2025人工智能十大预测:AI Agent项目将成为主流

2025年，人工智能将迎来哪些关键转折？AI Agent项目为何会成为下一波浪潮的核心？在2024年即将画上句号之际，来自Radical Ventures的风险投资家Rob Toews分享了他对2025年人工智能的十个核心判断。这些预测涉及商业模式、技术演进、政策博弈乃至安全伦理，值得行业从业者认真审视。

01. Meta将开始对Llama模型收费

Meta一直被视为开放式人工智能的标杆。当OpenAI和谷歌等竞争对手纷纷将其前沿模型封闭源代码并收取使用费时，Meta却反其道而行之，免费提供其最先进的Llama模型。这一策略本身就是企业战略中一个引人注目的案例。

但接下来，变化即将发生。明年，Meta将开始向使用Llama的公司收费——这可能会让很多人感到意外。

需要说明的是：这并不意味着Meta会完全闭源，也不等于所有用户都必须为此买单。更准确的描述是，Meta将对Llama的开源许可条款施加更多限制。具体来说，

。

从技术角度看，Meta如今已经在有限的范围内做了类似的事。该公司不允许最大的公司——云超级计算机和其他月活跃用户超过7亿的公司——自由使用其Llama模型。早在2023年，Meta首席执行官Mark Zuckerberg就曾直言：“如果你是微软、亚马逊或谷歌这样的公司，而且你基本上会转售Llama，那么我们应该从中获得一部分收入。我不认为这在短期内会是一大笔收入，但从长远来看，希望这能成为一些收入。”

明年，Meta将大幅扩大必须付费才能使用Llama的企业范围，更多大中型企业将被纳入其中。原因很简单：跟上大型语言模型（LLM）前沿的代价极其昂贵。如果想让Llama与OpenAI、Anthropic等公司的最新前沿模型保持同步，Meta每年需要投入数十亿美元。

。但它终究是一家上市公司，最终要对股东负责。随着制造前沿模型的成本不断飙升，在没有明确收入预期的情况下持续投入如此巨额资金来训练下一代Llama模型，这种策略越来越难以维持。

爱好者、学者、个人开发者和初创公司明年依然可以免费使用Llama模型。

。

02. “尺度定律”的下一站：从语言到更多模态

最近几周，人工智能领域讨论最多的话题莫过于“尺度定律”（Scaling laws）——以及它是否即将终结的问题。

尺度定律的概念源于2020年OpenAI的一篇论文，核心逻辑相当直白：在训练人工智能模型时，随着模型参数数量、训练数据量和计算量的增加，模型的性能会以可靠且可预测的方式提升（从技术上讲，其测试损失会减少）。

。

如同摩尔定律一样，尺度定律本质上并非真正的物理法则，而是一种基于经验观察的总结。

不过，过去一个月里，一系列报告显示，主要人工智能实验室在持续扩大大型语言模型规模时，正在遭遇递减的回报。这或许有助于解释为什么OpenAI的GPT-5发布一再推迟。

对尺度定律趋于平稳的常见反驳是：测试时计算的出现，开辟了一个全新的扩展维度。换句话讲，与其在训练期间大规模扩展计算，不如像OpenAI的o3这样的新推理模型那样，在推理期间大规模扩展计算——通过让模型“思考更长时间”来解锁新的AI能力。这是一个重要的观点，测试时计算确实代表了新的扩展途径和AI性能提升路径。

但另一个观点更加关键，也更容易被忽视。几乎所有的尺度定律讨论——从最初的2020年论文到今天对测试时计算的关注——都集中在语言上。然而，语言绝非唯一重要的数据模态。

想想机器人技术、生物学、世界模型或网络袋里。

。事实上，这些领域中尺度定律存在的严格证据，至今甚至尚未正式发表。

为这些新型数据模态构建基础模型的初创公司——例如，生物学领域的Evolutionary Scale、机器人技术领域的Physical Intelligence、世界模型领域的World Labs——正试图识别并利用这些领域的尺度定律，就像OpenAI在2020年代前半期成功利用LLM尺度定律一样。明年，预计这里将取得巨大的进步。

尺度定律不会消失，它们在2025年将和以往一样重要。但中心舞台将从LLM预训练转移到其他模态。

03. 川普与马斯克的“蜜月期”能持续多久？

美国新政府的上台，必将带来一系列关于人工智能的政策和战略转变。

要预判川普总统就任后的人工智能走向，考虑到马斯克目前在人工智能领域的中心地位，很多人倾向于关注当选总统与马斯克的密切关系。

。

鉴于马斯克与OpenAI之间深刻的敌对关系，新政府在与行业接触、制定人工智能法规、授予政府合同等方面，可能会对OpenAI采取不那么友好的立场——这确实是OpenAI今天真正担心的风险。

