新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】當(dāng)AI智力成本一年暴跌128倍、代碼開始「自主打工」……2026，你準(zhǔn)備好把自己和公司交給Agent了嗎？

幾個(gè)月前，Artificial Analysis還在提醒人們注意，關(guān)于AI進(jìn)展放緩的謠言被嚴(yán)重夸大了！

但到了2026年初，相信幾乎沒有人再相信「AI進(jìn)展放緩」這樣觀點(diǎn)，因?yàn)樗恢倍荚诩铀侔l(fā)展。

2025年年初，那時(shí)的世界上甚至還不存在真正意義上的「代碼Agent」。

但僅僅到了年底，軟件工程這個(gè)古老的職業(yè)就被「氛圍編程」（Vibe Coding）永遠(yuǎn)地改變了。

程序員們不再把代碼機(jī)械地復(fù)制粘貼到ChatGPT或者CursorChat里，而是開始熟練地向Agent下達(dá)指令，看著它們連續(xù)幾分鐘甚至更長時(shí)間地自主埋頭苦干。

這就是Artificial Analysis剛剛發(fā)布的《2025全球AI年終報(bào)告》為我們揭示的瘋狂現(xiàn)實(shí)的一個(gè)側(cè)面。

在過去的一年里，全球AI軍備競賽不僅沒有絲毫降溫，反而徹底白熱化。

當(dāng)然，這樣殘酷的競爭，對于AI使用者們也帶來了一個(gè)令人極其振奮的利好：

各個(gè)智力層級的AI使用成本正在以不可思議的速度跳水。

AI實(shí)驗(yàn)室們死磕強(qiáng)化學(xué)習(xí)，在大規(guī)模稀疏混合專家（MoE）架構(gòu)上瘋狂內(nèi)卷，再加上英偉達(dá)Blackwell硬件的王者降臨，共同推高了這場技術(shù)海嘯的浪潮。

Artificial Analysis的這份報(bào)告認(rèn)為，2025年，5大核心趨勢徹底重塑了整個(gè)AI行業(yè)的骨架：

競爭極度擁擠：賽道變得空前激烈，新玩家與國際巨頭貼身肉搏。

推理成為絕對標(biāo)配：思考型模型一統(tǒng)天下。

Agent迎來全面爆發(fā)：從單一指令走向長周期的自主任務(wù)。

多模態(tài)跨越奇點(diǎn)：視頻生成與圖像編輯殺入主流認(rèn)知。

原生語音覺醒：端到端語音大模型賦予了語音Agent真正的靈魂。

「思考」成為絕對標(biāo)配

同級推理成本暴跌128倍！

僅僅在2025年初，OpenAI的o1還在孤獨(dú)領(lǐng)跑，是市面上唯一的推理型選手。

但到了年底，畫風(fēng)突變，幾乎所有的頂級AI實(shí)驗(yàn)室全部拿出了自己的「思考型」推理模型。

這個(gè)范式轉(zhuǎn)移，直接霸占了人類所能見到的最高智力榜單。

OpenAI依然以GPT-5.2（xhigh）在年初和歲末都保住了「最聰明大腦」的桂冠。

但這家昔日霸主的領(lǐng)先優(yōu)勢正被極速壓縮。

Anthropic帶著Claude4.5Opus（Reasoning）緊追不舍，谷歌拿出了Gemini3Pro，xAI也毫不示弱。

AI軍備競賽，對普通用戶帶來的好消息就是：聰明不再等同于昂貴。

由于模型體積的不斷縮小、軟硬件效率的極致提升，我們在2025年初還要頂禮膜拜的o1級別智力，其每Token的使用成本，在短短一年內(nèi)發(fā)生了自由落體般的墜落，整整降了128倍！

現(xiàn)在，我們可以在同樣的預(yù)算下召喚出遠(yuǎn)超以往的超級大腦，或者用極低的成本普及過去的頂級智力。

從「復(fù)制粘貼」到「自主打工」

2025，Agent終于落地了

2025年，Agent完成了從單一測試玩具到企業(yè)級核心生產(chǎn)力的躍升。

也是在這一年，我們對AI的期待，終于從「你給我答案，我來干活」變成了「你直接把活干完」。

這一切的引爆點(diǎn)，是代碼Agent的大放異彩，長周期編程任務(wù)成了這場生產(chǎn)力革命最大的受益者。

大廠和初創(chuàng)團(tuán)隊(duì)都在瘋狂發(fā)布代碼Agent，如今的模型不僅出廠自帶極其熟練的工具調(diào)用能力，更被強(qiáng)化學(xué)習(xí)深深地注入了自主執(zhí)行長周期任務(wù)的本能。

Artificial Analysis在報(bào)告中提到一個(gè)變化：

在Agent的漫長工作流里，并不是模型吐出的Token越多，智力就越高。

真正的頂級高手，贏在能巧妙且高效地使用各種外部工具。

在這張殘酷的帕累托前沿圖表上，谷歌和Anthropic的旗艦?zāi)Ｐ统蔀榱巳珗鲂逝c智力平衡的絕對王者。

由于2025年是代碼Agent大獲全勝的一年，Artificial Analysis據(jù)此斷言：2026年，將徹底成為「萬物皆可Agent（Agents for everything）」的元年。

