十大

技術(shù)趨勢(shì)人類語(yǔ)言圖形天賦的驚嘆;

那么此刻的靜水流深,則是我們見(jiàn)證機(jī)器智能穿越認(rèn)知的肅穆

——它正在沖破靜態(tài)字符與像素模仿的藩籬,

向著物理世界的底層秩序與運(yùn)行邏輯進(jìn)軍?！癗ext-State

Prediction”范式的出現(xiàn),賦能模型如人類一般,捕捉光影流轉(zhuǎn)背后的因果之律,洞察時(shí)空演化的內(nèi)在邏輯。這種對(duì)于現(xiàn)實(shí)世界的模擬,亦為合成數(shù)據(jù)注入嚴(yán)謹(jǐn)?shù)奈锢韮?nèi)核,

相互增益,

驅(qū)動(dòng)模型向更高階迭代進(jìn)化。隨著能力的升維,智能的形態(tài)正從單體走向集群,從數(shù)字邁向現(xiàn)實(shí)。作為解決復(fù)雜任務(wù)和智能應(yīng)用的最佳載體,

Agent

技術(shù)范式迅速向多智能體系統(tǒng)(MAS)收斂,

異構(gòu)Agent

則通過(guò)統(tǒng)一的通信協(xié)議結(jié)成一張去中心化的協(xié)作網(wǎng);

與此同時(shí),

具身智能迎來(lái)技術(shù)與商業(yè)的雙重升級(jí),世界模型和大小腦協(xié)同發(fā)展,

推動(dòng)智能體向科研、工業(yè)等深層場(chǎng)景滲透;

在基礎(chǔ)學(xué)科領(lǐng)域,

AIFor

Science

完成了角色的轉(zhuǎn)變,

從被動(dòng)的數(shù)據(jù)分析工具,

升級(jí)為獨(dú)立提出假設(shè)、設(shè)計(jì)實(shí)驗(yàn)、并在自動(dòng)化閉環(huán)中尋找答案的探索者;

在前沿交叉方向,

AI

與量子、類腦等學(xué)科的深度融合,

也在一次次實(shí)踐中驗(yàn)證著性能躍遷的可能。支撐這一切的,是堅(jiān)實(shí)的算力基座與日益成熟的產(chǎn)業(yè)生態(tài)。萬(wàn)卡至十萬(wàn)卡集群部署,已成為下一代模型訓(xùn)練的標(biāo)配;

全棧進(jìn)化的開(kāi)源AIOS

正試圖打破單一硬件的壟斷,筑起兼容并包的普惠地基。應(yīng)用端,超級(jí)應(yīng)用(Super

App)基于“All

in

One”的設(shè)計(jì),承載智能時(shí)代下

to

C

市場(chǎng)崛起的厚望;

B端場(chǎng)景則正在突破概念驗(yàn)證(POC)的瓶頸。隨著數(shù)據(jù)質(zhì)量的完善,AI

將真正化身為驅(qū)動(dòng)實(shí)體經(jīng)濟(jì)運(yùn)轉(zhuǎn)的精密齒輪。另一方面,面對(duì)參數(shù)激增帶來(lái)的“黑箱”風(fēng)險(xiǎn),構(gòu)建一套可審計(jì)、可回溯、具備強(qiáng)對(duì)抗能力的安全防御體系,

已成為通往通用人工智能必須解開(kāi)的關(guān)鍵命題

風(fēng)起于青萍之末,

浪成于微瀾之間。我們?cè)噲D透過(guò)技術(shù)演進(jìn)的軌跡,

解析未來(lái)的光譜,

在不確定性的迷霧中,尋找行業(yè)可能的錨點(diǎn)。求索之旅的終局并非冰冷的算法堆疊,而是人類意志向未知疆域的延伸拓展。我們會(huì)懷揣著理性的敬畏與探索的勇氣,見(jiàn)證人類文明與機(jī)器智能彼此激蕩、交相輝映的宏大協(xié)奏。星河輪轉(zhuǎn),萬(wàn)物生長(zhǎng)。站在2025與2026年的交界回望,人工智能的發(fā)展正從一場(chǎng)狂飆突進(jìn)的參數(shù)競(jìng)賽,沉淀為對(duì)物理世界本質(zhì)的深刻重構(gòu)。如果說(shuō)昨日的喧囂,是我們?yōu)榇竽Ｐ驼莆?/p>

卷首語(yǔ)

02具身智能迎來(lái)行業(yè)“出清”，產(chǎn)業(yè)應(yīng)用邁入廣泛工業(yè)場(chǎng)景

-

p06趨勢(shì)三

AI

Agent多智能體系統(tǒng)決定應(yīng)用上限，Agent時(shí)代的“TCP/IP”初具雛形

-

p08趨勢(shì)四AI4SAI

Scientist成為

AI4S北極星，國(guó)產(chǎn)科學(xué)基礎(chǔ)模型悄然孕育

p12趨勢(shì)五

ToC

應(yīng)用AI

時(shí)代的新

BAT

趨于明確，垂直賽道仍有高盈利玩法

-

-

p15趨勢(shì)六

ToB

應(yīng)用產(chǎn)業(yè)應(yīng)用滑向“幻滅低谷期”，2026H2迎來(lái)“V型”反轉(zhuǎn)

趨勢(shì)七

合成數(shù)據(jù)p18合成數(shù)據(jù)占比攀升，有望破除“2026年枯竭魔咒”

趨勢(shì)八

推理優(yōu)化p21推理優(yōu)化遠(yuǎn)未觸頂，“技術(shù)泡沫”是假命題-

-趨勢(shì)九

AI

編譯器p23開(kāi)源編譯器生態(tài)匯聚眾智，異構(gòu)全棧底座引領(lǐng)算力普惠

p25趨勢(shì)十

AI

安全從幻覺(jué)到欺騙，AI

安全邁向機(jī)制可解釋與自演化攻防

-

-

p27參考文獻(xiàn)

p30世界模型成為

AGI共識(shí)方向，Next-StatePrediction或成新范式

p04趨勢(shì)二

具身智能

目錄

趨勢(shì)一

多模態(tài)世界模型03

礎(chǔ)模型的演進(jìn),本質(zhì)上是一場(chǎng)機(jī)器向著人

類認(rèn)知極限逼近的攀登,其核心始終錨定于對(duì)物理世界的極致模擬與深刻洞察。自

2024

年末以來(lái),業(yè)界對(duì)于基礎(chǔ)模型的訓(xùn)練逐步收斂到

“預(yù)訓(xùn)練

+

后訓(xùn)練”

范式,OpenAI、

Google、xAI

等發(fā)布的系列模型反復(fù)驗(yàn)證了兩階段Scaling

Law(規(guī)模定律)的有效性。而在多模態(tài)大模型領(lǐng)域,主流模型架構(gòu)如DiT(Diffusion

Transformer)或基于CLIP

的拼接模式雖在特定任務(wù)中表現(xiàn)優(yōu)異,但由于多模態(tài)表征間的割裂,始終無(wú)法復(fù)現(xiàn)

LLM

那樣平滑的Scaling

曲線。在此背景下,回歸第一性原理,

實(shí)現(xiàn)多模態(tài)數(shù)據(jù)的前融合,或成突破泛化瓶頸的重要解法。更為關(guān)鍵的變革在于認(rèn)知維度的升維:

從

“NextTokenPrediction”向“Next-StatePrediction”(NSP)跨越。前者在面對(duì)真實(shí)物理環(huán)境時(shí)往往缺乏對(duì)因果律的把控,而NSP

范式不僅是生成像素,更是像人類一樣,從多模態(tài)數(shù)據(jù)中自主學(xué)習(xí)世界的動(dòng)態(tài)規(guī)律,

例如物理動(dòng)態(tài)、時(shí)空連續(xù)性、因果關(guān)系。對(duì)于復(fù)雜任務(wù),

能夠?qū)⒏邔右鈭D轉(zhuǎn)化為可執(zhí)行的多步行動(dòng)路徑,實(shí)現(xiàn)“理解——預(yù)測(cè)——規(guī)劃”

的完整能力,這正是AI

從“感知”進(jìn)化為“認(rèn)知”

的核心標(biāo)志。2025年,

海外頭部模型廠商正加速驗(yàn)證具備原生架構(gòu)和物理模擬能力的多模態(tài)世界模型。如World

Labs

于

2025年推出實(shí)時(shí)生成式世界模型

RTFM,可從單幅圖像創(chuàng)建

3D

空間;