另一方面，川普政府也可能更倾向于支持马斯克自己的公司：比如削减繁文缛节，使xAI能够更快地建立数据中心并在前沿模型竞赛中取得领先；或者为特斯拉部署机器人出租车车队提供快速监管批准。

更根本的是，与许多其他受川普青睐的科技领袖不同，马斯克对人工智能的安全风险有着深切的担忧，并因此主张对人工智能进行重大监管。他支持加利福尼亚州有争议的SB1047法案，该法案试图对人工智能开发者施加有意义的限制。因此，

。

然而，所有这些推测都存在一个问题：川普和马斯克的亲密关系终将不可避免地破裂。正如在川普第一任政府期间一次又一次看到的那样，川普盟友的平均任期——即使是最看似最坚定的——都极其短暂。川普第一任政府的许多副手，今天仍然忠于他的寥寥无几。川普和马斯克都是复杂、易变、不可预测的个性，他们不易合作，他们使人筋疲力尽，他们新发现的友谊到目前为止虽然互惠互利，但依然处于“蜜月期”。

我们预测，在2025年结束之前，这段关系将会恶化。这对人工智能世界意味着什么？这对OpenAI来说是个好消息，对特斯拉的股东来说则是不幸的，而对那些关注人工智能安全的人来说，这将是一个令人失望的消息——因为它几乎可以确保美国政府将在川普执政期间对人工智能监管采取放手不管的态度。

04. AI Agent：从概念到主流的跨越

想象这样一个世界：你不再需要直接与互联网互动。每当需要管理订阅、支付账单、预约医生、在亚马逊上订购东西、预订餐厅或完成其他任何繁琐的在线任务时，你只需指示人工智能助理代你完成即可。

这种“网络袋里”的概念已经存在多年。毫无疑问，如果有一款这样的产品且能正常运行，它将会大获成功。然而，目前市场上还没有一款能正常运行的通用网络袋里。像Adept这样的初创公司，即使拥有一支血统纯正的创始团队，筹集了数亿美元的资金，却未能实现其愿景。

。语言和视觉基础模型的不断进步，再加上最近因新推理模型和推理时间计算而在“第二系统思维”能力方面取得的突破，将意味着网络袋里已准备好进入黄金时代。换句话说，Adept的想法是正确的，只是为时过早。在初创企业这个领域，正如生活中的许多事情一样，时机就是一切。

网络袋里将找到各种有价值的企业用例，但我们认为，网络袋里近期最大的市场机会将是在消费者端。尽管最近人工智能热度不减，但除了ChatGPT之外，能成为消费者主流应用的人工智能原生应用还相对较少。

。

05. 把AI数据中心送上太空？这不再是一个玩笑

2023年，制约人工智能发展的关键物理资源是GPU芯片。到了2024年，瓶颈变成了电力和数据中心。这一年，几乎没有什么故事能比人工智能对能源的巨大且快速增长的需求更引人关注了。

。在美国，数据中心的耗电量预计到2030年将接近总耗电量的10%，而2022年这个数字仅为3%。当今的能源系统根本无法应对人工智能工作负载带来的巨大需求激增。

作为解决这一难题的可能方案，核能在今年获得了迅猛发展。核电在很多方面都是人工智能的理想能源：零碳、全天候、取之不尽。但从现实来看，由于研究、项目开发和监管时间较长，新能源在2030年代之前都无法真正解决问题。传统的核裂变发电厂、下一代“小型模块化反应堆”（SMR）以及核聚变发电厂，都面临同样的困境。

。

乍一听，这像是一个糟糕的笑话——一个风险投资人试图把太多创业流行语混在一起的结果。但事实上，这可能是有道理的。在地球上快速建设更多数据中心的最大瓶颈是获取所需的电力。而轨道上的计算集群可以全天候享受免费、无限、零碳的电力：太空中的太阳从不休息。

。要建立功能更强大的人工智能数据中心，最大的工程障碍之一就是在狭小的空间内同时运行许多GPU会产生大量热量，高温会损坏甚至毁坏计算设备。数据中心开发人员正在采用液浸冷却等昂贵且未经证实的方法来试图解决这一问题。但太空本身是极其寒冷的，计算产生的任何热量都会立即无害地消散。

当然，还有许多实际挑战有待解决。一个显而易见的问题是，能否以及如何在轨道和地球之间以低成本高效率地传输大量数据。这是一个悬而未决的问题，但可能是有解的：

。

Y Combinator旗下名为Lumen Orbit的初创公司最近筹集了1100万美元，就是要实现这一设想：在太空中建立一个数兆瓦的数据中心网络，用于训练人工智能模型。正如公司首席执行官所说：“与其支付1.4亿美元的电费，不如支付1千万美元的发射和太阳能费用。”2025年，Lumen将不会是唯一认真对待这一概念的组织。其他初创企业的竞争者也会出现。如果有一家或几家云计算超大规模企业也按照这种思路进行探索，也不必感到惊讶。亚马逊已经通过“柯伊伯计划”（Project Kuiper）将资产送入轨道，积累了丰富经验；谷歌长期以来一直在资助类似的“登月计划”；甚至微软对太空经济也不陌生。可以想象，马斯克的SpaceX公司也会在这方面有所动作。

