（來源：麻省理工科技評論）

在嘈雜喧囂的 AI 世界里，什么才是真正值得關注的？《麻省理工科技評論》的記者和編輯花了多年時間思考這個問題，追蹤 AI 的進展，描繪下一步走向?，F(xiàn)在，我們第一次把答案濃縮成了一份清單。

受我們每年評選的“十大突破性技術”啟發(fā)，這是一份全新的盤點：那些正在推動進步或改變權力格局的 AI 大趨勢、大方向和新突破——它們定義著今天，也將塑造明天的可能性。

人形機器人數(shù)據(jù)

Humanoid Data

就像我們說的話和寫的字變成了大語言模型的訓練數(shù)據(jù)一樣，人類運動的視頻如今也在被大規(guī)模收集，用來訓練人形機器人。

這股風潮始于一個簡單的類比：ChatGPT 靠海量文本學會了生成語言，那人形機器人能不能靠海量運動數(shù)據(jù)學會在真實世界里干活？問題在于，描述人類運動方式的數(shù)據(jù)集遠不像互聯(lián)網(wǎng)文本那樣現(xiàn)成。虛擬仿真曾經(jīng)是替代方案，但仿真永遠無法完美還原真實世界的物理特性，訓練出來的機器人一到現(xiàn)實中就容易摔跤。

于是企業(yè)決定走笨辦法：直接收集真實世界的數(shù)據(jù)。世界各地出現(xiàn)了大型訓練中心，工人穿著外骨骼一天擦幾百次桌子；尼日利亞和印度的零工把手機綁在頭上，在家拍自己做家務；美國的快遞公司給員工裝上傳感器記錄搬箱子的動作，一邊研究工傷，一邊為未來可能取代他們的機器人積累訓練數(shù)據(jù)。

2025 年，僅人形機器人領域就吸引了 61 億美元投資。但一段我打開微波爐的視頻到底值多少錢？要多少個這樣的片段才能教會一個機器人做晚飯？沒有人知道這條路能不能走通。

更強大的大語言模型

LLMs+

ChatGPT 之后，下一個大事件是什么？答案可能讓人意外：還是大語言模型——只不過更強、更高效、更能獨立干活。

當前 LLM 的核心瓶頸在于：它們擅長回答一個問題，但讓它們連續(xù)工作幾天、獨立攻克一個復雜的多步驟任務，就很容易跑偏或遺忘。要從“聊天助手”進化成“AI 勞動力”，LLM 需要在三個方向上突破。

第一是效率?；旌蠈＜夷Ｐ停∕oE）把一個大模型拆成多個小模塊，每次只啟動需要的那部分，大幅降低算力消耗。擴散模型和 DeepSeek 提出的“文本轉(zhuǎn)圖像編碼”等實驗性方案也在探索更便宜的計算路徑。

第二是工作記憶。兩年前 LLM 一次只能處理幾十頁文本，現(xiàn)在最新模型的上下文窗口已經(jīng)擴展到了 100 萬個 token，相當于一整摞書。但窗口越大，模型越容易在長任務中迷路。MIT CSAIL 提出的“遞歸 LLM”提供了一種新思路：把輸入拆成小塊分發(fā)給自己的多個副本，各自處理再匯總，在長任務上的可靠性遠高于傳統(tǒng)方案。

第三是成本。部署 LLM 的費用正在急速下降，一些模型的服務成本按年化計算已經(jīng)降了幾百倍。

LLM 沒有過時，它正在脫胎換骨。

AI 詐騙

Supercharged Scams

ChatGPT 讓所有人看到了生成式 AI 的威力，犯罪分子也不例外。自 2022 年以來，網(wǎng)絡犯罪者迅速把 AI 工具整合進了自己的作業(yè)流程：用 LLM 寫釣魚郵件、用深偽技術制作以假亂真的視頻、用 AI 自動掃描系統(tǒng)漏洞、讓惡意軟件變得更難檢測……AI 沒有從根本上改變黑客攻擊的本質(zhì)，但它大幅降低了入行門檻，讓攻擊變得更快、更便宜、更容易規(guī)模化。

這種趨勢已經(jīng)在全球顯現(xiàn)。國際刑警組織警告說，東南亞的詐騙中心正在用廉價 AI 工具提速擴量；阿聯(lián)酋聲稱挫敗了一系列由 AI 輔助的攻擊；Anthropic 則透露，其正在測試的模型 Mythos 在所有主流操作系統(tǒng)和瀏覽器中都發(fā)現(xiàn)了嚴重漏洞，公司因此推遲了模型發(fā)布，并聯(lián)合多家科技公司成立了名為 Project Glasswing 的防御聯(lián)盟。

攻擊在變強，防御也在跟進。僅微軟一家，每天就要用 AI 系統(tǒng)處理超過 100 萬億個可疑信號，一年內(nèi)攔截了價值 40 億美元的詐騙和欺詐交易。讓攻擊成為可能的同一種技術，也可能是未來防御的最大依仗。

