報告目錄1.

AI演進路徑與產(chǎn)業(yè)概況2.

邁向AGI的關(guān)鍵領(lǐng)域3.

智能體技術(shù)與應(yīng)用進展4.

智能硬件與典型AI應(yīng)用5.

全球AI企業(yè)最新布局6.

AGI未來發(fā)展路徑探究1.

AI演進路徑與產(chǎn)業(yè)概況人工智能演進路徑人工智能全景圖譜何為通用人工智能人工智能發(fā)展路線圖1.1通用人工智能成為AI演進路徑的關(guān)鍵節(jié)點超級人工智能Artificial

Super

Intelligence通用人工智能Artificial

General

Intelligence在全領(lǐng)域擁有超越人類能力的智能弱人工智能Artificial

Narrow

Intelligence在跨領(lǐng)域達(dá)到人類認(rèn)知能力的智能自主創(chuàng)新自主實現(xiàn)在特定領(lǐng)域具有感知能力的智能任務(wù)專用自主學(xué)習(xí)跨域推理量子神經(jīng)網(wǎng)絡(luò)（QNN）：基于量子力學(xué)原理設(shè)計的新型計算模型，將傳統(tǒng)神經(jīng)網(wǎng)絡(luò)架構(gòu)與量子計算技術(shù)相結(jié)合。核心機制通過引入量子門避免量子比特的過早坍縮，提升計算效率。不可遷移深藍(lán)計算機：1997年5月，IBM“深藍(lán)計算機”首次擊敗人類冠軍卡斯帕羅夫。全腦模擬（WBE）：世界模型：實現(xiàn)AGI的關(guān)鍵路徑之一，世界模型融合物理理解、推理、規(guī)劃與持久記憶通過逆向工程復(fù)制生物大腦的認(rèn)知功能。包含神經(jīng)符號系統(tǒng)融合和意識連續(xù)性測試等技術(shù)體系。具身智能：遞歸自我改進（RSI）：AlphaGo：實現(xiàn)AGI的關(guān)鍵路徑之一，具身智能的本質(zhì)是讓AI從虛擬的信息處理走向真實的物理實踐。2016年

3月

，

AlphaGo與圍棋世界冠軍、職業(yè)九段棋手李世石進行圍棋人機大戰(zhàn)，最終擊敗李世石。在無人工干預(yù)下，自主增強自身能力。包含元學(xué)習(xí)控制器、代碼自主修改和目標(biāo)函數(shù)進化等技術(shù)路徑。資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights61.2何為通用人工智能（AGI）OpenAI聯(lián)合創(chuàng)始人兼首席執(zhí)行官Sam

Altman表示，AGI是一個能夠在人類水平上解決許多領(lǐng)域日益復(fù)雜問題的系統(tǒng)。Meta首席AI科學(xué)家Yann

LeCun提出，“先進機器智能”

(Advanced

Machine

Intelligence,

AMI)，AMI不追求通用性，而是一種能夠理解物理世界、具備推理規(guī)劃能力、擁有持久記憶并服從目標(biāo)導(dǎo)向的智能形式。Anthropic創(chuàng)始人兼首席執(zhí)行官Dario

Amodei認(rèn)為，AGI擁有完整的數(shù)字接口、可以自主規(guī)劃并長期執(zhí)行任務(wù)、沒有物理實體但可以控制與其連接的任何機器人，訓(xùn)練資源可以重新部署，以運行數(shù)百萬個示例并且每個示例可獨立運行。Google

DeepMind聯(lián)合創(chuàng)始人兼首席執(zhí)行官Demis

Hassabis提出，真正的AGI需要證明“該系統(tǒng)能做到歷史上最優(yōu)秀的人類用相同大腦架構(gòu)做到的事情。資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights71.3通用人工智能何時到來關(guān)于AGI落地時間，全球人工智能領(lǐng)域的業(yè)內(nèi)代表紛紛做出預(yù)測。xAI創(chuàng)始人Elon

Musk較為樂觀，他認(rèn)為AGI已初具雛形，有望在2026年到來。Google

DeepMind聯(lián)合創(chuàng)始人兼首席執(zhí)行官Demis

Hassabis與Meta首席AI科學(xué)家Yann

LeCun均認(rèn)為AGI會在2030到2035年到來。圖靈獎得主Geoffrey

Hinton則持相對保守的立場，預(yù)測AGI將在2030到2045年到來。2025-20302030-20352035-20402040-2045Geoffrey

Hinton2045YannLeCun20352035DemisHassabisEric

SchmidtElonMusk20302026資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights81.42025全球人工智能全景圖譜2025年全球人工智能全景圖譜包含應(yīng)用硬件層、模型層以及基礎(chǔ)設(shè)施層。其中，應(yīng)用硬件層廣泛覆蓋各細(xì)分領(lǐng)域，涉及智能體、智能助手、智能硬件、具身智能、C端/B端各類應(yīng)用；模型層包含多模態(tài)基礎(chǔ)模型、圖像模型、視頻模型、語音模型、推理模型、開源模型；基礎(chǔ)設(shè)施層涵蓋AI芯片、AI服務(wù)器、AI計算集群、開發(fā)平臺、數(shù)據(jù)服務(wù)。圖譜中涉及各領(lǐng)域全球具有代表性的AI應(yīng)用、AI硬件、AI模型以及典型企業(yè)，為讀者提供更為詳實的參考信息。2025全球人工智能全景圖譜概覽應(yīng)用硬件層通用智能體

編程智能體

辦公智能體

營銷智能體

金融智能體

醫(yī)療智能體

客服智能體HR智能體工業(yè)智能體19智能體開發(fā)平臺44AI寫作1410261066876智能助手AI手機AI眼鏡&錄音AIPC智能汽車具身智能AI搜索AI辦公31AI圖像3111AI視頻2013AI音樂97AI音頻117AI＋營銷2210AI＋醫(yī)療1514AI＋金融1626AI＋教育14模型層多模態(tài)基礎(chǔ)模型圖像模型視頻模型語音模型推理模型25開源模型1779823基礎(chǔ)設(shè)施層AI計算集群9AI芯片AI服務(wù)器開發(fā)平臺數(shù)據(jù)服務(wù)1351010注：數(shù)字代表圖譜所涉及的企業(yè)、產(chǎn)品應(yīng)用或模型數(shù)量。資料：至頂智庫整理繪制。?2025.9

ZDInsights92025全球人工智能全景圖譜—智能體(AI

Agent)AI

Agent應(yīng)用通用智能體編程智能體Genspark

Super

superhumanAIChatGPT

agentOttoCodexagents

AlphaEvolve

Claude

Code

OpenHands

Anysphere-CursorGensparkSuperAgentPokee

AIHyperWriteAIAgentAgentMavenAgentagentsGemini

CLIJulesComposerAgentManusFlowithMiniMaxAgentAutoGLM沉思天禧個人夸克天工超級

YOYO智能體通義靈碼

文心快碼Comate

ZuluCodeBuddyAgent美團NoCode

aiXcoder

Agent百度心響萬智Agent納米AIAI超級框

超級智能體

智能體辦公智能體Researcher

AgentAnalyst

AgentAIAgentSearchAgentBardeen

AgentAssistMeeting

Agent

Breeze

AgentslutraWorkistagentAIAgentBasis

agents

RoxAgentJoule

Agents樂享企業(yè)

京東云JoyAgent

訊飛智文boardmix

AI智能體ShadowAI校對通多模態(tài)內(nèi)容校對智能體智能分析SwiftAgent差旅智能體市場分析智能體

自動化魔術(shù)師

CoMiAgent合同審核智能體WPS靈犀達(dá)觀Agent超級智能體訊飛文書營銷智能體金融智能體醫(yī)療智能體Concourse's

AIAgentsAIBanker

Agent

Roots'AIAgentsVoiceAIagentHealthcare

AgentAIAgentsWordLift

Agent

AISales

Agents

Piper

the

AISDR

Jasper

Agents

Avasales

agent容犀Agent

&AIAgentsAIContactCenter

AgentAuto-Pilot

Agents

Xaver

AIagent

企點營銷云AgentDeepMiner智能體有贊智能體AliceAgent醫(yī)療智能體AI合規(guī)助手Copilot客服智能體HR智能體工業(yè)智能體VoiceAIAgentsChatBotAgentEchoClerk

