征進(jìn)行了闡述：其內(nèi)部嵌有一個(gè)或多個(gè)模型，能夠回答問(wèn)題、進(jìn)行預(yù)測(cè)、處理自然語(yǔ)言或多模態(tài)輸入；同時(shí)，其交互方式更貼近“人與人溝通”的多通道、多模態(tài)體驗(yàn)，而非傳統(tǒng)網(wǎng)頁(yè)“點(diǎn)選與輸入”式的二維界面。

他將這種演進(jìn)類比于 Web 的發(fā)展歷程：早期 Web 僅提供靜態(tài)頁(yè)面；隨著 LAMP（Linux、Apache、MySQL、PHP）等技術(shù)棧的出現(xiàn)，網(wǎng)頁(yè)首次具備動(dòng)態(tài)程序能力，支持繳費(fèi)、通訊、社交等功能；而 AI 原生應(yīng)用則在此基礎(chǔ)上，進(jìn)一步融入模型帶來(lái)的“可對(duì)話、可感知、可預(yù)測(cè)”的動(dòng)態(tài)行為，從而開(kāi)啟全新的交互與應(yīng)用范式。

AI Native 在 ToB 領(lǐng)域“熱度高、落地慢”

事實(shí)上，過(guò)去一年，“AI Native”從一個(gè)偏概念化的技術(shù)標(biāo)簽，逐步演變?yōu)橛绊戃浖こ倘溌返默F(xiàn)實(shí)力量。

從整個(gè)宏觀視角來(lái)看，與早期“在應(yīng)用中接入大模型 API”的嘗試不同，AI Native 關(guān)注的核心問(wèn)題是：當(dāng) AI 成為系統(tǒng)的默認(rèn)能力，而非外掛組件時(shí)，軟件應(yīng)該如何被設(shè)計(jì)、構(gòu)建和運(yùn)行。這一變化并非劇烈爆發(fā)，而是以工程實(shí)踐為主線，在底層技術(shù)、中間架構(gòu)與業(yè)務(wù)應(yīng)用中持續(xù)滲透，悄然重塑著傳統(tǒng)軟件的基本假設(shè)。

如果從應(yīng)用規(guī)模和市場(chǎng)成熟度來(lái)看，2024 年至 2025 年這一階段，AI 在 ToC 領(lǐng)域的滲透顯然更快，而 ToB 領(lǐng)域則呈現(xiàn)出“熱度高、落地慢”的特征。多家研究機(jī)構(gòu)的統(tǒng)計(jì)顯示，過(guò)去一年企業(yè)級(jí) AI 應(yīng)用數(shù)量同比增長(zhǎng)超過(guò) 60%，但其中超過(guò)一半仍集中在編程輔助、內(nèi)容生成、數(shù)據(jù)分析與內(nèi)部效率工具等輕量級(jí)場(chǎng)景，真正成為“系統(tǒng)級(jí)核心能力”的 AI 應(yīng)用仍屬少數(shù)。這也解釋了一個(gè)看似矛盾的現(xiàn)象：AI 無(wú)處不在，但 AI Native 應(yīng)用仍然稀缺。

正是在這一背景下，AI Native 的工程挑戰(zhàn)開(kāi)始逐步顯現(xiàn)。

采訪中，上海云軸科技股份有限公司 CTO 王為提到，這種工程挑戰(zhàn)在開(kāi)發(fā)者群體和非開(kāi)發(fā)者群體中呈現(xiàn)不同的變現(xiàn)形式。

第一類典型用戶，是對(duì) AI 能力高度依賴的行業(yè)客戶，例如多媒體、內(nèi)容生產(chǎn)、智能分析等場(chǎng)景。在這些系統(tǒng)中，模型、算力和數(shù)據(jù)不再是松散解耦的資源，而是形成了高度耦合的運(yùn)行整體。模型版本的更新可能直接影響業(yè)務(wù)邏輯，推理成本的變化會(huì)反向制約產(chǎn)品形態(tài)，系統(tǒng)狀態(tài)也不再僅由代碼決定，而是受到模型輸出不確定性的持續(xù)干擾。這些問(wèn)題，幾乎都超出了傳統(tǒng)軟件工程中“接口 + 狀態(tài)機(jī)”的經(jīng)典設(shè)計(jì)范式。

與之形成對(duì)比的，另一類數(shù)量更多、但復(fù)雜度不同的用戶群體——低代碼或半低代碼平臺(tái)上的 AI 應(yīng)用開(kāi)發(fā)者。這類用戶并不追求極致模型能力，而是希望在既有系統(tǒng)邊界內(nèi)獲得“足夠聰明”的 AI。挑戰(zhàn)在于，在嚴(yán)格的網(wǎng)絡(luò)隔離、權(quán)限控制和數(shù)據(jù)合規(guī)要求下，模型往往難以獲取完整上下文，最終智能水平受限。這并非簡(jiǎn)單的工程實(shí)現(xiàn)問(wèn)題，而是企業(yè)治理邏輯與 AI 認(rèn)知模式之間的結(jié)構(gòu)性沖突。因此，AI Native 并沒(méi)有帶來(lái)立竿見(jiàn)影的統(tǒng)一解法，而是呈現(xiàn)出明顯的場(chǎng)景分化。

