AGI道阻且长，技术能力持续提升，加速产业落地—《2025年AI产业发展十大趋势》技术篇总结

   易观分析发布《2025年AI产业发展十大趋势》报告，分为技术篇，应用篇以及行业用户篇。

AGI 需具备类似人类的通用认知能力，涵盖学习推理、语言理解与交互、复杂规划与决策等多方面能力。这就意味着朝向AGI进化的基础技术，无论是模型架的创新，还是模型自主决策能力的训练与提升，都需要长周期的摸索与研究。

同时，AGI的发展也面临诸多挑战，这包括：

l计算资源限制

AGI 基础技术研发对算力要求极高，从模型架构创新角度，新架构探索需大量计算资源进行实验和验证；模型自主决策能力训练也需海量数据及复杂计算来优化模型参数，以实现精准决策 。然而，当前硬件技术发展还无法完全满足需求，硬件性能提升速度跟不上模型规模和复杂度增长，限制了研究进度，导致研究周期延长。

l数据获取与质量难题

高质量数据是基础技术发展的关键，模型架构创新需大量不同类型数据来训练和优化，以学习各种模式和规律；自主决策能力训练更需丰富的标注数据及反馈信息，以引导模型做出正确决策。但实际中，数据存在获取困难、标注成本高、数据质量参差不齐等问题，获取和整理数据需耗费大量时间和精力，延缓了研究步伐。

l伦理和安全性考量

AGI 的发展引发了诸多伦理和安全问题，如模型决策的公正性、透明度、可解释性，以及对社会就业结构的冲击等. 这要求在基础技术研究中，同步考虑如何使技术符合人类的伦理道德和社会价值观，确保其安全可靠、可控可管，而解决这些问题需要在技术研发过程中不断权衡和探索，进一步拉长了研究周期。

朝向AGI的目标遇到上述诸多挑战而停止，在这个过程中，AI基础能力持续提升，进一步加速了产业落地与产品应用的探索。人工智能产业的长远发展，终须基础研究与产品实践相结合，实现螺旋式攀升。从2024年开端，向2025年延续，人工智能的发展，将由模型开发与竞赛，转向产品为先与场景打磨的新阶段。

此前无论是模型训练方式的转变、还是多模态能力的升级，以及Agent智能化水平的提升，也都为人工智能的应用落地提供了有力的技术支撑。其他并未单独提及的关键变化如下：

l推理成本显著下降，降低应用场景实践门槛

一方面，硬件技术的进步功不可没。新型芯片架构的研发与优化，例如专门针对人工智能推理任务设计的芯片，大幅提升了计算效率。这些芯片在能耗管理和运算速度上取得了良好平衡，使得单位推理运算的能耗成本和时间成本均有效降低。

另一方面，算法优化也起到关键作用。研究人员不断改进推理算法，减少不必要的计算步骤和数据传输，通过模型压缩技术，在不显著影响模型精度的前提下，降低模型的存储和计算需求，从而在大规模推理应用场景中极大地节省了成本。

再者，云服务提供商之间的竞争加剧，为吸引更多人工智能企业用户，他们不断优化基础设施并降低服务价格，使得企业在使用推理服务时的费用大幅减少，共同推动了 2024 年推理成本的显著下降。

l大模型竞争格局存在变化空间，模型层竞争收拢

OpenAI o1模型改进了推理密集型基准测试的表现，在复杂的数据和科学任务上表现出色，仍然占据模型侧的领先优势，但是仍然面临o1模型使用成本高昂的问题。

与此同时，开源模型与闭源模型之间的差距正在缩小。如Meta发布LlaMa3.1和LlaMa3.2模型，前者在推理、数学和上下文任务上与GPT-4o和Claude 3.5 Sonnet等模型能力不相上下。而后者的多模态能力在图像识别和视觉理解任务上与领先的闭源模型具有竞争力，其轻量级模型在移动设备和边缘计算上的表现也令人印象深刻。

聚焦到中国人工智能市场，中国的大语言模型距离国际领先模型仍然存在差距，但是也也在部分子任务上实现了SOTA。以智源研究院发布的部分FlagEval「百模」评测结果为例，字节跳动、阿里巴巴以及腾讯等，均在部分方向上表现出色。

l压缩与蒸馏模型便于模型部署和提升推理效率，加快模型在新领域的落地应用

通过优化算法和训练方法，实现了在保持高性能的同时减少模型大小。如面壁智能发布了端侧多模态模型MiniCPM-Llama3-V 2.5，参数规模仅8B，但在多模态能力上超越了GPT-4V和Gemini Pro，特别是在OCR能力和多语种支持方面表现出色。而数据集蒸馏技术、多模态数据蒸馏等技术在2024年的进步，如腾讯的多模态AI实验室研究了基于蒸馏的多模态数据集生成方法；华为诺亚方舟实验室多模态蒸馏研究项目等，也进一步推动了小型模型的应用场景拓展与商业化。

l合成数据广泛应用

合成数据技术通过算法、统计模型或生成式AI技术生成，旨在模拟真实世界的数据分布和特征。随着生成式AI技术的进步，如GAN（生成对抗网络）、VAE（变分自编码器）等技术的发展，合成数据的生成质量和效率不断提升。相应地，合成数据的应用领域不断拓展，从最初的自动驾驶、医疗影像分析等领域逐渐渗透到金融、教育、零售等多个行业。

以上观点摘录自《2025年AI产业发展十大趋势》