2025，AI行業(yè)發(fā)生了什么？

文/陳永偉

2025年的帷幕已經(jīng)落下，這一年中，AI行業(yè)無(wú)疑走過(guò)了極具里程碑意義的一程。從技術(shù)范式的革新，到商業(yè)邏輯的重構(gòu)，從產(chǎn)業(yè)應(yīng)用的落地，到全球規(guī)則的博弈，這一年既有突破，也留下諸多思考。

鑒于AI發(fā)展錯(cuò)綜復(fù)雜，這里只能從十個(gè)側(cè)面做一個(gè)簡(jiǎn)要回顧。

一、多模融合

過(guò)去幾年中，AI大模型在文字、推理等方面進(jìn)展神速，但它們多模態(tài)能力的發(fā)展卻相對(duì)遲緩，這在很大程度上限制了其能力的發(fā)揮。比如，在4.0版本之前，GPT雖然已經(jīng)能寫(xiě)詩(shī)、會(huì)編程，但既看不見(jiàn)、也畫(huà)不出，如果用戶(hù)想讓它分析一張圖片講了什么，或是根據(jù)要求生成一張圖片，它就顯得力不從心。

雖然從2024年開(kāi)始，AI開(kāi)發(fā)者們就開(kāi)始大力發(fā)展模型的多模態(tài)能力，但在相當(dāng)長(zhǎng)一段時(shí)間里，這些努力仍然主要集中在對(duì)既有模型進(jìn)行組合——文本一個(gè)系統(tǒng)，圖像一個(gè)系統(tǒng)，語(yǔ)音再來(lái)一個(gè)系統(tǒng)，然后用工程手段把它們拼在一起。這樣的模型可以完成一些多模態(tài)任務(wù)，但由于各系統(tǒng)之間存在協(xié)調(diào)問(wèn)題，其能力局限性一直十分明顯。到了2025年，越來(lái)越多的開(kāi)發(fā)者不再滿(mǎn)足于這種“拼裝式”方案，轉(zhuǎn)而開(kāi)始設(shè)計(jì)“原生多模態(tài)”模型，從訓(xùn)練之初起，就讓模型在同一個(gè)體系里同時(shí)處理文本、圖像、音頻、視頻等信息。

在設(shè)計(jì)原生多模態(tài)模型的過(guò)程中，很多人逐漸意識(shí)到：多模態(tài)模型的真正瓶頸，并不在于它能不能看圖、聽(tīng)聲音，而在于能否把視覺(jué)、語(yǔ)言、時(shí)間與空間組織成一個(gè)可推理、可行動(dòng)的統(tǒng)一表征。現(xiàn)在的大模型在語(yǔ)言上已經(jīng)高度成熟，卻依然缺乏對(duì)三維空間、物理約束和因果關(guān)系的系統(tǒng)理解。因此，下一代AI的突破重點(diǎn)，可能并不在于再多幾個(gè)參數(shù)，而在于能否構(gòu)建對(duì)真實(shí)世界的內(nèi)部模型，使其可以在腦中“預(yù)演”行動(dòng)后果。在這種思路之下，“世界模型”與“空間智能”重新被重視，并逐漸成為設(shè)計(jì)原生多模態(tài)模型的重要理論依據(jù)。

在實(shí)踐層面，多模態(tài)模型幾乎成為頭部AI企業(yè)的主戰(zhàn)場(chǎng)。企業(yè)不再滿(mǎn)足于“能看圖”，而是把能力推進(jìn)到看得準(zhǔn)、看得全、看得懂流程，并能把視覺(jué)理解轉(zhuǎn)化為可執(zhí)行的動(dòng)作：有的強(qiáng)化視覺(jué)與語(yǔ)言的一體化表達(dá)，有的把能力擴(kuò)展到視頻與長(zhǎng)時(shí)序理解，也有的嘗試把“看懂屏幕”轉(zhuǎn)化為界面操作。共同的趨勢(shì)是，模型不再只是回答問(wèn)題，而是越來(lái)越多地介入真實(shí)任務(wù)本身。

