智源研究院绘制2025 AI技术发展蓝图 十大趋势引领未来创新

新京报讯（记者 张。

趋势三：下一个Token预测：统一的多模态大模型实现更高效AI

人工智能的本质在于对人类思维的信息过程的模拟，人类对于信息的交互和处理总是呈现多模态、跨模态的输入输出状态。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上存在天然的局限性。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。

趋势四：ScalingLaw扩展：RL+LLMs，模型泛化从预训练向后训练、推理迁移

基于ScalingLaw（规模化法则）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。

趋势五：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。

趋势六：合成数据将成为大模型迭代与应用落地的重要催化剂

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。

趋势七：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。

趋势八：重塑产业应用：AI Native应用快速兴起，共生关系日渐紧密

AI基础设施、AI开发者平台、AI算法和模型、AI应用将共同构建AI产业生态，在生产和生活各个领域和行业实现渗透，从而推动产业的数字化、网络化、智能化转型。AI Native应用快速兴起，共生关系日渐紧密，将加速AI技术和产业紧密结合，推动产业转型升级。

趋势九：开源社区治理完善，开源大模型普及应用将有质的飞跃

开源社区的治理和管理日益完善，将极大促进开源大模型的普及应用，开源大模型将在底层能力、模型、算法等多层面上实现大规模的输出。以开源大模型为基础的模型定制、产品开发、产业应用将全面加速，大幅降低中小企业及个人开发者使用大模型的门槛，为各行业赋能。

趋势十：Ethics First，伦理先行，AI应对社会负责

随着AI技术的深入发展，其对社会的影响也日益深远。社会各界需要共同努力，制定完善的伦理规范，确保AI技术的发展和应用符合人类的基本价值观和道德准则。伦理先行，AI应对社会负责，推动AI技术在公平、公正、可信、透明的框架下发展。