Agent

avientic

AIagentsAIHRAgentBorderless

AIMaxMoonhub's

AIRecruiterIndustrialCopilot設(shè)備維護智能體IndustrialAIagentsAIVoiceAgent螞蟻數(shù)科

七陌客服智能體客服智能體候選人篩選智能體工業(yè)裝備節(jié)能智能體設(shè)備管理智能體賽意制造業(yè)智能體人事智能助理iBuilder資料：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights102025全球人工智能全景圖譜—智能體開發(fā)平臺&智能助手AI

Agent開發(fā)平臺NVIDIANeMoAzureAIFoundryEngineeringMulti-AgentAISystemsAmazonBedrockAgentCoreSana

UiPath

Agentic

AIAgentStudioAgents

AutomationGTM

AgentPlatformAgentOSAIStudioAgentforce3

DifyWizr

Enterprise

AIPlatform國外DustDeveloper

Conversational

AIPlatformAgentStudioAgentOperatingProcedures

(AOPs)MindpalPlatformBeam

PlatformBricklayer

AIAIHQWorkatoONEAgentXn8nJoyAgent智能體平臺百度文心智能體平臺阿里云百煉應(yīng)用開發(fā)平臺騰訊元器騰訊云智能體開發(fā)平臺小藝開放平臺

“百寶箱”智能體

訊飛星辰智能體平臺開發(fā)平臺智譜清言SkyAgents開放平臺字節(jié)扣子開發(fā)平臺國內(nèi)星辰智能體平臺BetterYeah

AI

Agent開發(fā)平臺智能體平臺句子秒懂意言科技TyrionCAIP智能體開發(fā)平臺OmAgentStudio智能體構(gòu)建平臺OPPO智能體平臺匯智智能Gnomic智能體平臺極簡未來AI智能體搭建平臺智能助手國外CopilotGeminiMeta

AISiriAlexaBixbyChatGPTClaudeGrok訊飛星火DeepSeek智譜清言超級小愛階躍AI通義騰訊元寶華知MiniMax百小應(yīng)豆包國內(nèi)Kimi文小言商量YOYO助理小布助手WPS靈犀靈犀語音助手小藝問小白心流AI助手天工資料：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights112025全球人工智能全景圖譜—硬件&具身&AI搜索&AI辦公智能硬件AI手機AI眼鏡AI錄音設(shè)備AIPC智能汽車具身智能1XBostonDynamicsTeslaFigureTechnologies宇樹科技銀河通用星動紀(jì)元逐際動力優(yōu)必選傅利葉智能AI搜索BingPerplexitySuppr超能文獻(xiàn)秘塔AI搜索知乎直答Dia瀏覽器百度智能框博查AIMode開搜AIAMiner沉思MikuAI搜索C知道SeekAllAI辦公HelpLookLavenderBeautiful.aiFigma

Slides騰訊文檔百度文庫WPS

AI360AI辦公釘釘GitMind萬知訊飛智文ChatExcelNotionVERSExmind億圖腦圖MindMaster會譯靈辦AIAiPPTiSlide輕竹辦公筆格PPT歌者PPT博思AIPPT麥當(dāng)秀資料：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights122025全球人工智能全景圖譜—AI寫作&圖像&音視頻&音樂AI寫作LongShot彩云小夢HyperWriteSudowriteProWritingAid訊飛寫作火山寫作新華妙筆AI寫作樹熊AI寫作火龍果寫作Effie寫作筆靈AIGiiso寫作機器人光速寫作AI圖像MidjourneyfigmaPicsartZMO.AIArtbreederFreepikCanva可畫稿定AI墨刀美圖設(shè)計室MasterGo懶設(shè)計象寄妙多AI標(biāo)小智PixsoAI數(shù)畫萬相營造百度網(wǎng)盤AI修圖創(chuàng)客貼豆繪AI美間JsDesign易可圖千鹿AI造物云AISeede

AI造夢日記360鴻圖像素蛋糕咻圖AIAI視頻runwayPikaModify

VideoHeyGenVidusynthesiadescriptVEEDloomBoolvideoMOKIClipfly快手可靈即夢AI騰訊智影海螺AI度加創(chuàng)作工具智譜清影智小象模力視頻AI音樂AI音頻XstudioACEstudioTME

studioMurekaElevenLabsRESEMBLE.AIWellSaidMURF.AIPlayAI海綿音樂反譜網(wǎng)易天音歌歌AI寫歌和弦派有道文檔FM米可智能魔音工坊藍(lán)藻AI悅音配音音剪AI資料：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights132025全球人工智能全景圖譜—AI+營銷&醫(yī)療&金融&教育AI+營銷AI+醫(yī)療AI+金融AI+教育資料：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights142025全球人工智能全景圖譜—多模態(tài)模型多模態(tài)基礎(chǔ)模型Mistral

Medium

3Pixtral

LargeGrok

4GPT-5Gemini2.5ProLlama

4MistralSmall3.1文心4.5系列MiniCPM-V

4.5豆包1.6Hunyuan-Large-VisionSkywork

UniPic2.0CoGenAVMiniMax-VL-01SenseNovaV6.5GLM-4V-FlashStep3圖像模型視頻模型Sora語音模型DALL·E3MuseNetLyria

2Gemini2.5FlashImage(NanoBanana)Veo

3Gen-4Wan2.2StableAudio

2.0StableDiffusion3.5Aurora豆包·實時語音模型豆包·視頻生成模型Seedance

1.0proMiniMax

Speech2.5Seedream

4.0混元視頻生成模型可靈2.0視頻生成模型Hailuo

02GLM-ASRHunyuanImage2.1Mureka

O1Mureka

V7.5CogView-4Vidu2.0資料：主要體現(xiàn)2024年10月以來推出的各類模型，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights152025全球人工智能全景圖譜—推理模型&開源模型推理模型Claude

Opus

4.1Claude

Sonnet4GPT-5

ThinkingGrok

4Gemini2.5ProMagistralLlama

4LFM2LFM-7BPhi-4-reasoning文心X1.1ERNIE-4.5-21B-A3B-ThinkingQwen3QwQ-32Bdoubao-seed-1.6-thinkingHunyuan-A13BDeepseek-V3.1Deepseek-R1訊飛星火X1日日新SenseNovaV6Kimi

K2Step3GLM-4.5Skywork-OR1MiniMax-M1開源模型MistralSmall3.1Pixtral

LargeLlama

4Gemma

3GPT-OSSQwen3QwQ-32BQwen2.5-Omni-7B文心4.5系列ERNIE-4.5-21B-A3B-ThinkingHunyuan-A13BHunyuan-MT-7BDeepseek-V3.1Deepseek-R1GLM-4.5VSkywork-OR1Skywork

UniPic2.0Matrix-Game

2.0Matrix-3DCogVideoX

v1.5Kimi

K2MiniMax-M1CogAgent-9B資料：主要體現(xiàn)2024年10月以來推出的各類模型，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights162025全球人工智能全景圖譜—AI基礎(chǔ)設(shè)施基礎(chǔ)設(shè)施層AI芯片AI服務(wù)器AI計算集群開發(fā)平臺數(shù)據(jù)服務(wù)資料：企業(yè)/產(chǎn)品/應(yīng)用排序不分先后，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights171.5全球人工智能產(chǎn)業(yè)發(fā)展路線圖（2024-2025）GLM-4-VoiceCogVideoXPixtral

Large多模態(tài)模型（開源）Genie

2混元視頻生成模型世界模型Qwen2.5-Turbo

（開源）訊飛星火4.0端到端語音v1.5視頻模型Turbo模型（開源）o1/o1Pro10.2410.2511.511.811.1211.1811.2012.312.412.52024開放Sora視頻生成模型GLM-4V-Flash多模態(tài)模型12.9混元Large

MoE大語言模型（開源）Hunyuan3D-1.0

3DHailuoI2V-OmniSearch通用智能體Qwen2.5-Coder系列編程模型（開源）01-Live圖生成大模型（開源）Aurora圖像生成模型生視頻模型訊飛星火深度GLM-4-Air-0111推理模型X1DeepSeek-R1推理模型