06. 人工智能系统将通过“语音图灵测试”

图灵测试是人工智能性能最古老、最知名的基准之一。为了“通过”图灵测试，人工智能系统必须能够通过书面文本进行交流，让普通人无法分辨自己是在与人工智能互动还是与真人互动。得益于大型语言模型的显著进步，图灵测试在2020年代已成为一个解决的问题。

但书面文本并非人类交流的唯一方式。

。在这个测试中，人工智能系统必须能够通过语音与人类互动，其技能和流畅度要达到与人类说话者无法区分的程度。

今天的人工智能系统还无法实现语音图灵测试。解决这个问题需要更多的技术进步。延迟——人类说话和人工智能回应之间的滞后——必须减少到接近零，以匹配与另一个人类交谈的体验。语音人工智能系统必须更擅长优雅地实时处理模糊输入或误解，比如说话被打断的情况。它们必须能够参与长对话、多轮、开放式的对话，同时记住讨论的早期部分。

——比如一个人类说话者听起来是恼怒、兴奋还是讽刺，并在自己的语音中生成这些非语言线索。

随着我们接近2024年底，语音人工智能正处于一个令人兴奋的转折点。这一转折是由“语音到语音”模型的出现等根本性突破推动的。如今，人工智能中很少有领域在技术和商业上的进步速度能比语音人工智能更快。预计在2025年，语音人工智能的最新技术将实现一次飞跃。

07. 自主AI系统：从实验室走向主流

数十年来，递归式自我完善人工智能的概念一直是人工智能界不断提及的话题。早在1965年，Alan Turing的亲密合作者I.J. Good就写道：“让我们把超智能机器定义为一种能够远远超越人类所有智力活动的机器。既然设计机器是这些智力活动之一，那么超智能机器就能设计出更好的机器；到那时，无疑会出现‘智能爆炸’，人类的智能将被远远抛在后面。”

人工智能可以发明更好的人工智能——这是一个充满智慧的概念，但即使在今天，它仍然带有科幻小说的色彩。然而，尽管这一概念尚未得到广泛认可，但它实际上已经开始变得更加真实。

。我们预测，明年这一研究方向将成为主流。

迄今为止，沿着这一思路进行研究的最显著的公开案例是Sakana的“人工智能科学家”。该项目于今年8月发布，它令人信服地证明了人工智能系统确实可以完全自主地开展人工智能研究。“人工智能科学家”本身执行了人工智能研究的整个生命周期：阅读现有文献、产生新的研究想法、设计实验来测试这些想法、执行这些实验、撰写研究论文来报告其研究结果，并对其工作成果进行同行评审。

。

OpenAI、Anthropic和其他研究实验室也正在为“自动化人工智能研究人员”这一想法投入资源，不过目前还没有任何消息得到公开确认。随着越来越多的人认识到“人工智能研究自动化”事实上正在成为一种真正的可能性，预计2025年这一领域将会有更多的讨论、进展和创业活动。

不过，最有意义的里程碑将是：完全由人工智能袋里撰写的研究论文，首次被顶级人工智能会议接受。如果论文是盲审的，会议评审人员在论文被接受之前不会知道论文是由人工智能撰写的。如果人工智能的研究成果明年被NeurIPS、CVPR或ICML接收，请不要感到惊讶。对于人工智能领域来说，这将是一个引人入胜、充满争议的历史性时刻。

08. 前沿实验室的战略转向：从模型到应用

构建前沿模型是一项艰难的工作。它的资本密集程度令人咋舌，前沿模型实验室需要消耗大量现金。就在几个月前，OpenAI筹集到了创纪录的65亿美元资金，而在不久的将来，它可能还需要筹集更多。Anthropic、xAI和其他公司也处于类似的境地。

转换成本和客户忠诚度也较低。人工智能应用程序通常都以模型无关性为目的而构建，不同供应商的模型可以根据成本和性能的变化进行无缝切换。随着最先进的开放模型（如Meta的Llama和阿里巴巴的Qwen）的出现，技术商品化的威胁不断迫近。像OpenAI和Anthropic这样的人工智能领导者不可能也不会停止对构建尖端模型的投资。

。当然，前沿实验室已经有了一个非常成功的应用案例：ChatGPT。在新的一年里，我们还能从人工智能实验室看到哪些其他类型的第一方应用？一个显而易见的答案是更复杂、功能更丰富的搜索应用——OpenAI的SearchGPT已经预示着这一点。编码是另一个显而易见的类别——同样，OpenAI的Canvas产品于10月份首次亮相，初步的工作已经开始。

