全球人工智能 | 2025年展望：扩大AI能力将可解锁新的应用场景

概要

当前，通过输入越来越多数据来扩展AI基础模型的步伐正在放缓。在许多主要的AI研究实验室中，模型性能正在趋同。2025年，模型构建者将越来越多地在新功能和产品特性方面展开竞争。这将使技术更加用户友好，并解锁更多应用场景。尽管如此，我们仍然认为大多数正面影响还需要几年时间才能显现。今年，自主AI代理将取得重大进展，能够在极少人为干预下规划、执行和调整任务。

随着基础模型之间的竞争加剧，全球将会涌现更优秀的AI产品。AI实验室之间的竞争非常激烈，许多实验室的性能水平已经相当接近。这意味着优势将越来越取决于提供“现成”的、能无缝融入工作流程的AI产品的能力，从而推动各行业更快地采用。自主代理的进展正在加速，这是一种能够独立规划、执行和调整任务的AI系统。虽然目前尚不清楚这些产品何时具备商业可行性，但其最终将促进AI的广泛应用并显著提升生产力。

AI专业知识仍将主要掌握在少数主导企业手中。科技巨头利用其庞大的基础设施、垂直整合优势和财务实力来主导AI市场，并为规模较小的竞争对手和独立实验室设置障碍。半导体行业仍然是推动AI进步的关键因素。

性能提升和更易于使用的产品将加速各行业对AI的采用。AI和自主代理的进步将推动运营效率的提高。除了科技行业，金融、媒体和汽车行业将从中获益最大。有效整合AI的能力仍将是财务表现和信用质量的关键决定因素。

不同司法管辖区对AI监管的差异将会扩大。全球对AI风险的共识尚未转化为统一的监管策略，各个司法管辖区采取的方式截然不同。欧盟风险导向的AI法案侧重于透明度和问责制，但严格的合规要求可能会减缓AI的创新和采用。相比之下，美国和英国倾向于采用灵活且有利于创新的框架来增强竞争力。中国政府主导的AI监管则旨在平衡社会控制与技术领导地位。

随着基础模型之间的竞争加剧，全球将会涌现更优秀的AI产品

支持ChatGPT等AI聊天机器人的AI基础模型的竞争格局正迅速演变。自两年多前OpenAI推出ChatGPT以来，这家初创公司一直在生成式AI性能方面树立标准。该公司将于下个月推出的最新AI模型o3再次树立了新的标杆¹，但Anthropic的Claude 3.5Sonnet、Alphabet Inc.(Aa2/稳定)子公司谷歌的Gemini 2.0以及xAI的Grok 2-0等竞争对手正在迎头赶上。基准测试²表明，目前领先的4到5个模型在准确性、推理能力和任务多样性方面几乎达到了同等水平³。

开源模型的兴起进一步加剧了竞争。Meta Platforms, Inc. (Aa3/稳定)的开源模型Llama 3.1在多数基准测试中的表现已经达到了与专有模型相当的水平，但目前已被中国AI初创公司DeepSeek及其超大语言模型DeepSeek-V3超越⁴。

与开发组织独家控制和维护的专有模型不同的是，开源模型理论上⁵可供全球的开发人员、研究人员和企业自由地修改、调整和部署。

图表1

开源模型的成功以及更灵活、更实惠AI系统需求的增长正使专有模型开发商面临日益增大的压力，以证明其高昂定价的合理性。访问AI模型的成本差距悬殊，从每百万token几美分到高达15美元不等⁶，具体取决于模型的规模、效率和准确性。除非专有模型保持显著优势，否则开源模型竞争力的不断增强可能会缩小上述定价差距，从而降低企业成本，并推动各行各业更广泛地应用AI技术。

随着部分基础模型的性能开始趋同，各AI实验室正在开发新功能，以便在竞争中脱颖而出。其中一种方法是改进用户界面和搭载AI的工具，重点提升易用性和针对特定任务的功能。例如，Claude Artifacts是Anthropic的Claude聊天机器人的一项功能，其提供了一个与主对话分开的专用窗口，用户可以在其中编辑和完善生成的文本或图像。同样，OpenAI的Canvas是ChatGPT的一个新界面，允许用户协作编写和编码项目，利用GPT的通用功能来满足内容创作者和设计者的需求。