系列語音生（開源）

成模型T2A-01Gemini

2.0ProjectAstraProjectMarinerJules12.11Skyworko1豆包·視覺理解大語言模型

星火語音同傳DeepSeek-V3（開源）FastHunyuan混元視頻模型Codestral

25.01

推理模型模型豆包·音樂模型4.0GLM-4V-Plus大模型編程模型

（開源）視覺理解模型12.13LFM-7B1.201.161.151.131.6202512.2612.1912.1812.161.23Veo

2發(fā)布

OperatorPhi-4視頻生成模型Imagen

3Gemma

3MiniMax-Text-01Qwen2.5-VL

視覺理解模型Qwen2.5-1M大模型Qwen2.5-MaxMoE模型輕量級模型（開源）Gemini

Robotics

VLA模型基礎(chǔ)語言大模型CogAgent-9B1.282.2圖像生成模型MiniMax-VL-01（開源）視覺多模態(tài)大模型（開源）Wan2.1Magma多模Gemini

Robotics-ER視覺語言模型Manus通用NVIDIAISAAC星火醫(yī)療文心大模型4.5文心大模型X1態(tài)VLA基礎(chǔ)

Phi-4-mini-instruct智能體GR00T

N1發(fā)布

deep

research大模型X1視頻生成模型（開源）模型Phi-4-multimodal機器人基礎(chǔ)模型Gemini

2.0

FlashGemini

2.0

Flash-Lite多模態(tài)模型2.52.142.182.192.242.252.273.33.63.123.133.163.173.18Mistral

Small

3.1輕量級模型（開源）Matrix-Zero3D場景生成模型Matrix-Zero可交互視頻生成大模型Grok3

Claude

3.7

SonnetSkywork-R1V多模態(tài)推理SkyReels-V1視頻生成模型（開源）夸克AI超級框Grok3Mini

混合推理模型GPT-4.5

TurboSQwQ-32B推理模型Claude

Code編程智能體快思考模型模型（開源）（開源）資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights181.5全球人工智能產(chǎn)業(yè)發(fā)展路線圖（2024-2025）PerceptionLanguage

Model視覺語言模型Mureka

V6音樂生成模型Mureka

O1音樂推理大模型Qwen2.5-Omni-7B

QVQ-Max視頻Llama

4Scout日日新OpenAIo3o4-mini混元T1推理模型

Gemini

2.5端到端語音大模型Skywork-OR1系列

GLM-4-32B-0414推理模型（開源）系列模型（開源）Llama

4Maverick

SenseNova

V6（開源）推理模型（開源）

多模態(tài)推理模型Meta

Locate

3D端到端模型（開源）3.213.253.263.273.283.314.54.104.134.154.164.17AutoGLM沉思豆包1.5·深度思考模型豆包·文生圖模型3.0豆包·視覺理解模型豆包1.5·UI-TARS模型GPT-4.1通用智能體GPT-4.1

miniGPT-4.1

nanoSeed1.5-VL多模態(tài)視覺語言模型豆包1.5·視覺深度思考模型Qwen3混合推理模型Parakeet-TDT語音識別模型Wan2.1-VACE-1.3B視頻生成模型（開源）4.184.22Lyria2AssetGen

2.03D基礎(chǔ)模型（開源）Mistral

Medium

3通義靈碼

Phi-4-reasoningSeedance

1.0

lite視頻生成模型（開源）

聯(lián)想法律智能體

音樂生成模型多模態(tài)模型

編程智能體推理模型Conan-Embedding-V2（開源）5.135.94.304.294.284.254.245.74.235.14MiniMax

Speech-02

Matrix-Game天禧個人超級智能體樂享企業(yè)超級智能體城市超級智能體混元3Dv2.5HunyuanCustom5.155.16文心4.5Turbo多模態(tài)模型文心大X1

Turbo深度思考模型心響通用智能體語音生成模型

空間智能大模型（開源）Skywork-R1V

2.0

3D生成模型多模態(tài)推理模型視頻生成模型（開源）Researcher

AgentAnalyst

Agent（開源）Kimi-ResearcherCodex編程智能體百度文庫GenFlowNano

VLMagistral推理模型通用智能體Cosmos

Predict-2

文心快碼

Comate

Gemini

2.5多模態(tài)視覺語言Codestral

EmbedZulu編程智能體

Flash-Lite盤古大模型5.5世界基礎(chǔ)模型模型5.19代碼嵌入模型系列Seed-Coder代碼生成模型（開源）5.215.226.46.106.116.176.186.196.205.286.3T1-Vision視覺深度推理模型混元Voice端到端語音通話模型混元游戲視覺生成模型豆包大模型1.6豆包·視頻生成模型Seedance

1.0

proMiniMax-M1MiniMax

MiniMax

AgentHailuoVideoAgent視頻創(chuàng)作智能體天工超級智能體CoGenAV多模態(tài)語音表征模型Mistral

Code混合推理模型

Hailuo02（開源）

視頻生成模型豆包·實時語音模型資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights191.5全球人工智能產(chǎn)業(yè)發(fā)展路線圖（2024-2025）Gemma

3n（開源）Hunyuan-A13BHunyuan3D-PolyGen3D生成大模型Kimi

K2基礎(chǔ)大模型（開源）Gemini

CLI編程智能體（開源）Skywork-R1V

3.0多模態(tài)推理模型（開源）GLM-4.1V-Thinking（開源）混合推理模型

文心4.5系列模型Skywork-Reward-V2（開源）LFM2ChatGPT

Agent（開源）（開源）6.256.266.276.307.27.47.77.97.107.117.17Mureka

TTS

V1音頻模型Mureka

V7音樂模型豆包·同聲傳譯模型Seed

LiveInterpret

2.0Qwen3-Coder編程模型（開源）7.23QwenVLo多模態(tài)理解生成模型Grok4LFM2-VLQwen-MT機器翻7.247.27GLM-4.5V視覺推理模型（開源）Genie

3世界模型譯模型GPT-5Claude

Opus4.1Hunyuan小尺寸

Qwen3-Coder-混元Large-Matrix-Game

2.0融合推理模型

Flash編程模型

豆包·圖像編輯Vision視覺模型日日新SenseNova

V6.5多模態(tài)大模型世界模型（開源）系列（開源）（開源）

模型SeedEdit

3.08.128.118.58.48.17.307.288.7混元3D世界模型1.0（開源）CodeBuddyAgent編程智能體企點營銷云Agent騰訊地圖旅游規(guī)劃AgentSkyReels-A3音頻驅(qū)動人像視頻模型（開源）MiniMax

Speech2.5Wan2.2視頻生成模型（開源）Qwen-Imagegpt-ossSkyworkUniPic多模態(tài)統(tǒng)一預(yù)訓(xùn)練模型（開源）GLM-4.5基礎(chǔ)模型（開源）語音生成模型ERNIE-4.5-21B-A3B-Thinking（開源）文心X1.1深度思考模型SkyworkUniPic

2.0多模態(tài)生成模型（開源）圖像生成模型

輕量級語言模型8.13（開源）（開源）Wan2.2-S2V

MiniCPM-V

4.5多視頻生成模型

模態(tài)模型（開源）8.15Mureka

V7.5音樂模型混元3D世界模型

WebWatcher1.0-Lite版本

視覺智能體（開源）8.189.39.98.268.208.21百度文庫GenFlow2.0通用智能體DeepSeek

V3.1HunyuanImage

2.1Gemini

2.5

Flash

Image(NanoBanana)Nemotron

Nano

2

豆包·圖像創(chuàng)作模型Pixel

10系列

AI手機

AutoGLM2.0

（開源）Tensor

G5芯片圖像生成模型推理模型Seedream

4.0通用智能體圖像生成模型資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights202.