多模態(tài)模型的蓬勃發(fā)展，為AI技術(shù)的應(yīng)用化和普及化提供了強(qiáng)大的助力。麥肯錫在《技術(shù)趨勢(shì)展望2025》中指出，多模態(tài)AI正在成為新一代AI系統(tǒng)的關(guān)鍵底座，并將與智能體（Agent）、自動(dòng)化、物理系統(tǒng)控制深度融合，其影響將從數(shù)字世界延伸至現(xiàn)實(shí)世界。而Gartner則強(qiáng)調(diào)，多模態(tài)技術(shù)的影響將超出AI范疇，全面重塑當(dāng)前的軟件生態(tài)。據(jù)其預(yù)測(cè)，到2030年，80%的企業(yè)軟件將在其產(chǎn)品中植入多模態(tài)AI能力。

二、具身爆發(fā)

如果說(shuō)多模融合解決了AI“怎么看”和“怎么理解”的問(wèn)題，那么具身智能（Embodied AI）要回答的，則是AI在真實(shí)世界中“做什么”和“怎么做”。雖然具身智能的發(fā)展已有數(shù)十年時(shí)間，但過(guò)去，機(jī)器人更多停留在實(shí)驗(yàn)室展示階段：完成一些酷炫動(dòng)作，在受限場(chǎng)景中做局部自動(dòng)化，人們討論的也只是它們“技術(shù)上究竟能做到什么”。而到了2025年，情況開(kāi)始發(fā)生變化——具身機(jī)器人真正走向市場(chǎng)，行業(yè)敘事也從“能不能做到”轉(zhuǎn)向“能不能規(guī)模化、能不能穩(wěn)定工作、能不能進(jìn)入崗位”。

最直接的信號(hào)，來(lái)自量產(chǎn)節(jié)奏的變化。2025年，國(guó)內(nèi)的宇樹(shù)、優(yōu)必選，國(guó)外的波士頓動(dòng)力、Apptronik等企業(yè)，都明確宣布產(chǎn)品進(jìn)入量產(chǎn)與商業(yè)化試點(diǎn)階段，而不再只是單臺(tái)原型或演示樣機(jī)。在以北美和中國(guó)為代表的主要市場(chǎng)中，具身機(jī)器人開(kāi)始按“百臺(tái)級(jí)”“千臺(tái)級(jí)”規(guī)劃供應(yīng)鏈、制造與交付。IDC估算顯示，2025年全球在倉(cāng)儲(chǔ)、制造、巡檢等崗位的試點(diǎn)應(yīng)用，較2024年增長(zhǎng)了數(shù)倍。

與此同時(shí)，成本也出現(xiàn)了顯著下降。幾年前，能夠與人交互的人形機(jī)器人價(jià)格動(dòng)輒幾十萬(wàn)甚至上百萬(wàn)美元，幾乎無(wú)法商業(yè)化；而根據(jù)美國(guó)銀行研究院的數(shù)據(jù)，目前典型人形機(jī)器人的價(jià)格已經(jīng)下降到每臺(tái)約3.5萬(wàn)元左右，比2023年下降至少40%，并且未來(lái)幾年還有繼續(xù)下探的空間。這種成本下降，正在迅速降低使用門(mén)檻，讓機(jī)器人更容易走向工廠、走進(jìn)家庭。

具身智能在2025年的“爆發(fā)”，是多種因素共同作用的結(jié)果。一方面，原生多模態(tài)AI的發(fā)展，補(bǔ)上了機(jī)器人“看不懂世界”的短板，讓它不僅會(huì)跑會(huì)跳，還能理解環(huán)境、根據(jù)情境做出決策，從而具備真正的實(shí)用價(jià)值；另一方面，用工成本的持續(xù)抬升，也在擴(kuò)大市場(chǎng)需求。制造、物流、巡檢、服務(wù)等領(lǐng)域本就勞動(dòng)力密集，在老齡化、年輕人不愿進(jìn)入高強(qiáng)度崗位、合規(guī)與安全成本增加等因素疊加下，企業(yè)開(kāi)始轉(zhuǎn)而接受機(jī)器人替代，由此帶動(dòng)了需求的快速增長(zhǎng)。

三、算力競(jìng)爭(zhēng)

如果說(shuō)前幾年算力競(jìng)爭(zhēng)的核心，是“誰(shuí)能搶到更多GPU”，那么到了2025年，這場(chǎng)競(jìng)爭(zhēng)已從資本驅(qū)動(dòng)的資源爭(zhēng)奪，升級(jí)為一場(chǎng)長(zhǎng)期、立體、甚至帶有地緣意義的綜合博弈。