所谓的“扩展瓶颈”正成为新时代AI创新的驱动因素

通过增加大量数据和更强大的计算资源，AI已经达到了当前的能力水平。在训练阶段，这种扩展基础模型的方式大大增强了其在语言生成、复杂问题解决以及文本、图像和声音整合等任务中的表现。但是，AI模型规模扩展已经遭遇关键瓶颈的担忧正在AI界中逐渐升温。OpenAI首席执行官山姆・奥特曼表示，他担忧仅靠“扩展规模”可能无法再带来成比例的性能提升，并强调需要采用其他方法来增强AI能力。

AI规模扩展的首要挑战是高质量、大规模数据集的稀缺。虽然拥有AI模型的企业大幅增加了计算资源，但这些努力却带来令人失望的结果⁷，基准测试中的性能提升幅度有所减小。目前，AI性能实现显著提升的前提是指数级增加训练数据，但大多数可获取的数据集已经被使用过，因此进一步扩展AI规模在经济成本和实际操作层面上都面临挑战。

OpenAI和谷歌等公司已经探索使用合成数据作为替代。合成数据是模拟真实世界数据的人工生成数据集。合成数据无需收集敏感或专有信息，因此可以节省成本、提高可扩展性，并增强隐私保护。但是它也面临挑战。OpenAI发现合成数据集通常缺乏真实世界数据的多样性和丰富性，导致模型难以泛化到数据所包含的特定场景之外。谷歌报告称，合成数据在金融交易、网络安全日志或电子健康记录等高度结构化数据集的领域中效果良好，但发现其在自然语言处理等难以复制真实世界复杂模式的非结构化任务中效果较差。

合成数据也被用于开发针对特定任务的小型AI模型，这些数据可根据具体应用进行量身定制，从而使规模较小的模型也能实现高性能。例如，在医疗保健领域，合成数据可以模拟罕见疾病情景，从而使小型模型能够专门处理那些原本缺乏足够训练数据的特定任务。

图表2

在推理过程中添加更多计算资源⁸可能会成为2025年性能提升的主要来源。推理是AI系统的操作或“思考”阶段，聊天机器人在此阶段对查询或提示作出回答。OpenAI最新的o1和o3模型支持思维链提示，聊天机器人可记住并基于之前的提示进行构建。这些模型能够将复杂任务分解为可管理的步骤来优化推理过程，从而更准确地解决数学、编程和科学推理中的多步骤问题。因此，o3在ARCAGI基准测试中取得了87.5%的突破性分数，该测试旨在评估AI系统的通用智能水平。作为参考，GPT-4o在ARC-AGI基准测试中的得分为5%，而o1的得分为32%⁹。

但是，在推理过程中增加计算资源并不适用于所有类型的任务。此外，这种技术会增加使用成本，而较长的响应时间可能会成为实时应用的瓶颈。虽然面临上述挑战，但AI行业先前模型的推理成本已显著下降，并将有望能够继续取得进展¹⁰。

AI专业知识仍将主要掌握在少数主导企业手中

专业知识集中在少数参与者手中将是2025年的另一个决定性趋势。亚马逊公司(A1/稳定)、Alphabet、Meta和微软公司(Aaa/稳定)等美国大型科技公司将利用其庞大的基础设施、垂直整合的优势和财务灵活性，推动AI产品的大规模应用。这些公司已经并将继续投入大量资源进行研发和资本支出，以确保能够从不断增长的AI市场中获取大量经济利益。

图表3

亚马逊网络服务(AWS)、谷歌云和微软Azure在云计算市场占据主导地位，而云计算对于AI的训练和推理至关重要。这些平台提供了开发和部署AI模型所需的强大计算能力和数据存储。其基础设施不仅支撑了自身的AI发展，还支撑了其他许多依赖其云计算能力来运营的公司。