邁向AGI的關(guān)鍵領(lǐng)域推理模型算力基建強化學(xué)習(xí)開源生態(tài)2.1驅(qū)動AGI發(fā)展關(guān)鍵因素：推理+強化學(xué)習(xí)+算力基建+開源生態(tài)通用人工智能的不斷演進主要由四大因素驅(qū)動。一是模型推理能力的不斷躍升。DeepSeek相關(guān)模型在性能上達(dá)到全球開源模型的頂尖水平。二是強化學(xué)習(xí)的不斷迭代。如GRPO等新型算法通過組內(nèi)相對獎勵機制，解決傳統(tǒng)PPO算法對價值函數(shù)的依賴問題。三是算力基建的持續(xù)投入。美國“星際之門”計劃未來四年投資5000億美元構(gòu)建AI基礎(chǔ)設(shè)施，為大規(guī)模AI模型訓(xùn)練和推理提供算力基礎(chǔ)。四是開源生態(tài)的廣泛構(gòu)建與繁榮共享。Hugging

Face匯聚超6000個可部署開源模型，推動前沿技術(shù)快速轉(zhuǎn)化為生產(chǎn)力，構(gòu)建全球協(xié)作的創(chuàng)新網(wǎng)絡(luò)。開源生態(tài)RLHFRLAIFDPOGRPOPPO推理+強化學(xué)習(xí)MoEToTGoTCoTAI計算集群AI芯片算力基礎(chǔ)設(shè)施AI服務(wù)器資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights222.2

推理路徑：通過各類算法機制提升模型推理能力大模型基于一套系統(tǒng)化技術(shù)路徑來提升其推理能力。以思維鏈（CoT）為基礎(chǔ)實現(xiàn)分步推理，通過自我反饋和情境記憶形成動態(tài)調(diào)整機制，并借助自一致性校驗確保邏輯一致性。在訓(xùn)練層面，采用監(jiān)督微調(diào)（SFT）與基于人類反饋強化學(xué)習(xí)（RLHF）相結(jié)合的方式，借助優(yōu)勢估計和終端獎勵完成策略更新。同時，引入對抗性獎勵信號、KL懲罰以及價值函數(shù)訓(xùn)練以實現(xiàn)策略優(yōu)化的目標(biāo)。推理時間推理（Inference-time

Reasoning）監(jiān)督微調(diào)偏好對獎勵模型訓(xùn)練近端策略優(yōu)化獎勵計算KL散度正則化思維樹思維鏈提示推理與行動自我反饋參考策略監(jiān)督微調(diào)直接優(yōu)化對抗性獎勵信號REINFORCE策略優(yōu)化專家策略示范監(jiān)督微調(diào)大模型后訓(xùn)練使用策略生成多路徑近端策略優(yōu)化+KL散度正則化KL約束正則化優(yōu)勢估計價值引導(dǎo)損失函數(shù)離線軌跡終端獎勵{0,1}價值函數(shù)訓(xùn)練情景記憶代理自一致性強化學(xué)習(xí)友好性對齊策略優(yōu)化長思維鏈?zhǔn)纠?拒絕采樣與監(jiān)督微調(diào)相對策略優(yōu)化監(jiān)督微調(diào)資料：

LLM

Post-Training:

ADeepDive

intoReasoning

Large

LanguageModels，至頂智庫整理繪制。?2025.9

ZDInsights232.2推理路徑：多種范式增強模型應(yīng)對復(fù)雜任務(wù)的能力大模型通過多種推理路徑適應(yīng)不同任務(wù)需求?；A(chǔ)范式包括直接輸出（Direct）和思維鏈（CoT）推理。自一致性（Self-consistency）與多重思維鏈（Multiple

CoT）通過生成多條推理路徑并采用投票機制，為不確定性任務(wù)進行方案擇優(yōu)。面對需要多路徑探索的復(fù)雜任務(wù)，思維樹（ToT）引入樹狀結(jié)構(gòu)，支持分支評估與回溯機制，實現(xiàn)不同路徑之間的探索。最新提出的思維圖（GoT）則突破樹狀結(jié)構(gòu)的限制，利用圖結(jié)構(gòu)實現(xiàn)路徑間的動態(tài)聚合與信息重組，為更復(fù)雜的非線性推理問題提供更優(yōu)的解決思路。大模型推理路徑DirectCoTSelf-consistencyMultipleCoTToTGoT輸入輸入輸入輸入輸入輸入輸出未評分·····················正向評分負(fù)向評分投票機制聚合回溯自我精煉輸出輸出輸出輸出輸出資料：

LLMPost-Training:ADeepDiveintoReasoningLargeLanguageModels，至頂智庫整理繪制。?2025.9

ZDInsights242.3混合專家架構(gòu)（MoE）：推動推理效率與模型性能突破MoE（Mixture

of

Experts）架構(gòu)中，輸入數(shù)據(jù)通過前饋神經(jīng)網(wǎng)絡(luò)（Feed-Forward

Neural

Network,

FFNN）與激活函數(shù)處理，再由門控機制為每個專家分配激活概率。在稠密MoE架構(gòu)中，所有專家均被激活參與計算，最終輸出為各專家結(jié)果的加權(quán)和；在稀疏MoE架構(gòu)中，僅激活其中若干專家（如圖中激活FFNN1），以提高推理效率并降低計算資源開銷。該機制實現(xiàn)在保持模型性能的同時，優(yōu)化推理效率，適用于大規(guī)模參數(shù)部署。近年來，大模型已引入MoE架構(gòu)以提升參數(shù)利用率和訓(xùn)練擴展性?；旌蠈＜壹軜?gòu)（MoE）原理圖混合專家層Y加法

+歸一化路由機制前饋神經(jīng)網(wǎng)絡(luò)FFNNFFNN1FFNN2FFNN3FFNN4P=0.19P=0.32P=0.41激活函數(shù)P=0.08門控機制.45X專家1激活（概率高）.31a.

稠密MoE專家被激活的概率.19Y加法

+歸一化.052/3/4未被激活FFNN1FFNN2FFNN3FFNN4FFNN1FFNN2FFNN3FFNN4P=0.52P=0.37門控機制P=.45激活權(quán)重Xb.稀疏MoE資料：

MaartenGrootendorst，混合專家模型（MoE）到底是什么？，至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights252.4

模型蒸餾：壓縮計算復(fù)雜度，實現(xiàn)模型高性能和輕量化部署模型蒸餾是指大型復(fù)雜模型（教師模型）的知識遷移到小型高效模型（學(xué)生模型）的技術(shù)，其核心目標(biāo)是在保持模型性能的同時，顯著降低模型的計算復(fù)雜度和存儲需求，使模型更適合在資源受限的環(huán)境中部署。教師模型規(guī)模龐大，性能較高，但在計算和存儲資源上存在較大壓力；學(xué)生模型結(jié)構(gòu)較為簡單，通過模仿教師模型輸出的軟標(biāo)簽（概率分布）學(xué)習(xí)其知識和表示能力，軟標(biāo)簽包含類別間相似性和內(nèi)在關(guān)系的更多信息，有助于學(xué)生模型捕捉潛在特征并提升泛化能力。在實際應(yīng)用中，DeepSeek-R1對Qwen和Llama等開源模型進行蒸餾，得到更高效的小模型，顯著降低推理成本。此外，諸如DistilBERT、TinyBERT以及MobileBERT模型也都采用蒸餾技術(shù)，用以在保持性能的同時提升效率，推動輕量化模型的發(fā)展和普及。模型蒸餾的原理與機制教師模型學(xué)生模型知識轉(zhuǎn)移蒸餾轉(zhuǎn)移知識數(shù)據(jù)資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights262.5主流模型的后訓(xùn)練過程已普遍采用強化學(xué)習(xí)方法當(dāng)前，主流大模型利用強化學(xué)習(xí)技術(shù)進一步提效。強化學(xué)習(xí)作為機器學(xué)習(xí)領(lǐng)域的核心技術(shù)之一，由智能體、環(huán)境、狀態(tài)、行動、獎勵及策略六大核心部分組成。與監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)不同，強化學(xué)習(xí)是指智能體通過執(zhí)行動作來影響環(huán)境，并根據(jù)環(huán)境反饋的獎勵來調(diào)整策略，以便在未來做出更好的決策。目前主流模型的后訓(xùn)練過程均已采用相關(guān)強化學(xué)習(xí)方法進行優(yōu)化。主流模型后訓(xùn)練的強化學(xué)習(xí)方法強化學(xué)習(xí)核心要素模型企業(yè)強化學(xué)習(xí)方法RLthrough