首先，算力競(jìng)爭(zhēng)從“規(guī)模導(dǎo)向”轉(zhuǎn)向“效率導(dǎo)向”。過(guò)去，人們普遍相信：模型遇到瓶頸，就繼續(xù)疊加參數(shù)與算力；但隨著規(guī)模膨脹，成本與復(fù)雜度迅速上升，邊際收益卻不斷遞減。越來(lái)越多公司開(kāi)始意識(shí)到，決定差距的已不是算力總量，而是如何把有限算力轉(zhuǎn)化為有效能力。國(guó)產(chǎn)模型 DeepSeek 就是典型——通過(guò)多維并行、混合精度等策略，在更低投入下做出接近性能，被視為“效率轉(zhuǎn)向”的象征。

其次，部分開(kāi)發(fā)者開(kāi)始直接介入芯片環(huán)節(jié)。長(zhǎng)期以來(lái)，GPU幾乎是大模型訓(xùn)練的唯一主力，而英偉達(dá)的供應(yīng)與生態(tài)具有決定性影響。為降低依賴(lài)，一些公司轉(zhuǎn)向自研芯片。谷歌的TPU便是代表，如今已在核心模型訓(xùn)練中大規(guī)模替代GPU，逐步構(gòu)建起相對(duì)自主的算力體系。

第三，算力設(shè)施開(kāi)始全面“基礎(chǔ)設(shè)施化”。過(guò)去企業(yè)擴(kuò)容，只需采購(gòu)服務(wù)器、租機(jī)房、疊加云服務(wù)；而在大模型時(shí)代，這種“拼裝式”做法難以承載高密度并行與穩(wěn)定需求。2025年的智算中心，從一開(kāi)始就圍繞AI負(fù)載設(shè)計(jì)：網(wǎng)絡(luò)拓?fù)湟圆⑿杏?xùn)練為核心，甚至連選址都需要同時(shí)評(píng)估電力、能耗與時(shí)延。一些公司也通過(guò)投資與并購(gòu)深入上游，押注包括“太空算力”等潛在方向。

四、范式爭(zhēng)議

就在產(chǎn)業(yè)界為贏得算力競(jìng)爭(zhēng)而各顯神通之時(shí)，理論界開(kāi)始對(duì)持續(xù)算力投入的理論基礎(chǔ)——“規(guī)模法則”提出反思。過(guò)去十幾年里，這幾乎是一條被反復(fù)驗(yàn)證的鐵律：更多數(shù)據(jù)、更大模型、更強(qiáng)算力，往往帶來(lái)更好的效果，進(jìn)而塑造了研究范式、資本邏輯與產(chǎn)業(yè)結(jié)構(gòu)。但到了2025年，圍繞這條路徑的信心，第一次出現(xiàn)了系統(tǒng)性分化。

比如，“圖靈獎(jiǎng)”得主楊立昆多次指出，單純擴(kuò)大自回歸大模型，并不會(huì)自然通向通用智能。當(dāng)前以語(yǔ)言預(yù)測(cè)為核心的模型，本質(zhì)上仍是“被動(dòng)系統(tǒng)”，缺乏因果理解、物理常識(shí)與長(zhǎng)期規(guī)劃能力；繼續(xù)堆參數(shù)與數(shù)據(jù)，只會(huì)帶來(lái)收益遞減，反而掩蓋結(jié)構(gòu)性短板。類(lèi)似的觀點(diǎn)，也被其他研究者認(rèn)同。安德烈·卡帕斯強(qiáng)調(diào)，未來(lái)突破更可能來(lái)自訓(xùn)練范式、數(shù)據(jù)結(jié)構(gòu)與推理機(jī)制，而不是參數(shù)規(guī)模本身；原OpenAI首席科學(xué)家伊利亞·蘇茨克維同樣提醒，“無(wú)限堆規(guī)模”可能正在接近階段性極限。

不過(guò)，規(guī)模法則依然有不少擁護(hù)者。他們認(rèn)為，以大模型為核心的路線仍在推進(jìn)，能力邊界仍在外擴(kuò)，尤其在多模態(tài)和復(fù)雜推理任務(wù)上，規(guī)模仍是重要前提。DeepMind聯(lián)合創(chuàng)始人德米斯·哈撒比就認(rèn)為，通向更高層次智能的關(guān)鍵在于世界模型、規(guī)劃與推理結(jié)構(gòu)——這些并非否定規(guī)模，而是在規(guī)模基礎(chǔ)上的方向修正。在這種視角下，規(guī)模法則未必終結(jié)，反而可能在新范式出現(xiàn)后獲得新的生命。