大型科技公司还与独立的AI实验室合作。例如，微软已承诺向OpenAI投入130亿美元的资金，并提供计算资源来训练这家初创公司的模型。这使得其Azure云业务能够独家为ChatGPT的工作负载提供云服务。谷歌和Meta继续利用其基础设施来推动AI发展，同时扩展其商业产品系列。

大型科技公司正将AI融入面向消费者的应用程序，例如微软的Microsoft 365 Copilot、谷歌的Google Assistant以及Meta在Facebook和Instagram中提供的AI工具，同时也将AI融入企业平台，例如AWS的SageMaker和谷歌的Vertex AI。此举不仅推动了这些技术的采用，还产生了锁定效应。美国企业还简化了构建AI应用所需的工作流程，使得各类规模的企业无需丰富的专业知识就能部署模型。

上述企业具有相当大的财务灵活性，从而能够为AI生态系统提供大量投资，例如去年亚马逊向Anthropic投资40亿美元。除了与OpenAI的长期合作关系外，微软还与Cohere和Mistral AI等初创公司签署了协议，将这些公司引入Azure平台。Cohere和Mistral AI都是大语言模型的开发公司，是OpenAI的竞争对手。为应对这一趋势，2024年上半年谷歌母公司Alphabet的资本支出大幅增长90%，以支持AI相关投资，而微软也公布其资本支出增长了78%。与此同时，作为全球领先半导体公司的英伟达公司(Aa3/正面)投入约10亿美元进行战略投资和收购，包括入股埃隆・马斯克的xAI等初创公司以及收购Run:ai和OctoAI¹¹。亚马逊、谷歌和微软等公司在规模、资源和云基础设施使用方面具备优势，使得规模较小的竞争对手越来越难以保持独立。

在中国，百度集团股份有限公司(A3/稳定)、阿里巴巴集团控股有限公司(A1/负面)和腾讯控股有限公司(A1/负面)等领先的互联网服务公司一直致力于开发AI平台、云服务和大语言模型，目的是长期通过搭载AI的产品和服务创造经济效益。例如，阿里巴巴2023年推出的AI大模型“通义千问”将陆续接入其业务应用程序中，并通过云服务提供给企业客户。百度正在将ERNIE基础模型应用到其产品和服务中，以增强整体用户体验，此外百度已通过AI相关产品和服务获得收入。随着时间的推移，这些平台将可借助AI和AI技术许可扩展到医疗保健和交通运输等其他行业。

半导体仍将至关重要；英伟达将面临日益激烈的竞争

半导体是AI革命的支柱，美国芯片设计企业英伟达公司(Aa3/正面)在这一市场中占据主导地位。2024年6月，英伟达的总市值突破3万亿美元。今年在AI研究中，英伟达的高性能图形处理单元(GPU)的使用量是Advanced Micro Devices, Inc. (A2/正面)和英特尔公司(Baa1/负面)等竞争对手芯片的11倍以上。作为逻辑芯片的领先制造商，台湾积体电路制造股份有限公司(台积电，Aa3/稳定)有望受益于全球数字化水平的提高，以及与云计算和AI相关的数据处理需求的持续增长。

但是，英伟达未来将面临挑战。该公司在半导体零部件的采购上依赖全球供应链，这使得公司在一定程度上易受中美紧张局势加剧的影响。与此同时，大型科技企业和其他大型客户正积极开发自身的定制芯片，以降低对英伟达的依赖。谷歌的Gemini模型部分使用内部创建的张量处理单元(TPU)进行训练。去年4月，Meta也推出了第二代MTIA(Meta训练和推理加速器)芯片，其计算和内存带宽相比前一代增加了一倍多。虽然Meta目前将这些芯片用于旗下社交媒体平台的推荐算法，但公司计划扩展芯片的功能，以支持生成式AI模型的训练。据报道，OpenAI也正在与半导体和商业软件公司博通公司(Baa1/稳定)进行洽谈，计划共同开发定制AI芯片。