CoTRLthrough

CoTRLthrougtCoTDPO智能體環(huán)境DeepSeek-R1Kimi-k1.5o1強化學(xué)習(xí)狀態(tài)行動Hermes3Athene-70BStarling-7BGemma2RLHFRLAIF,PPORLHF獎勵策略強化學(xué)習(xí)通用流程Qwen2DPO初始狀態(tài)策略行動Llama3DPONemotron-4

340BChatGLMDPO,RPO下一狀態(tài)ChatGLM-RLHFDeepSeek-V2GRPO環(huán)境獎勵資料：ReinforcementLearningEnhancedLLMs:

ASurvey，至頂智庫整理繪制。?2025.9

ZDInsights272.5傳統(tǒng)與簡化強化學(xué)習(xí)成為大模型提效“雙渦輪”主流大模型在后訓(xùn)練階段采用的強化學(xué)習(xí)方法主要包含兩類。一類是傳統(tǒng)強化學(xué)習(xí)方法如人類反饋強化學(xué)習(xí)（RLHF）和AI反饋強化學(xué)習(xí)（RLAIF）；另一類是簡化強化學(xué)習(xí)方法如直接偏好優(yōu)化（DPO）和獎勵偏好優(yōu)化（RPO）。強化學(xué)習(xí)在大模型訓(xùn)練中經(jīng)歷三階段流程，即獎勵模型訓(xùn)練、偏好微調(diào)和策略優(yōu)化。借助上述方法，大模型可突破單一預(yù)設(shè)答案的局限，動態(tài)適配不同偏好，生成結(jié)構(gòu)合理、契合上下文且更具創(chuàng)造性與高質(zhì)量的內(nèi)容，更加貼合用戶期望。強化學(xué)習(xí)增強模型能力的主要路徑RL大模型訓(xùn)練三階段流程獎勵模型訓(xùn)練在微調(diào)之前，訓(xùn)練一個獎勵模型（或獎勵函數(shù)）近似人類偏好并評估不同的LLM輸出。簡化強化學(xué)習(xí)傳統(tǒng)強化學(xué)習(xí)偏好微調(diào)RLHFRLAIFDPORPO在每次微調(diào)迭代期間，LLM會為給定指令生成多個響應(yīng)，每個響應(yīng)都使用訓(xùn)練完成的獎勵模型進行評分。用能力較強的AI模型替代人類標(biāo)注員生成反饋，訓(xùn)練獎勵模型并優(yōu)化目標(biāo)LLM，解決“人類標(biāo)注成本高、效率低”的問題。無需訓(xùn)練獨立獎勵模型，直接用人類或AI的偏好數(shù)據(jù)構(gòu)建損失函數(shù)，通過梯度下降直接優(yōu)化LLM策略，流程簡化且計算成本低。在DPO基礎(chǔ)上加入“獎勵機制”，既能保留無獎勵模型的簡潔性，又能通過感知潛在獎勵信號進一步提升LLM輸出的質(zhì)量與一致性，兼顧穩(wěn)定與性能。?讓人類標(biāo)注員對LLM的多個響應(yīng)排序，用排序結(jié)果訓(xùn)練獎勵模型，再基于獎勵模型用RL優(yōu)化LLM，核心是“直接對齊人類主觀偏好”。????策略優(yōu)化使用RL優(yōu)化技術(shù)，根據(jù)偏好分?jǐn)?shù)更新模型的權(quán)重，從而改進響應(yīng)生成。核心目標(biāo)是讓模型輸出符合人類偏好。資料：ReinforcementLearningEnhancedLLMs:

ASurvey，至頂智庫整理繪制。?2025.9

ZDInsights282.6海外科技巨頭引領(lǐng)高性能AI芯片發(fā)展近年來，AI芯片已成為驅(qū)動人工智能發(fā)展的核心引擎，尤其在大模型訓(xùn)練和推理中，算力、內(nèi)存帶寬和互聯(lián)技術(shù)直接決定模型迭代更新速度。當(dāng)前，國際主流芯片廠商正圍繞高性能計算、低精度格式和系統(tǒng)級優(yōu)化展開激烈競爭，推動AI芯片向更高性能演進。NVIDIA憑借其Blackwell架構(gòu)與Rubin架構(gòu)持續(xù)領(lǐng)跑，保持其在高端訓(xùn)練和推理芯片市場的領(lǐng)導(dǎo)地位；Google依托自研TPU深化軟硬件垂直整合，強化其云計算和AI服務(wù)的底層能力；AWS通過自研Trainium訓(xùn)練芯片與Inferentia推理芯片的協(xié)同部署，提供云端算力解決方案。全球主流AI芯片示例BlackwellRubinIronwoodInferentia

2Trainium

2；；，；，GPU實現(xiàn)新突破，支持，耗效率上實現(xiàn)2倍提升，比首款Cloud

TPU高出近30倍；Google迄今為止性能最強、可擴展性最高的定有效降低40％。與一代相比，吞吐量提高4倍，延遲大幅降低；基

于

Inferentia

2

的Amazon

EC2

Inf2可以大規(guī)模部署復(fù)雜模型。實時性能下的高吞吐量；基

于

Blackwell

Ultra

的GB300系統(tǒng)計算能力是Hopper系統(tǒng)的65倍，性能大幅提升，推動實現(xiàn)收益最大化。實

現(xiàn)

900倍

于

Hopper的性能；Rubin

Ultra計算面積翻倍，密集FP4浮點運算性能提升至100

PFLOPs。HBM容量達(dá)到1024GB。Amazon

EC2

Trn2專為生成式人工智能構(gòu)建，單

獨

實

例

包

含

16

個Trainium加速芯片，用于訓(xùn)練部署數(shù)千億至數(shù)萬億參數(shù)的模型。????制AI推理設(shè)計的，首款專為。資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights292.7國內(nèi)AI芯片架構(gòu)持續(xù)創(chuàng)新，訓(xùn)練推理兩線并進當(dāng)前，國內(nèi)AI芯片正依托國產(chǎn)化戰(zhàn)略快速崛起，以昇騰910C、昆侖芯P800、沐曦曦云C600等為代表，在推理和輕量化訓(xùn)練場景中率先實現(xiàn)規(guī)?；涞亍Ｅc國外追求絕對算力峰值不同，國內(nèi)企業(yè)更注重架構(gòu)自主與性能優(yōu)化，并通過軟硬件垂直整合和性價比優(yōu)勢搶占市場?？傮w而言，國內(nèi)AI芯片盡管受到外部環(huán)境制約，但目前已取得顯著進展。長遠(yuǎn)來看，先進制程、軟件生態(tài)、硬件穩(wěn)定性以及基礎(chǔ)架構(gòu)原創(chuàng)性仍將是未來需要持續(xù)攻堅的重點領(lǐng)域。國內(nèi)主流AI芯片示例L600昇騰910C??2025年，燧原推出第四代訓(xùn)推一體芯片L600；面向訓(xùn)練及推理場景，國內(nèi)首創(chuàng)原生FP8低精度算力，擁有144GB存儲容量、3.6TB/s

存

儲

帶

寬

、800GB/s互聯(lián)帶寬；基于L600推出全新計算系統(tǒng)—云燧OGX系列。其中OGX400實現(xiàn)單機八卡OAM全互聯(lián)，擁有1152GB單機存儲容量、28.8TB/s單機存儲帶寬、2.8TB/s單機聚合

帶

寬

，

單

機

支

持DeepSeek滿血版。??2024年，一代芯片昇騰910C；制程上910C采用7nm（N+2）制程工藝。比起同類產(chǎn)品以更低成本實現(xiàn)更高良率、更快的量產(chǎn)速度；推出其最新P800MTT

S4000??2025年，昆侖芯發(fā)布第三代算力產(chǎn)品P800；曦云C600??2023年，摩爾線程發(fā)布MTTS4000；??2025年，在910C的基顯存規(guī)格優(yōu)于同類主流GPU20%~50%，對MoE架構(gòu)更加友好，率先支持8bit推理，單機8卡即可運行671B模

