随着2025年的钟声敲响，智源研究院揭示了人工智能领域的十项关键趋势，为探索科技演进的轨迹、预见未来的发展方向以及识别驱动变革的核心要素提供了重要视角。这些趋势不仅预示着人类社会正迈向一个更加智能、美好且互联的未来，也为科技界指明了前行的道路。
第一项趋势聚焦于AI4S（人工智能驱动科学）如何引领科学研究范式的变革。在2024年，科研人员对AI的采用率显著上升，AI对科学研究方法和流程的影响开始显现。2025年，多模态大模型将深度融入科学研究，促进复杂数据的挖掘和科研问题的综合理解，为生物医学、气象学、材料发现等领域打开新的研究路径。
第二项趋势被标记为“具身智能元年”，预示着具身智能将实现本体与具身脑之间的协同进化。在2025年，具身智能行业或将迎来洗牌，厂商数量将有所减少，而技术路线和商业变现模式则呈现出新的可能性。端到端模型的迭代、小脑大模型的突破以及工业场景下具身智能应用的增加，都将是这一年值得期待的亮点。
第三项趋势关注统一的多模态大模型如何推动AI效率的提升。当前的语言大模型和拼接式多模态大模型在模拟人类思维过程时存在局限性，而原生多模态技术路线的出现则为多模态大模型的发展提供了新的可能。通过训练阶段对齐不同模态的数据，实现多模态的统一，构建原生多模态大模型成为未来的重要方向。
第四项趋势探讨了Scaling Law的扩展，特别是强化学习（RL）与大型语言模型（LLMs）的结合，如何推动模型泛化能力的提升。随着基础模型性能提升的训练模式性价比下降，后训练与特定场景的Scaling Law成为研究热点，强化学习在这一领域的应用和创新也将更加广泛。
第五项趋势强调了世界模型的重要性，这种更注重“因果”推理的模型为AI赋予了更高级别的认知和推理能力。这种能力不仅有助于推动AI在自动驾驶、机器人控制等领域的深度应用，还为实现人机交互的新可能提供了基础。
第六项趋势指出，合成数据将成为大模型迭代与应用落地的重要催化剂。高质量数据的稀缺成为大模型进一步发展的障碍，而合成数据则成为补充数据的首选。合成数据可以降低数据治理和标注的成本，提升数据的多样性，并有助于解决通用数据垄断和专有数据获取成本高等问题。
第七项趋势关注推理优化的迭代加速，认为这是AI Native应用落地的必要条件。随着大模型硬件载体向手机、PC等端侧硬件的渗透，如何在资源受限的设备上实现大模型的落地应用成为挑战。算法加速和硬件优化技术的持续迭代，为AI Native应用落地提供了双轮驱动。
第八项趋势揭示了Agentic AI将成为产品落地的重要模式。在2025年，更通用、更自主的智能体将重塑产品应用形态，成为大模型产品落地的重要形态。从Chatbot、Copilot到AI Agent、Agentic AI，行业对于AI应用形态的理解不断深入，更多智能化程度更高、对业务流程理解更深的多智能体系统将在应用侧落地。
第九项趋势关注AI应用的热度持续攀升。随着生成式模型在图像、视频处理能力的提升，以及推理优化带来的成本降低，AI超级应用的落地成为可能。大模型应用从功能点升级到AI原生的应用构建及AI OS的生态重塑，虽然Super App的具体形态尚未确定，但AI应用的热度已经持续攀升。
最后一项趋势强调了AI安全治理体系的重要性。随着大模型的Scaling带来涌现现象，复杂系统的特有属性对传统工程的安全防护机制带来了挑战。如何在人工监管上平衡行业发展和风险管控，成为参与AI的各方需要持续探讨的议题。
