如果只用一個字描述2024年的人工智能，那就是“快”。一切仿佛按下了加速鍵，基礎大模型技術加速迭代，工程化和應用賦能加速落地，安全治理也從原則走向實踐。展望2025年，人工智能的進步仍然不會減速。”在12月23日舉辦的“2025中國信通院深度觀察報告會”上，中國信通院人工智能研究所所長魏凱圍繞“人工智能”這一主題分享了最新實踐與發展洞察。

技術創新非常活躍

在魏凱看來，這一年，基礎大模型技術加速迭代，工程化和應用賦能加速落地，安全治理也從原則走向實踐。目前以大模型為主線的人工智能技術還遠未定型，技術創新非常活躍。頭部企業沿著規模定律，不斷刷新基礎大模型的能力上限。無論以任何一種基準得分為參照，梳理一年來前沿模型的提升趨勢，都會呈現一條陡峭向上的曲線。

下半年以來，關于預訓練擴展遇瓶頸討論越來越多，似乎已成為行業共識。在此背景下，o1等模型的推出，為大語言模型開辟了新的擴展方向，擴展定律從另外一條路上繼續前進。與此同時，從Sora、可靈、Vidu，到GPT-4o，多模態生成模型和理解模型今年也取得快速進步，正在打開機器認知和理解世界的全新通道，對后續具身智能和AGI發展奠定基礎。基礎模型越來越大，同時也在變得更小，今年出現了很多只有幾十億參數的小模型，在某些方向上性能可以達到以往千億甚至萬億參數的水平，小模型能力聚焦，有望大大降低算力和應用成本，加速私有部署和邊緣與端側AI的普及。

算力與數據要素結構性變革

魏凱認為，基座大模型演進的新趨勢，也會引發算力和數據兩大要素的結構性變化。在算力方面，雖然現在萬卡集群建設如火如荼，但隨著預訓練的主體的逐步收斂，考慮到高昂的建設運營成本，未來全球估計只有少數公司真正需要超大規模訓練集群，超大規模訓練需求有可能很快達到頂峰，增速逐漸放緩。與此相對的，應用的普及和推理側的擴展，運行大模型所需的推理算力需求將得到激發，推動智算算力結構做出相應調整。

在數據方面，有很多觀點認為，規模定律放緩或走到盡頭，與數據墻有關。研究顯示，全球可公開獲取的互聯網數據已接近天花板。未來突破數據墻，有兩個途徑：一是合成數據，二是數據精標，這就對人工智能的數據要素供給提出了新要求。此外，在以CommonCrawl等為源頭的公開互聯網數據集之外，企業數據和深網（deep web）數據是有待進一步挖掘“藍海”。我國數據資源總量豐富，可以抓住機遇，加快培育高水平數據標注產業，挖掘高質量數據資源潛力。

工程化體系為人工智能+鋪平道路

“基礎模型只是整個人工智能應用架構中的一部分，甚至只是一小部分。” 魏凱強調。他進一步表示，今年，圍繞大模型的工程化體系不斷成熟，AI原生應用的架構實踐往前邁出了一大步。檢索增強生成（RAG）、智能體，甚至多智能體工作流等工程化技術得到了快速發展。

如果把大模型比作操作系統，那么智能體就像是APP。智能體以大模型為智能中樞，融合規劃、記憶和工具調用等能力，在眾多領域初步展現出巨大潛力。人工智能的工程化技術，看似技術含量不高，但實際上至關重要，是聯結前沿技術和用戶實際場景的橋梁，在降低幻覺、提升應用效果的同時，能顯著降低用戶使用大模型的門檻。互聯網大廠紛紛推出了MaaS服務和智能體開發平臺。

“但總體上看，人工智能應用服務領域的企業仍然不夠多、不夠強。我們正在與大廠合作，積極培育大模型服務提供商生態。” 魏凱說。

實際上，基座模型不斷進步和工程化持續成熟，為人工智能+鋪平了道路。“我們看到，今年隨著國家實施人工智能+行動，大力推動人工智能賦能新型工業化，大模型在工業領域的應用案例越來越多，我們統計發現，價值鏈兩端率先啟動。”

在工業領域的源頭創新方面，大模型在軟件開發中的應用最為廣泛，材料和藥物研發、仿真設計等也在探索，AI提升研發效能方面的成效初現。在后端場景中，企業管理、客戶服務、市場營銷這三個場景，充分發揮了當前大模型的強項，成為各類企業較為普遍的入門場景。此外，消費端辦公助手、智能搜索等應用量大面廣，有望極大提升企業員工的人效，同樣也是人工智能賦能實體經濟的重要方向。

魏凱同時也強調稱：“人工智能+還處于初期，政府部門和企業要應用人工智能，也是系統工程，不僅需要持續夯實數字化基礎，更需要加快理念、組織和流程等變革。”