OpenClaw 霸榜，Agent 全面爆發(fā)的前夜

隨著 OpenClaw 在 2 月份的持續(xù)霸榜：

AI 行業(yè)，似乎已經(jīng)提前進(jìn)入了以個(gè)人 Agent 為代表的「后 ChatGPT 時(shí)代」。

這印證了獨(dú)立 AI 基準(zhǔn)測(cè)試機(jī)構(gòu)「Artificial Analysis」的預(yù)測(cè)結(jié)論：2026，Agent 正在全面爆發(fā)。

近期，他們發(fā)布了對(duì) AI 領(lǐng)域發(fā)展的全面總結(jié)：《2025 年終 AI 發(fā)展報(bào)告》。

報(bào)告總結(jié)了過(guò)去一年，AI 行業(yè)在文本、語(yǔ)音、視頻、芯片等各項(xiàng)領(lǐng)域的進(jìn)展。

過(guò)去一年到底都發(fā)生了什么呢？一起看下吧。

01 行業(yè)概況

2025 年的五大 AI 行業(yè)趨勢(shì)如下：

1、推理模型已成行業(yè)常態(tài)。

2025 年初，OpenAI 的 o1 模型還是唯一的推理模型，但這一年里，各大實(shí)驗(yàn)室紛紛推出自家的推理模型，如今這些模型已躋身最智能模型之列。

2、AI 行業(yè)的競(jìng)爭(zhēng)正愈演愈烈。

2025 年，AI 格局發(fā)生了顯著變化：越來(lái)越多的公司加入戰(zhàn)局，推出自己的模型。展望 2026 年，這場(chǎng)競(jìng)賽只會(huì)愈演愈烈，不會(huì)降溫。

3、AI 智能體起飛。

2025 年，AI 應(yīng)用迎來(lái)關(guān)鍵轉(zhuǎn)折點(diǎn)：從單查詢工作負(fù)載轉(zhuǎn)向多輪智能體任務(wù)。代碼智能體是這場(chǎng)變革的先行者，而 2026 年，智能體的應(yīng)用范圍有望擴(kuò)展到更廣泛的企業(yè)級(jí)工作場(chǎng)景。

4、自然語(yǔ)言轉(zhuǎn)語(yǔ)音模型，正在催生語(yǔ)音智能體。

2025 年，原生音頻推理模型的發(fā)展讓語(yǔ)音轉(zhuǎn)語(yǔ)音質(zhì)量迎來(lái)了質(zhì)的飛躍，為語(yǔ)音 Agent 的興起奠定了基礎(chǔ)。

5、圖像編輯與視頻生成走向主流。

如今，這兩項(xiàng)技術(shù)已具備主流應(yīng)用的條件。以 NanoBanana 為代表的模型，讓畫質(zhì)實(shí)現(xiàn)了跨越式提升。

一些關(guān)鍵的洞察：

1、Google 依然是 AI 領(lǐng)域垂直一體化布局最深入的玩家：從 TPU 加速器到 Gemini 應(yīng)用，覆蓋了整個(gè) AI 價(jià)值鏈。

2、AI 領(lǐng)域的競(jìng)爭(zhēng)正變得越來(lái)越激烈。2025 年，一批新的國(guó)際實(shí)驗(yàn)室將加入賽道，不過(guò)，美國(guó)和中國(guó)依然牢牢占據(jù)領(lǐng)先地位。

3、OpenAI 在 2025 年全年都擁有最強(qiáng)大的語(yǔ)言模型，但它的領(lǐng)先優(yōu)勢(shì)已前所未有的縮小。

02 語(yǔ)言模型

2025 年，推理范式主導(dǎo)了 AI 行業(yè)的發(fā)展方向。

它不僅推動(dòng)智能水平大幅提升、成本持續(xù)下降，還催生出智能體 AI 的興起。與此同時(shí)，開(kāi)源權(quán)重的普及和全球?qū)嶒?yàn)室的努力，正在縮小與美國(guó)前沿機(jī)構(gòu)的技術(shù)差距。