規(guī)模法則是否繼續(xù)有效，還需要時(shí)間來(lái)驗(yàn)證。但當(dāng)我們把支持與反對(duì)的觀點(diǎn)放在一起看，就會(huì)發(fā)現(xiàn)：雙方其實(shí)都對(duì)現(xiàn)有范式有所不滿(mǎn)。或許，正是這種爭(zhēng)議，會(huì)推動(dòng)AI界重新審視既有思路，從而尋找一條更優(yōu)的發(fā)展路徑。

五、代理崛起

2025年3月，初創(chuàng)公司Monica公布了一段名為Manus的AI應(yīng)用演示視頻。視頻中，它可以根據(jù)用戶(hù)要求，自動(dòng)調(diào)用外部工具，完成簡(jiǎn)歷篩選、房產(chǎn)研究、股票分析等復(fù)雜任務(wù)，全程無(wú)需人工干預(yù)。Manus一度迅速走紅，被視為繼 DeepSeek 之后的又一“現(xiàn)象級(jí)”產(chǎn)品；雖然隨后因“技術(shù)創(chuàng)新不足”“炒作過(guò)度”而引發(fā)爭(zhēng)議，但它仍被看作AI智能體崛起的重要象征。更有意味的是，Meta 隨后以數(shù)十億規(guī)模收購(gòu)了Manus，從側(cè)面印證了這一趨勢(shì)。

AI智能體不同于傳統(tǒng)大模型，它不只是“更聰明的對(duì)話(huà)界面”，而是一種能夠理解目標(biāo)、拆解任務(wù)、調(diào)用工具、執(zhí)行操作并根據(jù)反饋調(diào)整策略的主體。它帶來(lái)了人機(jī)交互方式的變化：從“人去找功能”，轉(zhuǎn)向“任務(wù)驅(qū)動(dòng)系統(tǒng)”。過(guò)去用戶(hù)需要理解界面結(jié)構(gòu)、在多個(gè)頁(yè)面來(lái)回切換；而在智能體模式下，只需提出目標(biāo)，系統(tǒng)便自動(dòng)規(guī)劃路徑，在關(guān)鍵節(jié)點(diǎn)請(qǐng)求確認(rèn)。這種轉(zhuǎn)變看似細(xì)微，卻顯著降低了學(xué)習(xí)和使用成本。

需要強(qiáng)調(diào)的是，智能體的出現(xiàn)并非偶然，而是多項(xiàng)技術(shù)成熟后的結(jié)果：一方面，大模型在推理、多模態(tài)和長(zhǎng)上下文上的能力增強(qiáng)，使其能夠理解復(fù)雜任務(wù)；另一方面，MCP、ANP、A2A 等協(xié)議使工具調(diào)用與外部系統(tǒng)接入逐步標(biāo)準(zhǔn)化，AI不再局限于“只會(huì)說(shuō)話(huà)”，而可以操作代碼、文檔、數(shù)據(jù)庫(kù)乃至業(yè)務(wù)系統(tǒng)與物理設(shè)備，由此第一次具備跨步驟、跨系統(tǒng)完成任務(wù)的可行性。

可以預(yù)見(jiàn)，智能體將對(duì)產(chǎn)業(yè)生態(tài)產(chǎn)生深遠(yuǎn)影響。它帶來(lái)的，并不僅是自動(dòng)化某些崗位，而是重組流程本身——組織結(jié)構(gòu)將從圍繞“人”設(shè)計(jì)，逐漸轉(zhuǎn)向圍繞“任務(wù)”組織。在商業(yè)層面，價(jià)值計(jì)量也會(huì)從“提供能力”轉(zhuǎn)向“完成事情”：企業(yè)不再按調(diào)用量付費(fèi)，而更可能按任務(wù)與結(jié)果付費(fèi)，從而推動(dòng)商業(yè)模式發(fā)生變化。

當(dāng)然，智能體的興起也伴隨風(fēng)險(xiǎn)。就業(yè)替代、隱私與數(shù)據(jù)使用邊界等問(wèn)題，都可能成為普及過(guò)程中的阻力。圍繞豆包AI手機(jī)引發(fā)的爭(zhēng)議，已經(jīng)為我們揭開(kāi)了冰山一角，類(lèi)似討論在未來(lái)一段時(shí)間內(nèi)仍將持續(xù)。