性能提升和更易于使用的产品将加速各行业对AI的采用

AI将可提高企业的运营效率。这与我们对2024年的评估一致，但我们预计未来一年将会有两大进展。首先，自主代理的发展将推动AI试点项目的扩展，特别是在处理大量信息的知识密集型行业。其次，针对特定行业的AI应用程序的数量将会增加，而该技术更深入地融入工作流程将可扩大其影响力。虽然AI的影响力日益增强，但对于大多数行业而言，其对信用质量的真正影响仍需数年时间才能显现，而且AI的应用程度仍将参差不齐。

金融、汽车和媒体行业将从AI转型中获益最大

除了科技行业，金融、媒体和汽车行业将是利用AI提高效率、降低成本和优化效果的最大受益者。这些行业脱颖而出是因为其依赖数据密集型流程，并且AI能够显著改善业务运营。

图表4

在银行业，摩根大通股份有限公司(摩根大通，A1/稳定，Aa1/负面, a2)等龙头正率先将AI融入日常工作流程，部署定制的AI助手，并在广泛的业务运营中集成AI解决方案。同样地，资产管理公司可利用AI来自动化日常任务，大大提高运营可靠性，而AI助力的欺诈检测和索赔处理使得保险公司能够显著缩短处理时间。尽管金融服务是AI的早期采用者，但实施成本仍然很高，实现AI带来的效率提升将需要几年时间。

2023年ChatGPT展示了AI能力的突破后，媒体成为了最早感受到其影响的行业之一。在这个行业中，AI将继续提升内容创作能力，对数字广告平台和内容创作者等数字化程度最高的子行业产生影响。

在汽车行业，随着车辆生成的数据越来越多，AI通过利用边缘计算¹²来分析这些数据，从而加速了增长和转型。这将使汽车制造商能够提升诊断能力、用户体验和车辆安全性。AI还促进高级驾驶辅助系统和自动驾驶汽车的发展。自动驾驶行业正在蓬勃发展。去年5月，总部位于英国的Wayve筹集了超过10亿美元的资金。其LINGO-2 AI模型不仅能够生成实时驾驶解说，还能直接控制汽车的行驶，它能够准确重建复杂的城市环境，从而实现更高效的测试和训练。总部位于美国的Waymo已将服务扩展到旧金山、洛杉矶、凤凰城和奥斯汀，目前在美国每周的付费行程达到10万次，仅在旧金山就有300辆自动驾驶出租车。

AI将扩展到新领域，但采用情况将不均衡

AI正在扩展到新的领域，例如医疗保健、商业和消费者服务。然而，采用情况仍然不均衡，可能导致大公司和小公司之间的差距扩大，特别是在依赖数据驱动的领域。

医疗保健行业已经开始出现一些由AI推动的变革性进步。AI工具可以实现更好的诊断，增强临床决策能力并优化医院资源配置。例如，AI用于管理床位数量和供应链，减少浪费并确保医院更有能力满足患者需求。

在个性化医疗和预防保健方面，AI具有改善患者疗效以及降低医疗成本的潜力。这些趋势将提高运营弹性和财务效率，从而提升医疗保健行业的信用质量。

在企业与消费者服务方面，AI驱动的个性化工具正在改变企业与客户的互动方式。AI模型支持潜在客户评分¹³和活动优化，并提供数据驱动且高度针对性的客户获取策略。通过提高营销工作的投资回报率，这些工具能够为B2B企业带来具有正面信用影响的成果。

先进且用户友好的AI解决方案将加速AI采用

AI的采用正以前所未有的速度发展，甚至超过了互联网等技术。这一快速发展得益于AI在各行业的广泛适用性、增强的计算能力以及预训练模型可用性的提高。然而，AI的采用面临着重大障碍，包括高实施成本等技术挑战、关于偏见和透明度的道德问题，以及对工作流失、可持续性和隐私风险的担忧。

最近的进步已经开始降低这些障碍。例如，专为非技术用户设计的直观工具以及可靠性和透明度的提高降低了个人和企业的使用门槛。这些创新不仅加速了AI的采用，还扩大了能够使用AI的行业和人口范围。

加速采用AI产品为更先进和专业的应用(如自主AI代理)奠定了基础。自主代理尚处于起步阶段，但将逐渐成为变革的里程碑，从被动生成响应并需要对任务的每个步骤进行明确指令的系统，转变为能够以最少的人为干预来规划、执行和调整任务的系统。