2025 年的五大 AI 模型趨勢(shì)如下：

1、2025 年，模型智能迎來(lái)大幅提升。

背后的核心驅(qū)動(dòng)是范式轉(zhuǎn)變：行業(yè)開(kāi)始轉(zhuǎn)向那些在回答前會(huì)「思考」的推理模型。

到 2025 年底，OpenAI、Anthropic 和 Google 已憑借「推理優(yōu)先模型」領(lǐng)跑智能前沿，這類模型會(huì)先「思考」再給出答案。這與 2025 年初的格局截然不同：當(dāng)時(shí)占據(jù)最智能模型榜首的，還是那些不會(huì)「思考」的非推理模型。

與此同時(shí)，推理范式顯著擴(kuò)大了平均工作負(fù)載規(guī)模：模型在「思考」階段會(huì)生成更多輸出 token。不僅如此，它還在通用推理、科學(xué)推理、長(zhǎng)周期智能體任務(wù)以及編碼領(lǐng)域推動(dòng)了性能提升。

2、2025 年見(jiàn)證了智能體 AI 的崛起。

各類模型開(kāi)始越來(lái)越多地端到端完成長(zhǎng)周期任務(wù)。

智能體的應(yīng)用場(chǎng)景正在不斷拓展：從最初針對(duì)特定領(lǐng)域（如深度研究）的定向工具，到如今已演變?yōu)橥ㄓ眯徒鉀Q方案。前沿模型現(xiàn)在能夠穩(wěn)定協(xié)調(diào)跨領(lǐng)域的多步驟工作流。

工具調(diào)用訓(xùn)練如今已全面普及：

2025 年推出的大多數(shù)模型，都經(jīng)過(guò)了預(yù)訓(xùn)練和強(qiáng)化學(xué)習(xí)優(yōu)化，專門用于智能體任務(wù)執(zhí)行。

長(zhǎng)周期編碼任務(wù)是智能代理工作流改進(jìn)的最大受益者。2025 年，無(wú)論是初創(chuàng)企業(yè)還是行業(yè)巨頭都紛紛推出編碼代理，這類工具的數(shù)量明顯增多。

3、2025 年，基礎(chǔ)模型迎來(lái)了普及化浪潮，不過(guò)美國(guó)和中國(guó)仍保持顯著領(lǐng)先地位。

全球各地的 AI 實(shí)驗(yàn)室（包括歐洲、中東、亞洲）仍在持續(xù)推出具備競(jìng)爭(zhēng)力的基礎(chǔ)模型。

不過(guò)，前沿能力仍集中在美中兩國(guó)的頭部公司手中：美國(guó)有 OpenAI、Anthropic、Google，中國(guó)則是 Moonshot AI、Z.ai、DeepSeek、Minimax。

雖然美國(guó)實(shí)驗(yàn)室在專有前沿模型的開(kāi)發(fā)領(lǐng)域仍處于領(lǐng)先地位，但中國(guó)實(shí)驗(yàn)室持續(xù)推出前沿開(kāi)源權(quán)重模型。

4、2025 年，新的開(kāi)源權(quán)重模型在智能水平上繼續(xù)與閉源模型并駕齊驅(qū)，但前沿領(lǐng)域仍由閉源模型主導(dǎo)。

2025 年，開(kāi)源權(quán)重生態(tài)系統(tǒng)持續(xù)擴(kuò)張；到年底時(shí)，最具能力的開(kāi)源權(quán)重模型已越來(lái)越多地出自中國(guó)實(shí)驗(yàn)室。

另一方面，2025 年全年，開(kāi)源權(quán)重模型大體上跟上了專有模型的發(fā)展節(jié)奏，但專有模型在整體智能水平上仍處于領(lǐng)先地位。

