300页的《2025 年人工智能现状报告》讲了些啥?

300页的《2025 年人工智能现状报告》讲了些啥?

这份《2025 年人工智能现状报告》（State of AI Report 2025）300 多页的报告由 Nathan Benaich 和 Air Street Capital 团队发布 。该报告已连续发布第八年 ，旨在追踪人工智能领域的进展，并探讨其对未来的影响 。

报告围绕以下六个关键维度展开分析 ：

1. 研究 (Research)： 技术突破及其能力 。
2. 产业 (Industry)： 人工智能的商业应用领域及其业务影响 。
3. 政治 (Politics)： 监管、经济影响以及不断演变的人工智能地缘政治 。
4. 安全 (Safety)： 识别和减轻高能力未来 AI 系统可能带来的灾难性风险的努力 。
5. 调查 (Survey)： 来自 1,200 名 AI 从业者及其 AI 使用模式的调查结果 。
6. 预测 (Predictions)： 对未来 12 个月的前景展望和对 2024 年预测的回顾 。

摘要 (Summary)

研究 (Research)

• 推理能力成为年度焦点，OpenAI、Google、Anthropic 和 DeepSeek 正在推动可见的“先思考后回答”方法进入实际产品 。
• 开放模型迅速改进，中国的开放权重生态系统激增，但顶级模型仍保持封闭，并继续扩大其“能力/成本比”优势 。
• 智能体（Agents）、世界模型（World Models）和领域工具（如代码、科学、医学）开始变得真正实用 。

产业 (Industry)

• 随着 AI 优先公司的收入达到数百亿美元，实际收入大规模实现 。
• NVIDIA 市值突破 $4 万亿美元，并拥有 90% 的 AI 研究论文份额 。
• 电力成为新的瓶颈，多吉瓦（multi-GW）集群从规划走向实施，电网限制开始影响发展路线图和利润 。

政治 (Politics)

• AI 竞赛加剧，美国倾向于“美国优先 AI”战略，而中国则加速其自力更生的雄心和国内芯片发展 。
• 监管在海量投资面前退居次位；国际外交停滞不前，欧盟《人工智能法案》在实施上面临障碍 。
• “AI 走向全球”具体化，石油美元和国家项目资助了巨大的数据中心建设 。

安全 (Safety)

• AI 实验室针对生物和图谋风险启动了前所未有的保护措施 。
• 外部安全组织的年度预算总和，小于领先实验室集体单日支出 。
• 网络攻击能力每 5 个月翻一番，速度超过防御措施；犯罪分子使用 AI 智能体对财富 500 强公司进行勒索软件攻击 。

下面分别对报告中的"研究、产业、政治、安全、调查、预测"六个方面进行简单解读.

研究 (Research)

推理竞赛和模型的表现

• OpenAI 的 o1 通过使用 CoT（思维链）作为“草稿本”的推理方法，并结合强化学习（RL）进行推理时扩展，点燃了推理竞赛 。
• DeepSeek 发布的 R1-lite-preview 模型，在 AIME 2024 pass@1 等关键推理基准上，以 52.5 的成绩击败了 o1-preview 的 44.6 。
• 尽管差距有所缩小，但目前最智能的模型仍是封闭源模型（如 GPT-5、o3、Gemini 2.5 Pro、Claude 4.1 Opus 和 Grok 4） 。美国实验室保持领先，但中国是明显的第二名，开放模型正在形成强大的竞争阵营 。

智能体和 AI 会议

• 智能体记忆正在从临时上下文管理转向结构化、持久化的系统。前沿研究正在超越检索，进入动态整合、遗忘和反思，使智能体能够在不同的任务和交互中形成连贯的身份 。
• AI 学术会议正面临“能力危机”，投稿数量空前，导致大会采取激烈措施，例如 NeurIPS 被曝要求审稿人武断拒绝数百篇原已推荐接收的论文 。此外，发表大量论文的“高产作者”也在增加 。

产业 (Industry)

报告指出，人工智能正在大规模实现商业价值和基础设施变革：

• 收入与领先优势： AI 优先的公司实现了数百亿美元的大规模实际收入 。顶尖实验室通过提供更优的“能力-成本曲线”，继续扩大了领先优势 。
• NVIDIA 的主导地位： NVIDIA 市值突破 $4 万亿美元 ，并拥有 90% 的 AI 研究论文份额 。与此同时，定制芯片和新型云计算（neoclouds）也在崛起 。
• 电力成为新瓶颈： 循环巨额交易为大规模建设提供了资金 。电力成为新的瓶颈，多吉瓦（multi-GW）集群正从概念阶段进入实际选址和建设阶段 。电网限制已开始影响 AI 发展路线图和利润空间 。