自主代理可以主动确定需要采取哪些行动来实现预期结果，并动态适应不断变化的条件。Anthropic等公司已经开发出能够与计算机系统交互并浏览网页的AI工具，使用户能够委派以前需要大量手动工作的任务。同样，谷歌的Gemini 2.0模型将新的高级功能集成到Google Workspace 等企业软件中¹⁴，提供高效执行任务和决策的工具。最后，OpenAI预计即将在2025年第一季度推出的Operator是一款能够控制计算机的自主AI代理，其旨在独立执行复杂任务，包括管理工作流程、进行研究以及与其他软件进行交互。

上述自主AI解决方案的进步使得技术变得更加易用，并且具有直观的界面和量身定制的功能，以满足业务需求。但大规模部署自主代理将需要克服几个挑战。

确保系统的可靠性和可解释性依然是一个关键难题，同时，各组织日益需要将其运营与这些先进系统相协调。这将涉及对员工进行再培训、重新设计工作流程以及创建能够适应AI不断发展的能力的组织结构。道德考虑也发挥着至关重要的作用，因为自主代理必须准确和透明地运作，特别是在医疗保健或金融等敏感领域。随着采用率的提高，在这些系统中建立信任将成为供应商脱颖而出的重要因素。

然而，从长远来看，自主代理将从根本上改变职场动态。这些发展反映了AI领域的更广泛转变，其中功能性和专业化正在成为成功的基准。

AI监管方法的分化将重塑全球竞争力

过去一年，围绕AI治理的全球讨论发生了重大变化，推动这一变化的原因是公众普遍认识到AI相关风险及其对社会、经济和地缘政治的潜在影响。尽管从技术安全到社会风险等普遍担忧促使全球采取监管行动，但各司法管辖区在应对这些挑战的方式上存在分歧。各地区的应对方式从支持创新的灵活框架到严格、全面的监管法规不等。这些差异将影响各地区在AI采用、投资和竞争力方面的发展轨迹。

AI安全方面的国际合作反映了共同的顾虑，但共识有限

AI安全已成为国际对话的焦点，驱动因素是公众对技术风险、滥用及其长期社会影响的担忧。偏见、错误(AI幻觉)和AI系统漏洞等技术问题凸显了各国需要强有力的保障措施。滥用风险已经引发了公众对AI道德和安全挑战的警惕，这些风险包括利用AI生成深度伪造的内容、虚假信息和发动网络攻击。从更广泛的角度来看，工作岗位流失、不平等加剧和过度依赖AI基础设施等社会风险会继续影响全球政策讨论。

图表5

值得注意的是，尽管公众担心AI被滥用于选举操纵，尤其是通过深度伪造，但在2024年选举周期中，上述现象并没有达到预期的程度。虽然AI被用于竞选信息传递和分析，但深度伪造对选举公正性的破坏潜力并没有预期的那么显著。

迄今为止，AI安全举措已经促进了前所未有的国际合作。2023年11月，首届AI安全峰会于英国布莱奇利园(Bletchley Park)举行，成为全球对话的平台。第二届峰会于2024年5月在韩国首尔召开，后续会议将初定于2025年2月在法国巴黎举行。随后，人工智能安全研究所国际网络成立。OpenAI决定向美国人工智能安全研究所和国际研究联盟提供其最新o3模型的早期使用权，这可能表明其对透明度的承诺和在减轻风险方面的共同责任。

全球范围内的立法工作有所进展，但仍然不完整

过去一年，多个司法管辖区在监管AI方面取得了进展。2024年8月正式生效的欧盟(Aaa/稳定)《人工智能法案》仍然是全球第一部基于风险的综合性AI法规。该法规旨在确保以人为本、值得信赖的AI发展，覆盖从模型构建到实际应用的整个AI生命周期中的风险。

