2025年，最具潜力、最有想象力的行业，无疑就是人工智能。从当下人工智能的发展势头来看，更像是引领新科技革命的“火车头”。从年初的一阵狂热到目前的更趋理性，人工智能的风向标，已从追求大模型“可用”逐步转向场景落地的“好用”。
2025年，人工智能发展呈现出四大特点，形成共识：
第一，应用革命，未来是执行任务的行动式AI，AI能帮你接近真实的问题，而不仅仅是沉淀知识的生成式AI。要执行任务，在数字世界就是代理AI，或者就叫AI Agent，而在物理世界就是具身智能AI。
第二，代理AI正在重塑交互范式，未来能颠覆软件APP。 AI正从“对话AI”变成“干活AI”。AI能自主规划、调用工具、完成复杂任务，成为未来新的流量分配中心。字节、百度等互联网大厂已抢先入局，抢占互联网新入口。
第三，硬件+AI，具身智能AI多点开花，商业化进程加速。智能驾驶是最先落地的成熟场景，正迎来市场渗透率拐点。随着将高阶智驾下放至入门车型，预计2025年高速与城市NOA渗透率有望实现翻倍增长，突破20%大关。人形机器人则处于商业化黎明期，正以汽车和物流工厂为首个试验场，探索B端应用场景。AI眼镜赛道被大模型重新激活，未来中国企业有望凭借市场消费者兴趣高涨、供应链完备和研发速度三大优势实现跨越式发展。
第四，基础设施亟待夯实，算力与数据是支撑产业发展的两大基石，未来算力国产化加速、解决数据枯竭问题迫切。中国的AI算力正在围堵中寻求突围。国产芯片性能已快速追赶，未来在先进制程工艺与核心生态上，仍然面临加速国产化替代的挑战。全球高质量训练数据预计将在2028年枯竭，未来需要重构AI数据护城河。
2035年，推进智能世界泛在普惠的十大技术跃迁：
华为《智能世界2035》报告系统性地提出了通向2035智能世界的十大技术趋势，这些趋势相互关联、协同演进，构建了人类与AI共生共荣的实现路径。
一是AGI突破路径。通用人工智能（AGI）将是未来十年最具变革性的驱动力量，实现AGI需克服三大核心挑战：构建世界模型、突破物理世界交互障碍，以及解决跨模态理解问题。AGI的发展路径依赖三大引擎协同工作：数据驱动的经验引擎、规则驱动的理念引擎和目标驱动的行动引擎。三大引擎协同，支撑世界模型，走向物理世界，促进人类认知跃迁。
二是AI 智能体演进。到2035年，人类与智能体的关系，将从“人机分工”走向“人机共生”，群体智能将成为重要发展方向。AGI将能够处理高度复杂的决策任务，AI智能体将从简单的执行工具演进为决策伙伴，驱动产业范式革命。
三是人机协同编程。软件开发模式将迎来根本性变革，人机协同编程成为主流。人类开发者将更专注于顶层设计和创新思考，而把繁琐的编码执行工作交给高效的AI完成。这种模式变革将催生新职业的出现，如Agent编排师、安全审计官等。
四是镜像世界交互。交互方式从图形界面转向自然语言，并向着融合人类五感的多模态交互演进。到2035年，用户通过语音、手势等方式与数字世界互动，获得深度沉浸式体验。AIGC技术将破解3D内容瓶颈，创造真正的镜像世界。
五是移动互联进化。随着AI Agent技术的发展，移动互联网将演变为智能体或元服务相互连接的网络，突破单一智能体边界，可完成复杂的任务指令，推动形成多智能体协同联动的新生态。人机交互新范式走向融合空间计算与多模态交互，从一个端到另一个端的任务执行成功率将决定移动互联网用户体验的优劣，并将诞生新的商业模式。
六是具身智能应用。随着世界模型等技术发展，具身智能将在智能驾驶、机器人、低空经济三大领域形成万亿级产业。比如，在自动驾驶领域，L4+自动驾驶汽车将会走入人们的生活，成为”移动第三空间”。到2035年，汽车从单纯的交通工具转变为移动办公室、娱乐舱，重新定义出行。
七是新型算力构建。到2035年，全社会的算力总量将增长10万倍，这一增长需要突破传统冯·诺依曼架构的束缚，在计算架构、材料器件、工程工艺、计算范式四大核心层面实现创新。神经形态计算、光计算、量子计算等新型计算范式将逐步成熟，为特定场景提供更优解决方案。
八是存储范式变革。数据将成为推动人工智能发展的“新燃料”，AI存储容量需求将比2025年增长500倍，占比超过70%。存储范式将从“存数据”转向“存知识”，温数据占比超过70%，支撑智能体记忆与演进。
九是智能体互联网+。通信网络的连接对象将从90亿人扩展到9000亿智能体，实现从移动互联网到智能体互联网的跃迁。6G/空天地一体化网络将支撑低时延（<1ms）、高可靠（99.999%）的智能体互联。
十是Token能源网络+。能源系统将实现智能化管理，到2035年，可再生能源发电量占比将突破50%。AI将成为能源系统的核心，通过Token管理瓦特，实时管理每一焦耳的能量，实现电网的动态优化。
《智能世界2035》报告重点描述了未来医疗、教育、出行、饮食和居家五大生活场景的智能化变革，提出了制造、金融、电力、物流和矿业等生产领域智能化转型的目标方向，人工智能正在深刻改变人类的生活方式。
但是，一个关乎人工智能的核心问题不容忽视，那就是数据作为人工智能时代的“新燃料”，其生产的数量和质量直接决定了大模型的性能上限，未来数据短缺仍是制约大模型技术发展的关键瓶颈。马斯克曾在一次公开演讲中曾表示：“现实世界中用于训练AI模型的数据几乎已经耗尽”，除了不断挖掘现有数据资源之外，指出合成数据——即大模型生成用于自身训练的新数据，将成为未来唯一的替代路径。
2024年，研究机构Epoch AI发布报告预测：人类生成的公开文本数据总有效存量约300万亿tokens，总量年增速不足10%，而AI训练数据集规模以每年翻倍的速度扩大，2028年互联网所有高质量文本数据将面临枯竭。关注数据资源、协同推进数据资源价值化仍是当前人类的新命题、新挑战。
未来十年，模型迭代永不停歇，数据需求持续增长，应用智能“遍地开花”，从认知有限到认知无限，从AI通识到AI通用，从智能涌现到智能化革命，AGI必将激发人类更多潜能，帮助人类打开更阔视野，研究探索并发现更多未知，解决人类至今尚未解决的真实问题，完成求证求解，更好地预见未来，看清自我与本底世界。
来源：云端杂记