政治 (Politics)

在地缘政治和监管方面，AI 竞赛正在全球范围内加速：

• AI 竞赛升级： AI 竞赛加剧，美国倾向于推行“美国优先 AI”战略，伴随出口管制措施 。中国则加速其自力更生的雄心和国内芯片发展 。
• 监管退居次位： 面对海量投资，监管被置于次要地位 。国际外交陷入停滞 。欧盟《人工智能法案》（AI Act）在实施过程中遭遇了重重障碍 。
• 全球化扩展： “AI 走向全球”的趋势具体化，石油美元和国家项目资助了巨大的数据中心建设和模型访问 。同时，关于 AI 导致失业的数据也开始浮现 。

安全 (Safety)

AI 安全领域的投入和风险在持续增长：

• 实验室的防护措施： AI 实验室针对生物风险（bio risks）和“策划/图谋”风险（scheming risks）启动了前所未有的保护措施 。
• 资金差距悬殊： 外部安全组织的年度预算总和，甚至小于领先实验室集体单日支出 。
• 网络风险飙升： 网络攻击能力每 5 个月翻一番，速度超过了防御措施 。犯罪分子正使用 AI 智能体对财富 500 强公司进行勒索软件攻击 。

调查 (Survey)

报告包含了对 1,200 名 AI 从业者及其 AI 使用模式的最大规模公开调查结果 。

• 对顶尖 AI 实验室的评分： 报告展示了 1,200 名从业者对顶尖 AI 实验室的评分情况 。
• 最受关注的生成式 AI 趋势： 调查结果揭示了从业者最期待的生成式 AI 趋势 。
• 调查总结： 该调查是全球最大的公开、持续更新的 AI 调查，旨在获取来自开发者、运营者和研究人员的真实脉搏 。

预测 (Predictions)

2024 年预测回顾 (Scorecard: Reviewing our predictions from 2024)

报告回顾了 2024 年做出的预测，以保持问责制 ，其中许多预测被证实：

对未来 12 个月的 10 个预测 (10 predictions for the next 12 months)

报告对未来 12 个月做出了以下 10 个大胆预测：

1. 一个主要零售商报告超过 5% 的在线销售来自智能体结账（agentic checkout），同时 AI 智能体广告支出达到 $50 亿美元 。
2. 一个主要的 AI 实验室将重新开始开源前沿模型，以赢得现任美国政府的青睐 。
3. 开放式智能体将端到端地实现一项有意义的科学发现（包括假设、实验、迭代和论文） 。
4. 一次深度伪造/智能体驱动的网络攻击将引发第一次北约/联合国关于 AI 安全的紧急辩论 。
5. 一款基于实时生成式视频的游戏将成为年度 Twitch 上观看次数最多的游戏 。
6. “AI 中立性”将作为一项外交政策学说出现，因为一些国家无法或未能发展主权 AI 。
7. 一部主要使用 AI 制作的电影或短片将赢得观众的广泛赞誉并引发强烈反弹 。
8. 一个中国实验室将在一个主要的排行榜（如 LMArena/Artificial Analysis）上超越被美国实验室主导的前沿阵地 。
9. 数据中心邻避主义（Datacenter NIMBYism）在美国掀起风暴，并在 2026 年影响某些中期/州长选举 。
10. 特朗普将发布一项行政命令，禁止州 AI 立法，该命令随后被美国最高法院裁定为违宪 。

总结：

《2025 年人工智能现状报告》描绘了一个加速发展、充满竞争和风险的 AI 格局。

• 技术核心： 推理能力成为新的前沿，OpenAI 等顶级实验室和 DeepSeek 等开放模型正在推动该领域的进步。智能体（Agents）和世界模型开始具备实用性。
• 商业格局： AI 收入实现大规模增长，NVIDIA 凭借芯片优势继续占据主导地位。基础设施的瓶颈转移至电力和数据中心容量。
• 地缘政治： AI 竞赛在地缘政治层面加剧，美国实施“美国优先”战略，中国加速“自力更生”。国际监管和外交滞后于技术进步和大规模投资。
• 安全风险： 尽管顶级实验室开始加强对生物和策划风险的保护，但外部安全投入与实验室支出相比微不足道。网络攻击能力正在以惊人的速度增长，AI 智能体被用于勒索软件攻击。
• 未来展望： 报告预测智能体将在商业和科学领域实现重大突破，同时深度伪造和智能体驱动的网络攻击可能引发国际危机。

从“石油美元”到“AI美元”的美元霸权策略, 美国都干了些啥?