原生多模態(tài)大爆發(fā)

視頻模型進(jìn)入「帶聲時(shí)代」

2025年，大模型迎來了原生多模態(tài)的大爆發(fā)。

視頻模型，在這一年徹底撕掉了「實(shí)驗(yàn)品」的標(biāo)簽，真正走向了主流可用。

年初還在被頂禮膜拜的Sora，到了年底已經(jīng)被RunwayGen-4.5超越了近200個(gè)ELO積分。

更重要的一個(gè)變化是，視頻模型不再是「啞巴」了。

2025年5月發(fā)布的Veo3，是第一個(gè)在極高畫質(zhì)下原生支持音頻生成的視頻大模型。

緊接著，全行業(yè)集體爆發(fā)，OpenAI的Sora2、Lightricks的LTX-2等，讓「自帶BGM和環(huán)境音的視頻生成」成為了主流標(biāo)配。

這份報(bào)告還給出了一個(gè)重磅結(jié)論：在圖像與視頻生成領(lǐng)域，中國和美國已經(jīng)完全處于同等水平！

端到端S2S推理大爆發(fā)

語音與音樂AI的全面進(jìn)化

2025年第四季度，語音與音樂AI圈經(jīng)歷了一場真正的底層革命。

以前的語音助手為什么總顯得有些遲鈍和機(jī)械？因?yàn)樗鼈冊谀X子里要走一條極其繁瑣的「翻譯」流水線：

先把聽到的語音轉(zhuǎn)成文字(STT)，然后把文字交給大語言模型去思考(LLM)，最后再把思考出的文字轉(zhuǎn)回語音(TTS)讀出來。

這種級聯(lián)拼接模式不僅延遲高，還會(huì)把人類語氣中的情緒、嘆息、重音過濾掉。

但在2025年，原生音頻推理（Nativeaudioreasoning）技術(shù)讓模型學(xué)會(huì)了直接用聲波的形狀去思考，它們摒棄了文字這個(gè)「中間商」，開始端到端地處理音頻。

這場技術(shù)革命，直接引發(fā)了榜單的大洗牌。

四季度，xAI憑借極快的響應(yīng)速度和恐怖的原生聽覺理解力，強(qiáng)勢掀翻了前任霸主谷歌Gemini2.5NativeAudioThinking，登頂了BigBenchAudio評測榜首；而亞馬遜的Nova2.0Sonic則極其精準(zhǔn)地踩中了市場的痛點(diǎn)，加冕性價(jià)比之王。

在語音轉(zhuǎn)文本（STT）的戰(zhàn)場上，單項(xiàng)選手正被全能學(xué)霸降維打擊。

像AWS的Nova2Omni這類多模態(tài)大模型，現(xiàn)在做起語音轉(zhuǎn)文字，簡直就像是接了個(gè)順手的「兼職」。

它們甚至都不需要專門去練聽寫，準(zhǔn)確率就已經(jīng)能和專業(yè)軟件打個(gè)平手了。

與此同時(shí)，為了解決語音助手總是慢半拍的毛病，ElevenLabsScribev2Realtime和英偉達(dá)ParakeetRealtime這種專門死磕超低延遲的模型也出來了。

有了它們，語音智能體真正落地到現(xiàn)實(shí)場景里的絆腳石也被搬開了。

現(xiàn)在的頂級模型不僅聲音好聽，甚至能在指令下完美控制情感基調(diào)、語速、重音，還能極其自然地插入笑聲、嘆息聲和呼吸聲。

過去總讓人覺得有些別扭的AI味兒，現(xiàn)在已經(jīng)基本消失了。

隨著SunoV4.5和ElevenLabsMusic這些工具開始在大眾里普及，現(xiàn)在只要花上極底成本，就能輕松合成出足夠以假亂真的人聲或樂曲。

當(dāng)然，這種擬真也引發(fā)了極大的恐慌，聲音克隆的泛濫，直接倒逼全行業(yè)開始把音頻水印和出處驗(yàn)證系統(tǒng)當(dāng)成了最高優(yōu)先級的安全限制。

報(bào)告也極其克制地指出了當(dāng)下的局限：

雖然語音Agent在諸如客服、預(yù)訂等結(jié)構(gòu)化交互中已經(jīng)表現(xiàn)得像個(gè)真人，但一旦遇上模糊不清的語境、需要長線邏輯推導(dǎo)的多輪對話，或者嘈雜惡劣的錄音環(huán)境，它們依然會(huì)露出機(jī)器的笨拙底色。

算力權(quán)力的游戲

英偉達(dá)大規(guī)模交付與200億美元的「終局豪賭」

2025年的底層硬件基礎(chǔ)設(shè)施，經(jīng)歷了一次脫胎換骨的成熟進(jìn)化。

英偉達(dá)的Blackwell芯片，B200和GB200NVL72機(jī)架級系統(tǒng)在2025年全線鋪開，進(jìn)入了真實(shí)生產(chǎn)環(huán)境。