OpenAI發(fā)布Sora2,展現(xiàn)出理解并模擬真實(shí)世界規(guī)律的能力。Trend

1

世界模型成為AGI共識(shí)方向9

Next-state

prediction或成新范式趨勢(shì)一世界模型成為AGI共識(shí)方向，Next-StatePrediction或成新范式來(lái)源:智源行研組繪制2026十大AI技術(shù)趨勢(shì)基04國(guó)內(nèi)方面,相較于海外主流的DiT路線,北京智源人工智能研究院作為NSP范式的開(kāi)創(chuàng)者,

在自回歸架構(gòu)上走出獨(dú)特的道路。智源在2025

年

10月發(fā)布的悟界

.Emu3.5,將多模態(tài)數(shù)據(jù)等統(tǒng)一編碼為離散Token

進(jìn)行自回歸訓(xùn)練,執(zhí)行

NSP

任務(wù),讓模型獲得了對(duì)物理世界動(dòng)態(tài)與因果關(guān)系的理解能力,標(biāo)志著世界模型的發(fā)展進(jìn)入了一個(gè)新階段。同時(shí),其發(fā)布的OmniGen2、RoboBrain等系列模型,

也在向著NSP

方向持續(xù)進(jìn)化;螞蟻發(fā)布百靈大模型體系,

包含語(yǔ)言模型Ling

系列,多模態(tài)大模型Ming

系列和思考模型Ring

系列等。

Ming

系列在生成

/

編輯

/

分割一體化、方言識(shí)別方面有技術(shù)優(yōu)勢(shì)。

Ring系列首創(chuàng)

“棒冰算法(icepop)

”,解決了思考模型強(qiáng)化學(xué)習(xí)的訓(xùn)推差異導(dǎo)致訓(xùn)練崩潰問(wèn)題,在綜合任務(wù)方面逼近GPT-5

水平。Emu3.5

的意義在于,

(它)可能開(kāi)創(chuàng)了一個(gè)新的大模

型的

賽道。雖然業(yè)內(nèi)對(duì)

世界模

型有很多的討論,

但人們最初的討論是,

我們的人類大腦里面應(yīng)該存在著一個(gè)這樣的世界模型,它能夠理解基本的世界運(yùn)行規(guī)律,包括物理常識(shí)、時(shí)間空間知識(shí)等,能夠幫助我們解決日常生活中看似非常簡(jiǎn)單、但現(xiàn)在對(duì)于機(jī)器人來(lái)講非常困難的問(wèn)題。

Trend

1趨勢(shì)一世界模型成為AGI共識(shí)方向,Next-state

prediction或成新范式王仲遠(yuǎn)北京智源人工智能研究院院長(zhǎng)"。

2026十大AI技術(shù)趨勢(shì)05

果將2024年定義為具身智能的“

百機(jī)大

戰(zhàn)”

元年,并將其主要特征歸納為資本涌入與

Demo

層面的技術(shù)展示;那么佇立于2025歲末回望,行業(yè)已進(jìn)入到下一階段,企業(yè)

“

出清

”

時(shí)點(diǎn)逼近,

產(chǎn)業(yè)應(yīng)用邁入廣泛工業(yè)場(chǎng)景。2.1行業(yè)出清

:業(yè)務(wù)模式同質(zhì)化,行業(yè)格局初步形成當(dāng)前,我國(guó)具身智能企業(yè)數(shù)量已超230家,其中人形機(jī)器人企業(yè)超過(guò)100家,規(guī)模已可媲美移動(dòng)互聯(lián)網(wǎng)時(shí)代的

“

百團(tuán)大戰(zhàn)

”。然而,本輪人形機(jī)器人的技術(shù)難度、初始輪次的資金需求均遠(yuǎn)超百團(tuán)大戰(zhàn),而資本環(huán)境則因全球經(jīng)濟(jì)下行等多方面原因,較

“

百團(tuán)大戰(zhàn)

”

時(shí)期更為艱難。當(dāng)前的企業(yè)數(shù)量遠(yuǎn)超賽道的物理承載量與資本供給能力,

行業(yè)或?qū)⒃诓痪煤笸瓿梢惠喯磁?。同時(shí),具身創(chuàng)業(yè)公司業(yè)務(wù)模式同質(zhì)化嚴(yán)重,普遍采用

“通用開(kāi)源大模型+運(yùn)動(dòng)控制

”在單場(chǎng)景下進(jìn)行操作優(yōu)化。借勢(shì)于基礎(chǔ)模型的能力涌現(xiàn),這種模式在長(zhǎng)程任務(wù)的推理規(guī)劃方向取得了良好效果,但后續(xù)的進(jìn)化仍綁定于上游基礎(chǔ)模型的迭代節(jié)奏。此外,具身小腦旨在傳統(tǒng)運(yùn)控算法之上,通過(guò)提升操作側(cè)的泛化能力來(lái)應(yīng)對(duì)特定場(chǎng)景下的非標(biāo)問(wèn)題。但整體來(lái)看,這類方法通常在處理分布外(OOD)場(chǎng)景時(shí)頻現(xiàn)誤差,大大降低了其在真實(shí)場(chǎng)景下落地的實(shí)用性。不過(guò),引入世界模型,并在仿真或現(xiàn)實(shí)中通過(guò)強(qiáng)化學(xué)習(xí)機(jī)制進(jìn)行自我修正,這種具備自我進(jìn)化能力的閉環(huán)模式,已初步在自動(dòng)駕駛領(lǐng)域得到驗(yàn)證,后續(xù)或?qū)⒊蔀榫呱碇悄苓~向下一階段的重要技術(shù)錨點(diǎn)。來(lái)源:智源行研組繪制2.2商業(yè)化進(jìn)程加速:

從“實(shí)驗(yàn)室驗(yàn)證”邁向“量產(chǎn)交付”商業(yè)進(jìn)程上,行業(yè)邏輯已從技術(shù)愿景轉(zhuǎn)向量產(chǎn)銷

售。相較2024

年,

2025

年的客戶主力從高校研

究機(jī)構(gòu)向B端產(chǎn)業(yè)場(chǎng)景遷移,標(biāo)志著人形機(jī)器人從實(shí)驗(yàn)室向真實(shí)可用邁進(jìn)。與商業(yè)化進(jìn)展相呼應(yīng)的IPO進(jìn)程也在緊鑼密鼓地進(jìn)行,

除智元機(jī)器人

已曲線上市之外,樂(lè)聚智能已啟動(dòng)輔導(dǎo)備案,銀河

通用和云深處科技也已完成股改,為實(shí)現(xiàn)證券化提供了必要條件。預(yù)計(jì)未來(lái)一年內(nèi),具身智能企業(yè)上市的鐘聲將頻繁回響。國(guó)內(nèi)外具身企業(yè)在這一年密集發(fā)布模型成果并收

獲商業(yè)訂單。海外方面,

Physical

Intelligence

發(fā)布π*0.6

模

型,

基于Recap

方法利用自主經(jīng)驗(yàn)訓(xùn)練,顯著降低復(fù)雜任務(wù)的失敗率,達(dá)到實(shí)際應(yīng)用所需的魯棒

性水平;

Tesla

Robotics

發(fā)布

Optimus2.5人

形機(jī)器人,旗下機(jī)器人已應(yīng)用于工廠生產(chǎn)、農(nóng)場(chǎng)運(yùn)

營(yíng)等主要場(chǎng)景。國(guó)內(nèi)方面,北京智源人工智能研究院發(fā)布通用具

身

大

腦RoboBrain2.0及

通

用

小

腦

基

座

RoboBrain-X0。前者可實(shí)現(xiàn)跨場(chǎng)景多任務(wù)輕量具身智能迎來(lái)行業(yè)“出清”，產(chǎn)業(yè)應(yīng)用邁入廣泛工業(yè)場(chǎng)景

Trend

2趨勢(shì)二具身智能迎來(lái)行業(yè)“出清”,產(chǎn)業(yè)應(yīng)用邁入廣泛工業(yè)場(chǎng)景"。

2026十大AI技術(shù)趨勢(shì)如06化快速部署與跨本體協(xié)作,后者則能驅(qū)動(dòng)多類型本體完成動(dòng)作執(zhí)行;

螞蟻集團(tuán)旗下具身企業(yè)靈波科技自研具身基礎(chǔ)大模型,并推出首款單場(chǎng)景服務(wù)機(jī)器人Robbyant-R1,

目前已在餐飲、導(dǎo)覽、醫(yī)療問(wèn)答等生活服務(wù)領(lǐng)域投入應(yīng)用。此外,業(yè)內(nèi)已出現(xiàn)多筆億級(jí)訂單,人形機(jī)器人銷量已突破萬(wàn)臺(tái),跨入初步商業(yè)化階段。通用機(jī)器人策略只是起點(diǎn),

