【每日一读Day11】2025年度AI十大趋势报告-洪萨配资

1️⃣ 趋势一：算力基建化：数据中心需求狂飙，算力经济是智能产业第一大引擎

算力 ≈ 电力 / 高速公路
核心不再是“有没有 GPU”，而是：
- 数据中心选址
- 能耗、散热
- 调度效率
对工程的影响：算力调度、推理性价比 > 模型参数量
对应岗位：AI Infra Engineer /ML Platform Engineer/推理平台工程师/大模型系统工程师/GPU 调度 / 资源管理工程师/AI 云平台工程师（腾讯云 / 阿里云 / 华为云）

2️⃣ 趋势二：芯片AI化：AI原生需求重塑芯片创新，大市场大生态打开时代芯机遇

芯片层面，GPU主导地位受到挑战，NPU在端侧普及，ASIC/FPGA迎来增长。
- GPU 仍然重要，但不再适合所有场景
- 端侧：手机、PC、车机、摄像头、可穿戴设备等用户“手边”的设备。用的是NPU
- 特定任务（推理 / 视频 / 搜索）：用ASIC / FPGA更省钱
对应岗位：AI 系统 / 推理平台 / 芯片适配工程师

维度	CPU	GPU	NPU
设计目标	通用计算	并行计算	神经网络推理
灵活性	⭐⭐⭐⭐	⭐⭐⭐	⭐
功耗	高	高	低
延迟	中	中	低
能效比	低	中	高
适合场景	系统 / 逻辑，服务器 / PC	训练 / 大推理（数据中心）	端侧推理（手机 / PC / 车 / IoT）
👉 重点不是“谁性能最强”，而是
谁能把模型 → 芯片 → 系统跑顺

3️⃣ 趋势三：预训练决定大模型格局梯队，架构创新决定预训练水平

为什么现在大家都不再疯狂堆参数了？因为遇到了两个“硬天花板”：算力贵Attention 的计算复杂度炸了

MoE = Mixture of Experts（专家混合）成为现实主流（大参数、小激活）👉“参数规模很大，但计算成本不大”
AttentionO(n2)O(n^2)O(n2)是硬瓶颈；nnn= token 数（上下文长度），每个 token要和所有 token算相关性；
- Attention = 模型在一堆信息里，学会“该重点看谁、不看谁”的机制。本质就是：算相关性 → 加权求和。
- 👉 token 一多：显存爆延迟爆成本爆
- 📌 这就是为什么：长文本视频理解多模态特别难做
稀疏（只算“重要 token）/ 线性（把O(n2)O(n^2)O(n2)近似成O(n)O(n)O(n)） / 新架构（完全不同的序列建模方式）正在抢 Transformer 的地盘
🔹「预训练决定梯队」：有没有足够的数据、有没有足够的算力、有没有完整训练流程

👉结论：
未来不再是“谁模型最大”，而是谁在同样算力下学得更多

4️⃣ 趋势四：大模型落地进入推理时间，推理需求倒逼模型创新

5️⃣ 趋势五：信息AI应用期，物理AI研发期，具身智能成合流风口

ChatGPT → 信息 AI（已经成熟）
机器人 / 世界模型 → 物理 AI（还在研发）
物理AI与具身智能迎来研发热潮，世界模型与VLA（视觉-语言-动作）框架成为技术焦点，具身智能正从小规模商业订单走向更广泛的应用探索。
ChatGPT → 信息智能
机器人 / 世界模型 → 物理智能
VLA（Vision-Language-Action）是关键框架：看懂世界（Vision）理解指令（Language）做出动作（Action）

方向	技术成熟度	岗位数量	适合你吗
信息 AI / 搜索 / Agent	⭐⭐⭐⭐⭐	很多	✅ 非常
推理系统 / 平台	⭐⭐⭐⭐	多	✅
物理 AI / 具身	⭐⭐	很少	❌ 暂时
世界模型	⭐⭐	极少	❌
工业机器人	⭐⭐⭐	稳定	⚠️ 非主线

👉 短期别被“机器人”热度迷惑
这是中长期方向，不是立刻落地红利

6️⃣ 趋势六：AI重塑流量入口：PC互联网、移动互联网、Agentic互联网
历史三代入口：

AI正在重塑流量入口。Agent从“人找服务”转向“服务找人”，成为下一代交互范式。AI智能体具备感知、规划、决策、执行的闭环能力，正逐步取代传统App，操作系统亦向超级Agent演进。
而构建这类智能助手的关键之一，在于其对用户个性化知识的理解与调用。以腾讯推出的ima知识库为例，它允许用户将碎片化的资料、笔记、网页内容构建成个人或团队的专属知识库，并与大模型深度结合。这使得AI不仅能回答通用问题，更能利用用户自身的知识储备，成为真正懂用户的“第二大脑”。这种“知识即能力”的模式，正是Agent实现深度个性化服务、从“通用”走向“专用”的重要基石。

7️⃣ 趋势七：多模态成AI应用落地关键：视频、3D、代码依次展现生产力

文本 → 图像：已成熟（CLIP 时代完成）	已经完成的事： - 图文对齐（CLIP / ALIGN / Chinese-CLIP） - 以图搜图、图文互搜 - embedding 成为统一索引 📌这一阶段已经是“工程成熟期”
图像 → 视频：进入规模化落地期（重点）	✅ 视频不再是“一堆帧”，而是： -时序语义对象 -可被索引的多模态实体技术变化： - 视频 →关键帧 + 轨迹 - 视频 embedding ≠ 帧 embedding 的简单平均 - 引入： - Temporal Attention - Segment-level embedding 📌视频搜视频 / 视频搜图已开始规模化
视频 → 3D：刚进入工程探索期（前沿）	从「找图片」 → 「找空间 / 场景 / 物体布局」
多模态 → 代码：生产力爆发点（但不是图搜主线）

多模态的真正价值，不在“支持更多输入”，而在“让感知数据成为搜索系统的一等公民”。
在图搜场景中，图像不再是输入方式，而是核心数据形态。

8️⃣ 趋势八：AI硬件百端齐放：PC手机汽车眼镜玩具，焕脑正当时

9️⃣ 趋势九：AI4S突破加速AGI实现，AI数理化触及博士水平

AI for ScienceAGI（Artificial General Intelligence，通用人工智能）= 能像人类一样，在不同领域“自主理解、学习、推理、迁移”的智能系统。
在材料、化学、生物、医疗等领域，AI已能自主设计实验、预测蛋白质结构、发现新材料、甚至从病理图像中精准预测基因突变，其复杂问题解决能力已触及博士水平。这一趋势不仅极大加速了科研进程，其所需的深度推理、跨学科整合与自主探索能力，也被视为通向AGI的关键路径。
👉 这条线：
不直接影响你短期工作
但会深刻改变科研范式

🔟 趋势十：开源AI进入中国时间，AGI拥有中国路线
这是整篇报告最有立场的一点：