5、o1 級(jí)智能的成本出現(xiàn)了顯著下降。

2025 年初，o1 級(jí)智能的每 token 價(jià)格較之前下降了 128 倍。

編者注：最近，Sam Altman 宣布 AI 智能成本下降 1000 倍。

背后的驅(qū)動(dòng)因素主要有兩個(gè)：一是小模型實(shí)現(xiàn)了更高的智能水平，二是軟硬件層面的優(yōu)化。

對(duì)于「語(yǔ)言模型」，一些關(guān)鍵的洞察：

1、截至 2025 年底，OpenAI、xAI 與 Anthropic 三家公司憑借最新推理模型，在前沿智能領(lǐng)域占據(jù)領(lǐng)先地位，與其他 AI 實(shí)驗(yàn)室拉開(kāi)了明顯差距。

2、2025 年推出的 AI 模型刷新了智能與成本的平衡邊界：企業(yè)現(xiàn)在要么能用相同預(yù)算獲得更強(qiáng)大的智能，要么能以顯著更低的成本獲取同等水平的智能。

3、模型規(guī)模越大，其全知指數(shù)評(píng)測(cè)分?jǐn)?shù)（AA-Omniscience）就越穩(wěn)定地處于高位。

編者注：AA-Omniscience 可以理解成「模型知道自己知道，也知道自己不知道什么」的能力得分。

4、但幻覺(jué)生成率與模型規(guī)模的關(guān)聯(lián)度并不高，這說(shuō)明其他訓(xùn)練決策的影響其實(shí)更大。

5、2025 年是代碼智能體正式落地的一年；2026 年，則將迎來(lái)全能智能體的全面啟用。

6、當(dāng)我們轉(zhuǎn)向智能體工作流時(shí)，輸出 token 的數(shù)量多并不意味著智能更高；真正的智能更依賴于對(duì)各類工具的有效運(yùn)用。

7、北京正崛起為前沿 AI 初創(chuàng)企業(yè)的活力中心，而成熟的科技巨頭則地理分布更分散，不存在單一的技術(shù)創(chuàng)新樞紐。

8、韓國(guó)政府支持的“國(guó)家 AI 計(jì)劃”已經(jīng)激活了本土 AI 生態(tài)系統(tǒng)，催生出多家接近前沿水平的 AI 實(shí)驗(yàn)室。

9、OpenAI 推出了自 GPT-2 以來(lái)首個(gè)開(kāi)源權(quán)重語(yǔ)言模型，雖推動(dòng)了開(kāi)源模型的技術(shù)邊界，但開(kāi)源與閉源之間的差距仍未縮小。

10、更高效的模型架構(gòu)，加上軟硬件效率的協(xié)同提升，推動(dòng)模型成本顯著下降：o1 級(jí)別智能模型的每 token 定價(jià)降低了 128 倍。

03 圖像與視頻

2025 年，圖像與視頻技術(shù)迎來(lái)重大升級(jí)：

新增了多模態(tài)輸入（圖像轉(zhuǎn)視頻、圖像編輯）以及輸出（帶音頻的視頻）功能。

2025 年的 AI 圖像與視頻領(lǐng)域的趨勢(shì)如下：

1、文生圖：畫質(zhì)再上新臺(tái)階。

文本生成圖像模型的質(zhì)量已顯著提升，2025 年末的標(biāo)桿模型 GPT Image 1.5，比 2024 年末的第一名 FLUX1.1 [pro] Ultra 高出約 150 個(gè) ELO 評(píng)分。

隨著 OpenAI、Google 等頭部實(shí)驗(yàn)室入局，開(kāi)源權(quán)重圖像模型的進(jìn)展已經(jīng)放緩。截至年底，表現(xiàn)最好的開(kāi)源權(quán)重模型是 Qwen Image 2512，在文本轉(zhuǎn)圖像排行榜上位列第 12 名。

2、圖像編輯模型正式發(fā)布。

指令驅(qū)動(dòng)的圖像編輯模型近期開(kāi)始流行。OpenAI 推出 GPT-4o 圖像功能、谷歌發(fā)布 Nano Banana（即 Gemini 2.5 Flash），這兩款產(chǎn)品的上線大幅提升了這類工具的使用率和用戶心智份額。