六、開(kāi)源盛世

2025年，開(kāi)源模型已經(jīng)從AI世界的邊緣力量，逐漸演變?yōu)槿騽?chuàng)新的基礎(chǔ)設(shè)施。在這一年里，開(kāi)源模型在性能、生態(tài)與采用率上全面逼近閉源體系，甚至在部分場(chǎng)景實(shí)現(xiàn)超越。多份權(quán)威報(bào)告顯示，近兩年新發(fā)布的大模型中，開(kāi)源或“開(kāi)放權(quán)重”模型已占據(jù)多數(shù)，而在被活躍調(diào)用的模型里，開(kāi)源模型也占到大頭，尤其在私有部署、微調(diào)和智能體等場(chǎng)景中占據(jù)主導(dǎo)。

開(kāi)源模型的崛起，并不只是因?yàn)椤懊赓M(fèi)”，而是AI創(chuàng)新邏輯正在發(fā)生變化：算力成本上升、應(yīng)用需求高度分化，封閉模型難以覆蓋全部場(chǎng)景；而開(kāi)源模型依托社區(qū)協(xié)作與快速定制，在工程效率和適配能力上展現(xiàn)出明顯優(yōu)勢(shì)，吸引了越來(lái)越多企業(yè)和開(kāi)發(fā)者加入其中。

在這種背景下，AI創(chuàng)新的分工結(jié)構(gòu)正在重組——基礎(chǔ)模型不再是“終點(diǎn)產(chǎn)品”，而更像操作系統(tǒng)或數(shù)據(jù)庫(kù)的底層平臺(tái)；真正的創(chuàng)新，越來(lái)越多發(fā)生在模型之上的微調(diào)、工具鏈、智能體架構(gòu)與行業(yè)應(yīng)用中。開(kāi)源由此不再只是理想主義選擇，而成為降低門(mén)檻、加速擴(kuò)散的現(xiàn)實(shí)機(jī)制。

在這股浪潮中，中國(guó)力量格外醒目。以 DeepSeek 與 Qwen 為代表的一批模型，在工程效率、推理成本與可部署性上形成鮮明優(yōu)勢(shì)。相關(guān)統(tǒng)計(jì)顯示，2025年全球開(kāi)源模型使用中，中國(guó)來(lái)源已接近三成，正在成為全球開(kāi)源生態(tài)中最重要的供給方之一。

從更長(zhǎng)時(shí)間看，2025年的“開(kāi)源盛世”，并非簡(jiǎn)單的路線回潮，而是AI進(jìn)入成熟階段的標(biāo)志之一：當(dāng)創(chuàng)新不再過(guò)度依賴(lài)封閉體系與資本堆疊，而更多依賴(lài)開(kāi)放協(xié)作與工程智慧，誰(shuí)能夠提供“可用、可改、可擴(kuò)展”的技術(shù)底座，誰(shuí)就將在下一階段占據(jù)更有利的位置。

七、商業(yè)革新

過(guò)去兩年，“盈利難”一直困擾著AI行業(yè)。很多公司即便做出了不錯(cuò)的產(chǎn)品，卻仍然難以形成穩(wěn)定收入，最終被迫退出市場(chǎng)。到了2025年，行業(yè)開(kāi)始逐漸摸索出新的商業(yè)路徑——不同層級(jí)的玩家，各自找到與自身能力匹配的變現(xiàn)方式，AI也從單一的技術(shù)競(jìng)賽，轉(zhuǎn)向分工更加清晰的產(chǎn)業(yè)生態(tài)。

在技術(shù)底層，能力開(kāi)始被商品化。算力、訓(xùn)練與推理被標(biāo)準(zhǔn)化為可計(jì)量、可定價(jià)的“生產(chǎn)要素”，云廠商、芯片公司與基礎(chǔ)模型提供方，通過(guò)算力租賃、API與推理服務(wù)形成相對(duì)穩(wěn)定的收入結(jié)構(gòu)。隨著算力基礎(chǔ)設(shè)施化、模型效率提升，這一層也逐漸從“軍備競(jìng)賽”走向“運(yùn)營(yíng)競(jìng)爭(zhēng)”，單位成本下降、單位調(diào)用價(jià)值上升。

