关于报告的所有内容，公众号『行业报告智库』阅读原文或点击菜单获取报告下载查看。
星河轮转间，人工智能正完成从参数竞赛到重构物理世界的深刻转变。调研显示，AI 已告别狂飙突进的初级阶段，向着认知升维、集群协同、产业深耕的方向全面演进，十大核心趋势勾勒出智能时代的全新蓝图。
基础模型的演进本质是机器逼近人类认知极限的攀登。2024 年末以来，“预训练 + 后训练” 范式已获业界验证，而多模态领域的突破关键在于从 “Next Token Prediction” 转向 “Next-State Prediction（NSP）” 范式。与传统模型仅模拟像素不同，NSP 范式让 AI 像人类一样学习物理动态、时空连续性和因果关系，实现 “理解 — 预测 — 规划” 的完整能力闭环，成为 AI 从 “感知” 迈向 “认知” 的核心标志。
海外方面，World Labs 2025 年推出的 RTFM 模型可从单幅图像创建 3D 空间，OpenAI Sora 2 展现出对真实世界规律的深度模拟；国内，智源研究院作为 NSP 范式开创者，其 2025 年 10 月发布的悟界・Emu3.5 将多模态数据统一编码为离散 Token，实现对物理世界动态与因果关系的精准理解，蚂蚁百灵大模型系列也在 NSP 方向持续进化。
如果说 2024 年是具身智能 “百机大战” 元年，2025 年行业已迈入 “出清” 阶段。当前我国具身智能企业超 230 家，其中人形机器人企业过百家，但技术难度与资金需求远超以往，同质化竞争加速行业洗牌。商业进程已从实验室验证转向量产交付，客户主力从高校研究机构转向 B 端产业场景，人形机器人销量已突破万台，亿级订单频现。
海外市场，Physical Intelligence 的 n*0.6 模型通过自主经验训练降低复杂任务失败率，特斯拉 Optimus 2.5 已应用于工厂生产、农场运营等场景；国内，智源发布 RoboBrain2.0 具身大脑与 RoboBrain-X0 小脑基座，蚂蚁灵波科技推出的 Robbyant-R1 机器人已落地餐饮、导览、医疗问答等场景，多家企业加速推进 IPO 进程，行业格局即将成型。
AI 应用正从单智能体系统（SAS）向多智能体系统（MAS）演进。Langchain 报告显示，当前客服、代码生成等 SAS 应用占比达 63%，但复杂场景下，MAS 在工作流拟合、降低幻觉等方面优势显著。Anthropic 数据显示，57% 的组织已部署智能体处理多阶段工作流，2026 年这一比例将升至 81%，其中 39% 计划开发多步骤流程智能体。
MAS 的核心突破在于通信协议的统一。2025 年，MCP 与 A2A 协议先后捐赠给 Linux 基金会并实现分层融合，成为微软、谷歌、Anthropic 等头部厂商的原生支持选择，构成 Agent 时代的 “TCP/IP”。这一 “窄腰” 协议层向下屏蔽大模型差异，向上支撑复杂应用，而 UI、支付、语义对齐等协议层也在加速探索，2026 年将持续成熟。
AI for Science（AI4S）已从辅助工具升级为 AI Scientist，实现 “假设提出 — 实验设计 — 数据分析 — 结论推断” 的完整科研链路。这一转变得益于科学基础模型的成熟、代理工作流的落地以及自动化实验室的连接，推动科研模式发生质变。2025 年以来，谷歌 Co-Scientist、斯坦福大学 BOMARS 等全球各类 AI Scientist 系统密集发布。
国际竞争日趋激烈，美国 2025 年 11 月启动 “创世纪计划”，依托 17 个国家实验室数据、AuroraGPT 模型等存量资产，加速 AI4S 规模化落地。我国呈现 “应用强、基座弱” 特征，虽在应用层面具备 STEM 人才与产业链优势，但在算力、数据、模型三大基础设施上仍有差距。截至 2025 年，我国国家基础数据中心保有数据量达 4.6PB，科学基础模型研发正亟待资源整合。
C 端 AI 竞争聚焦 “Super App”，以 “All in One” 为核心特征，通过一个入口实现信息获取、任务规划到问题解决的闭环。海外方面，ChatGPT、Gemini 等 APP 已达成过亿日活，谷歌 Gemini 已取代 Maps 原生语音助手，实现功能内化；国内，蚂蚁灵光上线 6 天下载量破 200 万，支持 30 秒生成小应用与全模态输出，字节豆包依托生态优势 MAU 位居全球第二。