眼下，基本的安全措施仍然能擋住大部分粗糙的 AI 輔助攻擊。但隨著公開可用的生成式 AI 能力不斷增強，未來面對更精密的攻擊時我們能否守住，還遠沒有答案。

世界模型

World Models

AI 在數(shù)字世界里已經(jīng)很厲害了，但物理世界仍然是人類的地盤。寫小說、寫代碼遠比疊衣服、上街導航容易得多。許多研究者認為，要跨過這道坎，需要一種叫做“世界模型”的技術。

世界模型的核心理念是：讓 AI 像人類一樣在腦子里構建一個外部世界的模型，用它來預測行動的后果，再據(jù)此做決定。你知道把杯子推下桌子會摔碎，是因為你的大腦里有一個夠用的物理模型。AI 目前還沒有這個東西。LLM 看似能回答“杯子推下桌會怎樣”，但研究表明這種“理解”很脆弱，稍微換個條件就徹底失靈。

這個方向最近突然熱了起來。谷歌 DeepMind 和斯坦福教授李飛飛創(chuàng)辦的 World Labs 都在積極推進，楊立昆從 Meta 離職創(chuàng)辦了專注世界模型的初創(chuàng)公司，OpenAI 也把關閉 Sora 視頻應用后釋放的資源轉(zhuǎn)投到了“長期世界模擬研究”上。

目前的應用還比較初級。谷歌 DeepMind 和 World Labs 在做的事情是根據(jù)文本、圖像或視頻生成可交互的 3D 虛擬環(huán)境，可以用在游戲設計和 VR 體驗中?！秾毧蓧?Go》的開發(fā)商則在用玩家收集的數(shù)十億張圖片構建世界模型的雛形，目標是引導配送機器人。

真正的突破可能要等到世界模型被整合進靈活的智能體，既能理解環(huán)境，又能預判后果，還能自己做決定。到那一步，機器人才有可能真正走進物理世界。

戰(zhàn)爭中的 AI 指揮

The New War Room

把伊朗沖突稱為第一場“AI 戰(zhàn)爭”并不準確。從阿富汗到烏克蘭再到以色列，算法幫軍方做分析、識別目標已經(jīng)有好多年了。真正新的東西是：指揮官們開始向基于大語言模型的對話式 AI 尋求行動建議，而不只是讓它幫忙分析情報。

過去十年，Maven 等 AI 系統(tǒng)干的是初級分析師的活，從海量監(jiān)控畫面和衛(wèi)星圖像中挑出有價值的信號?，F(xiàn)在大語言模型讓這些系統(tǒng)變得更具交互性：軍方人員可以把一份潛在目標清單丟給聊天機器人，讓它建議先打哪一個。Anthropic 的 Claude 已經(jīng)深度嵌入美軍作戰(zhàn)流程，以至于五角大樓說要花六個月才能替換掉它。

問題是顯而易見的。用過生成式 AI 的人都知道，同一個提示詞每次跑出來的結(jié)果不一樣，建議未必準確。正常情況下用戶應該逐條核查，但在“五分鐘內(nèi)決定打哪個目標”的壓力下，核查很可能被省略。軍事專家還警告說，指揮官可能過度信賴 AI 把復雜戰(zhàn)場壓縮成一塊整潔儀表盤后呈現(xiàn)的畫面，而科技公司也可能借此對軍方?jīng)Q策產(chǎn)生不當影響。

與此同時，五角大樓正計劃讓 AI 公司用機密軍事數(shù)據(jù)訓練新模型，這將帶來全新的安全風險，也讓硅谷與五角大樓的距離前所未有地近。

算法自動化軍事中的苦差事已經(jīng)有很長一段時間了，但現(xiàn)在生成式 AI 在作戰(zhàn)室里有了自己的席位，指揮官們開始認真對待它的建議。它正在重塑軍方共享情報、與大型科技公司合作以及做出致命決策的方式。

被武器化的“深度偽造”

Weaponized Deepfake

隨著生成式 AI 的進步和工具的普及，偽造圖像、視頻與音頻的門檻大幅降低，普通人也能制造高度逼真的虛假內(nèi)容。這些內(nèi)容已被廣泛用于色情制作、詐騙和政治操控，不僅傷害個體，也在更深層次侵蝕社會信任。

其中，女性與邊緣群體承受的影響尤為嚴重，大量深度偽造內(nèi)容帶有性剝削性質(zhì)。與此同時，政治領域的濫用也在加劇，一些 AI 生成的圖像和視頻被用于影響公眾認知，甚至誤導選民。

盡管業(yè)界提出了技術防護、用戶自我保護和立法監(jiān)管等解決方案，但都存在明顯局限：技術可以被繞過，行為難以改變，監(jiān)管執(zhí)行也充滿不確定性。隨著美國中期選舉臨近，而相關監(jiān)管與研究力量卻在削弱，深度偽造可能進一步加劇信息混亂。