像IBM的Granite4系列和OpenAI的GPT-5.3Codex，就成了最早一批公開宣布用上GB200集群的頭部大模型。

隨后在第三季度，英偉達(dá)又順勢發(fā)布了B300和GB300。

這次的硬件升級非常直接：在B200的基礎(chǔ)上，不僅HBM3e顯存增加了50%（達(dá)到288GB），F(xiàn)P4精度下的算力也隨之提高到了14PFLOPs。

但英偉達(dá)的野心遠(yuǎn)不止于賣芯片。

在2025年12月，整個(gè)科技圈被一筆交易徹底引爆：英偉達(dá)豪擲約200億美元天價(jià)收購了Groq。

這筆交易極其聰明地被包裝成「IP授權(quán)加人才收購(acqui-hire)」的模式。

英偉達(dá)看中的，是將Groq的LPU推理技術(shù)直接內(nèi)嵌到自己的算力帝國中，試圖徹底鎖死AI推理市場的咽喉。

然而，權(quán)力的游戲里從來不缺野心家。

谷歌的TPUv6（Trillium）在2024年底已經(jīng)全面鋪開，它支撐了Gemini2.5Pro和Gemini3Pro的龐大需求。

Anthropic也在2025年同時(shí)牽起了谷歌與亞馬遜的手，將TPU和Trainium一并接入自己的訓(xùn)練與推理矩陣。

而一直被低估的Cerebras則是聯(lián)手AMD和博通，與OpenAI簽下了一紙多年期的極速推理巨額合同。

在這場算力狂飆的背后，推理端的工作流也在悄然發(fā)生著劇變。

因?yàn)锳gent時(shí)代的到來，過去那種堆在一臺機(jī)器上傻跑的模式已經(jīng)行不通了。

分布式推理優(yōu)化成了2025年的一個(gè)明顯趨勢。

靠著英偉達(dá)Dynamo生態(tài)和開源社區(qū)的推動(dòng)，過去那些只有頂級大廠才玩得轉(zhuǎn)的技術(shù)，現(xiàn)在普通開發(fā)團(tuán)隊(duì)也能用上了。

現(xiàn)在的做法是把Prefill（預(yù)填充）和Decode（解碼）這兩個(gè)環(huán)節(jié)直接拆開，讓幾十甚至上百張GPU分工合作，一起做專家并行計(jì)算。

在這個(gè)過程中，之前五花八門的推理框架也慢慢收斂，最后大家的選擇基本都穩(wěn)定在了vLLM、SGLang以及英偉達(dá)「親兒子」TensorRT-LLM這三個(gè)主流框架上。

擁抱即將到來的零邊際成本智力

看完Artificial Analysis的這份年終報(bào)告，最直觀的感受就是，AI發(fā)展的倒計(jì)時(shí)真的就在耳邊了。

現(xiàn)在的AI早就不是剛出來時(shí)大家拿來嘗鮮的聊天玩具，它已經(jīng)實(shí)打?qū)嵉刈兂闪烁餍懈鳂I(yè)都在用的核心生產(chǎn)力。

當(dāng)o1這種級別的聰明大腦，使用成本在一年里真真切切地降了128倍；當(dāng)原本只能聽口令做簡單操作的Agent，現(xiàn)在已經(jīng)可以自己埋頭寫上幾十分鐘的代碼；當(dāng)多模態(tài)讓機(jī)器真正像人一樣，能用耳朵聽、用眼睛看去理解這個(gè)世界——

無論是創(chuàng)業(yè)者、開發(fā)者還是企業(yè)主管，可能都需要停下來認(rèn)真想一個(gè)問題：目前的業(yè)務(wù)模式，還能適應(yīng)接下來這個(gè)「萬物皆可Agent」的新階段嗎？

到了2026年，隨著機(jī)器智力的獲取成本越來越低，所有的公司、團(tuán)隊(duì)、產(chǎn)品甚至我們每一個(gè)普通人，都需要盡早去適應(yīng)Agent化的工作方式。

2026年2月，理想汽車基座模型MindVLA團(tuán)隊(duì)與國創(chuàng)決策智能技術(shù)研究所聯(lián)合發(fā)布了一篇論文——

提出了面向端側(cè)大語言模型的「硬件協(xié)同設(shè)計(jì)擴(kuò)展定律」。

論文直面了當(dāng)前最核心的挑戰(zhàn)之一：

如何將越來越強(qiáng)大的大語言模型高效地部署在資源受限的「端側(cè)設(shè)備」（如汽車、手機(jī)、機(jī)器人）上。

理想正在從一家以增程技術(shù)見長的汽車公司，蛻變?yōu)橐患乙灾悄荞{駛和具身智能為核心的AI公司。

而這篇?jiǎng)倓偘l(fā)布的論文，是理解這場轉(zhuǎn)型最好的注腳。

提前規(guī)劃和擁抱這些新工具，才能在下一波技術(shù)浪潮中站穩(wěn)腳跟。