那么，有沒(méi)有能夠緩解上述問(wèn)題的解法呢？答案是有的 。

正因?yàn)榈讓訌?fù)雜性顯著提升，越來(lái)越多團(tuán)隊(duì)選擇了一條更為務(wù)實(shí)的路徑：不推翻原有系統(tǒng)，而是在其之上逐步“AI 化”。這意味著，AI 更像是一個(gè)協(xié)作層、決策層或增強(qiáng)層，通過(guò) Agent、插件或工作流嵌入現(xiàn)有系統(tǒng)。這種漸進(jìn)式演進(jìn)，使 AI Native 不再是“重構(gòu)一切”的高風(fēng)險(xiǎn)工程，而是可控的持續(xù)演化過(guò)程，也更符合大多數(shù)企業(yè)的風(fēng)險(xiǎn)偏好。

當(dāng)視角從技術(shù)架構(gòu)轉(zhuǎn)向業(yè)務(wù)層面時(shí)，AI 對(duì)傳統(tǒng)業(yè)務(wù)邏輯的影響則顯得更加克制。

過(guò)去一年，低代碼平臺(tái)疊加 AI 的嘗試，在商務(wù)支持、教學(xué)輔助、銷售跟進(jìn)等場(chǎng)景中取得了一定進(jìn)展，尤其是在信息整理、總結(jié)生成、流程輔助等環(huán)節(jié)。但從整體來(lái)看，AI 對(duì)核心業(yè)務(wù)系統(tǒng)的改造仍然偏慢。無(wú)論是 CRM、HR，還是財(cái)務(wù)與供應(yīng)鏈系統(tǒng)，其核心邏輯高度穩(wěn)定，用戶遷移成本極高，這直接削弱了 AI “重塑系統(tǒng)”的現(xiàn)實(shí)動(dòng)力。

在王為看來(lái)，這一趨勢(shì)在投資層面體現(xiàn)得尤為明顯。與 2023 年相比，2024 年國(guó)內(nèi)資本對(duì) ToB AI 的投入明顯趨于謹(jǐn)慎。一方面，二級(jí)市場(chǎng)表現(xiàn)低迷、海外上市通道收緊，壓縮了長(zhǎng)期技術(shù)投資的回報(bào)預(yù)期；另一方面，部分 AI 企業(yè)上市后的業(yè)績(jī)表現(xiàn)未能與估值匹配，也進(jìn)一步放大了風(fēng)險(xiǎn)認(rèn)知。

相比之下，資本更傾向于支持“能快速體現(xiàn)效率收益”的 AI 產(chǎn)品，而非周期更長(zhǎng)的系統(tǒng)級(jí)重構(gòu)。

但需要強(qiáng)調(diào)的是，投資降溫并不等同于應(yīng)用停滯。恰恰相反，AI 正在企業(yè)內(nèi)部以一種更低調(diào)但更深層的方式擴(kuò)散。AI 編程工具在研發(fā)團(tuán)隊(duì)中的滲透率持續(xù)上升，多項(xiàng)行業(yè)調(diào)查顯示，在中大型技術(shù)團(tuán)隊(duì)中，超過(guò) 70% 的工程師已將 AI 作為日常開(kāi)發(fā)工具。這顯著提高了開(kāi)發(fā)效率，同時(shí)也改變了工程能力結(jié)構(gòu)，使部分中級(jí)工程職能被重新定義，甚至被壓縮。

AI 對(duì)研發(fā)流程的重塑進(jìn)入不可逆階段

隨著 AI 深度嵌入研發(fā)流程，傳統(tǒng) SaaS 架構(gòu)和 API 調(diào)用模式也開(kāi)始暴露出新的瓶頸。模型調(diào)用接口如何設(shè)計(jì)、上下文如何裁剪、緩存與成本如何平衡，逐漸成為系統(tǒng)穩(wěn)定性和可擴(kuò)展性的關(guān)鍵因素。

在實(shí)際落地中，多模型協(xié)同已成為事實(shí)標(biāo)準(zhǔn)，通過(guò)在不同任務(wù)中動(dòng)態(tài)調(diào)度能力更強(qiáng)或成本更低的模型，實(shí)現(xiàn)性能與成本之間的平衡。這一模式正在從工程實(shí)踐演化為平臺(tái)級(jí)能力。

上下文管理問(wèn)題同樣值得關(guān)注。實(shí)踐表明，模型上下文并非越長(zhǎng)越好，冗余信息反而會(huì)削弱推理效果。目前多數(shù)團(tuán)隊(duì)采取“先堆功能、后治理”的策略，在系統(tǒng)尚未穩(wěn)定前，很難精細(xì)化控制上下文長(zhǎng)度與信息密度。但可以預(yù)見(jiàn)，隨著 AI 應(yīng)用規(guī)模擴(kuò)大，上下文壓縮、信息篩選和記憶機(jī)制，將成為 AI Native 架構(gòu)的核心競(jìng)爭(zhēng)力之一。