當真假難辨成為常態(tài)，人們失去的或許不只是判斷力，而是對現(xiàn)實本身的信任。

多智能體協(xié)作

Agent Orchestration

當前，生成式智能體（Generative Agent）正在擺脫只能“聊天”的功能邊界，走向任務的自主執(zhí)行。在此基礎上，多智能體系統(tǒng)通過角色分工與動態(tài)調(diào)度，可協(xié)同完成編程、調(diào)研、流程管理等復雜任務，讓個體工作者具備團隊級產(chǎn)出能力。從代碼協(xié)作到科研輔助，這類工具試圖將知識工作模塊化、流水線化，重構白領崗位的價值鏈條。

效率提升的背后是控制力的讓渡。當智能體開始操作真實系統(tǒng)、調(diào)用敏感數(shù)據(jù)，模型幻覺、目標錯位或提示詞注入都可能引發(fā)難以追溯的連鎖錯誤。而當前評估標準、審計機制與應急方案普遍缺位，技術落地跑在了安全基建前面。

更深層的拷問在于：當我們習慣將決策鏈條交給自主代理，人類是變得更高效，還是逐漸喪失對過程的理解與干預能力？信任不該是黑箱的副產(chǎn)品，而需建立在可解釋、可回退、可問責的基礎之上。

中國的開源押注

China’s Open-source Bet

中國 AI 實驗室正以“開源”為杠桿，影響全球的開發(fā)者生態(tài)。不同于硅谷將核心模型封裝收費，DeepSeek、阿里巴巴的千問、月之暗面的 Kimi 等機構選擇直接釋放模型權重，允許任何人下載、微調(diào)、本地部署。這一策略迅速贏得預算有限、追求靈活性的開發(fā)者青睞。去年中國開源模型下載量首次超越美國，阿里系模型的社區(qū)衍生版本數(shù)量已超過谷歌與 Meta 之和。

開源對于中國來說不僅是技術共享，更是地緣博弈下的務實路徑：在高端芯片受限的背景下，借助全球開發(fā)者的反饋與貢獻，反而能加速模型迭代。

當然，開放也伴隨著壓力。關于模型內(nèi)容合規(guī)約束、能力蒸餾爭議依然存在。但當越來越多產(chǎn)品建立在中國開源底座之上，AI 技術的權力結(jié)構已悄然重構：多極化不是預測，而是正在發(fā)生的現(xiàn)實。

人工智能科學家

Artificial Scientist

當“自主探索”成為可能，AI 在科研中的角色正悄然轉(zhuǎn)變。如今的大模型已能檢索文獻、撰寫論文、生成代碼，而下一步的目標更加清晰：打造能獨立提出假設、設計實驗、解讀結(jié)果的“人工智能科學家”。

2024 年，DeepMind 憑借 AlphaFold 斬獲諾貝爾獎，點燃了新一輪競爭。隨后，OpenAI 發(fā)布 GPT-Rosalind，Anthropic 深耕生物領域，谷歌推出多智能體協(xié)作工具——由不同角色分工配合，共同推進研究流程。

突破不止于代碼。為彌補 AI“無法動手”的局限，研究者開始將其接入自動化實驗室：OpenAI 與 Ginkgo Bioworks 合作，讓 AI 自主迭代實驗方案，成功將某種蛋白的合成成本降低 40%。

但效率提升的同時，隱憂也隨之浮現(xiàn)。Nature 的一項研究提醒，當科研過度依賴 AI 分析既有數(shù)據(jù)，探索方向可能偏向“易建模、數(shù)據(jù)足”的領域，而那些冷門卻關鍵的問題，反而容易被忽視。技術可以加速發(fā)現(xiàn)，但科學應有的廣度與多元，終究需要人類主動守護。

人工智能抵制浪潮

Resistance

一股對人工智能的質(zhì)疑浪潮，正在全球悄然蔓延。人們擔憂的不再是遙遠的科幻場景，而是眼前的現(xiàn)實：數(shù)據(jù)中心推高了電費，工作崗位被悄然替代，聊天機器人影響青少年心智，軍事應用缺乏邊界，創(chuàng)作成果被無償調(diào)用。

抗議行動隨之浮現(xiàn)。倫敦街頭出現(xiàn)示威人群，美國不同立場的群體罕見聯(lián)合，簽署宣言呼吁“技術應服務于人”；部分用戶因軍方合作卸載常用工具，家長聯(lián)名要求校園暫緩引入聊天機器人。民意調(diào)查顯示，多數(shù)公眾對 AI 的快速滲透持保留態(tài)度。

這些聲音已開始影響政策走向：紐約、加州為陪伴型機器人設立規(guī)則，英國在藝術家反對下撤回版權豁免提案，多地社區(qū)成功延緩數(shù)據(jù)中心建設。技術演進的速度從未放慢，但越來越多的人希望，在塑造未來的過程中，普通人的關切也能被認真傾聽。

https://www.technologyreview.com/2026/04/21/1135643/10-ai-artificial-intelligence-trends-technologies-research-2026/