美国采取了哪些措施体现了延续“石油美元”的美元霸权战略，在《2025 年人工智能现状报告》报告中能找到哪些证据?

报告中虽然没有直接提及“石油美元”和“美元霸权”这两个词，但它在 “政治”和“产业” 章节中描述了美国在 AI 领域采取的措施，这些措施实际上可以被解读为通过掌握下一代全球核心资源——AI 算力与技术——来巩固其经济和地缘政治主导地位。

以下是报告中可以支持这种解读的美国相关措施：

1. 战略与政策层面的“美国优先”战略

报告指出：

• 推行“美国优先 AI”战略： 美国倾向于采取 “美国优先 AI” 战略。这与“石油美元”时代美国通过控制石油供应链来维护其全球经济主导地位的思路是类似的，即将下一代核心资源（AI 技术和算力）优先服务于本国利益。
• 出口管制措施： 美国对关键技术（特别是先进芯片和制造设备）实施了出口管制措施。
  • 解读： 这是一种限制竞争者（尤其是中国）获取 AI 时代“石油”（即算力）的手段。通过控制芯片这一 AI 基础设施的核心要素，美国可以延缓其他国家 AI 能力的发展，从而保持其技术和经济的代际领先。

2. 基础设施和供应链层面的控制

报告指出 NVIDIA 市值突破 $4 万亿美元，以及定制芯片的崛起：

• NVIDIA 的主导地位： NVIDIA 作为一家美国公司，凭借其硬件（GPU）占据了 AI 算力市场的主导地位（90% 的研究论文份额）。
  • 解读： 这意味着全球 AI 产业的基础设施严重依赖美国技术。AI 算力正在取代石油成为新的战略资产，而美国（通过 NVIDIA）控制了这一资产的供应。

3. 全球资本流动和影响力

报告在“政治”章节中提到了地缘政治竞赛：

• 对石油美元的吸收： 报告虽然提到了 “石油美元”资助了巨大的数据中心建设 ，但实际上，这些资金往往最终流向购买美国的芯片和技术（例如 NVIDIA GPU、Microsoft/Google/AWS 的云服务或美国前沿 AI 实验室的 API ）。
  • 解读： 在“石油美元”时代，石油收入被要求以美元计价，并被回收用于购买美国国债或投资美国资产。在 AI 时代，全球对 AI 基础设施的巨额投资（包括石油美元）最终转化为对美国科技产品和服务的巨大需求，从而巩固了美元在全球技术和资本循环中的中心地位。

总结来说，报告中提到的美国措施，例如实施出口管制和推行“美国优先 AI”战略，其本质都是为了在 AI 这一新的战略高地上建立和维护垄断优势，这与过去通过控制石油来巩固经济霸权的逻辑一脉相承。

更详细的逐章讲解

第一章节：研究 (Research) 详细解读

该章节主要关注过去一年中人工智能技术方面的突破、能力提升以及研究生态的变化。

1. 推理竞赛：”先思考后回答“点燃前沿

核心进展： “推理能力”（Reasoning）是定义过去一年的关键词 。领先的 AI 实验室正在推动可见的“先思考后回答”（think-then-answer）方法进入实际产品 。

• OpenAI 的引领： OpenAI 发布了 o1-preview，这是第一个展示推理模型在推理时使用强化学习（RL）进行推理时扩展（inference-time scaling）的模型 。它使用思维链（Chain of Thought, CoT）作为“草稿本” 。
  • 这种方法在代码和科学等重推理领域带来了更强大的问题解决能力 。
  • 例如，o1 在美国邀请数学考试（AIME）中的准确性就随着训练和推理时计算资源的增加而提高 。
• DeepSeek 的挑战： 中国新锐 AI 实验室 DeepSeek 发布了 R1-lite-preview 模型，该模型在 AIME 2024 pass@1 基准测试中取得了 52.5 分的成绩，击败了 o1-preview 的 44.6 分 。R1-lite-preview 同样展示了随着推理时计算预算的增加，准确性可预测地提高 。