圖像編輯中的多圖輸入功能已逐漸普及，像 Nano Banana Pro 和 Qwen Image Edit 這類模型，能讓用戶對(duì)輸出圖像實(shí)現(xiàn)更精準(zhǔn)的控制。

圖像生成模型正變得越來(lái)越通用，既能支持文本生成圖像，也能進(jìn)行圖像編輯。例如 FLUX.2 系列和 Seedream 4.5 就同時(shí)具備這兩種模態(tài)的能力。

3、視頻模型已成功躋身主流。

視頻模型的質(zhì)量迎來(lái)突破性進(jìn)展。2025 年末的領(lǐng)先產(chǎn)品 Runway Gen-4.5，在 ELO 評(píng)分（一種常用的模型性能評(píng)級(jí)指標(biāo)）上比 2024 年末的行業(yè)標(biāo)桿 OpenAI Sora 高出約 200 分。

聚焦圖像轉(zhuǎn)視頻功能推動(dòng)了廣泛使用：用戶不僅能更精細(xì)地控制視頻生成，還能在不同鏡頭間保持角色的一致性。

開(kāi)源權(quán)重視頻模型目前仍落后于閉源同類產(chǎn)品。其中，LTX-2 Pro 作為開(kāi)源視頻生成領(lǐng)域的 SOTA，在文本轉(zhuǎn)視頻總榜中排名第 29 位，在圖像轉(zhuǎn)視頻總榜中則位列第 28 位。

4、Veo 3 起開(kāi)始支持帶音頻的視頻功能。

2025 年 5 月推出的 Veo 3，是首個(gè)原生支持音頻生成的高質(zhì)量主流視頻模型，而這一特性讓它迅速走紅。

各大視頻實(shí)驗(yàn)室紛紛跟進(jìn)，推出了自家?guī)б纛l的視頻模型，比如 OpenAI 的 Sora 2、Lightricks 的 LTX-2、阿里巴巴的 Wan 2.6 和字節(jié)跳動(dòng)的 Seedance 1.5 pro。

5、中國(guó)在媒體生成模型領(lǐng)域與美國(guó)旗鼓相當(dāng)。

中美實(shí)驗(yàn)室在圖像生成模型領(lǐng)域依然旗鼓相當(dāng)：字節(jié)跳動(dòng)的 Seedream 4.5 能與谷歌的 Nano Banana Pro、OpenAI 的 GPT Image 1.5 一較高下。

中美實(shí)驗(yàn)室在視頻生成模型領(lǐng)域依然勢(shì)均力敵：中國(guó)的 Kling 2.5 Turbo 與美國(guó)的 Veo 3.1、Runway Gen-4.5 不相上下。

編者注：到了 26 年 2 月份，中國(guó)的 Seedance2.0 讓世界望塵莫及。

6、與語(yǔ)言模型領(lǐng)域不同，專注于媒體生成的小型 AI 實(shí)驗(yàn)室，仍能與那些擁有更廣泛模態(tài)覆蓋范圍的大型實(shí)驗(yàn)室展開(kāi)競(jìng)爭(zhēng)。

04 語(yǔ)音與音樂(lè)

語(yǔ)音與音樂(lè)模型在第四季度持續(xù)進(jìn)步：

其中語(yǔ)音到語(yǔ)音推理，和開(kāi)源權(quán)重語(yǔ)音轉(zhuǎn)文字的準(zhǔn)確率提升尤為顯著。

2025 年的 AI 語(yǔ)音與音樂(lè)領(lǐng)域的趨勢(shì)如下：

1、語(yǔ)音轉(zhuǎn)文字的詞錯(cuò)誤率持續(xù)降低。

多模態(tài)模型正將轉(zhuǎn)錄作為次要功能進(jìn)行拓展，像 AWS 的 Nova 2 Omni，即便沒(méi)有專門優(yōu)化語(yǔ)音轉(zhuǎn)文本，也能達(dá)到有競(jìng)爭(zhēng)力的準(zhǔn)確率，還能實(shí)現(xiàn)語(yǔ)音、視覺(jué)與文本的統(tǒng)一處理。

