近期，备受瞩目的《2025年十大AI技术趋势报告》由智源研究院权威发布，该报告深度剖析了人工智能领域的未来走向，为科技界提供了宝贵的洞察视角。整份报告共25页，内容详实且前瞻性强。
在科研领域，AI4S（人工智能促进科学）正成为一股不可忽视的力量。借助海量数据训练和强大的架构，大模型在跨学科领域如化学、气象、生物学等取得了显著突破。例如，俄亥俄州立大学的LlaSMol模型、DeepMind与Isomorphic Labs的AlphaFold 3，以及中国气象局开发的气象大模型等，均展示了AI在科研中的巨大潜力。报告预测，到2025年，多模态大模型将进一步助力科研，通过挖掘多维数据，开拓新的研究方向。
在具身智能领域，中美两国处于领先地位，国内已有近百家企业参与，融资总额超过百亿元。目前，具身智能的技术路线主要包括端到端模型和分层决策模型，在感知决策端已取得一定成果，但在控制执行的泛化能力上仍需突破。报告认为，2025年具身智能行业或将迎来洗牌，端到端模型将持续迭代，工业应用有望显著增加。
多模态大模型正朝着原生统一的方向发展。传统模型因数据融合问题而受限，原生多模态模型则成为新的趋势。OpenAI、meta、Google等国际巨头纷纷推出相关模型，国内也在积极探索。例如，北京智源研究院的Emu3-8B模型，就旨在提升模型对真实世界的模拟能力。
报告还指出，Scaling Law的应用范围正在扩展至后训练和推理阶段。随着预训练对模型性能提升的作用逐渐减缓，强化学习在新的阶段凸显出重要性。例如，OpenAI的01和03模型就利用了强化学习来提升推理效果。国内企业也在积极应用强化学习技术，以应对新的挑战。
世界模型的加速发布也引起了广泛关注。虽然目前仍处于早期阶段，但其潜力巨大，有望推动AI在多领域的深度应用。2024年，国内外在世界模型领域取得了诸多成果，如Google的Genie2、meta的NWM等。报告预测，2025年构建世界模型的竞争将持续加剧，技术路线有望逐渐收敛。
同时，合成数据在推动大模型发展中的关键作用也日益凸显。由于高质量数据资源的日益紧张，合成数据成为降低成本、提升数据多样性的重要手段，其在模型训练中的占比将不断提高。
在AI应用落地方面，推理优化至关重要。随着大模型应用不断拓展至端侧硬件，推理开销成为一大挑战。国内外厂商正积极在算法和硬件优化两个方向上开展研究，以平衡成本与用户体验。
