出品｜搜狐科技
作者｜汉雨棣
2023年1月8日，北京智源人工智能研究院发布2025十大AI技术趋势。今年的十大AI趋势是智源研究院根据行业技术及应用热点，给出的年度AI趋势预测。从基础设施到产品应用，智源对ScalingLaw、基础模型、具身智能、超级应用、AI安全等关键方向作出预测。
一、科学的未来：AI4S驱动科学研究范式变革
大模型引领下的AI4S（AIforScience），已实现更高效AI
人工智能的本质在于对人的思维的信息过程的模拟。当前的语言大模型、拼接式的多模态大模型，在对人类思维过程的模拟存在天然的局限性。从训练之初就打通多模态数据，实现端到端输入和输出的原生多模态技术路线给出了多模态发展的新可能。基于此，训练阶段即对齐视觉、音频、3D等模态的数据，实现多模态的统一，构建原生多模态大模型成为多模态大模型进化的重要方向。
四、ScalingLaw扩展：RL+LLMs，模型泛化从预训练向后训练、推理迁移
基于ScalingLaw推动基础模型性能提升的训练模式性价比持续下降，后训练与特定场景的Scalinglaw不断被探索。强化学习作为发现后训练、推理阶段的ScalingLaw的关键技术，也将会得到更多的应用和创新使用。
五、世界模型加速发布，有望成为多模态大模型的下一阶段
更注重因果推理的世界模型赋予AI更高级别的认知和更符合逻辑的推理与决策能力，这种能力不仅能推动AI在自动驾驶、机器人控制及智能制造等前沿领域的深度应用，更有望突破传统的任务边界，探索人机交互的新可能。
六、合成数据将成为大模型迭代与应用落地的重要催化剂
高质量数据将成为大模型进一步Scalingup的发展阻碍。合成数据已经成为基础模型厂商补充数据的首选。合成数据可以降低人工治理和标注的成本，缓解对真实数据的依赖，不再涉及数据隐私问题；提升数据的多样性，有助于提高模型处理长文本和复杂问题的能力。合成数据可以缓解通用数据被大厂垄断，专有数据存在获取成本等问题，促进大模型的应用落地。
七、推理优化迭代加速，成为AINative应用落地的必要条件
大模型硬件载体从云端向手机、PC等端侧硬件渗透。在这些资源受限（AI算力、内存等）的设备上，大模型的落地应用会面临较大的推理侧的开销限制，对部署资源、用户体验、经济成本等均带来巨大挑战。算法加速和硬件优化技术持续迭代，双轮驱动加速AINative应用落地。
八、重塑产品应用形态，AgenticAI成为产品落地的重要模式
2025年，更通用、更自主的智能体将重塑产品应用形态，进一步深入工作与生活场景，成为大模型产品落地的重要应用形态。
发表评论