型

；

可

較

好

支

撐DeepSeek系

列

MoE模

型

大規(guī)模訓(xùn)練任務(wù)；采用完全由昆侖芯自研的XPU-P架構(gòu)，可以實現(xiàn)對訓(xùn)練和推理任務(wù)的快速適配。??2025年，沐曦發(fā)布新一代通用GPU產(chǎn)品—曦云C600；基于沐曦自主知識產(chǎn)權(quán)核心GPU

IP，實現(xiàn)從芯片設(shè)計、制造到封裝測試的全流程國產(chǎn)供應(yīng)鏈閉環(huán)，集成大容量存儲與多精度混合算力；滿足下一代生成式AI的訓(xùn)練和推理需求，性能強勁，全面對標(biāo)國際旗艦GPU產(chǎn)品?；谌δ蹽PU架構(gòu)、專為大模型打造的訓(xùn)推一體通用

計

算

卡

，

支

持FP64/FP32/TF32/FP16等完整計算精度，配備48GB高性能顯存；可實現(xiàn)多卡互聯(lián)及千卡集群部署，為千億參數(shù)大模型的訓(xùn)練、微調(diào)和推理提供強勁算力支撐，兼具先進的圖頻處理能力。礎(chǔ)上推出CloudMatrix384超節(jié)點，實現(xiàn)從服務(wù)器級到矩陣級的資源供給模式轉(zhuǎn)變，通過全面的架構(gòu)創(chuàng)新，在多方面全面領(lǐng)先。???資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights302.8海內(nèi)外云廠商持續(xù)加大AI基建投資力度近年來，國內(nèi)外主要云廠商的資本開支呈現(xiàn)出持續(xù)攀升態(tài)勢。放眼海外，美國頭部云廠商投資支出持續(xù)增加，以AWS、Microsoft、Google、Meta為主的云廠商紛紛掀起投資浪潮，AWS、Microsoft、Google、Meta2025財年資本開支預(yù)計分別達(dá)到1050億、850億、750億、620億美元；聚焦國內(nèi)，AI領(lǐng)域快速發(fā)展持續(xù)刺激國內(nèi)AI基建投資，國內(nèi)頭部云廠商投資持續(xù)加碼，投資目標(biāo)已從傳統(tǒng)數(shù)據(jù)中心轉(zhuǎn)向智算中心。阿里巴巴、騰訊、百度2024財年資本開支突破新高，分別達(dá)到848億、768億、81億人民幣，反映出國內(nèi)AI基建資本開支進入上行周期。國外云廠商2023-2025年資本開支情況國內(nèi)云廠商2023-2024年資本開支情況（單位：十億美元）（單位：億元）1058487688583756248534437321322827239112812023年2024年2025年2023年2024年數(shù)據(jù)：各企業(yè)財報，WSJ，2025年資本開支為中金預(yù)測，至頂智庫整理繪制。數(shù)據(jù)：各企業(yè)財報，WSJ，至頂智庫整理繪制。?2025.9

ZDInsights312.9美國科技巨頭持續(xù)加碼，算力投資穩(wěn)固攀升美國科技巨頭積極推進智算中心建設(shè)，AI算力需求不斷攀升。以O(shè)penAI、Google、Microsoft和Meta等為主的頭部云廠商在AI基建領(lǐng)域持續(xù)加大投資力度，刷新基建投資額新高。OpenAI主導(dǎo)的“Stargate”項目累計投入已達(dá)1000億美元，預(yù)計投資金額將達(dá)5000億美元；Google上調(diào)年度資本支出至750億美元；Meta計劃向“Hyperion”集群投資100億美元。以上數(shù)據(jù)反映出美國在模型訓(xùn)練與推理方面的需求持續(xù)高漲?？傮w來看，美國科技巨頭通過大規(guī)模投資和技術(shù)創(chuàng)新，不斷鞏固其在全球人工智能領(lǐng)域的領(lǐng)先地位。此外，美國算力領(lǐng)域的投資參與主體日漸多元，成為助力AI基建落地的重要力量。美國科技巨頭智算中心建設(shè)情況＄500B＄9B2025年8月，Google宣布將在未來兩年投資90億美元，用于俄克拉何馬州的云和人工智能基礎(chǔ)設(shè)施。服務(wù)于新數(shù)據(jù)中心園區(qū)建設(shè)與現(xiàn)有設(shè)施擴建。＄10B2025年1月，OpenAI宣布正式啟動“Stargate”AI基建項目。該項目位于得克薩斯州，迄今累計投入已達(dá)1000億美元，以實現(xiàn)AI分布式訓(xùn)練的目標(biāo)。2025

年

7

月

，

Meta

發(fā)

布

將

于

路

易

斯

安

那

州

開

展

的“Hyperion”集群規(guī)劃，預(yù)計投資100億美元，將進一步擴展Meta的AI基礎(chǔ)設(shè)施，支持更復(fù)雜的模型訓(xùn)練和推理任務(wù)。資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights322.10國內(nèi)超節(jié)點方案推動AI計算集群性能實現(xiàn)新突破超節(jié)點是一種通過單節(jié)點內(nèi)增加芯片數(shù)量，具備超高互聯(lián)帶寬、縱向擴展與集成化等優(yōu)勢的方案，在性能、成本、組網(wǎng)、運維等方面表現(xiàn)突出。超節(jié)點能夠提供超高互聯(lián)帶寬與超低通信時延，有效支撐并行計算任務(wù)，縮短模型訓(xùn)練周期，提升整體可靠性。推出的Atlas

900

A3

SuperPoD（昇騰384超節(jié)點），通過總線技術(shù)實現(xiàn)384個NPU之間大帶寬低時延互聯(lián)，優(yōu)化資源調(diào)度以滿足AI訓(xùn)練與推理需求；浪潮信息發(fā)布的元腦SD200，可實現(xiàn)單機內(nèi)運行超萬億參數(shù)大模型，并支持領(lǐng)先大模型機內(nèi)同時運行及多智能體實時協(xié)作與按需調(diào)用；昆侖芯發(fā)布的超節(jié)點方案通過硬件創(chuàng)新提升全互聯(lián)通信帶寬，支持IB/ROE跨域低延遲傳輸，助力萬卡級智算集群建設(shè)。超節(jié)點方案正推動AI計算集群向更高效、可靠的方向發(fā)展。超節(jié)點案例超節(jié)點特征昇騰384超節(jié)點元腦SD200昆侖芯超節(jié)點單節(jié)點內(nèi)增加芯片數(shù)量，組裝設(shè)計高度集成?？v向擴展，集成設(shè)計結(jié)構(gòu)??2025年7月，384超

節(jié)

點

，

即

Atlas

900

A3SuperPoD；首次展出昇騰2025年8月，面向萬億大模型訓(xùn)推，浪潮信息研發(fā)SD200超節(jié)點服務(wù)器，采用創(chuàng)新的多主機低延遲內(nèi)存語義通信架構(gòu)，以開放系統(tǒng)設(shè)計聚合64路本土GPU芯片。2025年4月，昆侖芯面推出超節(jié)點新品，為AI算力集群性能優(yōu)化提升提供全棧解決方案；通過硬件架構(gòu)創(chuàng)新，該產(chǎn)品實現(xiàn)全互聯(lián)通信帶寬提升8倍，MoE大模型單節(jié)點訓(xùn)練性能提升5-10倍，單卡推理效率提升????性能運維該產(chǎn)品基于超節(jié)點架構(gòu)，跨節(jié)點通信帶寬提升15倍，通信時延下降10倍，業(yè)界唯一突破Decode時延15ms，千億稠密模型訓(xùn)練性能可達(dá)傳統(tǒng)集群2.5倍以上；通過系統(tǒng)工程優(yōu)化，實現(xiàn)資源高效調(diào)度，更好滿足模型訓(xùn)練和推理對低時延、大帶寬、長穩(wěn)可靠的要求。性能優(yōu)化，速度提升簡化運維，便利實踐基于融合架構(gòu)2.0，采用多主機三維網(wǎng)格（3D