在高代碼場(chǎng)景中，AI Native 的方法論相對(duì)更加成熟。通過(guò)引入內(nèi)存系統(tǒng)、文件系統(tǒng)協(xié)同、自動(dòng)上下文壓縮等機(jī)制，開(kāi)發(fā)者逐步形成了一套“分而治之”的工程實(shí)踐。多個(gè) Agent 協(xié)同工作、各自承擔(dān)明確職責(zé)，可以顯著降低單一模型的上下文負(fù)擔(dān)，同時(shí)提升整體系統(tǒng)效率。無(wú)論是自動(dòng)修復(fù)前端錯(cuò)誤、代碼質(zhì)量評(píng)審，還是新聞聚合和數(shù)據(jù)分析，這種模式已經(jīng)在多個(gè)真實(shí)場(chǎng)景中驗(yàn)證了其可行性。

從更宏觀的角度看，AI 對(duì)研發(fā)流程本身的重塑已經(jīng)進(jìn)入不可逆階段。AI 不僅參與代碼生成和評(píng)審，還開(kāi)始介入需求理解、角色扮演和方案推演。未來(lái)，越來(lái)越多傳統(tǒng)應(yīng)用可能會(huì)逐步遷移到 AI 架構(gòu)之上，但這一過(guò)程更像是“架構(gòu)演進(jìn)”，而非“系統(tǒng)替換”。在這一過(guò)程中，業(yè)務(wù)架構(gòu)層面的權(quán)限治理和數(shù)據(jù)管理，與技術(shù)架構(gòu)層面的模型選擇、框架取舍，將同時(shí)成為決定成敗的關(guān)鍵因素。

隨著系統(tǒng)復(fù)雜度持續(xù)上升，可觀測(cè)性成為 AI Native 的基礎(chǔ)能力之一。模型調(diào)用次數(shù)、成功率、失敗原因、工具鏈調(diào)用關(guān)系，以及敏感數(shù)據(jù)審計(jì)，正在成為企業(yè)級(jí) AI 應(yīng)用的標(biāo)配要求。可以預(yù)見(jiàn)，在未來(lái)一到三年內(nèi)，全 AI 架構(gòu)的探索將進(jìn)一步深化，部分系統(tǒng)規(guī)劃和子任務(wù)運(yùn)行，可能完全由智能體完成。

進(jìn)一步向下看，AI 也正在推動(dòng)操作系統(tǒng)與基礎(chǔ)設(shè)施層的演進(jìn)。AI 擅長(zhǎng)解決可評(píng)估、可量化的問(wèn)題，這使其在編程和數(shù)學(xué)領(lǐng)域進(jìn)展顯著。但在更復(fù)雜、難以定義標(biāo)準(zhǔn)的任務(wù)中，AI 仍然主要作為輔助工具存在。從基礎(chǔ)設(shè)施角度看，模型管理、多模型調(diào)度、推理系統(tǒng)優(yōu)化，正在成為新的“系統(tǒng)內(nèi)核能力”，并可能催生完全 AI Native 的中間件甚至操作系統(tǒng)形態(tài)。

在可預(yù)見(jiàn)的未來(lái)，AI Native 不是一次短期內(nèi)“顛覆一切”的革命，而是一場(chǎng)深刻而持續(xù)的工程演進(jìn)。它正在重新定義軟件的構(gòu)建方式、運(yùn)行邏輯與組織形態(tài)。當(dāng) AI 成為系統(tǒng)中默認(rèn)存在、不可剝離的一部分時(shí)，軟件工程的底層假設(shè)也將隨之改變。而這一變化，或許才剛剛開(kāi)始。

吵翻天的具身智能，

96% 中國(guó)機(jī)器人廠商活不過(guò)明年？

今年，無(wú)論是科技巨頭還是初創(chuàng)公司，都顯著加大對(duì)具身智能的投入，不斷有新投身進(jìn)來(lái)的創(chuàng)業(yè)者，順利拿到大額融資的亦不少。有數(shù)據(jù)顯示，截至 2025 年 11 月，中國(guó)已有超 200 家人形機(jī)器人本體廠商。

“核心驅(qū)動(dòng)因素在于市場(chǎng)應(yīng)用預(yù)期的升溫?！北本┲窃慈斯ぶ悄苎芯吭壕呱頂?shù)據(jù)負(fù)責(zé)人、北京大學(xué)多媒體信息處理全國(guó)重點(diǎn)實(shí)驗(yàn)室副研究員姚國(guó)才表示。

光年褶皺 CEO 李元慶進(jìn)一步提到，另一個(gè)原因是技術(shù)成熟度的突破。和去年相比，現(xiàn)在的機(jī)器人在穩(wěn)定性、可靠性上都有顯著提升，正從技術(shù)演示階段朝著產(chǎn)品化的方向推進(jìn)。

然而，姚國(guó)才強(qiáng)調(diào)，需要警惕的是，“預(yù)期”的走高并不等同于“信心”的真正夯實(shí)。早在 2014 年，中國(guó)就經(jīng)歷了“協(xié)作機(jī)器人元年”。一個(gè)殘酷現(xiàn)實(shí)是，低垂的果實(shí)早就被摘遍，如果具身智能機(jī)器人不能真正體現(xiàn)出其相對(duì)于協(xié)作機(jī)器人在“通用性、泛化性、便捷性”上的技術(shù)優(yōu)勢(shì)，很難找到扎根土壤。

