岁月不居，时节如流。我们正站在技术革新的十字路口，见证着人工智能领域前所未有的突破。大模型进化、多模态融合、真实物理世界模拟与适应、具身智能加速落地等趋势，正共同推动机器智能迈向新高度。这些趋势互为助力，刷新着人机交互的边界，预示着更智能、更美好的未来。
在此背景下，智源研究院发布的《2025年十大AI技术趋势报告》中提出的十大趋势，旨在洞察科技前沿，把握未来发展方向。
趋势一：
科学的未来——AI4S驱动科学研究范式变革
AI4S（人工智能驱动的科学研究）正逐渐成为科学研究的全新范式。通过海量数据训练和强大架构，AI4S能够整合跨领域知识，在化学、气象、生物等多学科领域取得突破性进展，推动科学研究的深入与创新。
趋势二：
“具身智能元年”——具身大小脑和本体的协同进化
2025年被视为“具身智能元年”。在这一趋势下，具身智能系统将迎来快速发展，大小脑（即感知与决策模块）与本体的协同进化将成为关键。这将使AI系统能够更好地适应真实物理世界，实现更加自主、灵活的智能行为。
趋势三：
“下一个Token预测”——统一的多模态大模型实现更高效AI
多模态大模型正向着原生统一的方向发展，通过整合文本、视觉、音频等多种模态数据，实现更高效、更全面的AI功能。这一趋势将推动AI在更多领域实现深度应用，提升用户体验和效率。
趋势四：
Scaling Law扩展——RL+LLMs，模型泛化从预训练向后训练、推理迁移
Scaling Law的扩展为AI模型的发展带来了新的机遇。通过结合强化学习（RL）和大型语言模型（LLMs），AI模型的泛化能力将从预训练阶段向后训练和推理阶段迁移。这将使AI模型更加智能、灵活，能够更好地适应复杂多变的任务需求。
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
世界模型作为多模态大模型的一种重要形式，正加速发布并逐渐成熟。通过模拟真实世界的复杂环境和交互过程，世界模型将为AI系统提供更加丰富的训练数据和测试场景，推动AI在多领域实现深度应用。
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
随着高质量数据的耗尽，合成数据在AI大模型迭代与应用落地中的作用日益凸显。通过生成高质量的合成数据，可以降低数据获取成本，提升模型训练的多样性和泛化能力，加速AI技术的商业化进程。
趋势七：
推理优化迭代加速，成为AINative应用落地的必要条件
推理优化作为AINative应用落地的关键环节，正经历着快速迭代和发展。通过优化算法和硬件设计，可以降低AI系统的推理开销，提升性能和用户体验。这将为AINative应用的广泛推广提供有力保障。
趋势八：
重塑产品应用形态，Agentic AI成为产品落地的重要模式
Agentic AI作为一种更加通用、自主的智能体形式，正逐渐成为产品落地的重要模式。通过赋予AI系统更加智能、灵活的行为能力，可以提升产品的竞争力和用户体验，推动AI技术在更多领域实现商业化应用。
趋势九：
AI应用热度渐起，SuperApp花落谁家犹未可知
随着AI技术的不断成熟和普及，AI应用的市场热度逐渐升温。SuperApp作为集多种功能于一体的综合性应用平台，正成为各大厂商竞相布局的领域。然而，谁将成为SuperApp的领跑者仍充满悬念，需要时间和市场的检验。
趋势十：
模型能力提升与风险预防并重，AI安全治理体系持续完善
在AI技术快速发展的同时，模型能力的提升与风险预防同样重要。各国和组织正积极投入资源，完善AI安全治理体系，加强技术研发和国际合作，确保AI技术的安全、可控和可持续发展。这将为AI技术的广泛应用提供有力保障。
综上所述，2025年的十大AI技术趋势涵盖了科学研究、具身智能、多模态大模型、Scaling Law扩展、世界模型、合成数据、推理优化、Agentic AI、SuperApp以及AI安全治理等多个方面。这些趋势将共同推动AI技术的快速发展和广泛应用，为人类社会的进步和变革注入新的动力。