真正的物理智能來(lái)自機(jī)器人在真實(shí)環(huán)境中的長(zhǎng)期交互和自我改進(jìn)—模型要在部署后不斷從新的操作經(jīng)驗(yàn)中學(xué)習(xí),

學(xué)會(huì)在干擾下恢復(fù)、在失敗中調(diào)整策略,而不是停留在實(shí)驗(yàn)室里一次性訓(xùn)練完。

Trend

2趨勢(shì)二具身智能迎來(lái)行業(yè)“出清”,產(chǎn)業(yè)應(yīng)用邁入廣泛工業(yè)場(chǎng)景Chelsea

FinnPhysicalIntelligence首席執(zhí)行官2026十大AI技術(shù)趨勢(shì)07該現(xiàn)象。根據(jù)

Anthropic

數(shù)據(jù),

57%

的組織現(xiàn)在部署智能體來(lái)處理多階段工作流,預(yù)計(jì)

2026

年將有

81%

的組織計(jì)劃應(yīng)對(duì)更復(fù)雜的用例——其中39%計(jì)劃開(kāi)發(fā)用于多步驟流程的智能體,

29%計(jì)劃將其部署于跨職能項(xiàng)目。OpenAI

的調(diào)研數(shù)據(jù)也是如此,

CustomGPTs(定制GPT)

的使用量今年迄今增長(zhǎng)了

19

倍,API

推理

Token

消耗激增320倍,

也表明更智能的模型正在被系統(tǒng)性集成。從認(rèn)知科學(xué)的視角而言,群智理論與分布式認(rèn)知理論都指出,一個(gè)群體的認(rèn)知能力總和,通常會(huì)超越該群體中最聰明的個(gè)體。其中,

斯科特.佩奇的多樣性預(yù)測(cè)定理和孔多塞陪審團(tuán)定理以數(shù)理推導(dǎo)驗(yàn)證了多智能體系統(tǒng)在復(fù)雜任務(wù)上相對(duì)單智能體系統(tǒng)的明顯優(yōu)勢(shì)。圖MA5的認(rèn)知科學(xué)理論基礎(chǔ)斯科特

.佩奇多樣性預(yù)測(cè)定理

:群智理論基石,《多樣性紅利》群體誤差=個(gè)體平均誤差-預(yù)測(cè)多樣性推論

:群體的智慧不僅僅取決于個(gè)體的能力(即減少個(gè)體平均誤差),

同等程度上取決于多樣性(Diversity,差的值均平體群與值測(cè)預(yù)體個(gè)即異)。只要多樣性足夠大,群體誤差就可以顯著低于群體中最聰明個(gè)體的誤差?？锥嗳銓張F(tuán)定理

:分布式認(rèn)知在離散決策

(如分類、是非判斷)上的數(shù)學(xué)保障來(lái)源:

Langchain,

智源行研組整理然而,

隨著企業(yè)級(jí)應(yīng)用向復(fù)雜場(chǎng)景滲透,多智能體應(yīng)用體現(xiàn)出成為更優(yōu)選擇的潛力。復(fù)雜場(chǎng)景下,

單智能體系統(tǒng)(SAS)在上下文遺忘和角色混淆方面的問(wèn)題凸顯,而多智能體系統(tǒng)所具備的對(duì)工作流的高擬合,

以及通過(guò)自我反思、互相辯論以降低幻覺(jué)的能力,

對(duì)于AI

向多領(lǐng)域的應(yīng)用擴(kuò)展不可或缺。從行業(yè)應(yīng)用來(lái)看,Agent

呈現(xiàn)出向復(fù)雜工作流為代表的多智能體應(yīng)用演進(jìn)的趨勢(shì)。Anthropic、OpenAI

近期發(fā)布的報(bào)告也體現(xiàn)出了3.1從

5A5

向

MA5

應(yīng)用演進(jìn),

Agent應(yīng)用天花板取決于MA5成熟度

前,多數(shù)企業(yè)在智能體應(yīng)用上仍是以簡(jiǎn)單

任務(wù)為主的單智能體系統(tǒng)(SAS)。根據(jù)

Langchain

發(fā)布的《State

of

Agent

Engineer-

ing》,

客服、代碼生成、內(nèi)容生成為代表的SAS應(yīng)用占比達(dá)63%,MAS應(yīng)用為主的研究和數(shù)據(jù)分析、內(nèi)部生產(chǎn)力占比則為

42.1%。考慮到多數(shù)

Agent應(yīng)用仍處于Pilot階段,

MAS落地難度大于SAS,

MAS

的實(shí)際應(yīng)用比例較該比例更不樂(lè)觀。多智能體系統(tǒng)決定應(yīng)用上限，Agent時(shí)代的“TCP/IP”初具雛形Trend

3

2026十大AI技術(shù)趨勢(shì)趨勢(shì)三/

多智能體系統(tǒng)決定應(yīng)用上限,Agent時(shí)代的“TCP/IP”初具雛形目083.2MA5

范式趨于明確,MCP/A2A

為代表的MA5

“NarrowwaiSt”協(xié)議層趨于融合統(tǒng)一MAS

Paradigm=Protocols[Orchestration*(Cognitive

Core+Tools)]@Sandbox如上,從目前業(yè)界實(shí)踐來(lái)看,

MAS范式已開(kāi)始收斂。編排框架、沙盒、可觀測(cè)性成為產(chǎn)業(yè)應(yīng)用的必選項(xiàng)。比如Langchain、AutoGen、CrewAI等框架成為主流編排選擇,沙盒、可觀測(cè)性工具作為產(chǎn)業(yè)應(yīng)用的安全選項(xiàng)也已是行業(yè)共識(shí)?？紤]到MAS

的核心邏輯是從

“單體智能

”

走向

“群體智能

”,該范式轉(zhuǎn)移成功的關(guān)鍵不僅在于單體模型性能強(qiáng)弱,

更在于Agent

連接協(xié)作的效率和規(guī)模。在2026年,Agent

協(xié)議棧的進(jìn)展決定了MAS

的下限,而AgentSkills等推高了MAS應(yīng)用上限。假設(shè)有n個(gè)獨(dú)立的智能體(

Jurors

),每個(gè)智能體

做出正確判斷的概率為

p

。若

p>0.5

(即個(gè)體比隨機(jī)猜測(cè)稍好),且個(gè)體間相互獨(dú)立,則群體通過(guò)

多數(shù)投票(Majority

Vote)

做出正確決策的概率

Pn

隨著n的增加而增加,且極限為

:推論

:在

MAS

中,

即便單個(gè)Agent

只有60%

準(zhǔn)確率,

只要足夠多且犯錯(cuò)方向不—致,

通過(guò)投票機(jī)制集

成后的系統(tǒng)準(zhǔn)確率可以迅速逼近100%。值得注意的是,該理論生效的前提是智能體之間具備高度的獨(dú)立性(Independence)和多樣性(Diversity)。若AI

模型間存在同質(zhì)化(如同源訓(xùn)練數(shù)據(jù)導(dǎo)致的系統(tǒng)性偏見(jiàn)),群體不僅無(wú)法突破上限,反而可能因

“模式坍塌(Mode

Collapse)

”

或“信息級(jí)聯(lián)

(Information

Cascades)

”

導(dǎo)致錯(cuò)誤放大。因此,

該結(jié)論在理論上成立,

但在工程實(shí)踐中取決于系統(tǒng)架構(gòu)對(duì)

“多樣性

”

的維持能力。

Trend

3通信協(xié)議正處在從碎片化走向融合統(tǒng)一的演進(jìn)過(guò)程中。其中,

融合統(tǒng)一趨勢(shì)明顯的為以MCP、A2A為代表的通信層協(xié)議,

仍處于早期探索的則是UI、支付、語(yǔ)義對(duì)齊、發(fā)現(xiàn)、安全、可觀測(cè)性等其他協(xié)議層。趨勢(shì)三多智能體系統(tǒng)決定應(yīng)用上限,Agent時(shí)代的“TCP/IP”初具雛形圖A2A/MCP分別被捐贈(zèng)Linux基金會(huì),Agent通信層的形成"。

2026十大AI技術(shù)趨勢(shì)來(lái)源:智源行研組繪制09通信協(xié)議正處在從碎片化走向融合統(tǒng)一的演進(jìn)過(guò)程中。其中,

融合統(tǒng)一趨勢(shì)明顯的為以MCP、A2A為代表的通信層協(xié)議,仍處于早期探索的則是UI、支付、語(yǔ)義對(duì)齊、發(fā)現(xiàn)、安全、可觀測(cè)性等其他協(xié)議層。MCP