在平臺(tái)服務(wù)層，“結(jié)果作為商品”（Outcome-as-a-Service，OaaS）開(kāi)始崛起。過(guò)去AI產(chǎn)品更多停留在“功能售賣(mài)”，而智能體的普及，讓“完成任務(wù)”成為核心價(jià)值單位，定價(jià)也逐漸轉(zhuǎn)向按任務(wù)、流程或結(jié)果收費(fèi)。雖然時(shí)間不長(zhǎng)，但這一模式正在成為利潤(rùn)潛力最大、競(jìng)爭(zhēng)最激烈的地帶。

在應(yīng)用層，場(chǎng)景分化明顯成熟。2025年，一個(gè)重要變化是：通用應(yīng)用的想象空間收斂，而垂直行業(yè)的價(jià)值被逐步釋放。無(wú)論軟件開(kāi)發(fā)、企業(yè)運(yùn)營(yíng)、金融分析還是內(nèi)容與客服，AI正深度嵌入業(yè)務(wù)流程，與數(shù)據(jù)和規(guī)則耦合，逐漸成為企業(yè)的長(zhǎng)期系統(tǒng)投入，而不再是一次性工具采購(gòu)。

這三層疊加在一起，標(biāo)志著一個(gè)轉(zhuǎn)折：AI的商業(yè)邏輯正在從“能力展示”走向“效率兌現(xiàn)”。過(guò)去更大的模型更容易獲得關(guān)注與融資；而在2025年，真正決定成敗的，是誰(shuí)能把能力穩(wěn)定轉(zhuǎn)化為可計(jì)量的客戶(hù)價(jià)值，這也促使越來(lái)越多公司把重心放在工程效率、部署成本和用戶(hù)留存之上。

八、規(guī)則博弈

如果說(shuō)此前AI發(fā)展的主要矛盾集中在技術(shù)層面，那么到了2025年，另一條同樣重要的戰(zhàn)線——AI治理——已經(jīng)全面展開(kāi)。它可以從兩個(gè)維度理解：一是創(chuàng)新與規(guī)則之間的橫向張力，二是不同制度體系之間的縱向博弈。

從橫向看，矛盾并不在于“要不要監(jiān)管”，而在于如何避免規(guī)則過(guò)早鎖死尚未定型的技術(shù)路徑。AI的不確定性，使“先立規(guī)矩、再準(zhǔn)入”的傳統(tǒng)方式面臨挑戰(zhàn)：制定得過(guò)早，可能固化現(xiàn)有形態(tài)；放得過(guò)松，又可能積累系統(tǒng)性風(fēng)險(xiǎn)。2025年的一個(gè)明顯變化是，治理逐漸從“靜態(tài)合規(guī)”轉(zhuǎn)向“動(dòng)態(tài)校準(zhǔn)”，通過(guò)分層、分階段、可調(diào)整的方式，與技術(shù)演進(jìn)保持同步。

這一轉(zhuǎn)向，源于對(duì)AI本質(zhì)的重新理解：AI不是單一產(chǎn)品，而是一套持續(xù)演化的能力體系。因此，治理對(duì)象也從單個(gè)模型，延伸到數(shù)據(jù)、算力、模型訓(xùn)練、部署與使用場(chǎng)景等完整鏈條。共識(shí)正在形成——治理的目標(biāo)不是壓低創(chuàng)新速度，而是在不可逆節(jié)點(diǎn)上避免風(fēng)險(xiǎn)放大，“沙盒”“分級(jí)管理”“事后糾偏”等機(jī)制由此逐漸取代“一刀切”做法。

從縱向看，治理正在演化為國(guó)家與制度之間的競(jìng)爭(zhēng)。規(guī)則不再只是內(nèi)部秩序工具，而具有外溢效應(yīng)：誰(shuí)的規(guī)則更易被采納，誰(shuí)就獲得更大的制度影響力。

在這一維度上，美國(guó)傾向?qū)⒅卫硪暈椤白o(hù)欄”，優(yōu)先關(guān)注國(guó)家安全、關(guān)鍵基礎(chǔ)設(shè)施與極端風(fēng)險(xiǎn)，盡量減少對(duì)研發(fā)的前置限制；其邏輯是，通過(guò)技術(shù)領(lǐng)先來(lái)?yè)Q取治理彈性。

歐盟則強(qiáng)調(diào)在擴(kuò)散之前先明確制度邊界，通過(guò)系統(tǒng)化規(guī)則塑造發(fā)展方向，以規(guī)則和標(biāo)準(zhǔn)參與全球競(jìng)爭(zhēng)。