OpenAI或Anthropic是否会在2025年推出企业搜索产品？还是客户服务产品、法律人工智能或销售人工智能产品？在消费者方面，我们可以想象一个“个人助理”网络袋里产品，或者一个旅行规划应用，又或者是一个生成音乐的应用。

观察前沿实验室向应用层发展的最迷人之处在于，

——搜索领域的Perplexity、编码领域的Cursor、客户服务领域的Sierra、法律人工智能领域的Harvey、销售领域的Clay，等等。

09. Klarna的IPO与夸大AI价值的风险

Klarna是一家总部位于瑞典的“先买后付”服务提供商，自2005年成立以来已筹集了近50亿美元的风险投资。也许没有哪家公司能比Klarna对其人工智能的应用说得更冠冕堂皇了。就在几天前，Klarna首席执行官Sebastian Siemiatkowski告诉彭博社，

。正如Siemiatkowski所说：“我认为，人工智能已经可以完成我们人类所做的所有工作。”与此类似，Klarna公司今年早些时候宣布，它已经推出了一个人工智能客户服务平台，该平台已经将700名人工客服人员的工作完全自动化。该公司还声称，它已经停止使用Salesforce和Workday等企业软件产品，因为可以简单地用人工智能取代它们。

直截了当地说，这些说法并不可信。它们反映了人们对当今人工智能系统的能力和不足缺乏了解。声称能够用端到端的人工智能袋里取代组织中任何职能部门的任何特定人类员工——这种说法并不靠谱，等同于解决了通用的人类级人工智能问题。如今，领先的人工智能初创企业正在该领域的最前沿努力构建袋里系统，以实现特定的、狭义的、高度结构化的企业工作流程自动化——例如，销售开发代表或客户服务袋里活动的子集。

，尽管在某些情况下，它们已经开始表现得足够好，足以在早期阶段获得商业应用。

为什么Klarna会夸大人工智能的价值？答案很简单。该公司计划在2025年上半年上市。要想成功上市，关键是要有一个引人入胜的人工智能故事。Klarna仍然是一家不盈利的企业，去年亏损了2.41亿美元。它可能希望自己的人工智能故事能说服公开市场的投资者，让他们相信它有能力大幅降低成本，实现持久盈利。

毫无疑问，包括Klarna在内的全球每家企业，都将在未来几年内享受到人工智能带来的巨大生产力提升。但是，

。像Klarna这样夸大其词的说法，是对人工智能领域的亵渎，也是对那些在开发人工智能袋里方面取得艰苦进展的人工智能技术专家和企业家们的亵渎。随着Klarna准备在2025年公开发行股票，预计这些说法将受到更严格的审查和公众的怀疑——而到目前为止，这些说法大多没有受到质疑。如果该公司对其人工智能应用的某些描述最终被证明过于夸张，请不要感到惊讶。

10. 第一起真正的AI安全事故：或许就在明年

近年来，随着人工智能变得越来越强大，人们越来越担心人工智能系统可能会开始以与人类利益不一致的方式行事，人类可能会失去对这些系统的控制。举例来说，想象一个人工智能系统为了实现自己的目标，学会了欺骗或操纵人类，即使这些目标会对人类造成伤害。

。

近年来，人工智能安全已从一个边缘的准科幻话题转变为一个主流活动领域。如今，从谷歌、微软到OpenAI，每一个主要的人工智能参与者都为人工智能安全工作投入了大量资源。像Geoff Hinton、Yoshua Bengio和Elon Musk这样的人工智能偶像，也开始对人工智能安全风险发表看法。然而，到目前为止，人工智能安全问题仍完全停留在理论层面。现实世界中从未发生过真正的人工智能安全事故——至少没有公开报道过。

2025年将是改变这一状况的一年。第一起人工智能安全事件会是什么样的？明确地说，它不会涉及终结者式的杀手机器人，它很可能不会对人类造成任何伤害。也许人工智能模型会试图在另一台服务器上秘密创建自己的副本以保存自己（称为自我过滤）。又或许人工智能模型会得出这样的结论：

。

这些例子并非牵强附会。阿波罗研究公司本月早些时候发表的重要实验表明，在特定的提示下，当今的前沿模型能够做出这种欺骗行为。同样，Anthropic最近的研究也表明，LLMs具有令人不安的“伪对齐”能力。我们预计，这起首例人工智能安全事件将在造成任何实际伤害之前被发现并消除。但对于人工智能界和整个社会来说，这将是一个大开眼界的时刻。它将明确一件事：在人类面临来自无所不能的人工智能的生存威胁之前，我们需要先接受一个更平凡的现实——

。