AI应用下一个突破口在哪

来源：滚动播报

（来源：北京商报）

2025年AI正从“工具时代”迈向“伙伴时代”，2026年的AI发展态势渐渐清晰。12月10日，量子位智库发布《2025年度AI十大趋势报告》（以下简称《报告》）。《报告》基于基础设施、模型进化、应用版图等四部分进行总结，其中有关应用的趋势占有四席，分别涉及流量入口、多模态、AI硬件和AGI（通用人工智能）。来自学术和产业一线的参与者对具身智能等热门领域做了复盘和展望，可以说AI的上半场属于想象力，下半场属于执行力。

算力经济成引擎

芯片、云、模型、终端等关键环节，构成了当下AI产业最具代表性的全栈力量，各个环节的发展相互作用。

在基础设施方面，《报告》聚焦算力和芯片。

算力经济是智能产业第一大引擎，全球范围内，对AI算力的需求正以前所未有的速度增长，这直接推动了超大规模数据中心的建设。这些数据中心不再只是传统意义上的服务器托管场所，而是演变为单个AI公司主导的、集成了海量计算、存储和网络资源的算力工厂。

云计算厂商的投资重点从传统的通用计算资源向满足AI需求的专用算力基础设施倾斜，云厂商与AI企业的合作模式从简单的资源租赁关系，演变为深度绑定的战略合作关系。

相应地，越来越多的AI原生需求正在重塑芯片创新，大市场大生态打开了时代“芯机遇”。具体体现在，GPU（图形处理器）主导地位受到挑战，NPU（嵌入式神经网络处理器）在端侧普及，ASIC（定制集成电路）/FPGA（现场可编程门阵列）迎来增长。

中国正加速构建自主可控的算力生态，国产“芯片+SDK+框架”方案已在千亿级模型训练中得到验证，DeepSeek等模型针对昇腾芯片深度优化，标志着全栈国产化能力迈入新阶段。

需求倒逼模型创新

在模型方面，预训练决定大模型格局梯队，架构创新决定预训练水平。模型架构持续突破，在算力约束下，混合专家模型成为主流选择。这种“大参数、小激活”的设计让模型可以在不显著增加成本的情况下扩充容量。中国头部模型团队正普遍采用这一思路。

同时，2025年，大模型落地进入“推理时间”。模型在多模态深度推理、自适应推理、边缘推理加速等方面持续突破，任务复杂度推动推理框架持续进化。

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。

就在《报告》发布的当天，优必选宣布一项新的订单合作，与国内AI大模型公司签订人形机器人销售合同，总金额超过5000万元。

根据协议，除了提供先进的机器人硬件，优必选还将开放必要的机器人数据接口与技术能力，支持合作方将其自有AI大模型与机器人本体进行集成与二次开发，并分阶段推进技术交付与支持计划，涵盖从基础控制、多模态感知到高级任务规划等多个层面的协同开发。

作为较早进入具身智能赛道的企业，11月中旬，优必选工业人形机器人Walker S2启动量产与交付，首批数百台已投入产业一线应用，覆盖汽车制造、智能制造、智慧物流、具身智能数据中心等领域。目前，Walker S2产能每月已超过300台，预期全年交付量将超过500台。

北京智源人工智能研究院（以下简称“智源研究院”）在具身智能、多模态技术路线的探索上都有积累。智源研究院院长王仲远也相信，“人工智能在未来的几年里，会从语言学习进入多模态、世界学习的新阶段”，智源研究院发布的多模态模型Emu3.5就是世界模型的基座。

谈到构建物理世界基础模型，自变量机器人创始人王潜认为，虚拟世界与物理世界存在本质不同，本体和物理世界的随机性导致现实世界机器人操作控制极其困难，而物理接触的复杂性决定了端到端的必要性。目前，自变量机器人自主研发的“Great Wall”模型系列已实现从感知到高精度操作的端到端控制，在复杂任务中展现出了强大的泛化能力。

应用版图扩大

根据报告，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。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。

新一代AI系统能够同时处理和理解文本、图像、声音、视频等多种信息类型，实现了跨模态的关联理解和生成。这不仅提升了AI在复杂场景下的表现，也为创意内容生成、智能交互等应用开辟了新可能。

这些应用的关键价值在于释放高价值劳动力，将人类精力转移到具有实质性价值的核心任务和战略性工作上。当一项技术被证明能显著提升劳动生产率时，它就会从“竞争优势”变为“生存必需品”。报告预测，未来2—3年内，随着技术能力的成熟，AI会成为这些产业的标准工具。

AI硬件赛道也被关注。轻量化模型和边缘计算技术成熟，推动AI能力向手机、汽车、IoT设备等终端普及。越来越多的智能设备开始具备本地AI处理能力，端侧AI的兴起解决了数据隐私、网络延迟和成本效率三大核心问题。这些设备能够在不依赖云端连接的情况下，实时响应用户请求，提供个性化的智能服务。

北京商报记者 魏蔚