2025 年人工智能将如何发展

2025 年人工智能将如何发展 过去几年，我们一直在预测人工智能的未来发展。考虑到这个行业的发展速度，这简直是痴人说梦。但我们正处于 有利地位，而且我们又一次做到了。 我们上次的得分如何？我们在 2024 年需要关注的四个热门趋势包括我们所谓的定制聊天机器人——由多模态大型语言模型驱动的交互式助手应用程序（检查：我们当时还不知道，但我们谈论的是现在每个人都称之为代理的东西，这是目前人工智能中最热门的东西）；生成视频（检查：在过去的 12 个月中，很少有技术能如此迅速地进步，OpenAI 和 Google DeepMind 在今年 12 月的一周内相继发布了他们的旗舰视频生成模型Sora和 Veo）；以及可以执行更广泛任务的更多通用机器人（检查：大型语言模型的收益继续涓滴到科技行业的其他部分，机器人技术位居榜首）。

我们还说过，人工智能生成的选举虚假信息将无处不在，但幸运的是，我们错了。今年有很多事情让我们感到忧心忡忡，但政治深度造假却很少见。 订阅

人工智能 2025 年人工智能将如何发展 您已经知道，代理和小型语言模型是下一个大趋势。以下是今年您应该关注的另外五个热门趋势。

经过詹姆斯·奥唐纳存档页面威尔·道格拉斯·海文存档页面梅丽莎·海基拉存档页面 2025 年 1 月 8 日 “” Stephanie Arnett/麻省理工技术评论 | Lummi 《麻省理工技术评论》的“下一步”系列文章涵盖了各个行业、趋势和技术，让您初步了解未来。您可以在此处阅读其余内容 。

过去几年，我们一直在预测人工智能的未来发展。考虑到这个行业的发展速度，这简直是痴人说梦。但我们正处于 有利地位，而且我们又一次做到了。

广告

我们上次的得分如何？我们在 2024 年需要关注的四个热门趋势包括我们所谓的定制聊天机器人——由多模态大型语言模型驱动的交互式助手应用程序（检查：我们当时还不知道，但我们谈论的是现在每个人都称之为代理的东西，这是目前人工智能中最热门的东西）；生成视频（检查：在过去的 12 个月中，很少有技术能如此迅速地进步，OpenAI 和 Google DeepMind 在今年 12 月的一周内相继发布了他们的旗舰视频生成模型Sora和 Veo）；以及可以执行更广泛任务的更多通用机器人（检查：大型语言模型的收益继续涓滴到科技行业的其他部分，机器人技术位居榜首）。

我们还说过，人工智能生成的选举虚假信息将无处不在，但幸运的是，我们错了。今年有很多事情让我们感到忧心忡忡，但政治深度造假却很少见。

那么 2025 年会发生什么？我们在这里忽略显而易见的事实：您可以肯定，代理和更小、更高效的语言模型将继续塑造这个行业。相反，以下是我们 AI 团队的五种备选方案。

1. 生成虚拟游乐场 如果 2023 年是生成图像之年，2024 年是生成视频之年，那么接下来会发生什么？如果你猜是生成虚拟世界（又称视频游戏），那就让我们一起击掌庆祝吧。

“” 今年 2 月，谷歌 DeepMind 发布了一个名为 Genie 的生成模型，该模型可以拍摄静态图像并将其转换为玩家可以互动的横向滚动 2D 平台游戏，我们对这项技术有了初步了解。12月，该公司发布了Genie 2，该模型可以将初始图像旋转成整个虚拟世界。

其他公司也在开发类似的技术。10 月份，人工智能初创公司 Decart 和 Etched 公布了一款非官方的 Minecraft 破解版，游戏中的每一帧都是在玩家玩游戏时即时生成的。而 World Labs 是一家由李飞飞（ImageNet 的创建者，该数据集是开启深度学习热潮的庞大照片数据集）共同创办的初创公司，该公司正在构建所谓的大型世界模型（LWM）。

一个明显的应用是视频游戏。这些早期实验带有一种好玩的基调，而生成式 3D 模拟可用于探索新游戏的设计理念，将草图即时转变为可玩的环境。这可能会催生出全新类型的游戏。