2. 模型能力前沿：封闭模型保持领先优势

尽管开放模型进步迅速，但顶尖模型的优势仍在扩大：

• 封闭模型的主导地位： 尽管 DeepSeek、Qwen 等中国的开放权重生态系统激增，但目前最智能的模型仍然是封闭源模型，包括 GPT-5、o3、Gemini 2.5 Pro、Claude 4.1 Opus 和 Grok 4 。
• 能力/成本优势： 领先的封闭模型通过提供更优的 “能力/成本比” （capability-per-dollar edge）继续扩大其优势 。OpenAI 的 GPT-5 在 LMArena 排行榜上遥遥领先，并且首次在“智能-成本比”方面占据主导地位 。
• 地缘格局： 美国实验室的领先地位仍在持续，但中国是明显的第二名，开放模型阵营（DeepSeek、Qwen）和封闭模型阵营（Gemini、Claude、Grok）在推理和编码基准上的差距正在缩小 。

3. AI 智能体与世界模型的实用化

AI 智能体、世界模型和领域工具（如代码、科学、医学）开始变得真正实用 。

• 科学发现中的协作： AI 的作用正从回答问题转向生成、测试和验证新的科学知识 。
  • DeepMind 的 Co-Scientist： 这是一个基于 Gemini 2.0 的多智能体系统，可以生成、辩论和演进假设，并在体外验证中成功提出了白血病（AML）的药物候选物和肝纤维化的表观遗传新靶点 。
  • 斯坦福的“虚拟实验室”： 由首席研究员（PI）和专业智能体组成，设计了 92 种纳米抗体 。
• 智能体记忆的进化： 智能体的记忆正在从临时的上下文管理，转变为结构化、持久化的系统 。前沿研究正在超越检索，进入动态整合、遗忘和反思，以帮助智能体在不同的任务和交互中形成连贯的身份 。

4. AI 学术会议的容量危机

AI 学术界正面临空前挑战：

• 投稿量激增： 顶级的 AI 会议正被前所未有的投稿数量所淹没 。例如，AAAI 2026 收到了 2.9 万篇投稿，几乎是去年的两倍 。
• 应对措施： 会议被迫采取严厉措施，例如 NeurIPS 被曝要求审稿人武断拒绝数百篇原本建议接收的论文 。
• “高产作者”的崛起： 在给定的会议中，拥有 5 篇以上被接受论文的 “高产作者” 人数也在增加 。在 2023 年，有一位研究人员在顶级 AI 场所发表了 80 多篇论文 。

第二章节：产业 (Industry) 详细解读

该章节着重分析了人工智能的商业化落地、生态系统的变化、以及基础设施和投资的最新趋势。

1. AI 商业化与收入：实现规模化价值

• 收入实现与领先优势： AI 优先的公司实现了数百亿美元的大规模实际收入。最顶尖的实验室（例如 OpenAI、Anthropic、Google）继续通过提供更优越的 “能力-成本比” （Capability-per-dollar edge）来扩大其领先优势。
• 企业应用： 企业支出从早期的实验性应用转向大规模部署，主要集中在软件开发、客户支持和营销自动化等领域。AI 模型正在被深度嵌入到企业工作流程中。

2. 芯片与基础设施：NVIDIA 的主导地位和竞争者崛起

• NVIDIA 的“万亿”时刻： NVIDIA 市值突破 $4 万亿美元，其硬件（特别是 Hopper 和 Blackwell 架构）在 AI 研究论文中的使用份额高达 **90%**，继续主导着 AI 算力市场。
• 定制芯片的崛起： 尽管 NVIDIA 占据主导，但定制芯片（ASICs）和新型云计算（Neoclouds，例如 CoreWeave、Lambda）正在快速发展，试图为客户提供差异化或更具成本效益的替代方案。

3. 能源危机：电力成为新的瓶颈

• 资本循环与规模： 报告指出，大量的交易资本正在为大规模的 AI 基础设施建设提供资金。
• 电力成为关键约束： 随着多吉瓦级（multi-GW）AI 集群从规划走向实际实施，电力已成为新的瓶颈。
  • 电网限制： 电力供应和电网的限制开始影响 AI 实验室和科技公司的发展路线图和利润预期。
  • 替代能源探索： 促使行业开始大规模探索核能（特别是小型模块化反应堆 SMR）、可再生能源和新的冷却技术，以满足 AI 数据中心对能源永不满足的需求。