和A2A

為代表的通信層協(xié)議,在

2025

年在分別被捐贈(zèng)給

Linux

基金會(huì)后實(shí)現(xiàn)了分層融合。2025年6月,Agent2Agent

被

Google

捐贈(zèng)給了Linux

基

金

會(huì)

獨(dú)

立

項(xiàng)目

“Agent2AgentProject”。2025

年

12

月,

MCP

被Anthropic

作為三項(xiàng)成果之一,

捐贈(zèng)給了Linux

基金會(huì)子基金AAIF。至此,

作為L(zhǎng)inux基金會(huì)統(tǒng)一管理的MCP

和A2A兩項(xiàng)Agent

通信協(xié)議,以其中立屬性,

成為Microsoft、Google、Anthropic、AWS、IBM等頭部廠商和LangChain、AutoGen、CrewAI等主流框架的原生支持選擇。尤其值得一提的是,作為ACP協(xié)議的發(fā)起方IBM,目前也顯示出將ACP并入A2A

的跡象。與此同時(shí),盡管“MCP+A2A”

解決了“Agent

怎么用工具、怎么找到其他Agent”的問(wèn)題,

但Agent溝通內(nèi)容的概念對(duì)齊、身份認(rèn)證、人機(jī)交互(UI)、支付、安全和可觀測(cè)性等更多協(xié)議層仍處于早期探索階段。從國(guó)內(nèi)外進(jìn)展來(lái)看,

Google、

Cisco、

W3C、Langchain

等廠商和社區(qū)在各協(xié)議層的嘗試頻繁,

比如A2UI、AP2、Agntcy等協(xié)議均已進(jìn)入生產(chǎn)場(chǎng)景實(shí)踐階段,2026年將持續(xù)繁榮成熟。來(lái)源:智源行研組繪制的支撐,后者則通過(guò)屏蔽服務(wù)器差異、支撐起瀏覽器生態(tài)。對(duì)于決定

Agent

應(yīng)用上限的

MAS

而言,A2A、在計(jì)算機(jī)科學(xué)歷史上,大規(guī)模系統(tǒng)的收斂都依賴于一個(gè)

“窄腰(Narrow

Waist)

”

協(xié)議層。比如,互聯(lián)網(wǎng)收斂于IP協(xié)議、Web收斂于HTTP

協(xié)議;前者通過(guò)屏蔽底層物理網(wǎng)絡(luò)差異、實(shí)現(xiàn)對(duì)上層應(yīng)用

Trend

3趨勢(shì)三多智能體系統(tǒng)決定應(yīng)用上限,Agent時(shí)代的“TCP/IP”初具雛形圖Agent協(xié)議棧的建構(gòu)和進(jìn)展"。

2026十大AI技術(shù)趨勢(shì)10MCP

等

Agent

通信層協(xié)議正是

Agent

應(yīng)用的“Narrow

Waist”

協(xié)議層,

向下屏蔽模大模型差異,向上支撐復(fù)雜的MAS應(yīng)用?，F(xiàn)階段,MAS

范式的收斂,Agent

通信協(xié)議的標(biāo)準(zhǔn)化至關(guān)重要。我們的業(yè)務(wù),

今天是終端用戶工具業(yè)務(wù),

但本質(zhì)上將成為支持

Agents

的基礎(chǔ)設(shè)施業(yè)務(wù)

.

.

.

.

.

.

至少?gòu)脑缙谯E象上,看待每個(gè)用戶業(yè)務(wù)的方式或許不僅僅是每個(gè)用戶,而是每個(gè)

Agent。

Trend

3趨勢(shì)三多智能體系統(tǒng)決定應(yīng)用上限,Agent時(shí)代的“TCP/IP”初具雛形SatyaNadellaMicrosoft首席執(zhí)行官

2026十大AI技術(shù)趨勢(shì)11

I

·

國(guó)產(chǎn)科學(xué)基礎(chǔ)模型悄然孕育Tren動(dòng)。首先,科學(xué)基礎(chǔ)模型(Science

FoundationModels)的成熟為AI

進(jìn)一步深入各細(xì)分科學(xué)領(lǐng)域奠定了深厚的理論基礎(chǔ)。這些模型得益于基礎(chǔ)模型的躍遷式提升,又進(jìn)一步超越了傳統(tǒng)的語(yǔ)言和圖像模態(tài),

通過(guò)對(duì)海量科學(xué)文獻(xiàn)、分子結(jié)構(gòu)、基因序列、觀測(cè)數(shù)據(jù)、演化模擬數(shù)據(jù)及實(shí)驗(yàn)數(shù)據(jù)的訓(xùn)練,形成了對(duì)特定科學(xué)領(lǐng)域深層規(guī)律的內(nèi)在理解。在此基礎(chǔ)上,

代理工作流(Agentic

Workflow)將這種理解能力轉(zhuǎn)化為行動(dòng)力,

使AI系統(tǒng)能夠像人類科學(xué)家一樣,自主規(guī)劃并執(zhí)行復(fù)雜的多步驟研究任務(wù),靈活調(diào)用數(shù)據(jù)庫(kù)、模擬器和文獻(xiàn)檢索等外部工具。最后,AI的認(rèn)知能力正通過(guò)與自動(dòng)化實(shí)驗(yàn)室的連接,延伸至物理世界,從數(shù)字模擬到真實(shí)實(shí)驗(yàn)驗(yàn)證閉環(huán)的雛形得以顯現(xiàn),自主科學(xué)發(fā)現(xiàn)成為可能。4.1AI5cientist

熱度驟起,

工業(yè)落地尚有距離

經(jīng)歷了大模型輔助科學(xué)研究的初步探索

后,

2025年的AI

for

Science(AI4S)領(lǐng)域迎來(lái)了一次決定性的范式演進(jìn),其核心標(biāo)志是從CoPilot

到AI

Scientist

的身份跨越。這一趨勢(shì)的聚焦點(diǎn),是AI

科學(xué)家

(AI

Scientist)的興起——能夠模擬乃至自主執(zhí)行“假設(shè)提出、實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)分析、結(jié)論推斷”完整科研鏈路的智能體系統(tǒng)。這不僅是科研效率的量變,更是科學(xué)發(fā)現(xiàn)模式的質(zhì)變,

預(yù)示著一個(gè)由AI驅(qū)動(dòng)的、研發(fā)效率呈指數(shù)級(jí)增長(zhǎng)的新時(shí)代或?qū)⒌絹?lái)。這場(chǎng)深刻變革的背后,

是三大技術(shù)引擎的融合驅(qū)來(lái)源:智源行研組繪制"。

2026十大AI技術(shù)趨勢(shì)圖2025年以來(lái)全球各組織發(fā)布的AI5cientist系統(tǒng)(不完全統(tǒng)計(jì),高度僅供排版需要,不代表比較意義)趨勢(shì)四/

AI

Scientist成為AI4S北極星,國(guó)產(chǎn)科學(xué)基礎(chǔ)模型悄然孕育在124.2美

AI45

國(guó)家級(jí)別行動(dòng)方案發(fā)布,我國(guó)科學(xué)基礎(chǔ)模型攻堅(jiān)刻不容緩AIforScience正被納入舉國(guó)體制。2025

年

11月24

日,

美國(guó)白宮發(fā)布行政命令,

正式啟動(dòng)名為“創(chuàng)世紀(jì)計(jì)劃(Genesis

Mission)

”

的科研舉措,

旨在以

AI

技術(shù)加速科研進(jìn)程,

繼而全面提升美國(guó)人工智能發(fā)展能力。循著創(chuàng)世紀(jì)計(jì)劃的線索抽絲剝繭,其長(zhǎng)期布局的路徑就逐漸浮出水面?？傮w而言,該計(jì)劃并非一項(xiàng)突發(fā)性的短期政策,而是美國(guó)能源部(DOE)

與其科學(xué)與技術(shù)核心團(tuán)隊(duì)歷經(jīng)五年以上系統(tǒng)性籌備的產(chǎn)物。早在2019

至2020

年間,以技術(shù)總工程師

RickStevens為

核

心

的

團(tuán)

隊(duì)