垂直赛道同样潜力巨大。多模态模型展现出 “低频高价值” 特征，Nano Banana Pro 单次调用价格是文本模型的 70-120 倍，仅需 1.5% 的调用量即可实现同等收入。国内市场，蚂蚁阿福月活超 1500 万，成为第一大健康管理 APP，即梦 AI、快对 AI 等在视频生成、教育等赛道成功突围，印证了细分场景的突围价值。
2025 年多数 ToB AI 应用仍停留在 PoC 阶段，MIT 研究显示 95% 的 GenAI Pilot 项目未能产生可衡量影响。数据质量、MAS 成熟度、成本失控成为主要瓶颈，46% 的企业将 “现有系统集成” 列为首要障碍，典型案例中 4 个 Langchain 智能体因死循环通信 11 天损失 4.7 万美元。Forrester 预测，25% 的 AI 支出将推迟至 2027 年，40% 的 Agentic AI 项目可能失败。
反转信号已现，2026 年 H2 将成为 ToB 应用 MVP 落地关键期。“Data Gov 先行，OTel/MCP 并行” 的实施路径已明确，核心业务数据治理需 3-4 个月，简单 API 连接 2-3 周即可完成，三大模块并行推进下，MVP 产品至少需 6 个月投入。医疗、电信、金融等行业已加速推进标准 API 建设，美国医疗行业 CMS 新规要求 2026 年 1 月部分功能上线，为规模化落地奠定基础。
合成数据正成为 AI 2.0 时代的 “无限燃料”，有效破解真实数据短缺难题。NVIDIA 通过合成数据优化 3D 检测与机器人轨迹生成，与 Sandbox AQ 合作构建含 520 万个新三维分子的训练集；银河通用凭借 10 亿帧合成数据训练出 GraspVLA 模型，降低具身智能对昂贵真实数据的依赖；群核科技基于 4.41 亿个 3D 模型构建空间智能飞轮，推动合成数据在工业设计等场景规模化落地。
合成数据的演进路线已清晰，模型作为反事实数据生成引擎，强化学习作为数据毒性过滤器，二者结合使合成数据的价值与安全性大幅提升。随着修正扩展定律的理论证实，合成数据有望在 2026 年彻底打破 “数据枯竭魔咒”，成为 AI 持续迭代的核心支撑。
推理优化仍是 2026 年 AI 大规模应用的关键支撑。算法层面，微软 BitNetb1.58 模型验证了极端量化的可行性，DeepSeek V3.2 将长序列推理复杂度从 O (L2) 降至 O (Lk)，阿里 Qwen3 引入混合推理实现成本与质量的平衡。Epoch AI 数据显示，消费级 GPU 上的开源模型仅需 6-12 个月即可追平前沿模型能力。
硬件领域变革加速，ASIC 芯片因适配 Transformer 结构分流 GPU 负载，存算一体架构在边缘端落地，Google TPU、Groq 芯片对英伟达形成挑战。成本持续下降印证技术价值，2022 年 11 月至 2024 年 10 月，每百万个 token 推理成本从 20 美元降至 0.07 美元，18 个月内降幅达 280 倍，“技术泡沫” 说法不攻自破。
当前全球超 5% 的 AI 训练负载依赖 NVIDIA+CUDA 体系，构建异构全栈基础设施成为破局关键。2025 年以来，算子开发语言从 5 种增至 9 种，MLIR 技术的成熟形成 “多语言汇一编译器” 的漏斗型架构，实现从手写汇编到自动化编译的跨越。CUDA 13.1 版本引入 Tile 功能提升易用性，Triton 生态则凭借多元贡献者优势，实现对多厂商芯片的无缝支持。
国内方面，智源 FlagOS 平台构建全栈解决方案，FlagGems 纳管 18 款异构芯片，FlagScale 集成并行推理与训练加速能力，通过软硬解耦统领异构算力，推动 AI 技术普惠。硬件作为基础软件栈的核心，仍遵循 “硬件带动软件，软件固化语言” 的底层规律，开源生态与硬件创新的结合将重塑算力格局。
AI 安全风险持续攀升，2024 年全球报告安全事件 233 起，同比增长 56.4%，2025 年 11 月底前已超 330 起。深度伪造、AI 监控滥用等事件频发，8 家头部企业大模型在 “防范灾难性滥用” 方面均未达标。Agent 系统进一步引入外部模块不稳定性与通信安全风险，人类对智能体的控制弱化使安全挑战升级。
技术层面，自演化攻防演练扩展监管边界，红蓝智能体集群通过持续博弈，可发现人类认知盲区的未知风险。Anthropic 发布回路追踪工具实现偏见精准修正，OpenAI 推出 Aardvark 自动挖掘代码漏洞，“以 AI 治 AI” 成为常态。产业端，70% 的大企业将数据主权与抗注入攻击能力列为一票否决项，蚂蚁推出 ASL 智能体可信互连技术，360 构建类脑分区协同安全大模型，场景化安全护盾加速形成。
