2025年AI产业发展十大趋势

Confidential and Protected by Copyright Laws本产品保密并受到版权法保护2025年AI产业发展十大趋势易观分析2024年12月2激发科技与创新活力AI赋能千行百业，行业大模型催生“智能链主”AI技术能力普惠之下，利用企业专有数据形成深度洞察与策略是企业未来经营差异化的重要关键AI应用的深化将对企业的组织能力提出新的要求，企业需要打造适用于人机协同的组织管理体系self-play RL范式开启，大模型技术军备赛进入复杂推理阶段多模态模型能力持续升级，朝向多模态理解和生成的统一发展Agent向超级智能体进化，具备更强的学习和推理能力，处理更复杂的任务AI原生应用形成服务闭环，聚焦专业用户提升效率是中短期重要方向现存应用加速拥抱AI，利用LLM能力提升产品竞争力，不加AI就淘汰AIGC赋能IP全生态，延长优质IP生命周期，提升商业价值贡献硬件全面AI化，教育与办公、生活的应用场景闭环率先实现落地2025年AI产业发展十大趋势应用场景多元化探索，初现雏形企业拥抱AI持续加速，理性思考投入产出比AGI道阻且长，技术能力持续提升，加速产业落地3激发科技与创新活力趋势1：self-play RL范式开启，大模型技术军备赛进入复杂推理阶段由OpenAI发布的GPT3作为序幕，大语言模型理解和生成能力、通用和泛化能力提升等，引爆了对于AGI发展的高预期，大量大模型涌现，开源模型与闭源模型并驾齐驱，国内大模型也在奋起直追，人工智能的发展从分析式AI进入生成式AI时代。分析式人工智能→生成式人工智能人工智能与AGI发展阶段划分•交互革命•人机交互方式：GUIDUI/HUI•Prompt工程价值凸显•知识革命•语言是知识的载体，未来模型人人可训、人人可用，即个人知识能力将得以复制和扩展•思维革命•AI具备独立思考与逻辑判断的能力•进一步延展，具身智能连接物理世界，硅基生命与碳基生AGI 0.1AGI 1.0AGI 2.0通过易观分析AI开发者调研结果来看，OpenAI GPT系列大模型以42.9%的使用率位居首位，同为海外的Meta LLaMa系列大模型以27.1%的比例位居第三位。中国的大模型企业，阿里通义大模型以37.8%的使用率位居第二。总体上而言，AI开发者在模型层的选型仍然处于变动的状态，且尚未形成相对比较明确的竞争格局。而OpenAI发布o1（草莓）模型，则再次定义大语言模型的技术方向与竞争焦点，如下图所示：4激发科技与创新活力机器学习深度学习与大语言模型时代预测性分析分类生成式和对话式AI20002024+XGBoostCatBoostAlexNetBERTGPT3GPT4Gemin1.5LLaMa-3o1Claude3.5复杂推理self-play RLPre-trainRLHF Post-trainVS与以往的模型相比，OpenAI o1 聚焦于优化推理过程，在复杂的科学、编程和数学等任务中的表现显著提升。它能够像人类一样进行深入思考、逐步推导，这对于解决需要深度逻辑推理的问题具有重大意义，突破了对大型语言模型能力的传统认知，为人工智能在复杂任务处理上开辟了新的道路。由此而开启Post-train阶段的Self-play RL（自对弈强化学习）范式对于后续大模型技术路线的升级和优化具有指引性的意义，传统预训练依赖全网语料，数据有噪声且质量不一，RLHF 后训练受人类标注数据限制。纯强化学习（RL）方法无需人类标注数据，能让模型自我探索学习，激发创新和探索能力，利于突破未知领域。同时，也需要注意到，尽管Self-play 方法已经开始在一定范围内得到应用，但是，也仍然存在挑战需要进一步研究和解决，包括收敛性问题、环境非平稳性问题、可扩展性与训练效率等问题。另外，强化学习注重设计良好的“奖励模型”，但是除了数学、代码等理科领域，强化学习在其他领域仍然难以泛化。5激发科技与创新活力总体上而言，在复杂推理阶段，大模型需要具备更高层次的逻辑推理、因果推断和问题解决能力，进而可以扩展大模型在更多领域发挥重要作用，复杂推理的重要性凸显。这进一步提升了当下大模型技术能力的评价标准与竞争壁垒。在OpenAI发布O1推理模型之后，国内大模型厂商也紧随其后，纷纷推出了自己的推理模型。这些模型在数学、代码、推理谜题等多种复杂推理任务上取得了显著进步。机构模型基本情况北京大学、清华大学、鹏城实验室、阿里巴巴达摩院及理海大学联合研发llava-o1基于llama-3.2-vision模型，具备自主多阶段推理能力，在多模态推理基准测试中表现优异；该模型旨在允许模型在推理时采用更系统和结构化的方式。LLaVA-o1 通过引入分阶段的推理框架，使得模型能够在处理视觉问题时，按照总结、说明、推理和结论四个阶段逐步进行，从而提高推理的准确性和一致性DeepSeekDeepSeek-R1-Lite根据DeepSeek官方发布的报告显示，通过强化学习训练，在数学、代码和复杂逻辑推理任务上表现媲美o1-preview；目前模型仍在开发阶段，经持续迭代，正式版DeepSeek-R1模型将完全开源，包括公开技术报告并提供API月之暗面k0-math主打数学推理能力，数学能力对标OpenAI o1系列；采用了全新的强化学习和思维链推理技术，通过模拟人脑的思考和反思过程，大幅提升了解决数学难题的能力，可以帮助用户完成更具挑战性的数学任务 ；同时，该模型可能会过度思考的问题，并需要进一步进行泛化阿里巴巴QwQQwQ-32B-Preview，其推理能力在评测结果上超过o1-mini，是目前开源领域最强的推理大模型；同时，官方团队也指出了该模型存在的局限性，包括：语言混合、递归推理风险、需要进一步完善安全机制、常识推理的提升空间。Marco-o1Marco-o1不仅关注具有标准答案的学科（例如代码、数学等）领域，而且更加强调开放式问题的解决方案。研究团队的目标是解决：“o1这类模型能否有效的推广到难以量化且缺乏明确奖励的其他领域上”这一问题部分中国大模型企业推出推理模型信息来源：网络公开信息，易观分析整理6激发科技与创新活力趋势2：多模态模型能力持续升级，朝向多模态理解和生成的统一发展当前自然语言、音频、视频等多个模态的理解与生成能力均提升显著，在模型创新、跨模态能力提升、性能优化上有进展，并涌现出不少基于多模态模型的应用和探索。目前多模态大模型主要有两种思路，具体如下：多模态大模型语言模型（MM-LLM）大型多模态模型（LMM）MLLM是在大型语言模型（LLM）的基础上发展起来的，通过扩展LLM的能力，使其能够处理和理解来自不同模态（如图像、音频等）的数据。MLLM的核心在于将LLM的强大文本处理能力与其他模态的数据进行融合，实现跨模态的任务处理LMM是指从设计之初就专门针对多模态数据进行适配的大型深度学习模型，能够同时处理和理解多种模态的数据（如文本、图像、音频、视频等）。LMM的核心在于其原生多模态架构，能够在多模态数据之间建立深层次的关联和融合。如谷歌 Gemini模型、OpenAI GPT-4V模型利用现有LLM预训练成果，减少开发成本和时间灵活进行不同模型之间的组合，适用于多种