隨著2025年的鐘聲敲響，智源研究院揭示了人工智能領域的十項關鍵趨勢，為探索科技演進的軌跡、預見未來的發展方向以及識別驅動變革的核心要素提供了重要視角。這些趨勢不僅預示著人類社會正邁向一個更加智能、美好且互聯的未來，也為科技界指明了前行的道路。
第一項趨勢聚焦于AI4S（人工智能驅動科學）如何引領科學研究范式的變革。在2024年，科研人員對AI的采用率顯著上升，AI對科學研究方法和流程的影響開始顯現。2025年，多模態大模型將深度融入科學研究，促進復雜數據的挖掘和科研問題的綜合理解，為生物醫學、氣象學、材料發現等領域打開新的研究路徑。
第二項趨勢被標記為“具身智能元年”，預示著具身智能將實現本體與具身腦之間的協同進化。在2025年，具身智能行業或將迎來洗牌，廠商數量將有所減少，而技術路線和商業變現模式則呈現出新的可能性。端到端模型的迭代、小腦大模型的突破以及工業場景下具身智能應用的增加，都將是這一年值得期待的亮點。
第三項趨勢關注統一的多模態大模型如何推動AI效率的提升。當前的語言大模型和拼接式多模態大模型在模擬人類思維過程時存在局限性，而原生多模態技術路線的出現則為多模態大模型的發展提供了新的可能。通過訓練階段對齊不同模態的數據，實現多模態的統一，構建原生多模態大模型成為未來的重要方向。
第四項趨勢探討了Scaling Law的擴展，特別是強化學習（RL）與大型語言模型（LLMs）的結合，如何推動模型泛化能力的提升。隨著基礎模型性能提升的訓練模式性價比下降，后訓練與特定場景的Scaling Law成為研究熱點，強化學習在這一領域的應用和創新也將更加廣泛。
第五項趨勢強調了世界模型的重要性，這種更注重“因果”推理的模型為AI賦予了更高級別的認知和推理能力。這種能力不僅有助于推動AI在自動駕駛、機器人控制等領域的深度應用，還為實現人機交互的新可能提供了基礎。
第六項趨勢指出，合成數據將成為大模型迭代與應用落地的重要催化劑。高質量數據的稀缺成為大模型進一步發展的障礙，而合成數據則成為補充數據的首選。合成數據可以降低數據治理和標注的成本，提升數據的多樣性，并有助于解決通用數據壟斷和專有數據獲取成本高等問題。
第七項趨勢關注推理優化的迭代加速，認為這是AI Native應用落地的必要條件。隨著大模型硬件載體向手機、PC等端側硬件的滲透，如何在資源受限的設備上實現大模型的落地應用成為挑戰。算法加速和硬件優化技術的持續迭代，為AI Native應用落地提供了雙輪驅動。
第八項趨勢揭示了Agentic AI將成為產品落地的重要模式。在2025年，更通用、更自主的智能體將重塑產品應用形態，成為大模型產品落地的重要形態。從Chatbot、Copilot到AI Agent、Agentic AI，行業對于AI應用形態的理解不斷深入，更多智能化程度更高、對業務流程理解更深的多智能體系統將在應用側落地。
第九項趨勢關注AI應用的熱度持續攀升。隨著生成式模型在圖像、視頻處理能力的提升，以及推理優化帶來的成本降低，AI超級應用的落地成為可能。大模型應用從功能點升級到AI原生的應用構建及AI OS的生態重塑，雖然Super App的具體形態尚未確定，但AI應用的熱度已經持續攀升。
最后一項趨勢強調了AI安全治理體系的重要性。隨著大模型的Scaling帶來涌現現象，復雜系統的特有屬性對傳統工程的安全防護機制帶來了挑戰。如何在人工監管上平衡行業發展和風險管控，成為參與AI的各方需要持續探討的議題。