便

確

立

了

“AIforScience”的戰(zhàn)略框架,并以此爭(zhēng)取預(yù)算,

奠定了該計(jì)劃的理論與實(shí)踐基石。此后五年間,

通過(guò)組建萬(wàn)億參數(shù)聯(lián)盟(TPC)、開(kāi)發(fā)萬(wàn)億參數(shù)科學(xué)模型AuroraGPT

以及提出FASST

(科學(xué)、安全與技術(shù)人工智能前沿)構(gòu)想,美國(guó)實(shí)際上已完成了從單純的算力堆疊向

“數(shù)據(jù)+算力+科學(xué)模型-自動(dòng)化應(yīng)用

”全鏈路的預(yù)演。因此,“創(chuàng)世紀(jì)計(jì)劃

”并非從0

到

1

的探索,而是依托已經(jīng)運(yùn)轉(zhuǎn)成熟的存量資產(chǎn)?；趯?duì)17個(gè)國(guó)家實(shí)驗(yàn)室數(shù)據(jù)的使用權(quán)限、APST(TheAssistant

tothe

PresidentforScience

andTechnolo-gy,總統(tǒng)科技助理)協(xié)調(diào)機(jī)制打通的跨機(jī)構(gòu)權(quán)限、

AuroraGPT

大模型運(yùn)營(yíng)兩年的成熟經(jīng)驗(yàn),

帶頭人之一

ChrisWright對(duì)小

型模塊化核

反應(yīng)堆(SMR)的審批權(quán),

以及ChrisWright、Dario

Gil、

Rick

Stevens

等主要負(fù)責(zé)人的長(zhǎng)期合作,

“創(chuàng)世紀(jì)計(jì)劃

”得以全面整合和動(dòng)員能源、數(shù)據(jù)、模型資源,并利用成熟的組織架構(gòu)實(shí)現(xiàn)科學(xué)智能的規(guī)?；涞亍?lái)源:智源行研組繪制良好。然而,

在支撐科學(xué)智能落地的算力、數(shù)據(jù)與模型三大基礎(chǔ)設(shè)施維度,我國(guó)則面臨不同程度的挑戰(zhàn)與追趕壓力。在算力端,受制于海外出口管制,AI

算力缺口明顯,雖然國(guó)產(chǎn)替代進(jìn)程正在加速,但整體儲(chǔ)備仍不及美國(guó);相較于美國(guó)

“創(chuàng)世紀(jì)計(jì)劃

”

五年前便開(kāi)始布局的系統(tǒng)性動(dòng)員,我國(guó)目前在科學(xué)智能(AI4S)領(lǐng)域尚未形成同等量級(jí)的全棧式響應(yīng),

呈現(xiàn)出

“應(yīng)用強(qiáng)、基座弱

”

的非均衡特征。在應(yīng)用層面,得益于龐大的

STEM

人才供給與完備的產(chǎn)業(yè)鏈條,我國(guó)占據(jù)了相對(duì)優(yōu)勢(shì),且執(zhí)行情況

Trend

4趨勢(shì)四/

AI

Scientist成為AI4S北極星,國(guó)產(chǎn)科學(xué)基礎(chǔ)模型悄然孕育"。

2026十大AI技術(shù)趨勢(shì)13在數(shù)據(jù)端,面對(duì)存量相對(duì)較少且治理能力偏弱的現(xiàn)狀,我國(guó)正有序推進(jìn)打破部門(mén)壁壘。早在2014年,科技部就發(fā)布《科技基礎(chǔ)性工作專項(xiàng)項(xiàng)目科學(xué)數(shù)據(jù)匯交管理辦法(試行)》,按下我國(guó)科學(xué)數(shù)據(jù)收集、治理的啟動(dòng)鍵,

此后,

我國(guó)逐步建立起以中科院帶頭、教育部、交通運(yùn)輸部等下屬研究所40家共建單位參與的國(guó)家科技資源共享服務(wù)平臺(tái)

——國(guó)家基礎(chǔ)學(xué)科公共科學(xué)數(shù)據(jù)中心,匯集管理物理、化學(xué)、材料等基礎(chǔ)學(xué)科領(lǐng)域,

以及青海湖等典型區(qū)域長(zhǎng)期科研活動(dòng)積累的科學(xué)數(shù)據(jù)。截至

2025

年,我國(guó)國(guó)家基礎(chǔ)數(shù)據(jù)中心保有數(shù)據(jù)量已達(dá)

4.6PB,成為當(dāng)下我國(guó)開(kāi)展技術(shù)賦能科研探索的寶貴素材;最為嚴(yán)峻的挑戰(zhàn)集中在模型層,當(dāng)前,我國(guó)在科學(xué)基礎(chǔ)模型上的進(jìn)展滯后,成為制約我國(guó)AI4S領(lǐng)域快速縮小與美國(guó)差距的核心卡點(diǎn)。同時(shí),相比于與龐大的藥械市場(chǎng)掛鉤的AI

輔助藥物設(shè)計(jì)賽道,以及小步快跑、正在實(shí)現(xiàn)部分規(guī)?；a(chǎn)的具身智能賽道,

AI4S在資本的候選池中仍然坐著冷板凳,依靠初創(chuàng)企業(yè)打造基礎(chǔ)模型的設(shè)想更為艱難。因此,我國(guó)的科學(xué)基礎(chǔ)模型研發(fā)仍亟待各方資源傾斜和整合。眾志成城,

堅(jiān)若磐石;雖路遠(yuǎn)兮,同行則至。像所有變革性技術(shù)一樣,人工智能的廣泛應(yīng)用既帶來(lái)了巨大的機(jī)遇,也伴隨著風(fēng)險(xiǎn)。我認(rèn)為,美國(guó)必須在用于科學(xué)和國(guó)家安全應(yīng)用的先進(jìn)人工智能系統(tǒng)開(kāi)發(fā)方面引領(lǐng)世界。為了實(shí)現(xiàn)這一目標(biāo),

我們需要付出如同“曼哈頓計(jì)劃”規(guī)模的努力。*數(shù)據(jù)來(lái)源:Rick

5tevens在2023年

美國(guó)參議院能源與自然資源委員聽(tīng)證會(huì)證詞

Trend

4RickStevens“創(chuàng)世紀(jì)計(jì)劃”核心科學(xué)家、美國(guó)阿貢國(guó)家實(shí)驗(yàn)室副主任趨勢(shì)四/

AI

Scientist成為AI4S北極星,國(guó)產(chǎn)科學(xué)基礎(chǔ)模型悄然孕育2026十大AI技術(shù)趨勢(shì)14來(lái)源:智源行研組繪制完成從尋找餐廳、預(yù)訂座位到修改路線的全套操作——在同一品牌根系的統(tǒng)籌下,垂直

App

之間的圍墻被逐漸推倒。同樣在

11月,

ChatGPT上線Buy

it

inchatgpt功能,

不

僅

與電商

平臺(tái)Shopify、Esty和支付平臺(tái)Stripe系統(tǒng)級(jí)打通,還前置了基于用戶偏好的選品、全平臺(tái)比價(jià)、運(yùn)費(fèi)政策解讀等自動(dòng)執(zhí)行的步驟,用戶得以用一句聊天般的自然語(yǔ)言啟動(dòng)流程,直達(dá)最符合心意的商品,并在

ChatGPT

應(yīng)用內(nèi)完成下單操作;OpenAI

還引入了具備視覺(jué)能力的瀏覽器內(nèi)核,接管瀏覽器執(zhí)行權(quán),

試圖打通超級(jí)應(yīng)用的手-腦通路。考慮到

AI

超級(jí)應(yīng)用范式為基礎(chǔ)模型直接產(chǎn)品化實(shí)現(xiàn)的用戶截流聚集,不僅需要極高的算力成本支撐,更依賴龐大的存量用戶進(jìn)行模型數(shù)據(jù)的飛海外廠商在此輪浪潮中率先引領(lǐng)了

AI

超級(jí)應(yīng)用的探索,

以ChatGPT、Gemini等海外頭部模型為基礎(chǔ)構(gòu)建的APP,已初步具備過(guò)億日活

(DAU)、高交互頻次、高用戶停留時(shí)長(zhǎng)等傳統(tǒng)意義上的超級(jí)應(yīng)用必要條件,并在AI2.0

時(shí)代首次領(lǐng)跑國(guó)內(nèi),率先探索“All

in

One”的功能設(shè)計(jì)。循著當(dāng)前的線索抽絲剝繭,

頭部大廠的超級(jí)應(yīng)用布局其實(shí)是一條明線。Google

早在

2023

年

9月就通過(guò)

Extensions

打通了

Maps

和

Flights的接口,邁出了統(tǒng)

一

入口的第

一

步;而到了2025年

11月,隨著

Gemini

正式取代

GoogleMaps

的原生語(yǔ)音助手,這種外掛開(kāi)始內(nèi)化為原生組織?，F(xiàn)在,

用戶無(wú)需跳出界面,即可在同一個(gè)對(duì)話流中

Trend

5

去的一年,AI應(yīng)用加速迭代?；A(chǔ)模型能

力的顯著躍升,極大拓寬了任務(wù)執(zhí)行的邊界;推理側(cè)架構(gòu)的優(yōu)化,帶來(lái)服務(wù)成本的持續(xù)下降;技術(shù)供給側(cè)的質(zhì)變,為AI