但它们也可以用来训练机器人。世界实验室希望开发所谓的空间智能，即机器解释和与日常世界互动的能力。但机器人研究人员缺乏有关现实世界场景的良好数据来训练这种技术。建立无数虚拟世界并将虚拟机器人放入其中通过反复试验进行学习可以弥补这一点。
2. 能够“推理”的大型语言模型 “” 这种热议是有道理的。当OpenAI 于 9 月发布 o1时，它引入了大型语言模型工作方式的新范式。两个月后，该公司通过 o3 几乎在各个方面推动了这一范式的发展——这一模型可能会彻底重塑这项技术。

大多数模型，包括 OpenAI 的旗舰产品 GPT-4，都会给出它们想到的第一个答案。有时它是正确的；有时它不正确。但该公司的新模型经过训练，可以逐步解决问题，将棘手的问题分解为一系列更简单的问题。当一种方法不起作用时，他们会尝试另一种方法。这种被称为“推理”的技术（是的——我们确切地知道这个词的含义），可以使这项技术更加准确，尤其是对于数学、物理和逻辑问题。

对于代理商来说这也至关重要。

去年 12 月，谷歌 DeepMind 发布了一款名为 Mariner 的实验性新型网络浏览代理。在该公司向《麻省理工技术评论》提供的预览演示中，Mariner 似乎遇到了问题。该公司的产品经理 Megha Goel 曾要求该代理为她找到一份圣诞饼干的食谱，这些饼干看起来就像她提供的照片中的饼干一样。Mariner 在网上找到了一份食谱，并开始将配料添加到 Goel 的在线购物篮中。

然后它就停了下来；它不知道该选哪种面粉。Goel 看着 Mariner 在聊天窗口中解释它的步骤：“它说，‘我将使用浏览器的‘返回’按钮返回到食谱。’” 这是一个非凡的时刻。代理没有碰壁，而是将任务分解为单独的操作，并选择一个可能解决问题的操作。弄清楚你需要点击“后退”按钮可能听起来很简单，但对于一个没有头脑的机器人来说，这就像火箭科学。而且它成功了：Mariner 回到食谱，确认了面粉的类型，然后继续往 Goel 的篮子里装面粉。

Google DeepMind 还在构建其最新大型语言模型Gemini 2.0的实验版本，该模型采用这种循序渐进的方法解决问题，称为Gemini 2.0 Flash Thinking。

但 OpenAI 和 Google 只是冰山一角。许多公司正在构建使用类似技术的大型语言模型，使其能够更好地完成从烹饪到编码等一系列任务。预计今年会有更多关于推理的讨论（我们知道，我们知道）。

—威尔·道格拉斯·海文 3. 人工智能在科学领域的应用迎来繁荣时期 “” 人工智能最令人兴奋的用途之一是加速自然科学的发现。也许人工智能在这方面潜力的最大证明发生在去年 10 月，当时瑞典皇家科学院将诺贝尔化学奖授予了谷歌 DeepMind 的 Demis Hassabis 和 John M. Jumper，以表彰他们开发了可以解决蛋白质折叠问题的 AlphaFold 工具，以及开发了有助于设计新蛋白质的工具的 David Baker。

预计这一趋势明年将继续，并会出现更多专门用于科学发现的数据集和模型。蛋白质是人工智能的完美目标，因为该领域拥有可用于训练人工智能模型的 优秀现有数据集。 人们开始寻找下一个大热点。材料科学就是一个潜在的领域。Meta 发布了海量数据集和模型，可以帮助科学家利用人工智能更快地发现新材料。12 月，Hugging Face 与初创公司 Entalpic 合作推出了LeMaterial，这是一个旨在简化和加速材料研究的开源项目。他们的第一个项目是一个数据集，用于统一、清理和标准化最突出的材料数据集。

AI 模型制作者也热衷于将他们的生成产品作为科学家的研究工具。OpenAI 让科学家测试其最新的 o1 模型，看看它如何支持他们的研究。结果令人鼓舞。

拥有一个可以像科学家一样运作的人工智能工具是科技界的梦想之一。在去年 10 月发表的一份宣言中，Anthropic 创始人 Dario Amodei 强调科学，尤其是生物学，是强大人工智能可以提供帮助的关键领域之一。Amodei 推测，未来人工智能可能不仅是一种数据分析方法，而且还是一个“执行生物学家所有任务的虚拟生物学家”。我们距离这一场景还很远。但明年，我们可能会看到朝着这一目标迈出的重要一步。