中國(guó)更強(qiáng)調(diào)發(fā)展秩序與場(chǎng)景適配，規(guī)則與產(chǎn)業(yè)推進(jìn)同步調(diào)整，不提前凍結(jié)技術(shù)路線，也不過(guò)度依賴(lài)事后糾偏，但對(duì)治理能力提出更高要求。

當(dāng)這些不同路徑在全球?qū)用嫦嘤鰰r(shí)，治理便成為一場(chǎng)規(guī)則間的博弈：企業(yè)在不同制度間選擇落地，技術(shù)在不同規(guī)則中分化演進(jìn)，標(biāo)準(zhǔn)在競(jìng)爭(zhēng)中被試探與擴(kuò)散。全球治理格局因此更可能呈現(xiàn)多套模式并存、相互影響的狀態(tài)。

從這個(gè)角度看，2025年的治理博弈，并非AI發(fā)展的“減速器”，而是其邁向成熟的標(biāo)志之一——當(dāng)技術(shù)被系統(tǒng)性治理，意味著它既足夠重要，也具有潛在風(fēng)險(xiǎn)。如何在創(chuàng)新開(kāi)放性與規(guī)則約束之間形成動(dòng)態(tài)平衡，將決定AI能否長(zhǎng)期、穩(wěn)定嵌入社會(huì)結(jié)構(gòu)。

九、大國(guó)競(jìng)合

2025年，AI 的國(guó)際競(jìng)爭(zhēng)已從企業(yè)層面上升到國(guó)家層面：誰(shuí)來(lái)定義下一代 AI 的技術(shù)路徑？誰(shuí)能掌控芯片與算力供應(yīng)鏈？誰(shuí)有能力把技術(shù)選擇轉(zhuǎn)化為全球通行的標(biāo)準(zhǔn)？圍繞這些問(wèn)題，中美歐逐漸形成了一種彼此錯(cuò)位、卻高度糾纏的競(jìng)爭(zhēng)格局。

在核心技術(shù)層面，美國(guó)依然掌握著最強(qiáng)的話(huà)語(yǔ)權(quán)。這種優(yōu)勢(shì)不僅體現(xiàn)在模型性能，更體現(xiàn)在“問(wèn)題定義權(quán)”上——從大模型、多模態(tài)到世界模型、智能體架構(gòu)，許多關(guān)鍵方向往往首先由美國(guó)提出，隨之而來(lái)的評(píng)測(cè)方式與技術(shù)敘事，也自然成為行業(yè)默認(rèn)參照。

中國(guó)的路徑則明顯不同。并未把全部籌碼押在“重新定義范式”上，而是更強(qiáng)調(diào)在既有技術(shù)框架下，通過(guò)工程優(yōu)化、系統(tǒng)集成和真實(shí)場(chǎng)景反饋，把技術(shù)轉(zhuǎn)化為可規(guī)模復(fù)制的能力，從而在訓(xùn)練效率、算力調(diào)度、具身智能與產(chǎn)業(yè)級(jí)應(yīng)用等方面逐步形成優(yōu)勢(shì)。

歐盟在核心技術(shù)原創(chuàng)上的存在感相對(duì)有限，但并未缺席。它更多通過(guò)基礎(chǔ)研究網(wǎng)絡(luò)、跨國(guó)科研項(xiàng)目與評(píng)測(cè)體系，在關(guān)鍵概念與方法論層面保持影響力，為后續(xù)標(biāo)準(zhǔn)制定保留位置。

如果說(shuō)核心技術(shù)決定長(zhǎng)期上限，那么芯片與算力供應(yīng)鏈，則決定誰(shuí)能把技術(shù)持續(xù)跑下去。美國(guó)在高端芯片設(shè)計(jì)、先進(jìn)制程與軟件生態(tài)上的主導(dǎo)，使算力逐漸具有戰(zhàn)略屬性；中國(guó)在壓力之下加快推進(jìn)多路徑算力體系建設(shè)，一方面補(bǔ)齊本土芯片與制造能力，另一方面通過(guò)智算中心與算法優(yōu)化增強(qiáng)韌性；歐洲雖然在規(guī)模上不占優(yōu)勢(shì)，但在設(shè)備、材料與部分關(guān)鍵工藝節(jié)點(diǎn)上仍然不可替代。