面向語(yǔ)音助手應(yīng)用的超低延遲實(shí)時(shí)版本已陸續(xù)出現(xiàn)，例如 ElevenLabs 的 Scribe v2 Realtime 和 NVIDIA 的 Parakeet Realtime。

2、文本轉(zhuǎn)語(yǔ)音模型，現(xiàn)在能更精細(xì)地控制韻律和音頻效果。

文本轉(zhuǎn)語(yǔ)音的質(zhì)量已取得顯著提升，新模型持續(xù)迭代推出，不斷突破技術(shù)前沿。

韻律控制在主流 AI 模型中越來(lái)越普及，它能通過(guò)文本內(nèi)標(biāo)記和語(yǔ)音合成標(biāo)記語(yǔ)言（SSML）標(biāo)記等方式，實(shí)現(xiàn)對(duì)情感基調(diào)、語(yǔ)速、重音以及副語(yǔ)言元素（如笑聲、嘆氣、呼吸聲）的精準(zhǔn)控制。

語(yǔ)音克隆技術(shù)（包括名人語(yǔ)音合成）正日益普及，這促使人們通過(guò)水印技術(shù)和來(lái)源驗(yàn)證系統(tǒng)，更加重視音頻內(nèi)容的真實(shí)性。

3、原生音頻推理技術(shù)持續(xù)進(jìn)步，STS 模型也迎來(lái)快速成熟。

xAI 在 Big Bench Audio 基準(zhǔn)測(cè)試中一舉奪魁：不僅推理速度更快，還把此前的領(lǐng)頭羊 Google Gemini 2.5 Native Audio Thinking 拉下了王座；與此同時(shí)，Nova 2.0 Sonic 憑借高性價(jià)比脫穎而出，成為新的性價(jià)比之王。

目前，語(yǔ)音處理流水線仍是語(yǔ)音智能代理的主流架構(gòu)。但原生音頻推理能力的提升，正驗(yàn)證著端到端音頻處理的價(jià)值：它能省去大語(yǔ)言模型的中間層，讓模型直接利用聲學(xué)信息進(jìn)行推理，既增強(qiáng)了上下文理解能力，又降低了延遲。

4、語(yǔ)音 Agent。

在結(jié)構(gòu)化交互場(chǎng)景下的表現(xiàn)已接近人類水平，但在模糊場(chǎng)景、復(fù)雜多輪推理以及音質(zhì)受損的環(huán)境中仍存在明顯不足，這些方面有待持續(xù)改進(jìn)。

5、音樂(lè)模型。

2025 年雖有不少重磅模型發(fā)布，但第四季度的頭部產(chǎn)品上新相對(duì)平靜。不過(guò)，Suno V4.5、ElevenLabs Music 及 Producer.ai 的 Fuzz 系列等頭部模型的營(yíng)銷力度和用戶采用率仍在增長(zhǎng)。

6、雖然通用 AI 實(shí)驗(yàn)室（比如 OpenAI、谷歌）的產(chǎn)品覆蓋了所有語(yǔ)音模態(tài)，但純語(yǔ)音 AI 實(shí)驗(yàn)室的專注度更高，尤其是在文本轉(zhuǎn)語(yǔ)音領(lǐng)域。

05 芯片加速器

2025 年，AI 基礎(chǔ)設(shè)施迎來(lái)顯著成熟：Blackwell 系統(tǒng)開(kāi)始批量出貨，推理軟件愈發(fā)完善，行業(yè)內(nèi)的挑戰(zhàn)者也在持續(xù)迭代升級(jí)。