—Melissa Heikkilä 4. 人工智能公司与国家安全的关系更加密切 “” 人工智能公司如果愿意将其工具用于边境监视、情报收集和其他国家安全任务，就可以赚到很多钱。

美国军方已经启动了一系列计划，表明其渴望采用人工智能，从复制器计划（该计划受到乌克兰战争的启发，承诺在小型无人机上投入 10 亿美元）到人工智能快速能力小组（一个将人工智能引入从战场决策到后勤等各个领域的部门）。欧洲军队面临着增加技术投资的压力，原因是人们担心唐纳德·特朗普政府将削减对乌克兰的支出。台湾和中国之间日益紧张的关系也让军事规划者感到忧心忡忡。 到 2025 年，这些趋势将继续为 Palantir、Anduril 等国防科技公司带来福音，这些公司目前正在利用机密军事数据来训练人工智能模型。

国防工业的雄厚财力也将吸引主流人工智能公司加入其中。OpenAI 于 12 月宣布与 Anduril 合作开展一项击落无人机的计划，完成了为期一年的不与军方合作政策的转变。它加入了微软、亚马逊和谷歌的行列，这些公司多年来一直与五角大楼合作。 其他人工智能竞争对手正在投入数十亿美元来训练和开发新模型，到 2025 年，它们将面临更大的压力，需要认真考虑收入问题。他们可能会找到足够多的非国防客户，这些客户愿意为能够处理复杂任务的人工智能代理支付高额费用，或者创意产业愿意在图像和视频生成器上花钱。

但他们也越来越倾向于争取利润丰厚的五角大楼合同。预计各家公司将面临这样的问题：从事国防项目是否会被视为与他们的价值观相矛盾。OpenAI 改变立场的理由是“民主国家应该继续在人工智能发展中占据主导地位”，该公司写道，理由是将其模型借给军方将推进这一目标。到 2025 年，我们将看到其他人效仿它。

—詹姆斯·奥唐纳

5. Nvidia 看到了合法的竞争 “” 在当前 AI 热潮中，如果你是一家科技初创公司，想要尝试制作 AI 模型，那么黄仁勋就是你的不二之选。作为全球市值最高的公司 Nvidia 的首席执行官，黄仁勋帮助该公司成为芯片领域的无可争议的领导者，该芯片既可用于训练 AI 模型，也可用于在有人使用模型时对其进行 ping，这被称为“推理”。 2025 年，多种因素可能会改变这一状况。首先，亚马逊、博通、AMD 等巨头竞争对手一直在大力投资新芯片，有早期迹象表明，这些芯片可能会与 Nvidia 展开激烈竞争——特别是在推理领域，Nvidia 的领先优势并不稳固。

越来越多的初创公司也从不同角度向 Nvidia 发起了进攻。Groq 等初创公司并没有试图对 Nvidia 的设计进行细微改进，而是将赌注押在了全新的芯片架构上，这些架构承诺在有足够的时间后能够提供更高效或更有效的训练。到 2025 年，这些实验仍将处于早期阶段，但有可能出现一个杰出的竞争对手来改变顶级 AI 模型完全依赖 Nvidia 芯片的假设。

支撑这场竞争的是地缘政治芯片战争。迄今为止，这场战争依靠两种策略。一方面，西方试图限制向中国出口顶级芯片及其制造技术。另一方面，美国《芯片法案》等举措旨在促进国内半导体生产。

唐纳德·特朗普可能会升级这些出口管制，并承诺对从中国进口的所有商品征收巨额关税。到 2025 年，这种关税将使台湾成为贸易战的中心——美国因芯片制造商台积电而严重依赖台湾。这是因为台湾表示将帮助中国企业迁往台湾，以帮助他们避免拟议的关税。这可能会引起特朗普的进一步批评，特朗普对美国为保护台湾免受中国攻击而花费的开支表示不满。

目前尚不清楚这些因素将如何发挥作用，但这只会进一步激励芯片制造商减少对台湾的依赖，而这正是《芯片法案》的全部目的。随着该法案的支出开始流通，明年可能会带来第一个证据，表明它是否在实质性地促进国内芯片生产。

—詹姆斯·奥唐纳