來源：北京商報

2025年AI正從“工具時代”邁向“伙伴時代”，2026年的AI發展態勢漸漸清晰。12月10日，量子位智庫發布《2025年度AI十大趨勢報告》（以下簡稱《報告》）。《報告》基于基礎設施、模型進化、應用版圖等四部分進行總結，其中有關應用的趨勢占有四席，分別涉及流量入口、多模態、AI硬件和AGI（通用人工智能）。來自學術和產業一線的參與者對具身智能等熱門領域做了復盤和展望，可以說AI的上半場屬于想象力，下半場屬于執行力。

算力經濟成引擎

芯片、云、模型、終端等關鍵環節，構成了當下AI產業最具代表性的全棧力量，各個環節的發展相互作用。

在基礎設施方面，《報告》聚焦算力和芯片。

算力經濟是智能產業第一大引擎，全球范圍內，對AI算力的需求正以前所未有的速度增長，這直接推動了超大規模數據中心的建設。這些數據中心不再只是傳統意義上的服務器托管場所，而是演變為單個AI公司主導的、集成了海量計算、存儲和網絡資源的算力工廠。

云計算廠商的投資重點從傳統的通用計算資源向滿足AI需求的專用算力基礎設施傾斜，云廠商與AI企業的合作模式從簡單的資源租賃關系，演變為深度綁定的戰略合作關系。

相應地，越來越多的AI原生需求正在重塑芯片創新，大市場大生態打開了時代“芯機遇”。具體體現在，GPU（圖形處理器）主導地位受到挑戰，NPU（嵌入式神經網絡處理器）在端側普及，ASIC（定制集成電路）/FPGA（現場可編程門陣列）迎來增長。

中國正加速構建自主可控的算力生態，國產“芯片+SDK+框架”方案已在千億級模型訓練中得到驗證，DeepSeek等模型針對昇騰芯片深度優化，標志著全棧國產化能力邁入新階段。

需求倒逼模型創新

在模型方面，預訓練決定大模型格局梯隊，架構創新決定預訓練水平。模型架構持續突破，在算力約束下，混合專家模型成為主流選擇。這種“大參數、小激活”的設計讓模型可以在不顯著增加成本的情況下擴充容量。中國頭部模型團隊正普遍采用這一思路。

同時，2025年，大模型落地進入“推理時間”。模型在多模態深度推理、自適應推理、邊緣推理加速等方面持續突破，任務復雜度推動推理框架持續進化。

物理AI與具身智能迎來研發熱潮，世界模型與VLA（視覺—語言—動作）框架成為技術焦點，具身智能正從小規模商業訂單走向更廣泛的應用探索。

就在《報告》發布的當天，優必選宣布一項新的訂單合作，與國內AI大模型公司簽訂人形機器人(17.710,0.10,0.57%)銷售合同，總金額超過5000萬元。

根據協議，除了提供先進的機器人硬件，優必選還將開放必要的機器人數據接口與技術能力，支持合作方將其自有AI大模型與機器人本體進行集成與二次開發，并分階段推進技術交付與支持計劃，涵蓋從基礎控制、多模態感知到高級任務規劃等多個層面的協同開發。

作為較早進入具身智能賽道的企業，11月中旬，優必選工業人形機器人Walker S2啟動量產與交付，首批數百臺已投入產業一線應用，覆蓋汽車制造、智能制造、智慧物流、具身智能數據中心等領域。目前，Walker S2產能每月已超過300臺，預期全年交付量將超過500臺。

北京智源人工智能研究院（以下簡稱“智源研究院”）在具身智能、多模態技術路線的探索上都有積累。智源研究院院長王仲遠也相信，“人工智能在未來的幾年里，會從語言學習進入多模態、世界學習的新階段”，智源研究院發布的多模態模型Emu3.5就是世界模型的基座。

談到構建物理世界基礎模型，自變量機器人創始人王潛認為，虛擬世界與物理世界存在本質不同，本體和物理世界的隨機性導致現實世界機器人操作控制極其困難，而物理接觸的復雜性決定了端到端的必要性。目前，自變量機器人自主研發的“Great Wall”模型系列已實現從感知到高精度操作的端到端控制，在復雜任務中展現出了強大的泛化能力。

應用版圖擴大

根據報告，AI正在重塑流量入口。Agent從“人找服務”轉向“服務找人”，成為下一代交互范式。AI智能體具備感知、規劃、決策、執行的閉環能力，正逐步取代傳統App，操作系統亦向超級Agent演進。構建這類智能助手的關鍵之一，在于其對用戶個性化知識的理解與調用。

新一代AI系統能夠同時處理和理解文本、圖像、聲音、視頻等多種信息類型，實現了跨模態的關聯理解和生成。這不僅提升了AI在復雜場景下的表現，也為創意內容生成、智能交互等應用開辟了新可能。

這些應用的關鍵價值在于釋放高價值勞動力，將人類精力轉移到具有實質性價值的核心任務和戰略性工作上。當一項技術被證明能顯著提升勞動生產率時，它就會從“競爭優勢”變為“生存必需品”。報告預測，未來2—3年內，隨著技術能力的成熟，AI會成為這些產業的標準工具。

AI硬件賽道也被關注。輕量化模型和邊緣計算技術成熟，推動AI能力向手機、汽車、IoT設備等終端普及。越來越多的智能設備開始具備本地AI處理能力，端側AI的興起解決了數據隱私、網絡延遲和成本效率三大核心問題。這些設備能夠在不依賴云端連接的情況下，實時響應用戶請求，提供個性化的智能服務。