2025上半年AI核心成果及趨勢(shì)報(bào)告2025.7量子位智庫(kù)QbitAIInsights分析師Xuanhaoxuanhao@2???智能可能是?類有史以來(lái)最重要的發(fā)明，我們也正在見(jiàn)證AI的飛速發(fā)展，技術(shù)突破與場(chǎng)景落地交織推動(dòng)著?業(yè)加速演進(jìn)。量?位智庫(kù)將在本報(bào)告中為?家介紹2025年上半年，AI領(lǐng)域的關(guān)鍵動(dòng)態(tài)和趨勢(shì)，旨在為決策者、從業(yè)者和創(chuàng)新者提供前沿洞察，幫助他們?cè)诟?jìng)爭(zhēng)激烈的?態(tài)中把握機(jī)遇。本報(bào)告將從應(yīng)用、模型、技術(shù)、?業(yè)4個(gè)?面進(jìn)?展開：?應(yīng)用趨勢(shì)：包括通用類Agent開始進(jìn)?主流、垂類Agent開始涌現(xiàn)、AI編程獲得市場(chǎng)驗(yàn)證?速增長(zhǎng)、模型上下?協(xié)議（MCP）獲得?業(yè)關(guān)注等應(yīng)用側(cè)核?變化?模型趨勢(shì)：包括推理模型能?進(jìn)步、?具使用能?落地、模型多模態(tài)能?增強(qiáng)、小模型加速應(yīng)用普及、模型評(píng)估加速演化等模型層面的核?變化?技術(shù)趨勢(shì)：包括模型不同訓(xùn)練階段的重?變化、強(qiáng)化學(xué)習(xí)的重要性、多智能體（Multi-Agent）系統(tǒng)和在線學(xué)習(xí)的優(yōu)勢(shì)、新型模型架構(gòu)迭代和應(yīng)用情況等技術(shù)范式的核?變化??業(yè)趨勢(shì)：主要介紹AI領(lǐng)域的?業(yè)核?動(dòng)態(tài)，包括頭部玩家在模型層的差距正在縮小、OpenAI領(lǐng)先優(yōu)勢(shì)縮小，?歌和xAI在上半年的競(jìng)爭(zhēng)中迎頭趕上、中美?模型的競(jìng)爭(zhēng)差距縮小、AI編程成為目前必爭(zhēng)之地等核?動(dòng)態(tài)錄錄01應(yīng)用趨勢(shì)0202模型趨勢(shì)應(yīng)用趨勢(shì)應(yīng)用趨勢(shì) 應(yīng)用趨勢(shì)AI?業(yè)發(fā)展的底層邏輯是技術(shù)范式帶來(lái)更強(qiáng)的模型能?，進(jìn)?解鎖更?應(yīng)用模型模型要素要素信息來(lái)源：量?位智庫(kù)信息來(lái)源：量?位智庫(kù) 交付內(nèi)容深度?作量案例核?技術(shù)交付內(nèi)容深度?作量案例核?技術(shù)聊天機(jī)器?交付形式信息來(lái)源：量?位智庫(kù)，OpenAI CUA技術(shù)示意圖 ），8 設(shè)計(jì)）， 應(yīng)用趨勢(shì)AI編程成為當(dāng)前最核?的垂類應(yīng)用領(lǐng)域，正在從源頭改變軟件?產(chǎn)?式，不同應(yīng)用達(dá)到5億美元年收?所需時(shí)間223399 模型上下?協(xié)議MCP加速?模型應(yīng)用普及，賦能模型獲取?量外部信息、MCP示意圖分析Agent提供技術(shù)底座和?態(tài)支持。傳統(tǒng)的API調(diào)用面臨調(diào)用?和），模型趨勢(shì)模型趨勢(shì) 模型推理能?在思維鏈范式下，依然可以通過(guò)堆積更多算?持續(xù)提升模AIME25（美國(guó)數(shù)學(xué)邀請(qǐng)賽）SWE-LancerCodeforce代碼競(jìng)賽排名SWE-BenchGPQADiamond多輪指令遵從1 無(wú)工具使用能力使用現(xiàn)有工具發(fā)明新工具 ?作流類視覺(jué)推理?作流類視覺(jué)推理端到端視覺(jué)推理指令指令介紹介紹提升提升知識(shí)知識(shí) G介紹介紹nl在ArtificialAnalysisnl 模型智能密度持續(xù)提升，模型廠商積極推出小模型實(shí)現(xiàn)極致性價(jià)比，降玩家模型介紹MicrosoftMicrosoft 模型評(píng)估加速演化，傳統(tǒng)評(píng)估榜單快速飽和，可以動(dòng)態(tài)更新，能在真實(shí)主流模型基準(zhǔn)測(cè)試評(píng)估變化趨勢(shì)（Accuracy，%）0技術(shù)趨勢(shì)技術(shù)趨勢(shì) 設(shè)置相對(duì)容易o(hù)1o3o1o3 Multi-Agent基本模式介紹分析 從交互經(jīng)驗(yàn)中學(xué)習(xí)有希望成為下?代模型學(xué)習(xí)?式，正在成為核?突破靜態(tài)?模型在線學(xué)習(xí)?模型靜態(tài)?模型核?特征核?特征（EraofExperience）”,強(qiáng) Transformer模型架構(gòu)正在快速迭代，優(yōu)化主要集中在注意?機(jī)制和前饋玩家具體?作核?優(yōu)化點(diǎn)玩家具體?作介紹 Transformer混合架構(gòu)正在涌現(xiàn)，以RNN變體為主，已經(jīng)出現(xiàn) 玩家具體?作介紹時(shí)間Tencen寧Tencen寧 ?成驗(yàn)證驗(yàn)證解決驗(yàn)證問(wèn)題的關(guān)鍵原則 核?改動(dòng)更新成本主要場(chǎng)景Claude模型系統(tǒng)提示詞分布行業(yè)趨勢(shì)行業(yè)趨勢(shì) xAI發(fā)布Grok4在多個(gè)領(lǐng)域達(dá)到SOTA?平，躋身全球?模型第?梯隊(duì)，證GPQALiveCodeBench-(Jan-May)xbench-ScienceQA應(yīng)用趨勢(shì)模型趨勢(shì)應(yīng)用趨勢(shì)模型趨勢(shì) 信息來(lái)源：量?位智庫(kù)，xAI，1）苦澀的教訓(xùn)：由強(qiáng)化學(xué)習(xí)之?RichardSutton提出的觀點(diǎn)，強(qiáng)調(diào)通用?法（generalmethods）結(jié)合?規(guī)模計(jì)算（sc openAlCCMeta 視頻?成（Image-to-video）1 前端代碼?成4 圖像?成&編輯2112233 長(zhǎng)?本能?（OpenAI-MRCR）5 音頻?成（Text-to-Speech）3 深度搜索611223344