Mesh）設(shè)計，

13倍；超高帶寬互聯(lián)，極致低通信時延。從數(shù)千服務(wù)器集群到若干單節(jié)點單元，可靠性提高。?實現(xiàn)單機64顆本土GPU芯片的高速互連。配合遠(yuǎn)端GPU虛擬映射技術(shù)，突破多主機統(tǒng)一編址的難題。支持IB/RoCE通信，實現(xiàn)跨柜高帶寬、低延遲數(shù)據(jù)傳輸，支持萬卡以上規(guī)模的智算集群構(gòu)建。?資料：、浪潮信息、昆侖芯、至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights332.11開源生態(tài)加速AGI時代到來近年來，開源生態(tài)成為推動AGI發(fā)展的核心引擎。中國AI企業(yè)密集開源高性能模型，如阿里通義Qwen3系列、DeepSeek-R1等。通過開放模型架構(gòu)與訓(xùn)練框架，企業(yè)可降低算力依賴成本；開源驅(qū)動的技術(shù)民主化進程可打破閉源壟斷，構(gòu)建差異化生態(tài)；開源社區(qū)匯聚全球開發(fā)者協(xié)作，以“生態(tài)飛輪”

效應(yīng)加速技術(shù)迭代，使AGI產(chǎn)業(yè)真正實現(xiàn)普惠共享。開源生態(tài)對于產(chǎn)業(yè)發(fā)展的重要意義DeepSeek-V3.1Qwen3-CoderPixtralLargeGamma3n構(gòu)建生態(tài)飛輪形成良性循環(huán)推動技術(shù)普惠分享智能紅利MiniMax-M1混合推理模型混元3D世界模型1.0Skywork-R1V

3.0模型開源降低研發(fā)門檻，促進Al技術(shù)民主化，利于打破應(yīng)用壁壘，使中小企業(yè)共享智能紅利，以更低成本參與AGI研發(fā)，從而加速技術(shù)更迭。企業(yè)通過開放源代碼，吸引開發(fā)者優(yōu)化貢獻(xiàn)，從而使得技術(shù)迭代加速，吸引更多參與者，最終使生態(tài)逐步完善。gpt-ossGLM-4.5開源生態(tài)挑戰(zhàn)閉源霸權(quán)重構(gòu)全球生態(tài)打破算力壟斷助力產(chǎn)業(yè)升級模型開源能夠幫助企業(yè)應(yīng)對算力封鎖、技術(shù)壟斷等挑戰(zhàn)，通過模型、權(quán)重、推理邏輯的全面開放，企業(yè)得以加速實現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型，提升生態(tài)競爭力。中國開源模式挑戰(zhàn)美國閉源霸權(quán)，避免AGI技術(shù)壟斷，使各國基于各自優(yōu)勢的差異化競爭，形成互補共生的全球格局。資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights343.智能體技術(shù)及應(yīng)用進展智能體特征通用智能體企業(yè)智能體A2A協(xié)議智能體技術(shù)架構(gòu)行業(yè)智能體MCP協(xié)議3.1智能體特征：自主感知、規(guī)劃執(zhí)行智能體（AI

Agent）是一種基于大模型的高自主性智能系統(tǒng)，可憑借強大的語言理解能力與內(nèi)容生成能力實現(xiàn)對環(huán)境的實時感知，并通過自主規(guī)劃與調(diào)用工具完成復(fù)雜目標(biāo)。智能體具備記憶、自主規(guī)劃、工具調(diào)用與自動執(zhí)行復(fù)雜任務(wù)四大核心能力。相較于AI助理，智能體在工作目標(biāo)導(dǎo)向、交互維度、任務(wù)處理范圍、自主程度、記憶、工具使用等方面均實現(xiàn)突破，憑借其特有的自主感知與規(guī)劃執(zhí)行能力，實現(xiàn)從智能助理被動調(diào)用單一功能到智能體自主解決復(fù)雜任務(wù)場景的轉(zhuǎn)變。智能體核心特征智能助理與智能體對比智能助理智能體短期記憶長期記憶自主感知、規(guī)劃并達(dá)成長期目標(biāo)主要目標(biāo)交互方式任務(wù)范圍自主性完成用戶指令、提高效率記憶多模態(tài)感知+連續(xù)行動+日歷計算器代碼解釋器搜索多輪對話+輕量級工具調(diào)用相對封閉、短期任務(wù)環(huán)境交互反思開放、復(fù)雜、跨系統(tǒng)任務(wù)鏈自我批評思維鏈高度自主、可主動規(guī)劃、反思、糾錯工具智能體規(guī)劃有限自主，需用戶確認(rèn)跨對話、跨任務(wù)長期記憶記憶能力

用戶長期記憶（偏好、歷史）+經(jīng)驗沉淀子目標(biāo)分解任意工具組合（瀏覽器、數(shù)據(jù)庫、物理設(shè)備）…工具使用用戶群體調(diào)用API與本地應(yīng)用執(zhí)行資料個人個人/企業(yè)/政府：至頂智庫結(jié)合公開資料整理繪制。資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights363.2智能體技術(shù)架構(gòu)：涵蓋感知、認(rèn)知與執(zhí)行三大模塊智能體的技術(shù)架構(gòu)主要由感知、認(rèn)知與執(zhí)行三大模塊組成。其中，感知模塊負(fù)責(zé)處理環(huán)境感知，接收用戶輸入、外部數(shù)據(jù)以及動態(tài)反饋等一系列信息并進行解析；認(rèn)知模塊分為情感、獎勵、記憶、目標(biāo)與世界模型五個部分，作為智能體的認(rèn)知基礎(chǔ)，與執(zhí)行模塊協(xié)同運轉(zhuǎn)，使智能體能夠完成“感知—規(guī)劃—工具調(diào)用—行動—反思”的全鏈路自主任務(wù)流程，最后將任務(wù)結(jié)果重新輸出到物理世界。智能體技術(shù)架構(gòu)結(jié)構(gòu)化推理過程感知觀察輸入輸入輸入輸出環(huán)境感知靜止式心理狀態(tài)空間情感輸出動態(tài)式世界模型用戶/智能體輸入外部數(shù)據(jù)外部獎勵機制獎勵獎勵反饋環(huán)境狀態(tài)空間與狀態(tài)轉(zhuǎn)換函數(shù)認(rèn)知獎勵評估機制行動世界世界智能體反饋傳遞物理世界內(nèi)部獎勵機制反饋動態(tài)環(huán)境目標(biāo)智能體

自我評估記憶行動保留過程檢索過程記憶匹配智能體執(zhí)行行動執(zhí)行輸出寫作閱讀原始數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)知識執(zhí)行資料神經(jīng)記憶網(wǎng)絡(luò)記憶利用記憶獲取記憶編碼記憶衍生精煉過濾注意力儲存：fromBrain-InspiredIntelligencetoEvolutionary,Collaborative,

andSafe

Systems，至頂智庫整理繪制。?2025.9

ZDInsights373.3多智能體系統(tǒng)：實現(xiàn)任務(wù)的并行處理與信息整合多智能體系統(tǒng)通過主導(dǎo)智能體協(xié)同子智能體疊加工具調(diào)用，實現(xiàn)任務(wù)的并行處理與信息整合。以Anthropic多智能體研究系統(tǒng)架構(gòu)為例，以主導(dǎo)智能體為核心，依托搜索工具、模型調(diào)用協(xié)議工具（MCP）、記憶模塊、搜索子智能體及任務(wù)完成模塊協(xié)同完成研究工作。主導(dǎo)智能體可調(diào)用搜索子智能體執(zhí)行多方向檢索，并調(diào)度引證子智能體插入文獻(xiàn)引用，以增強信息可信度。記憶模塊在整個研究過程中持續(xù)存儲并更新狀態(tài)，保持上下文的連貫性與一致性。用戶請求在系統(tǒng)內(nèi)部分配，經(jīng)由多個子智能體并行探索與引用增強后，生成最終報告并反饋給用戶。多智能體系統(tǒng)架構(gòu)主導(dǎo)智能體引證子智能體記憶模塊工具：搜索工具

+MCP工具

+記憶模塊

+運行子智能體

+任務(wù)完成模塊搜索子智能體搜索子智能體搜索子智能體資料：Howwe

builtourmulti-agentresearchsystem,Anthropic,

至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights383.4通用智能體：應(yīng)用場景泛化，需求精準(zhǔn)適配通用智能體已廣泛覆蓋生產(chǎn)生活的多個場景。既涵蓋數(shù)據(jù)分析、教育、研究、編程、生產(chǎn)力等多元任務(wù)板塊，提升日常辦公效率；又滲透攻略計劃制定、內(nèi)容創(chuàng)作、生活助手等個性化場景，為用戶提供精準(zhǔn)決策建議，體現(xiàn)“全場景覆蓋、全需求適配”的特征。ChatGPT

Agent應(yīng)用案例—制定出行計劃?

