2025人工智能发展现状报告：超级智能与中美大模型PK，限制与超越 | 企服国际观察

图片系AI生成

日前，AI领域投资人、风投公司Air Street Capital联合创始人内森·贝奈奇（Nathan Benaich）与其团队共同发布了《人工智能现状报告 2025》。该系列报告已连续发布八年，而本次报告长达300多页，由业界和研究领域的顶尖AI从业者进行评审，涵盖了技术研究与产业、政策与安全、用户市场调研等多个维度。

基于此，内森·贝奈奇对下一年度给出预测，他在报告中写道：“对前沿AI模型的研究，中国的研究机构会超越美国；开放式AI智能体（Agent）更值得获得进一步科研发现；AI安全领域，基于AI生成欺诈视频的网络攻击事件将引发国际间讨论；美国某头部AI研究架构会最终转向开源生态以获得其政府支持。”

笔者根据该报告调研数据及分析，梳理出三大类关键信息。

过去一年，超级智能与中美大模型PK

2024年末至2025年，随着GPT-o1的发布，迎来基于深度推理的大模型发展热潮，各家大模型厂商快速面世了多个推理模型。

期间，以Meta为代表的科技巨头定义了“超级人工智能”（Superintelligence）一词，“通用人工智能”（AGI）成为过去时。

请输入图说

报告认为，开源模型与闭源模型之间的差距虽曾一度缩小，但当前最顶尖的模型仍保持闭源，如GPT-5、GPT-o3、Gemini 2.5 Pro、Claude 4.1 Opus、Grok4等。其中，OpenAI凭借其最新的GPT-5在多个基准测试中保持领先，继续巩固在基础模型领域的优势地位。

尽管中国基础模型尚未取得突破性进展，但在开源模型领域却颇具竞争力。相比之下，美国的开源模型表现令人失望，OpenAI的开源模型性能远逊于GPT-5。

随着中国DeepSeek、Qwen和Kimi等模型的崛起，市场竞争愈发激烈。特别是在推理和编程任务方面，中国厂商正逐步缩小与领先者的差距。报告强调，开源为中国厂商提供了快速追赶的契机，越来越多的开发者选择基于Qwen进行开发。中国的大模型不仅在智能水平上有所提升，还呈现出多样化的特点。相比之下，曾作为开源模型标杆的Meta Llama，其市场份额已从2024年末的约50%大幅下滑至目前的15%。

报告指出，近期推理模型的方法改进完全处于基准模型的误差范围内，这或许意味着推理模型的进步并不真实。而且，强化学习（RL）带来的实际收益也微乎其微，且容易过拟合。

针对此，报告援引一篇论文，深入剖析了研究人员间的争议焦点：推理模型在应对复杂问题时表现欠佳，究竟是源于实验设计本身的缺陷，还是仅在特定领域才能展现出超越基准模型的优势？

当前，前沿AI实验室正积极探索将强化学习、基于可验证的奖励机制、可验证推理与新环境相结合，赋予模型规划、反馈、自我修正以及在更长时间跨度内执行任务的能力。

报告还提到，AI研究目前正考虑利用小语言模型（SLMs）构建智能体（Agentic AI）。鉴于大多数智能体的工作流存在局限性、重复性且高度依赖格式，小语言模型已能满足实际操作需求，且成本显著降低。因此，采用小语言模型构建有限的异构智能体架构，仅在必要时调用大模型，成为一种可行的策略。

作为构建AI智能体的软件平台，AI智能体框架发展同样迅速。尽管LangChain仍广受欢迎，但如今已只是众多选择之一，目前市面上各细分领域已涌现数十种框架，如研发领域的AutoGen、camel，软件工程领域的MetaGPT等。

此外，AI智能体的研究正赋予其记忆能力，实现从拓展上下文窗口到结构化、持久性终身记忆的转变，并且进一步延伸至动态整合、遗忘和反思，旨在使智能体在交互、任务乃至整个运行周期中保持连贯性。

报告还提到，AI如今在跨学科领域的应用价值日益凸显。例如，在生物领域，DeepMind的AI系统“Co-scientist”，基于Gemini 2.0构建，能够生成、辩论并进化其假设生成与实验规划过程。

AI智能同样涌现物理世界。如艾伦人工智能研究所Ai2发布的针对于具身智能系统的模型MolmoAct，谷歌的Gemini Robotics 1.5，与大模型“思维链”相呼应，能够显著提升物理机器人的可解释性和可靠性。

产业进展：更便宜的智能，限制与竞争

当前，AI产业应用正迅速普及。AI优先企业营收远超其SaaS同行，并且在各个行业展现出发展势头。2025年，随着AI采用率上升，用户留存率上升，企业支出增加。特别是在音视频、虚拟形象、图像生成领域，AI公司的收入有望实现爆发式增长。

在企业内部，AI应用场景以内容生成、代码生成、研究及分析密集型任务最为常见。

ChatGPT、Claude、Gemini/Google和Perplexity成为使用频率最高的工具。尽管Meta的AI工具覆盖面广，但其使用频率远不及Mistral Le Chat或Midjourney。值得注意的是，DeepSeek虽然覆盖率略低，但使用频率相对较高。

在开发者工具方面，Cursor、Claude Code和GitHub Copilot备受青睐；而在非编程工具中，Deep Research、ChatGPT、ElevenLabs、Perplexity和Claude的使用频率也非常高。