隨著 AI 從軟件工具走向基礎(chǔ)設(shè)施，標(biāo)準(zhǔn)制定權(quán)的重要性迅速上升，并成為最隱蔽、也最持久的競(jìng)爭(zhēng)戰(zhàn)場(chǎng)。美國(guó)更多依托技術(shù)領(lǐng)先形成“事實(shí)標(biāo)準(zhǔn)”，中國(guó)在大規(guī)模部署中形成“用出來(lái)的標(biāo)準(zhǔn)”，歐洲則試圖通過(guò)制度化規(guī)則，在國(guó)際標(biāo)準(zhǔn)體系中持續(xù)發(fā)聲。三種路徑并行，使標(biāo)準(zhǔn)本身成為競(jìng)爭(zhēng)的一部分。

值得注意的是，這種競(jìng)爭(zhēng)并非簡(jiǎn)單對(duì)抗。現(xiàn)實(shí)中的中美歐，在技術(shù)、供應(yīng)鏈與市場(chǎng)層面依然高度相互依賴(lài)：美國(guó)的前沿技術(shù)離不開(kāi)全球制造體系，中國(guó)的產(chǎn)業(yè)能力深度嵌入國(guó)際網(wǎng)絡(luò)，歐洲的規(guī)則影響力也需要技術(shù)生態(tài)配合。由此，2025年的國(guó)際格局更接近“高強(qiáng)度競(jìng)爭(zhēng)中的有限合作”。真正的較量，已不再是單一模型或一代技術(shù)的勝負(fù)，而是圍繞誰(shuí)能構(gòu)建并長(zhǎng)期運(yùn)轉(zhuǎn)一整套技術(shù)與產(chǎn)業(yè)體系。

十、少帥掌兵

2025年AI行業(yè)的另一個(gè)重要趨勢(shì)，是一批三十歲出頭、甚至二十多歲的年輕科學(xué)家開(kāi)始被大公司賦予指揮權(quán)，直接影響工程架構(gòu)、數(shù)據(jù)策略與下一代AI能力的走向。

騰訊在調(diào)整AI組織架構(gòu)時(shí)，任命27歲的姚順雨為首席AI科學(xué)家，并負(fù)責(zé)基礎(chǔ)設(shè)施與大模型團(tuán)隊(duì)；更早之前，小米啟用“95后”科學(xué)家羅福莉負(fù)責(zé)MiMo系列核心研發(fā)。在硅谷，這一趨勢(shì)更為明顯。Meta引入Scale AI創(chuàng)始人亞歷山大·王擔(dān)任首席AI官，并在其與公司內(nèi)部元老意見(jiàn)沖突時(shí)仍然堅(jiān)定支持，顯示出對(duì)年輕技術(shù)領(lǐng)袖的高度信任。

這種“年輕化+實(shí)權(quán)化”的背后，是AI發(fā)展邏輯本身的變化：AI已經(jīng)進(jìn)入“下半場(chǎng)”。技術(shù)邊界不再只是把模型做得更大、更久，而是重新定義問(wèn)題、重塑評(píng)估方式、判斷未來(lái)路徑。越來(lái)越多的企業(yè)意識(shí)到，AI的核心從“解決問(wèn)題”轉(zhuǎn)向“提出什么問(wèn)題、如何衡量進(jìn)步”，而這種能力往往出現(xiàn)在長(zhǎng)期浸泡在一線研究中的年輕技術(shù)派身上。

因此，“少帥掌兵”并非一時(shí)的人事口號(hào)，而是產(chǎn)業(yè)進(jìn)入深水區(qū)后的結(jié)構(gòu)性調(diào)整：當(dāng)技術(shù)范式更加不確定、探索性更強(qiáng)，組織更需要那些愿意快速試錯(cuò)、敢于在不完全信息下判斷的人，而不僅依賴(lài)經(jīng)驗(yàn)豐富的工程管理者。正因如此，羅福莉、姚順雨、亞歷山大·王等年輕科學(xué)家，不僅站在研發(fā)一線，也開(kāi)始直接影響公司戰(zhàn)略與技術(shù)路徑。可以預(yù)計(jì)，在未來(lái)相當(dāng)長(zhǎng)時(shí)間內(nèi)，AI方向的關(guān)鍵抉擇，很可能就掌握在這一代年輕技術(shù)領(lǐng)袖手中。

免責(zé)聲明：本文觀點(diǎn)僅代表作者本人，供參考、交流，不構(gòu)成任何建議。