應(yīng)用的落地積蓄了關(guān)鍵勢(shì)能。5.1超級(jí)應(yīng)用

:

“多行業(yè)API接入+基礎(chǔ)模型”,相較CUA更有優(yōu)勢(shì)當(dāng)前C端AI應(yīng)用的競(jìng)爭(zhēng)目標(biāo)已逐漸清晰,

核心在于對(duì)“SuperApp

(超級(jí)應(yīng)用)

”的攻略。其典型特征呈現(xiàn)為“All

in

One”的功能設(shè)計(jì),

即不再局限于單一工具屬性,而是基于高性能基礎(chǔ)模型直接產(chǎn)品化,通過(guò)一個(gè)入口實(shí)現(xiàn)從信息獲取、任務(wù)規(guī)劃到問(wèn)題解決的閉環(huán)。AI時(shí)代的“新BAT”趨于明確，垂直賽道仍有高盈利玩法趨勢(shì)五/

AI時(shí)代的新BAT趨于明確,垂直賽道仍有高盈利玩法"。

2026十大AI技術(shù)趨勢(shì)過(guò)15

Trend

5輪迭代。在此背景下,國(guó)內(nèi)

AI

超級(jí)應(yīng)用的機(jī)會(huì)點(diǎn)同樣集中在頭部大廠——巨頭企業(yè)擁有操作系統(tǒng)級(jí)的入口權(quán)限、發(fā)端于互聯(lián)網(wǎng)時(shí)代的自有垂域工具、全?；募夹g(shù)積累,具備打造國(guó)民級(jí)AI入口的實(shí)力。這場(chǎng)關(guān)于基模能力、流量入口與生態(tài)閉環(huán)的博弈,

可能會(huì)為互聯(lián)網(wǎng)版圖帶來(lái)新的變化,

催生出AI時(shí)代的“新

BAT”。來(lái)源:智源行研組繪制5.2垂直模型

:多模態(tài)等高ROI

方向更易跑出優(yōu)質(zhì)玩家，垂直玩家跨賽道玩法或有亮點(diǎn)盡管通用賽道巨頭林立,但在部分高壁壘的垂直

領(lǐng)域,

依然存在突圍的機(jī)遇。在大健康、教育等領(lǐng)域,垂直應(yīng)用憑借對(duì)特定數(shù)據(jù)的深度訓(xùn)練和對(duì)行

業(yè)Know-how的理解,

展現(xiàn)出了差異化的競(jìng)爭(zhēng)力。10月底,

Google

公布第三季度財(cái)報(bào),

在AI

業(yè)務(wù)驅(qū)動(dòng)下,公司季度營(yíng)收首次突破千億美元,

Hyerbolic

Labs

CTO

Yuchen

Jin

直言“GeminiApp月活已達(dá)

6.5

億,這

應(yīng)

當(dāng)

歸

功

于

NanoBanana”。從業(yè)務(wù)指標(biāo)看,

以Nano

Banana(及升級(jí)后的Pro

版本)為代表的多模態(tài)模型,其調(diào)

用量往往不及文本模型,但這并不必然意味著商

業(yè)價(jià)值更低。11月,螞蟻集團(tuán)推出全模態(tài)通用AI

助手靈光,上線6天總下載量突破

200

萬(wàn),領(lǐng)跑全球AI

產(chǎn)品的下載增速。其首批上線三大核心功能——靈光對(duì)話、靈光閃應(yīng)用和靈光開(kāi)眼,開(kāi)創(chuàng)性地在移動(dòng)端實(shí)現(xiàn)自然語(yǔ)言

30

秒生成小應(yīng)用,支持?jǐn)z像頭作為直接交互入口,

還支持3D、音視頻、圖表,

甚至動(dòng)畫(huà)和地圖等全模態(tài)輸出,是業(yè)內(nèi)首個(gè)全代碼生成多模態(tài)內(nèi)容的AI

助手;12

月,高德地圖接入阿里千問(wèn),

吹響了阿里系工具集結(jié)號(hào),旨在以千問(wèn)App

作為中心“天體

”,以自有的消費(fèi)、支付等核心工具作為衛(wèi)星,構(gòu)建基于統(tǒng)一入口和家族應(yīng)用的星系。而字節(jié)豆包持續(xù)豐富

C

端工具矩陣,結(jié)合抖音、今日頭條等應(yīng)用引流的生態(tài)優(yōu)勢(shì),在全球AI

應(yīng)用中MAU

位居第二,僅次于ChatGPT

(截至2025年

11月)。趨勢(shì)五/

AI時(shí)代的新BAT趨于明確,垂直賽道仍有高盈利玩法"。

2026十大AI技術(shù)趨勢(shì)16by

Mid

jo

u

r

ney當(dāng)前,

Nano

Banana

Pro

的單次調(diào)用價(jià)格高達(dá)文本模型的70至

120倍(以圖片生成單次價(jià)格約0.14美元,常規(guī)文本交互單次價(jià)格約0.002美元為計(jì)算依據(jù))。這意味著,

Nano

Banana

Pro僅需占據(jù)整體調(diào)用量的

1.5%

左右,其收入貢獻(xiàn)即可與占據(jù)

98.5%

流量的文本模型持平。多模態(tài)模型無(wú)需追求文本式的高頻并發(fā),而是通過(guò)鎖定少數(shù)高付費(fèi)意愿的關(guān)鍵場(chǎng)景,

即可實(shí)現(xiàn)極佳的

“模效比

”,驗(yàn)證了垂直領(lǐng)域模型低頻高價(jià)值的收入結(jié)構(gòu)。國(guó)內(nèi)AI垂直應(yīng)用的土壤同樣肥沃。12月,

螞蟻旗下AI

健康應(yīng)用“螞蟻阿福

”全面升級(jí),新版App提供健康問(wèn)答、健康拍照、健康檔案、健康小目標(biāo)等智能化和個(gè)性化的日常健康管理服務(wù)。當(dāng)下,

阿福月活(MAU)

超1500萬(wàn),已是第一大健康管理類APP,

在QuestMobile

最新公布的周活榜單上,阿福位列垂類第一。此外,字節(jié)跳動(dòng)的即夢(mèng)AI、貓箱,MiniMax的海螺AI、星野,作業(yè)幫的快對(duì)AI

分別在視頻/

圖像生成賽道、虛擬陪伴賽道和教育賽道占領(lǐng)用戶心智,有力地印證了:

在細(xì)分賽道中,精準(zhǔn)的場(chǎng)景切入與優(yōu)質(zhì)的產(chǎn)品體驗(yàn),依然是垂直應(yīng)用在通用產(chǎn)品包圍下實(shí)現(xiàn)突圍的關(guān)鍵。我們正在努力打造一個(gè)真正的AI超級(jí)助手。未來(lái)你不需要打開(kāi)不同的APP去訂機(jī)票、聊天或購(gòu)物,

你只需要告訴你的AI你想要什么,它就會(huì)跨越所有服務(wù)為你搞定一切。

Trend

5SamAltmanOpenAI首席執(zhí)行官趨勢(shì)五/

AI時(shí)代的新BAT趨于明確,垂直賽道仍有高盈利玩法"。

2026十大AI技術(shù)趨勢(shì)17式,

客戶服務(wù)、代碼輔助、營(yíng)銷等場(chǎng)景應(yīng)用成熟。至于復(fù)雜的自主決策Agent,則仍處于“示范應(yīng)用

”

階段。6.1TOB應(yīng)用的“幻滅低谷期”:數(shù)據(jù)、

MA5和成本進(jìn)入2026年,行業(yè)將迎來(lái)“幻滅低谷期(Troughofdisilusionment)

”。根據(jù)

MIT

報(bào)告,通過(guò)對(duì)300

個(gè)企業(yè)的AI

項(xiàng)目的研究,發(fā)現(xiàn)95%的

GenAI

Pilot項(xiàng)目未能產(chǎn)生任何可衡量的影響。大多數(shù)項(xiàng)目在進(jìn)入生產(chǎn)環(huán)境前就已

“爛尾

”。根據(jù)Forrester、Gartner

等機(jī)構(gòu)預(yù)測(cè),由于短期ROI

不達(dá)標(biāo),企業(yè)可能會(huì)將25%

的原定AI

支出推遲到2027年。到2027年,

40%

的AgenticAI項(xiàng)目可能會(huì)失敗。究其原因,數(shù)據(jù)質(zhì)量、MAS成熟度、成本過(guò)高乃至失控是主要原因。關(guān)于數(shù)據(jù)質(zhì)量,主要的問(wèn)題是企業(yè)既有系統(tǒng)的集成難度。根據(jù)Anthropic數(shù)據(jù),