真機(jī)智能董事長(zhǎng)兼首席科學(xué)家劉智勇同時(shí)表示，明年本體廠商肯定會(huì)收縮，估計(jì)中國(guó)最終只會(huì)剩下 5 到 8 家本體機(jī)器人，應(yīng)用場(chǎng)景相關(guān)的公司和上游企業(yè)會(huì)多一些。

繁榮的具身智能，沒(méi)有出現(xiàn) ChatGPT 時(shí)刻

“如今技術(shù)還遠(yuǎn)沒(méi)到成熟的時(shí)候，今年的現(xiàn)狀只能用‘繁榮’來(lái)形容，充斥著大量非共識(shí)，行業(yè)對(duì)于本體形態(tài)、數(shù)據(jù)類型、模型架構(gòu)仍存在大量爭(zhēng)議，需要更多探索和迭代才能逐步收斂?！币?guó)才冷靜地判斷道。

在擎朗智能戰(zhàn)略技術(shù)官劉斐看來(lái)，2025 年具身智能領(lǐng)域最顯著的進(jìn)展集中在多模態(tài)融合、任務(wù)泛化能力提升上。今年，擎朗智能推出自研 VLA 模型 KOM2.0，通過(guò)深度融合視覺(jué)、語(yǔ)音與環(huán)境交互能力，在復(fù)雜人流環(huán)境下的導(dǎo)航與任務(wù)執(zhí)行成功率有明顯提升。

李元慶則表示，今年有一項(xiàng)關(guān)鍵突破：機(jī)器人已經(jīng)具備 100% 完成一些簡(jiǎn)單任務(wù)的能力。同時(shí)，其他復(fù)雜任務(wù)的成功率也在穩(wěn)步提升。除此之外，局部運(yùn)動(dòng)控制領(lǐng)域進(jìn)展明顯。現(xiàn)在就算非專業(yè)工程師，只要會(huì)敲代碼、甚至用遙控器就能操控機(jī)器人完成各種動(dòng)作。

而令劉智勇印象比較深刻的，是視覺(jué)語(yǔ)言導(dǎo)航（VLN）方向的相關(guān)進(jìn)展。他表示，從去年到現(xiàn)在，涌現(xiàn)出大量基于視覺(jué)語(yǔ)言作為多模態(tài)輸入的導(dǎo)航模型，可以解決零樣本泛化問(wèn)題，機(jī)器人到任何全新的固定場(chǎng)景里都能自主完成導(dǎo)航任務(wù)。從場(chǎng)景普及來(lái)說(shuō)，核心是不再需要預(yù)先建圖了。最關(guān)鍵的是，零樣本能力等同于部署成本的大幅降低，就能適配場(chǎng)景化的盈利模式。

不過(guò)，VLN 目前有兩方面的難題。一是感知決策的延遲，這甚至可能是致命的。二是硬件性能短板，既要讓硬件能靈敏地感知外部世界，又要保證它能反復(fù)進(jìn)行操作，而目前這類硬件的耐疲勞性、反脆弱性能還不夠強(qiáng)。

“我們并沒(méi)有看到具身大模型的 ChatGPT 時(shí)刻，也沒(méi)有看到具身數(shù)據(jù)的 ImageNet 時(shí)刻?！币?guó)才則表示，今年的進(jìn)展還談不上“突破性”。具身智能的進(jìn)步必然是漸進(jìn)式的，不是某一個(gè)單點(diǎn)突破造就的“高光時(shí)刻”，而是整個(gè)生態(tài)系統(tǒng)水到渠成的結(jié)果。

值得一提的是，多位專家都指出了制約機(jī)器人大規(guī)模落地的不同方面難題。

首先，姚國(guó)才指出，如今具身大模型還沒(méi)有發(fā)生“質(zhì)變”，普遍存在“感知不準(zhǔn)確”與“決策不靠譜”的問(wèn)題。如何實(shí)現(xiàn)語(yǔ)音、視覺(jué)、觸覺(jué)、力覺(jué)等多模態(tài)信息的動(dòng)態(tài)交互，如何跟物理客觀規(guī)律、人類價(jià)值觀對(duì)齊，仍然懸而未決。

其次，是機(jī)器人硬件成本問(wèn)題，核心部件的價(jià)格居高不下?！俺杀窘挡幌聛?lái)，就沒(méi)有場(chǎng)景愿意去接受和應(yīng)用?！绷硗?，李元慶提到，當(dāng)前軟硬件技術(shù)路徑的結(jié)合沒(méi)有完全收斂，模型架構(gòu)和數(shù)據(jù)的飛輪迭代設(shè)計(jì)也未做好整合，供應(yīng)鏈沒(méi)辦法做針對(duì)性的配套。

最后是長(zhǎng)期問(wèn)題，場(chǎng)景化產(chǎn)品定義不清晰、產(chǎn)品完整生命周期的市場(chǎng)和運(yùn)維體系也沒(méi)建立起來(lái)。