然而，AI编程工具的应用也伴随着一定风险。例如，AI编程工具可能会主动覆盖企业生产代码，导致开发成果受损。同时，从事AI编程开发的初创公司仍面临严峻的单位经济效益挑战，其盈利状况受制于上游模型价格和竞争对手。这可能导致初创公司在提高利润时，除了技术降本外，还可能采取突然提价或限制用户功能等措施。

浏览器正成为AI应用的最新焦点和企业竞争的新战场。目前，OpenAI、Google、Anthropico和Perplexity均推出了助手功能，不仅能解答用户关于网页内容的问题，还能代表用户在浏览器中进行导航和操作。这一转变将浏览器重新定义为互联网的智能操作系统。此外，谷歌公司在其产品中嵌入Gemini能力，让更多用户体验到AI检索服务。据谷歌公司声称，其每月Token消耗数量在2025年同比增长了50倍，达到千万亿个Token。

事实上，AI的工业时代已经到来。

但在这其中，电力供应正成为制约AI发展的新因素。报告称，若电力供应不足，国家AI计划将面临崩溃风险。未来1-3年内，美国几个主要地区可能会出现电力短缺。美国能源部（DOE）警告称，由于电力供应不稳定和AI需求增长，到2030年，停电频率可能会增加100倍。

报告提到了2024年末DeepSeek对整个AI市场的搅动，市场重新认识“杰文斯悖论”，即更便宜的智能，带来更高的需求，更高的需求又会提高对芯片的消耗。

无论是在公有云、私有云还是本地化部署环境中，GPU都至关重要。英伟达的市值突破4万亿美元，占据90%的AI研究论文市场份额，定制芯片与新云服务同步崛起。除了英伟达之外，随着客户对优惠价格、灵活合同条款及AI专用软件套件的需求增加，上市公司Coreweave、Nebius以及私企Lambda、Crusoe正实现快速增长。同时，报告指出TPU和AMD的GPU普及程度并不高。

报告还首次对1183名AI从业者进行了调研，结果显示，95%的专业人士现在在工作或生活中使用AI，76%的人自掏腰包购买AI工具，且大多数人表示生产力持续提高。这充分证明AI的真正普及已成为主流趋势。

报告指出，目前AI主要挤压的是入门级岗位市场，其中在软件和客服领域，这类岗位极易受AI技术影响，其招聘岗位持续下降，经验丰富的劳动力暂时保持工作稳定性。

报告还指出，研究发现当前劳动力市场变化早于2022年ChatGPT的问世，AI自动化目前并未削弱经济领域对认知型劳动力的需求。

AI政策“反复”，安全风险加剧

整体来看，美国推行“美国AI优先”的战略并调整出口政策，中国则加速推进自主研发与本土芯片制造，以中美为代表的AI竞赛愈演愈烈。

2025年，特朗普政府将人工智能安全研究所更名为人工智能标准与创新中心（CAISI），并启动了5000亿美元的“星门计划”。与此同时，美国政府发布《人工智能行动计划》力求保持其在全球AI领域的主导地位。

与中国最密切相关的是AI芯片出口限制的相关政策，报告用“反复”来形容。事实上，美国政府在国家安全目标与供应链依赖、供应商游说这见寻求平衡，这使得英伟达和AMD成为政治焦点。报告指出，英伟达在中国市场并未达到稳定状态。

与此同时，美国监管措施在巨额投资浪潮中被边缘化：国际外交陷入僵局，《人工智能法案》实施遭遇重重阻碍。

AI数据中心建设陷入了新的瓶颈：邻避主义（NIMBYism）。在最新事件中，美国公众对新建大规模数据中心的反对声日益高涨。

而尽管政府《人工智能行动计划》提及需自主AI领域”基础科学“，但其核心研发资金远低于专家建议的2026年320亿美元投资目标。

与此同时，硅谷科技巨头目前采取了“逆向”并购政策：通过快速引进人才（创始人及团队高薪）以规避并购限制，同时保留原业务精简的公司转型拓展小众市场。其原因在于，特朗普政府以来的并购增长预期尚未到来，同时又受制于前拜登政府推行的反垄断审查。例如，微软收购Inflection，谷歌收购Character AI，亚马逊收购Adept，Meta收购Scale AI（貌似最近的Manus并购案也存在同样模式）。

目前美国联邦贸易委员会（FTC）对这类“逆向”并购行为的担忧日益加剧。

与此同时，美国就AI安全相关的政策议题也在发生转变，加之实验室间日益激烈的商业竞争，某些安全规程已被列为非优先事项。

外部安全机构年度预算甚至不及顶尖实验室单日总支出，曾以安全为核心的机构开始将重点转向产品化。报告估算，外部AI安全研究投入仅约1.3亿美元，而同期全球AI研发支出接近千亿美元，比例极低。

AI实验室为防范生物安全风险和网络攻击部署了空前防护，部分实验室却因错过自我设定的截止日期或悄然放弃测试方案。

报告指出，网络攻击能力每五个月翻一番，远超防御措施的更新速度。犯罪分子利用AI智能体的勒索软件已渗透至世界500强企业。

涉及生成式AI的安全事件正呈急剧增长态势。其中，大量报告事件涉及AI换脸技术，这与大模型的滥用密切相关。与此同时，AI代理正日益成为网络安全防御的重大挑战。（作者 | 杨丽，编辑 | 盖虹达）

报告来源：https://www.stateof.ai/