46%的企業(yè)將

“現(xiàn)有系統(tǒng)集成

”列為首要障礙。目前的AI應(yīng)用,

更多還是在

“Chat”

基礎(chǔ)上,通過(guò)員工自己手動(dòng)操作ERP/CRM。關(guān)于

MAS

成熟度,如

“Agent

趨勢(shì)篇

”

提及的MAS

范式,在實(shí)踐中仍存在

MAS

涌現(xiàn)行為不可控、調(diào)試?yán)щy,

互操作性不足(通信和語(yǔ)義對(duì)齊),可解釋性差等問(wèn)題。關(guān)于成本,除了MAS本身運(yùn)行的高成本以外,死

循環(huán)通信、自我對(duì)話、上下文爆炸等帶來(lái)的成本失控,是MAS應(yīng)用一直以來(lái)的困擾。目前業(yè)內(nèi)典型案例,為2025年10月技術(shù)博客

Towards

AI

/Substack

提及的《We

Spent$47,000

Running

AI

Agents

in

Production》:4個(gè)LangChain

智能體組成的系統(tǒng),

旨在通過(guò)相

互協(xié)作進(jìn)行市場(chǎng)數(shù)據(jù)研究,因死循環(huán)通信導(dǎo)致11

天損失47000美元。6.2TOB

應(yīng)用的

MVP(最小可行性產(chǎn)品)路徑和更多標(biāo)桿用例的發(fā)生期間

:2026H2從業(yè)內(nèi)實(shí)踐來(lái)看,數(shù)據(jù)質(zhì)量和既有系統(tǒng)集成是最大難題,

安全則是必要條件,

其次才是成本、MAS協(xié)議棧等其他問(wèn)題?；诖?

要實(shí)現(xiàn)ToB

的MVP應(yīng)用,

可參考的實(shí)現(xiàn)路徑如下:前提

:5caIing

Law持續(xù)生效,推理優(yōu)化持續(xù)降本模式

:“DataGOV先行,OTeI/MCP并行”實(shí)施

:oTeI(可觀測(cè))+DataGOV(數(shù)據(jù))+Adapter-MCP(連接)其中

:OTeI

:常用可觀測(cè)性工具,

基礎(chǔ)集成2-3周,深度定制

2-3月

;Data

GOV

:最為耗時(shí),針對(duì)核心業(yè)務(wù)用時(shí)3-4月,全面治理則需12-18月

;Adapter-MCP

:只要API接口確定,即可開(kāi)始MCP5eVer構(gòu)建,簡(jiǎn)單連接2~3周,復(fù)雜連接8-12周。產(chǎn)業(yè)應(yīng)用滑向“幻滅低谷期”，

2026H2迎來(lái)“V型”反轉(zhuǎn)

Trend

6趨勢(shì)六產(chǎn)業(yè)應(yīng)用滑向“幻滅低谷期”,

2026H2迎來(lái)“V型”反轉(zhuǎn)年,AI

在多數(shù)

B端場(chǎng)景仍處于

PoC階段。多數(shù)ToB

應(yīng)用仍為“Chat”形2025

2026十大AI技術(shù)趨勢(shì)186.3垂直行業(yè)的規(guī)模應(yīng)用和行業(yè)共識(shí)性標(biāo)準(zhǔn)接口至于

ToB

產(chǎn)業(yè)應(yīng)用何時(shí)會(huì)迎來(lái)在具體行業(yè)的規(guī)?；涞?我們需要在以上實(shí)施路徑基礎(chǔ)上,綜合考慮行業(yè)共識(shí)性標(biāo)準(zhǔn)接口的建設(shè)進(jìn)展、

ROI

和安全的Trade-off。關(guān)于行業(yè)共識(shí)性標(biāo)準(zhǔn)接口,其作用在于規(guī)范相應(yīng)行業(yè)的數(shù)據(jù)標(biāo)準(zhǔn),通過(guò)強(qiáng)制以JSON

結(jié)構(gòu)化數(shù)據(jù)交互,更好地提升行業(yè)互操作性。這對(duì)于AI

大規(guī)模落地極為有利,通過(guò)JSON

Schema

等方式轉(zhuǎn)換,

便可實(shí)現(xiàn)Agent

語(yǔ)義對(duì)齊,

有利于采用MAS解決復(fù)雜問(wèn)題。因此,我們可將垂直行業(yè)規(guī)模落地的工程實(shí)現(xiàn)路徑改寫(xiě)如下:目前,

已有主要B端行業(yè)在行業(yè)標(biāo)準(zhǔn)

API上有實(shí)際進(jìn)展。比如,美國(guó)政府針對(duì)醫(yī)療行業(yè)于

2024年1月發(fā)布CMS

互操作性新規(guī)(CMS-0057-FF),強(qiáng)制要求所有受管轄的支付方開(kāi)放三大

API:事前授權(quán)、患者訪問(wèn)、醫(yī)療機(jī)構(gòu)訪問(wèn),

并必須使用HL7

FHIR

數(shù)據(jù)標(biāo)準(zhǔn)(JSON格式)。該規(guī)則要求2026年

1月實(shí)現(xiàn)部分功能,2027

年

1

月全面上線。這對(duì)于Agent

在醫(yī)療行業(yè)全面落地是重大利好。除此之外,

在電信(TM

Forum

Open

APIs)、金融支

付(PSD2

/

FDX&

ISO

20022)、能源(IEC

61968/CIM)等行業(yè),

也均已有行業(yè)共識(shí)性標(biāo)準(zhǔn)接口在加速推進(jìn)。來(lái)源:智源行研組繪制如上,要做一款成功的MVPToB產(chǎn)品,至少需投入6月左右的時(shí)間。在2025年多數(shù)EnterpriseAI試點(diǎn)項(xiàng)目失敗、行業(yè)進(jìn)入“幻滅期

”

的當(dāng)前,如從0到1開(kāi)始預(yù)估ToB行業(yè)應(yīng)用迎來(lái)更多有效Use

Case的時(shí)間點(diǎn),

將其設(shè)定為2026H2較為合適。

Trend

6以上三個(gè)模塊高度解耦,

可并行推進(jìn)?；诖?

我們嘗試為T(mén)oB應(yīng)用的MVP產(chǎn)品構(gòu)建做簡(jiǎn)單時(shí)間測(cè)算如下:

oteI

+DataGOV+Adapter-MCP

+5td.API(行業(yè)標(biāo)準(zhǔn)API)

趨勢(shì)六產(chǎn)業(yè)應(yīng)用滑向“幻滅低谷期”,

2026H2迎來(lái)“V型”反轉(zhuǎn)"。

2026十大AI技術(shù)趨勢(shì)19

Trend

6至于是否垂直行業(yè)隨著行業(yè)標(biāo)準(zhǔn)API

落地便將快速規(guī)?；?則并非如此。無(wú)論是出于ROI和安全的平衡,亦或是模型性能或成本的持續(xù)迭代優(yōu)化,垂直行業(yè)的大規(guī)模AI

應(yīng)用仍將是長(zhǎng)期課題,

但行業(yè)標(biāo)準(zhǔn)API落地將是其必要條件。我們正在見(jiàn)證下一次工業(yè)革命—它不再由蒸汽、電力或石油驅(qū)動(dòng),而是由智能本身所驅(qū)動(dòng)。趨勢(shì)六產(chǎn)業(yè)應(yīng)用滑向“幻滅低谷期”,

2026H2迎來(lái)“V型”反轉(zhuǎn)黃仁勛Nvidia首席執(zhí)行官"。

2026十大AI技術(shù)趨勢(shì)20

Scaling

Law被確定為大模型的基本定律

以來(lái),關(guān)于真實(shí)數(shù)據(jù)將被耗盡的擔(dān)憂,成為縈繞在AI學(xué)術(shù)界和產(chǎn)業(yè)界頭頂?shù)囊黄瑸踉?。EpochAI于2022年提出重要預(yù)測(cè)——高質(zhì)量文本數(shù)據(jù)預(yù)計(jì)于2026年耗盡,低質(zhì)量文本數(shù)據(jù)以及視覺(jué)數(shù)據(jù)預(yù)計(jì)自2030年起逐步耗盡。這種資源短缺成為推動(dòng)過(guò)去兩年AI技術(shù)路線從堆數(shù)據(jù)轉(zhuǎn)向“合成數(shù)據(jù)+強(qiáng)化學(xué)習(xí)