投資分析?

市場分析?

數(shù)據(jù)可視化?

課程設(shè)計?

學(xué)習(xí)建議?

知識專家了解用戶需求，在舊金山找一家評分高的壽司餐廳，并在OpenTable上選擇一個空閑的晚上預(yù)訂兩人座位。根據(jù)用戶需求規(guī)劃工作流：1.尋找舊金山適合無麩質(zhì)飲食人群并且用戶未曾體驗過的高評分壽司餐廳。2.通過Google

Calendar檢查用戶的日程安排并確定空閑的晚上。3.通過OpenTable網(wǎng)頁在用戶空閑的晚上進行預(yù)約。?

深度研究?

行業(yè)分析?

文獻(xiàn)綜述?

旅游安排?

團建策劃?

日程管理數(shù)據(jù)分析教育通過GPT

Agent內(nèi)置工具以及API完成各子工作：1.

通過瀏覽器搜索2025年7月舊金山最好的壽司餐廳，了解可選擇的餐廳。并比較各餐廳在用戶偏好方面的評價與信息以確認(rèn)最合適的餐廳。2.

訪問Opentable，并利用API訪問用戶的GoogleCalendar選擇空閑的晚上進行用餐預(yù)約，并將預(yù)約

事

項

添

加

到

用

戶

的Google

Calendar中。攻略計劃創(chuàng)作研究?

智能播客?

繪畫大師?

腳本生成?

寫作助手生產(chǎn)力?

文件處理?

文章排版?

會議紀(jì)要編程生活最后以一份報告的形式，將預(yù)約的時間、地點等結(jié)果呈現(xiàn)供用戶查看。?

商品對比?

應(yīng)用設(shè)計?

游戲開發(fā)?

健康助手?

財務(wù)管家?

裝修指南資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights393.5行業(yè)智能體：應(yīng)用領(lǐng)域持續(xù)拓寬，場景創(chuàng)新不斷深化當(dāng)前，行業(yè)智能體應(yīng)用領(lǐng)域持續(xù)拓寬，場景創(chuàng)新不斷深化。智能體憑借“環(huán)境感知—自主決策—動態(tài)執(zhí)行”的核心能力，已在金融、醫(yī)療、工業(yè)、教育、政務(wù)、電信等領(lǐng)域得到廣泛應(yīng)用，顯著提升各行業(yè)效率并創(chuàng)造新服務(wù)模式。在金融領(lǐng)域，智能體根據(jù)金融機構(gòu)的獨特需求和長尾業(yè)務(wù)進行深度定制，具有高度的針對性和專業(yè)性；在工業(yè)領(lǐng)域，智能體成為支持行業(yè)發(fā)展的“數(shù)字大腦”，推動新型工業(yè)化的核心引擎；在教育領(lǐng)域，智能體為師生教與學(xué)提供實時、個性化、啟發(fā)式服務(wù)。行業(yè)智能體典型應(yīng)用場景教育領(lǐng)域，科大訊飛發(fā)政務(wù)領(lǐng)域，中國移動旗下移動云發(fā)布的政務(wù)智能體集通用問答、事項指引、個性定制、熱點報告四大功能于一體?？蓪τ脩籼釂枴懊牖亍辈⑻峁┛梢暬敢苿踊鶎诱?wù)平臺減負(fù)。布的星火教師助手具備對話、教學(xué)設(shè)計等多個模塊，推動教師教學(xué)創(chuàng)新、提高思維能力。教師僅需語音下達(dá)指令，系統(tǒng)便能迅速結(jié)合班級數(shù)據(jù)診斷班級學(xué)情。工業(yè)領(lǐng)域，西門子發(fā)布的Industrial

Copilot有設(shè)計、規(guī)劃、工程等五大功能，可獨立執(zhí)行完整工業(yè)工作流程。設(shè)計工程師可借助其處理復(fù)雜任務(wù)。醫(yī)療領(lǐng)域，HippocraticAI

旗

下

的

HealthcareAgent能

夠處理多項非診斷性但耗時的任務(wù)，包括預(yù)約準(zhǔn)備、術(shù)前術(shù)后電話溝通等。其也可根據(jù)用戶需求提供入院、服務(wù)設(shè)施等信息。法律領(lǐng)域，聯(lián)想聯(lián)合圖靈法思共同發(fā)布的聯(lián)想法思AI律師助手包含爭議解決、法務(wù)咨詢等八大功能，提高法務(wù)處理效率。用戶將案件材料上傳后，助手會自動梳理案情、整理要素。教育政務(wù)工業(yè)電信醫(yī)療法律營銷領(lǐng)域，明略科技發(fā)布的

DeepMiner智能體包含智能規(guī)劃、數(shù)據(jù)連接、預(yù)置知識、報告生成等核心功能，助力企業(yè)即時獲取、整理、分析、洞察數(shù)據(jù)，提升工作效率，推動數(shù)據(jù)向精準(zhǔn)決策轉(zhuǎn)化。金

融

領(lǐng)

域

，

容

聯(lián)

云

容

犀

Copilot&Agent，其七個業(yè)務(wù)智能體覆蓋智能質(zhì)檢、知識管理、坐席輔助與業(yè)務(wù)分析等核心場景，實現(xiàn)營銷-銷售-客服-運營全鏈路提質(zhì)增效。營銷金融資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights403.6企業(yè)智能體：優(yōu)化各部門工作流，促進智能化升級企業(yè)智能體具備任務(wù)處理能力，作為具備自主決策能力的“數(shù)字員工”，為企業(yè)級用戶提供多樣化解決方案。一方面，不同行業(yè)先后涌現(xiàn)出適配自身工作流的智能體解決方案。在制造業(yè)中，企業(yè)智能體助力優(yōu)化生產(chǎn)流程；在互聯(lián)網(wǎng)行業(yè)中，企業(yè)智能體可被用于前期產(chǎn)品研發(fā)并協(xié)助銷售服務(wù)。另一方面，企業(yè)內(nèi)部辦公場景中，智能體可作為企業(yè)后臺支持部門的智能助手，協(xié)助處理日常行政、人力資源、財務(wù)管理等工作，幫助企業(yè)降本增效。企業(yè)智能體展現(xiàn)出廣泛應(yīng)用價值，正成為推動企業(yè)數(shù)字化轉(zhuǎn)型和效率提升的關(guān)鍵力量。智能體在企業(yè)內(nèi)部的應(yīng)用示例戰(zhàn)略決策數(shù)據(jù)分析智能體制造流程采購生產(chǎn)制造物流運輸供應(yīng)鏈智能體設(shè)備智能體制造智能體品控智能體供應(yīng)鏈智能體銷售與服務(wù)營銷智能體銷售智能體客服智能體前期規(guī)劃產(chǎn)品研發(fā)研發(fā)智能體行業(yè)洞察智能體實施部署交付驗收非制造流程郵件管理智能體員工培訓(xùn)智能體文檔生成智能體會議紀(jì)要智能體差旅管理智能體財務(wù)智能體后臺支持HR智能體法務(wù)智能體資料：至頂智庫結(jié)合公開資料整理繪制。?2025.9

ZDInsights413.7MCP協(xié)議：助力AI模型與不同數(shù)據(jù)源和工具實現(xiàn)無縫交互MCP（Model

Context

Protocol）是由Anthropic提出的一套標(biāo)準(zhǔn)化交互協(xié)議，旨在創(chuàng)建一個通用標(biāo)準(zhǔn)