4. AI 模型的市场地位：开源与垂直模型的竞争

• 开源模型激增： 以 DeepSeek、Qwen 为代表的中国和全球开源社区，正通过快速迭代缩小与封闭模型的差距，特别是在推理和编码任务上。
• 垂直领域应用： 出现了大量专注于特定行业或任务的垂直模型，例如医疗 AI 模型（Med-PaLM、BioGPT）和金融 AI 模型，它们在特定领域的表现超越了通用模型，推动了 AI 在专业服务领域的应用。

第三章节：政治 (Politics) 详细解读

该章节聚焦于人工智能领域的全球竞争、政府监管、地缘政治及其对就业和社会的影响。

1. 地缘政治：AI 竞赛加速与主权野心

• 中美 AI 竞赛加剧： 美国倾向于推行 “美国优先 AI”（America First AI） 战略，并通过出口管制措施限制关键技术（如先进芯片和制造设备）的流向。
• 中国加速自力更生： 面对美国的限制，中国正加速推进 “自力更生” （self-reliance）的雄心，专注于国内芯片发展和构建本土 AI 生态系统，以减少对西方技术的依赖。
• “石油美元”的全球布局： “AI 走向全球”的趋势具体化。中东等地区的石油美元和国家项目正在大力资助巨大的数据中心建设和模型访问权限，将 AI 发展扩展到传统技术中心以外的区域。
• 外交和“AI 中立性”： 报告暗示，随着 AI 能力的进一步集中，可能会出现 “AI 中立性” 作为一种外交政策学说。一些国家可能由于缺乏能力或资源未能发展主权 AI，而选择在 AI 大国之间保持中立。

2. 监管与治理的困境

• 监管滞后： 面对全球范围内对 AI 基础设施的海量投资，政府的监管行动和立法工作显得退居次要地位，难以跟上技术和资本的步伐。
• 国际外交停滞： 国际合作和外交谈判在 AI 治理方面陷入停滞，各国在风险评估和标准制定上难以达成一致。
• 欧盟 AI 法案实施受阻： 欧盟的《人工智能法案》（AI Act）在实施上面临实际操作和执行上的障碍，例如如何界定和监管高风险 AI 应用。
• 地方立法冲突的预测： 报告预测，在美国，州一级的 AI 立法可能会被联邦政府干预。例如，特朗普被预测将发布行政命令禁止州 AI 立法，但随后可能被最高法院裁定为违宪，反映了立法层面的不确定性和冲突。

3. AI 对就业和经济的影响

• 失业数据浮现： 随着 AI 在企业中的大规模部署，AI 导致失业（displacement）的数据开始浮现，特别是在重复性、信息处理和内容生成等任务上。
• 人才政策： 报告强调了各国政府在吸引和留住 AI 人才方面所做的努力，例如针对特定技能人才的快速签证通道和科研经费倾斜。

4. 基础设施与邻避主义

• 数据中心邻避主义 (NIMBYism)： 报告预测，对 AI 基础设施（特别是高耗能的数据中心）的反对情绪将在美国掀起波澜。
  • 这种“不要建在我家后院”的邻避主义，可能在 2026 年影响某些中期选举或州长选举，使得数据中心的选址和电力供应问题成为政治焦点。

第四章节：安全 (Safety) 详细解读

该章节深入探讨了人工智能安全领域面临的挑战、领先实验室的应对措施以及风险（特别是网络攻击和生物风险）的快速升级。

1. 实验室的风险缓解行动

• 前所未有的保护措施： 面对高能力未来 AI 系统可能带来的灾难性风险，领先的 AI 实验室启动了前所未有的保护措施。这些措施主要针对 生物风险（Bio risks） 和 策划/图谋风险（Scheming risks） 。
  • 生物风险： 关注 AI 被用于加速设计或合成危险生物制剂的可能性。
  • 策划风险： 指 AI 模型可能发展出自主目标，并采取欺骗或操纵行为以实现这些目标。
• Red Teaming 和防御性研究： 实验室加大了内部“红队”（Red Teaming）的投入，即雇佣专家模拟恶意行为，试图发现和利用模型中的安全漏洞，以提升防御能力。

2. 资金投入的巨大差距

• 外部安全组织的资源不足： 报告指出，致力于 AI 安全、对齐和治理的外部安全组织的年度预算总和，甚至小于领先 AI 实验室集体单日（24小时）的支出。
• 投入失衡的后果： 这种巨大的资金投入差距意味着外部监督和独立研究机构难以有效跟上技术发展的步伐，难以对前沿模型的潜在风险进行充分的评估和研究。