2025 年的芯片相關(guān)趨勢(shì)如下：

1、Blackwell 系統(tǒng)正式投產(chǎn)，性能較 Hopper 系統(tǒng)有大幅提升。

2025 年，B200 芯片開(kāi)始大規(guī)模支撐生產(chǎn)級(jí)工作負(fù)載，GB200 NVL72 機(jī)架級(jí)系統(tǒng)也實(shí)現(xiàn)全面量產(chǎn)。IBM 的 Granite 4 系列模型是首批公開(kāi)宣布基于 GB200 NVL72 集群訓(xùn)練的模型之一，而 OpenAI 的 GPT-5.3 Codex 則是首個(gè)明確披露使用 GB200 訓(xùn)練的前沿大模型。

英偉達(dá)計(jì)劃在 2025 年第三季度發(fā)布 B300 和 GB300 兩款新品，具體發(fā)貨時(shí)間將在后續(xù)公布。其中 B300 的配置升級(jí)顯著：配備 288GB HBM3e 內(nèi)存（較上一代 B200 提升 50%），F(xiàn)P4 精度運(yùn)算能力達(dá) 14 PFLOPs（而 B200 僅為 9 PFLOPs）。

軟件支持日趨成熟（尤其是 TensorRT-LLM 框架），Blackwell 系列芯片現(xiàn)在在推理性能的整個(gè)帕累托前沿（即性能與效率的最優(yōu)權(quán)衡邊界）上，全面領(lǐng)先 Hopper 芯片及其他 AI 加速器。

2、推理軟件已向三大開(kāi)源框架集中。

2025 年，推理軟件成熟度大幅提升，最終收斂到三個(gè)主流框架：vLLM、SGLang 和 NVIDIA TensorRT-LLM。

3、NVIDIA 依舊牢牢占據(jù)著市場(chǎng)主導(dǎo)地位，但它的挑戰(zhàn)者們已在戰(zhàn)略層面取得了顯著進(jìn)展。

2025 年 12 月，英偉達(dá)以約 200 億美元收購(gòu)了 Groq 公司。交易采用 IP 授權(quán)加人才收購(gòu)的模式，核心目標(biāo)是將 Groq 的 LPU 技術(shù)整合到英偉達(dá)的產(chǎn)品線中。

Google 的 TPU v6（Trillium，張量處理單元）已于 2024 年底正式發(fā)布；正是這些 TPU 為 Gemini 2.5 Pro 和 Gemini 3 Pro 的模型訓(xùn)練提供了算力支持。

Anthropic 在 2025 年與谷歌、亞馬遜達(dá)成合作協(xié)議，獲取張量處理單元（TPU）和 Trainium 芯片的使用權(quán)，用于模型訓(xùn)練和推理任務(wù)；與此同時(shí)，賽睿思（Cerebras）聯(lián)合英偉達(dá)、超威半導(dǎo)體（AMD）和博通，與 OpenAI 簽署了一份多年期合同，將為其提供快速推理服務(wù)。

4、推理需求持續(xù)增長(zhǎng)，工作負(fù)載模式不斷演變。這兩大趨勢(shì)正推動(dòng)分布式和解耦架構(gòu)在 2026 年前加速落地。

過(guò)去只有前沿實(shí)驗(yàn)室才能用到的分布式推理優(yōu)化技術(shù)，如今正變得人人可用。這背后離不開(kāi) NVIDIA Dynamo 的成熟，以及各類開(kāi)源項(xiàng)目的推動(dòng)。

其中的核心技術(shù)包括：預(yù)填充/解碼解耦、跨數(shù)十到數(shù)百個(gè) GPU 的專家并行，以及通過(guò)規(guī)?；瘜＜腋北緦?shí)現(xiàn)的新型負(fù)載均衡。

來(lái)源 | 特工宇宙（ID：AgentVerse）

作者 | 宇宙編輯部 ; 編輯 | 呼呼大睡

內(nèi)容僅代表作者獨(dú)立觀點(diǎn)，不代表早讀課立場(chǎng)