這一年值得關(guān)注的新范式

“從下半年開(kāi)始，具身智能領(lǐng)域出現(xiàn)了明顯的突圍現(xiàn)象?！?/p>

姚國(guó)才表示，大家已經(jīng)達(dá)成一個(gè)共識(shí)：傳統(tǒng) VLA 加真機(jī)遙操數(shù)據(jù)不夠用。在模型層面，大家開(kāi)始嘗試通過(guò)“技術(shù)整合”來(lái)修正 VLA 模型的局限性；在數(shù)據(jù)層面，UMI 類遙操數(shù)據(jù)和人類視頻數(shù)據(jù)成了避不開(kāi)的話題。

當(dāng)前，世界模型被寄予厚望，被認(rèn)為是實(shí)現(xiàn)高級(jí)推理和規(guī)劃的關(guān)鍵。

劉斐指出，世界模型的核心價(jià)值在于讓機(jī)器人具備對(duì)物理環(huán)境的預(yù)測(cè)與規(guī)劃能力。現(xiàn)階段，它已顯著提升機(jī)器人在動(dòng)態(tài)環(huán)境中的任務(wù)執(zhí)行連貫性和長(zhǎng)期行為合理性。未來(lái)，世界模型在復(fù)雜任務(wù)拆解、多機(jī)協(xié)作、長(zhǎng)期自主運(yùn)行等方面潛力巨大。

姚國(guó)才則進(jìn)一步預(yù)測(cè)，隨著世界模型的發(fā)展，其對(duì)物理規(guī)律、復(fù)雜交互的模擬質(zhì)量會(huì)接近真實(shí)世界的水平，為策略模型直接零樣本泛化到新場(chǎng)景和新任務(wù)提供基礎(chǔ)。

“世界模型現(xiàn)在算是解決數(shù)據(jù)問(wèn)題的一個(gè)共識(shí)。”劉智勇表示，不管是在長(zhǎng)程層面模擬預(yù)測(cè)未來(lái)狀態(tài)、底層層面預(yù)測(cè)動(dòng)態(tài)物體軌跡，還是彌補(bǔ)數(shù)據(jù)的 corner case，世界模型都起到了不可或缺的作用。而且，世界模型是 VLN 突破長(zhǎng)程規(guī)劃和動(dòng)態(tài)適應(yīng)瓶頸的充分非必要條件。

同時(shí)，他談到，之前感知、決策、執(zhí)行分離的多模塊化范式逐漸轉(zhuǎn)向 VLN 或 VLA 的端到端統(tǒng)一范式。推動(dòng)導(dǎo)航和路徑規(guī)劃的技術(shù)范式發(fā)生了轉(zhuǎn)變，從幾何測(cè)量的 SLAM 轉(zhuǎn)向?qū)W習(xí)增強(qiáng)的 VLN。訓(xùn)練范式也發(fā)生了改變，從強(qiáng)化學(xué)習(xí)調(diào)參慢慢轉(zhuǎn)向世界模型驅(qū)動(dòng)。

“世界模型算是一個(gè)新范式，但說(shuō)實(shí)話還沒(méi)有形成行業(yè)共識(shí)?！崩钤獞c則認(rèn)為。不過(guò)，他指出，世界模型有機(jī)會(huì)把這部分?jǐn)?shù)據(jù)構(gòu)建工作做得更高效、成本更低，對(duì)于構(gòu)建基礎(chǔ)模型非常重要，同時(shí)也有替代物理仿真引擎等部分現(xiàn)有技術(shù)的潛力。

另外，他表示，技術(shù)架構(gòu)方面也有新變化，大家開(kāi)始把 VLA 與 RL 結(jié)合起來(lái)用。以前大家更多關(guān)注 VLA，相對(duì)輕視 RL 路徑，現(xiàn)在兩者結(jié)合后，機(jī)器人能完成更復(fù)雜的任務(wù)了。

劉斐還表示，具身智能技術(shù)棧正從“垂直封閉”走向“開(kāi)放協(xié)同”，形成“大模型 + 世界模型 + 模塊化硬件” 的層級(jí)架構(gòu)。

首款大面積鋪開(kāi)的機(jī)器人，會(huì)在中國(guó)出現(xiàn)?

“到 2026 年，具身智能將在多任務(wù)協(xié)同、長(zhǎng)時(shí)自主運(yùn)行、人機(jī)共融交互等方面實(shí)現(xiàn)顯著突破?！眲㈧潮硎尽?/p>

劉智勇則談到，明年具身智能會(huì)有兩個(gè)關(guān)鍵突破方向。一是機(jī)器人在非結(jié)構(gòu)化場(chǎng)景中實(shí)現(xiàn)穩(wěn)定作業(yè)。二是突破莫拉維克悖論。以往大家覺(jué)得，機(jī)器能完成人類覺(jué)得難的事，但難以完成簡(jiǎn)單的事，而明年可能機(jī)器人也能勝任這類任務(wù)。

至于明年的技術(shù)決勝點(diǎn)，劉斐認(rèn)為，可能在于通用任務(wù)泛化能力、成本與可靠性的平衡以及標(biāo)準(zhǔn)化與模塊化程度。而在劉智勇看來(lái)，最重要的是世界模型的因果推理能力，一旦取得突破，無(wú)論機(jī)器人的安全性還是行為和推理的安全性問(wèn)題，都能得到很好的解決。