相比之下，英国(Aa3/稳定)采取了针对特定行业的方法，强调灵活性和敏捷性。根据首届人工智能安全峰会的见解，英国政府启动了关于AI治理的磋商，并强调公共和私人利益相关者之间合作的重要性。同样地，中国香港特别行政区(Aa3/ 负面)也在制定针对特定行业的方法。香港证券及期货事务监察委员会(证监会)于去年11月向持牌公司发出了一份关于使用大型AI模型的通函¹⁵。此外，证监会还推出了用于银行业实验的AI沙盒¹⁶。

在美国(Aaa/负面)，众议院人工智能工作组2024年12月发布了一份报告，概述了基于自愿行为准则和部门监督的AI治理路线图。这与美国避免规定性监管的更广泛战略一致，允许创新蓬勃发展，同时通过现有法律框架和有针对性的干预措施应对风险。美国国家标准技术研究所(NIST)还通过与领先的AI实验室合作，在制定AI安全标准方面发挥了关键作用。

尽管这些努力凸显了全球在AI治理方面的进步，但缺乏协调也突显了建立有凝聚力的国际监管框架的挑战。

监管方式的分化将扩大创新差距

监管方式的分散可能会加剧各地区在AI采用和竞争力方面的差异。即将上任的特朗普总统将美国的竞争力作为优先目标之一，这可能会进一步鼓励对AI监管采取不干预的态度。科技公司受益于运营限制的减少，因此这一策略总体上对其具有正面信用影响。

相比之下，欧盟的全面AI监管法案给企业带来了较高的合规成本和较大运营挑战。尽管该法案的起草目标是为创新营造一个安全的环境，但对AI生命周期的严格要求引起了行业领袖的担忧。他们担心这可能会扼杀创新，并推动投资转向更灵活的司法管辖区¹⁷。监管要求也可能会阻碍较小的公司和初创企业的发展，从而使AI生态系统集中在那些有资源应对这些复杂性的成熟企业，这正是德拉吉报告所警告的情况¹⁸。

中国(A1/负面)也采取了全面的AI监管方法。然而，与欧盟不同的是，中国实施了一套战略性组合，包括有针对性的法律、有利于创新的经济政策和技术指导方针。例如，中国国家互联网信息办公室(国家网信办)出台了有关算法透明度和内容审核的规则，以确保AI系统符合国家安全和意识形态标准，同时鼓励国内AI企业在全球市场上占据领先地位¹⁹。这种同时强调竞争力和治理的做法使得中国能够在保持严格监管监督(包括严格的内容审核方法)的同时，不扼杀技术进步²⁰。

图表6

AI竞赛将加剧地缘政治紧张局势

AI领域的地缘政治竞争日益激烈，尤其是在中美两国之间²¹。两国都将AI视为一项战略资产，并在研究、基础设施和人才招聘方面投入巨资以确保技术主导地位²²。在此背景下，美国政府实施了对华出口先进芯片和芯片制造设备的禁令，作为遏制中国技术和军事进步的更广泛战略的一部分。

相关出口禁令对中美两国的AI公司都产生了深远的影响。通过减少全球供应和增加需求，这些禁令促使企业探索具有成本效益的AI解决方案，例如开发更小、更优化的模型，以降低对昂贵硬件的依赖。在中国，DeepSeek的V3模型在多数基准测试中的排名与竞争对手不分伯仲甚至更高，但训练时所使用的计算能力却出奇地少，只使用了不限量的Nvidia H20 GPU²³。这证明了更好的软件可以胜过更好的硬件²⁴。

然而，中美竞争也暴露了全球AI供应链中的重大脆弱性，包括获取稀土等关键资源和半导体等零部件的问题。随着各国寻求确保其技术主权²⁵，半导体和技术供应链行业的公司可能会面临加剧的地缘政治风险，从而影响其信用实力。

尽管各国对AI带来的风险达成了共识，但监管方式的分化正在塑造全球竞争力和创新的发展轨迹。这些差异已经影响到各国的信用质量，中美将受益于其极具雄心的创新支持政策，而欧盟则因其监管立场可能面临阻力。随着AI竞赛的加剧，监管、创新和地缘政治紧张局势之间的相互作用将继续决定全球AI格局及其信用影响。