3. 网络攻击能力的爆炸性增长

• 网络攻击能力翻倍加速： AI 驱动的网络攻击能力正在以惊人的速度增长，报告指出其能力大约每 5 个月就翻一番。
  • 这种加速发展超过了防御措施的进步速度，使得网络安全形势日益严峻。
• AI 智能体成为攻击主力： 犯罪分子正在利用 AI 智能体进行攻击：
  • 勒索软件攻击： 智能体被用于对财富 500 强公司发起复杂且可定制的勒索软件攻击，自动化了侦察、渗透和协商等多个阶段。
  • 深度伪造/诈骗： 报告预测，深度伪造/智能体驱动的网络攻击将引发第一次北约/联合国关于 AI 安全的紧急辩论，凸显了这种攻击对国家安全和全球稳定的威胁。

4. 对齐和可解释性研究

• 挑战依然存在： 尽管在对齐（Alignment，确保 AI 目标与人类价值观一致）和可解释性（Interpretability，理解 AI 决策过程）方面进行了大量研究，但对于如何完全控制和理解日益复杂的“黑箱”模型，挑战依然巨大。

第五章节：调查 (Survey) 详细解读

该章节基于对 1,200 名 AI 从业者的调查结果，提供了对 AI 社区情绪、对模型能力和趋势的看法的洞察。

1. AI 从业者的人口统计和特征

• 调查规模： 这是全球最大的公开、持续更新的 AI 调查之一，旨在获取来自开发者、运营者和研究人员等一线从业者的真实反馈和使用模式。
• 角色分布： 调查对象通常涵盖了 AI 工程师、研究科学家、产品经理、技术领导者和投资者等关键角色。

2. 对 AI 实验室和模型的评价

• 对顶尖 AI 实验室的评分： 报告展示了这 1,200 名从业者对主要的 AI 实验室（如 OpenAI, Google DeepMind, Anthropic, Meta, Mistral 等）在创新、安全性、开放性等方面的评分和声誉排名。
  • 这个评分反映了 AI 社区内部对不同参与者战略和执行力的看法。
• 最受关注的模型： 调查通常会询问受访者认为最具前景或最有影响力的 AI 模型。这能揭示社区对开放模型（如 Llama、Mistral）和封闭前沿模型（如 GPT-5、Gemini）的偏好和预期。

3. 最受关注的生成式 AI 趋势

调查结果揭示了从业者认为在未来一年中最具潜力的生成式 AI 趋势，这通常包括：

• 智能体（Agents）和自主工作流： 智能体是否能够真正从原型走向实用，完成复杂、多步骤的任务，被认为是未来最大的趋势之一。
• 多模态 AI： 统一处理文本、图像、音频、视频甚至 3D 数据的多模态模型的能力和商业化潜力。
• 推理和规划： 推理能力的突破（如 CoT、检索增强）能否转化为可靠、可部署的产品。
• RAG（检索增强生成）和知识管理： 如何有效地将模型与私人、专有或实时知识源结合，解决幻觉（hallucination）问题。

4. AI 模型的实际使用和挑战

• 使用模式： 调查分析了从业者在工作中实际使用 AI 模型的方式，例如用于代码生成、数据分析、内容创作或研发加速。
• 挑战： 从业者在使用 AI 模型时面临的主要挑战，包括模型部署成本、安全性、幻觉问题、以及寻找和留住专业 AI 人才的困难。

第六章节：预测 (Predictions) 详细解读

本章分为两个主要部分：对 2024 年预测的严谨回顾（记分卡），以及对未来 12 个月的 10 个大胆预测。

1. 2024 年预测回顾 (Scorecard)

报告通过回顾上一年的预测，检验了报告撰写者的判断力：

2. 对未来 12 个月的 10 个大胆预测

报告对接下来的一年（即 2025 年末至 2026 年初）做出了以下关键预测：

个人认为报告还是轻视国内的开源大模型基座了, 特别是阿里云 Qwen 基座模型, 不管是效率(同等参数下的 benchmark 比分值), 模型天花板(以参数量、优质训练素材和算法制胜, 在大参数量下的 benchmark 比分)都已经是世界前列. gemini 和 qwen 都在用, 从个人感官来说现在 gemini 2.5 pro 和 qwen3 真分不清高低, 未来更看好以 Qwen 为代表的开源AI生态.

报告原文:

• https://www.stateof.ai/
• https://docs.google.com/presentation/d/1xiLl0VdrlNMAei8pmaX4ojIOfej6lhvZbOIK7Z6C-Go