“核心是在某個(gè)單一場(chǎng)景實(shí)現(xiàn)盈利，不是毛利而是不依賴大量售后成本的凈利。誰(shuí)能做到這一點(diǎn)，誰(shuí)就能形成數(shù)據(jù)飛輪，模型和方法能力會(huì)進(jìn)一步提升，之后再推進(jìn)跨場(chǎng)景復(fù)制。”劉智勇稱。

據(jù)介紹，之后蘇州真機(jī)智能將有兩個(gè)關(guān)注重點(diǎn)，一是通過(guò) VLN 實(shí)現(xiàn)無(wú)需額外提前部署的門(mén)到門(mén)配送，二是通過(guò)全身控制打破靜態(tài)平衡的限制，依靠動(dòng)態(tài)平衡的方法更泛化地解決開(kāi)門(mén)的問(wèn)題，以此來(lái)實(shí)現(xiàn)最后五公里的門(mén)到門(mén)配送，既能開(kāi)門(mén)、操作電梯，又能以無(wú)建圖、無(wú) GPS 的方式完成導(dǎo)航。

而姚國(guó)才的態(tài)度是：短期悲觀、長(zhǎng)期樂(lè)觀。他認(rèn)為，2026 年具身智能的能力邊界未必能取得突破，決勝點(diǎn)也還沒(méi)有到來(lái)的曙光。在接下來(lái)一年，智源會(huì)以 Emu3.5 世界模型為核心，不斷探索新的技術(shù)方案以拓寬具身智能的能力邊界。

李元慶接下來(lái)的目標(biāo)則是打造一款面向家庭用戶的功能性產(chǎn)品。據(jù)其判斷，現(xiàn)在具身智能領(lǐng)域最該抓住的就是兩件事：落地和數(shù)據(jù)。只有做出真正的產(chǎn)品，才能實(shí)現(xiàn)技術(shù)落地，同時(shí)把數(shù)據(jù)低成本地回收、形成閉環(huán)。

同時(shí)，他認(rèn)為，多機(jī)異構(gòu)技術(shù)路線是具身智能未來(lái)的發(fā)展方向，核心是多個(gè)不同類型的機(jī)器人協(xié)同工作。

“世界上第一款能大面積鋪開(kāi)的具身智能落地產(chǎn)品，很可能會(huì)在中國(guó)出現(xiàn)?！崩钤獞c滿懷信心地說(shuō)道。

他表示，現(xiàn)在除整機(jī)銷售外，已經(jīng)看到一些新的商業(yè)模式在逐步落地且都形成了清晰的小閉環(huán)，如租賃和按使用次數(shù)或者完成任務(wù)量收費(fèi)的 RAAS 模式。此外，軟件費(fèi)加服務(wù)費(fèi)的組合模式被多位專家提到。

“如果只賣(mài)硬件，一次性賣(mài)完其實(shí)很虧，后續(xù)的售后壓力會(huì)非常大。另一方面，用戶一次性付太多錢(qián)確實(shí)承受不了?！眲⒅怯路Q，通過(guò)“整機(jī)銷售 + 每年服務(wù)費(fèi)” 的方式，既能保證長(zhǎng)期的最大收益，又能解決售后問(wèn)題，還能讓設(shè)備商一次性回本。

AI 行業(yè)普及度暴漲，

金融、醫(yī)療、教育領(lǐng)域效率拉滿

對(duì)各行各業(yè)的 AI 應(yīng)用來(lái)說(shuō)，今年或許是高普及又務(wù)實(shí)的一年。

傳神語(yǔ)聯(lián)創(chuàng)始人何恩培表示，AI 技術(shù)的普及度在各行業(yè)實(shí)現(xiàn)大幅提升，從消費(fèi)端到產(chǎn)業(yè)端，AI 的身影隨處可見(jiàn)。

“2025 年，AI 從‘模型能力持續(xù)提升’邁入到‘組織級(jí)生產(chǎn)力重構(gòu)’的關(guān)鍵躍遷起點(diǎn)。AI 應(yīng)用迎來(lái)爆發(fā)期，尤其是 Agentic AI 開(kāi)始從普及走向可規(guī)?；臉I(yè)務(wù)場(chǎng)景?！?/p>

身處金融行業(yè)的平安科技創(chuàng)新事業(yè)部線上用戶運(yùn)營(yíng) AI 產(chǎn)品團(tuán)隊(duì)總經(jīng)理樊聰表示，AI 應(yīng)用已經(jīng)從工具變?yōu)椤吧a(chǎn)力伙伴”，參與到實(shí)際業(yè)務(wù)流程中，開(kāi)始協(xié)助和獨(dú)立承擔(dān)任務(wù)拆解、流程執(zhí)行。 如果以“是否已經(jīng)嘗試或者部署 AI”作為標(biāo)準(zhǔn)，目前在金融行業(yè)的比例已經(jīng)非常接近、甚至在部分細(xì)分領(lǐng)域已經(jīng)超過(guò)一半。

