|
趋势六 合成数据将成为大模型迭代与应用落地的重要催化剂
高质量数据将成为大模型进一步Scaling up的发展阻碍。合成数据已经成为基础模型厂商补充数据的首选。合成数据可以降低人工治理和标注的成本，缓解对真实数据的依赖，不再涉及数据隐私问题；提升数据的多样性，有助于提高模型处理长文本和复杂问题的能力。此外，合成数据可以缓解通用数据被大厂垄断，专有数据存在获取成本等问题，促进大模型的应用落地。
趋势七 推理优化迭代加速，成为AI Native应用落地的必要条件
大模型硬件载体从云端向手机、PC等端侧硬件渗透。在这些资源受限（AI算力、内存等）的设备上，大模型的落地应用会面临较大的推理侧的开销限制，对部署资源、用户体验、经济成本等均带来巨大挑战。算法加速和硬件优化技术持续迭代，双轮驱动加速AI Native应用落地。
趋势八 重塑产品应用形态，Agentic AI成为产品落地的重要模式
2025年，更通用、更自主的智能体将重塑产品应用形态，进一步深入工作与生活场景，成为大模型产品落地的重要应用形态。从Chatbot、Copilot到AI Agent、Agentic AI，2023年以来行业对于AI应用形态的理解越发深入。从更强调产品概念的Agent，到更强调应用智能程度的Agentic AI，我们在2025年将看到更多智能化程度更高、对业务流程理解更深的多智能体系统在应用侧的落地。
趋势九 AI应用热度渐起，Super App花落谁家犹未可知
近一年时间，生成式模型在图像、视频侧的处理能力得到大幅提升，叠加推理优化带来的降本，Agent/RAG框架、应用编排工具等技术的持续发展，为AI超级应用的落地积基树本。虽然Super APP花落谁家尚未尘埃落定，但从用户规模、交互频次、停留时长等维度来看，AI应用热度持续攀升，已到应用爆发的黎明前夕。
趋势十 模型能力提升与风险预防并重，AI安全治理体系持续完善
作为复杂系统，大模型的Scaling带来了涌现，但复杂系统特有的涌现结果不可预测、循环反馈等特有属性也对传统工程的安全防护机制带来了挑战。基础模型在自主决策上的持续进步带来了潜在的失控风险，如何引入新的技术监管方法，如何在人工监管上平衡行业发展和风险管控？这对参与AI的各方来说，都是一个值得持续探讨的议题。
值得一提的是，中国自研技术和产品也成为AI发展趋势的代表性案例，比如，在多模态领域，智源研究院发布完全自研的基于自回归技术的原生多模态世界模型Emu3，实现了视频、图像、文本三种模态的统一理解和生成。
在模型应用领域，豆包月活跃用户数于2024年12月达到了7116万，成为国内第一、全球第二的AI原生应用。在服务类智能体赛道，蚂蚁集团旗下支小宝、蚂小财等系列AI管家产品，重塑了AI产品形态。
来源：华尔街见闻 刘宝丹 共2页 上一页 [1] [2]
|