據(jù)悉，無(wú)論是大型銀行、保險(xiǎn)還是頭部的金融科技公司，AI 都已經(jīng)規(guī)?；涞?，全面賦能核心業(yè)務(wù)。一些機(jī)構(gòu)日均模型調(diào)用規(guī)模已達(dá)億級(jí) token，成為事實(shí)上的基礎(chǔ)設(shè)施。AI 不再只是提升效率的工具，而是企業(yè)業(yè)務(wù)規(guī)模增長(zhǎng)、服務(wù)競(jìng)爭(zhēng)中的關(guān)鍵變量。

何恩培同時(shí)指出，但多數(shù) AI 應(yīng)用還停留在表面，極少能真正實(shí)現(xiàn)行業(yè)和場(chǎng)景深度智能化，更談不上原生的智能化。值得欣慰的是，大模型廠商正在迎來(lái)理性回歸，整個(gè)行業(yè)基本放棄了 “參數(shù)和算力競(jìng)賽”。在具體場(chǎng)景里，輕量化、低成本部署成了新方向。

各行業(yè)落地進(jìn)展

“從實(shí)踐結(jié)果看，AI 已經(jīng)在多個(gè)核心場(chǎng)景實(shí)現(xiàn)了規(guī)模化落地，并帶來(lái)了明確、可量化的成效。”

樊聰表示，今年，隨著技術(shù)的不斷突破和行業(yè)競(jìng)爭(zhēng)格局的變化，平安對(duì) AI 的定位也在升級(jí)，角色已經(jīng)發(fā)生質(zhì)變：預(yù)期是幫助成員公司贏取業(yè)務(wù)競(jìng)爭(zhēng)、提升客戶體驗(yàn)和經(jīng)營(yíng)效率的直接驅(qū)動(dòng)力。

據(jù)其透露，在平安的 AI 實(shí)踐中，很多應(yīng)用場(chǎng)景已跨越試點(diǎn)階段、實(shí)現(xiàn) AI 規(guī)模化、業(yè)務(wù)化部署。比如，產(chǎn)險(xiǎn)服務(wù)管家已初步具備 AI 主動(dòng)接管的能力，能幫助電話客服做購(gòu)買(mǎi)、理賠、延補(bǔ)方面的咨詢接管替代。

傳神語(yǔ)聯(lián)在醫(yī)療領(lǐng)域的探索則專注于中醫(yī)方向。何恩培表示，當(dāng)前 AI 在醫(yī)療領(lǐng)域的角色早已突破單一某個(gè)環(huán)節(jié)的輔助，正在形成多場(chǎng)景、全鏈條的格局。

“今年上線的 AI 醫(yī)生，年度使用用戶已突破千萬(wàn)，增速遠(yuǎn)超預(yù)期。我們推出的傳神素問(wèn)中醫(yī)大模型，實(shí)際評(píng)測(cè)效果非常不錯(cuò)，應(yīng)該是中國(guó)第一個(gè)能夠像專家一樣主動(dòng)問(wèn)診的中醫(yī)大模型。”今年 8 月，傳神素問(wèn)通過(guò)了中國(guó)信息通信研究院可信 AI 中醫(yī)藥大模型評(píng)估，獲得 4+ 級(jí)評(píng)級(jí)。

據(jù)介紹，傳神素問(wèn)不局限于開(kāi)處方，已經(jīng)結(jié)合四診儀器形成診療閉環(huán)，從掛號(hào)開(kāi)始到預(yù)問(wèn)診、輔助辨證開(kāi)方、跟蹤患者依從性以及整個(gè)康復(fù)過(guò)程。并且，整個(gè)過(guò)程也不再是人在調(diào)用 AI 工具，而是各個(gè)場(chǎng)景智能體化，如醫(yī)助智能體、名醫(yī)孿生智能體等正在形成從輔助開(kāi)方的疾病治療向向全周期健康管理延伸。

“事實(shí)上，AI 與醫(yī)療、醫(yī)藥、生命大健康領(lǐng)域的融合不僅普遍，而且介入深度越來(lái)越深?！焙味髋喾Q，大模型在醫(yī)療領(lǐng)域的應(yīng)用不只是聚焦“嚴(yán)肅醫(yī)療”，更廣泛滲透到了藥物研發(fā)環(huán)節(jié)。更關(guān)鍵的是，在深度藥物研發(fā)或病理相關(guān)分析等細(xì)分場(chǎng)景，行業(yè)內(nèi)會(huì)專門(mén)構(gòu)建針對(duì)性的大模型。

“如果對(duì)比中醫(yī)和西醫(yī)的 AI 化，西醫(yī)的 AI 落地會(huì)更容易一些。”何恩培談到，西醫(yī)檢查設(shè)備及其指標(biāo)體系是全球通用的，更容易形成標(biāo)準(zhǔn)數(shù)據(jù)，訓(xùn)練大模型就能達(dá)到比較高的水平。

不過(guò)他認(rèn)為，中醫(yī)是未來(lái)最有可能通過(guò) AI 實(shí)現(xiàn)全面突破的領(lǐng)域。傳神素問(wèn)正在推動(dòng)中醫(yī)走向標(biāo)準(zhǔn)化、規(guī)模化的現(xiàn)代化服務(wù)階段，以及中醫(yī)服務(wù)下沉。如果把名醫(yī)的孿生模型推廣到基層，就能讓更多普通患者享受到優(yōu)質(zhì)的中醫(yī)診療服務(wù)。

“豆神教育旗下的 AI 教師不是傳統(tǒng)意義上大而全的萬(wàn)能工具 Agent，而是屬于企業(yè)級(jí) Agent?！倍股窠逃?AI 事業(yè)部研發(fā)總監(jiān)朱智勝表示，這些企業(yè)級(jí) Agent 存在于豆神教育的整個(gè)產(chǎn)品體系中，覆蓋了從內(nèi)容生產(chǎn)、課堂授課到課后服務(wù)的全流程。

在教育領(lǐng)域，豆神教育正在獨(dú)家 AI 教育大模型的基礎(chǔ)上，打通 AI 教育不同場(chǎng)景間的壁壘。目前其主推的 AI 產(chǎn)品有兩款：一是豆神王者 Club APP，其中的超練系列已經(jīng)在熱賣(mài)中；另一款是豆神的首款硬件產(chǎn)品豆神學(xué)伴機(jī)器人，已于 12 月 22 日首發(fā)。

明年的突破方向

樊聰透露，接下來(lái)一年，平安將繼續(xù)在綜合金融 + 醫(yī)療養(yǎng)老的戰(zhàn)略模式下，探索 AI 應(yīng)用的深度落地，在醫(yī)療多模態(tài)、居家養(yǎng)老具身智能上持續(xù)探索。

據(jù)悉，平安正在利用無(wú)線波感知等多模態(tài)技術(shù)，實(shí)現(xiàn)對(duì)居家環(huán)境的“無(wú)線感知”，監(jiān)控老人在家里的行為軌跡，識(shí)別跌倒風(fēng)險(xiǎn)并進(jìn)行應(yīng)急救援，同時(shí)結(jié)合金融場(chǎng)景的安全可信需求構(gòu)筑技術(shù)壁壘。

“未來(lái)，AI+ 中醫(yī)將以‘場(chǎng)景化智能體’為核心形態(tài)，通過(guò)分層協(xié)同的技術(shù)模式承接基礎(chǔ)診療工作，同時(shí)拓展心理健康這類新興服務(wù)領(lǐng)域?！焙味髋嗑歪t(yī)療領(lǐng)域作出判斷。

他表示，未來(lái) 3-5 年包括 2026 年，AI 賦能中醫(yī)的核心變化是讓中醫(yī)從“經(jīng)驗(yàn)主導(dǎo)”轉(zhuǎn)向“數(shù)據(jù)賦能”，AI 的角色也將從零散的單點(diǎn)工具進(jìn)化為適配中醫(yī)診療邏輯的“場(chǎng)景化智能體”。“AI 承接中醫(yī)絕大部分基礎(chǔ)及重復(fù)性工作，讓醫(yī)師專注于辨證論治的創(chuàng)造性、互補(bǔ)性工作會(huì)是必然方向，中醫(yī)智能體將會(huì)成為 24 小時(shí)陪伴人類的健康顧問(wèn)和健康管理專家?！?/p>

同時(shí)，AI+ 中醫(yī)情志康養(yǎng)是下一步突破的重點(diǎn)。核心思路是，讓 AI 深度學(xué)習(xí)中醫(yī)情志調(diào)理的理論與實(shí)踐經(jīng)驗(yàn)，結(jié)合現(xiàn)代心理學(xué)技術(shù)，為不同情緒狀態(tài)的人群提供個(gè)性化的情志疏導(dǎo)方案。據(jù)悉，目前傳神語(yǔ)聯(lián)已具備獨(dú)特的資源支撐落地，預(yù)計(jì)會(huì)在明年 1 月發(fā)布相關(guān)推進(jìn)計(jì)劃。

加入InfoQ年度盤(pán)點(diǎn)讀者群，第一時(shí)間獲取盤(pán)點(diǎn)文章更新

技術(shù)人的年度儀式感！ 年度盤(pán)點(diǎn)與趨勢(shì)洞察 啟動(dòng)！

《2025 年度盤(pán)點(diǎn)與趨勢(shì)洞察》由 InfoQ 技術(shù)編輯組策劃。覆蓋大模型、Agent、具身智能、AI Native 開(kāi)發(fā)范式、AI 工具鏈與開(kāi)發(fā)、AI+ 傳統(tǒng)行業(yè)等方向，通過(guò)長(zhǎng)期跟蹤、與業(yè)內(nèi)專家深度訪談等方式，對(duì)重點(diǎn)領(lǐng)域進(jìn)行關(guān)鍵技術(shù)進(jìn)展、核心事件和產(chǎn)業(yè)趨勢(shì)的洞察盤(pán)點(diǎn)。

力求以體系化視角幫助讀者理解年度技術(shù)演化的底層邏輯、創(chuàng)新方向與落地價(jià)值，并為新一年決策提供參考。內(nèi)容將在 InfoQ 媒體矩陣陸續(xù)放出，歡迎大家持續(xù)關(guān)注。