”

的核心驅(qū)動(dòng)力之一。預(yù)測(cè)中的2026年時(shí)點(diǎn)將近,真實(shí)數(shù)據(jù)資源的枯竭從隱憂逐漸成為現(xiàn)實(shí)困難。此時(shí),微軟研究院提出了合成數(shù)據(jù)的

“修正擴(kuò)展定律

”

(Rectified

Scal-ing

Law),為數(shù)據(jù)瓶頸問(wèn)題提供了關(guān)鍵的理論解法。修正擴(kuò)展定律在公式中引入了預(yù)訓(xùn)練數(shù)據(jù)積累量(Dl)這一關(guān)鍵變量,量化了合成數(shù)據(jù)在不同基座模型下的邊際收益。實(shí)驗(yàn)表明,即便在完全脫離任何真實(shí)數(shù)據(jù)的繼續(xù)訓(xùn)練階段,通過(guò)獎(jiǎng)勵(lì)函數(shù)評(píng)估的高質(zhì)量合成數(shù)據(jù)仍能使模型性能遵循可預(yù)測(cè)的冪律增長(zhǎng),直至達(dá)到約300B

tokens的收益飽和點(diǎn)。真實(shí)數(shù)據(jù)(以高質(zhì)量文本數(shù)據(jù)為基準(zhǔn))

枯竭的時(shí)間節(jié)點(diǎn)逼近之際,人類通過(guò)

“

世界模型生成+強(qiáng)化學(xué)習(xí)過(guò)濾”

的范式轉(zhuǎn)移,及時(shí)構(gòu)建了可延續(xù)模型演進(jìn)的替代性數(shù)據(jù)路徑。根據(jù)Frost&Sullivan的最新洞察,中國(guó)合成數(shù)據(jù)市場(chǎng)規(guī)模在短短四年間完成了從11.8億元到47.6億元的跨越式增長(zhǎng);而展望2030年,全球市場(chǎng)規(guī)模不僅將突破200億元大關(guān),更將迎來(lái)一個(gè)歷史性時(shí)刻——合成數(shù)據(jù)的體量將正式超越真實(shí)數(shù)據(jù),成為模型訓(xùn)練的主導(dǎo)性燃料和戰(zhàn)略性資產(chǎn)。未來(lái)的AI用于今天的AI的合成數(shù)據(jù)據(jù)真實(shí)數(shù)據(jù)2020時(shí)間

2030技術(shù)與成本的剪刀差,正在重新劃定產(chǎn)業(yè)競(jìng)爭(zhēng)的準(zhǔn)入門(mén)檻。在自動(dòng)駕駛領(lǐng)域,傳統(tǒng)的路測(cè)數(shù)據(jù)采集模式正面臨邊際效益遞減的瓶頸,而合成數(shù)據(jù)展示出一定的破局能力。在ICCV-2025上,理想發(fā)布了DriveDreamer4D,通過(guò)世界模型與強(qiáng)化學(xué)習(xí)的閉環(huán)結(jié)合,DriveDreamer4D不僅能高精度重建復(fù)雜的變道場(chǎng)景,更將訓(xùn)練成本從每公里5元暴力壓縮至0.5元,這種數(shù)量級(jí)的成本優(yōu)化,直接重新定義了自動(dòng)駕駛迭代的經(jīng)濟(jì)模型;特斯拉與清華大學(xué)合作研發(fā)OccWorld4D,在利用世界模型盡管該定律目前的驗(yàn)證范圍尚局限于數(shù)學(xué)推理等邏輯強(qiáng)相關(guān)的文本領(lǐng)域,且對(duì)預(yù)訓(xùn)練階段和多模態(tài)數(shù)據(jù)的普適性有待進(jìn)一步研究,但其核心價(jià)值在于證實(shí)了合成數(shù)據(jù)并非單純的填充物,而是具備真實(shí)信息增益的有效燃料。在實(shí)際訓(xùn)練工作中,英偉達(dá)Nemotron-4

340B則為該定律補(bǔ)充了現(xiàn)實(shí)案例:該模型在高達(dá)98%的合成數(shù)據(jù)占比下實(shí)現(xiàn)SOTA性能,進(jìn)一步在工程層面驗(yàn)證了這一規(guī)律的有效性。這表明,在2026年合成數(shù)據(jù)占比攀升，有望破除“2026年枯竭魔咒”

Trend

7趨勢(shì)七/合成數(shù)據(jù)占比攀升,有望破除“2026年枯竭魔咒”"。

2026十大AI技術(shù)趨勢(shì)來(lái)源:

Frost&sullivan自*數(shù)據(jù)來(lái)源:5caIingLanguage5ynthetic21ModeISLawSData數(shù)AIforof生成的閉環(huán)仿真環(huán)境中,讓AI在零樣本的情況下預(yù)演極端路況,極大地提升了算法在現(xiàn)實(shí)世界的魯棒性。在更為復(fù)雜的科學(xué)探索與具身智能領(lǐng)域,合成數(shù)據(jù)更是扮演了重要角色。與其讓機(jī)器在現(xiàn)實(shí)中高成本試錯(cuò),在物理一致的虛擬世界中完成億萬(wàn)次訓(xùn)練更加高效。從利用Cosmos-Drive-Dreams提升3D檢測(cè)性能,到通過(guò)Isaac

GR00T-Dreams優(yōu)化機(jī)器人軌跡生成,再到與Sandbox

AQ合作計(jì)算出包含大約520萬(wàn)個(gè)新三維分子的訓(xùn)練集,

NVIDIA對(duì)合成數(shù)據(jù)的無(wú)縫應(yīng)用已駕輕就熟;銀河通用憑借10億幀合成數(shù)據(jù)訓(xùn)練出GraspVLA模型,也在一定程度上打破了具身智能對(duì)昂貴真實(shí)數(shù)據(jù)的依賴。此外,群核科技基于超過(guò)4.41億個(gè)3D模型及超過(guò)5億個(gè)結(jié)構(gòu)化3D空間場(chǎng)景,構(gòu)建“空間編輯工具-空間合成數(shù)據(jù)-空間大模型

”

的空間智能飛輪,力求實(shí)現(xiàn)合成數(shù)據(jù)引擎在工業(yè)設(shè)計(jì)、生產(chǎn)等更多樣場(chǎng)景下的規(guī)模化落地。合成數(shù)據(jù)的演進(jìn)路線已逐漸清晰——模型訓(xùn)練對(duì)合成數(shù)據(jù)的依賴度將持續(xù)提升,而它本身正在告別以假亂真的表象追求,轉(zhuǎn)向以虛強(qiáng)實(shí)的內(nèi)核探索。隨著如數(shù)據(jù)合成框架、StereoCarla立體數(shù)據(jù)集等基礎(chǔ)設(shè)施的完善,

以及

“

少量真實(shí)數(shù)據(jù)+海量合成數(shù)據(jù)混合訓(xùn)練”范式的標(biāo)準(zhǔn)化,合成數(shù)據(jù)將成為組織最核心的數(shù)字資產(chǎn)之一。在這場(chǎng)變革中,世界模型與強(qiáng)化學(xué)習(xí)是兩把開(kāi)啟大門(mén)的鑰匙,世界模型已成為生成極具價(jià)值的反事實(shí)數(shù)據(jù)的引擎,強(qiáng)化學(xué)習(xí)則是大幅降低數(shù)據(jù)毒性的過(guò)濾器;二者結(jié)合,加上修正擴(kuò)展定律的理論證實(shí)和未來(lái)的實(shí)驗(yàn)外推,使合成數(shù)據(jù)作為AI2.0時(shí)代無(wú)限燃料的地位更加穩(wěn)固。

Trend

7

仿真是一個(gè)關(guān)鍵優(yōu)勢(shì)……仿真的力量在于它基本上是無(wú)限的數(shù)據(jù)。而且,數(shù)據(jù)隨著算力擴(kuò)展—你在仿真流水線中投入越多的GPU,

你得到的數(shù)據(jù)就越多。Jim

FanNVIDIA具身智能工作組（GEAR）負(fù)責(zé)人趨勢(shì)七/合成數(shù)據(jù)占比攀升,有望破除“2026年枯竭魔咒”"。

2026十大AI技術(shù)趨勢(shì)22

理優(yōu)化在2025年的實(shí)踐探索遠(yuǎn)未觸及天

花板,2026

年該領(lǐng)域進(jìn)展仍將是支撐AI大規(guī)模應(yīng)用的關(guān)鍵因素。根據(jù)EpochAI研究,單個(gè)消費(fèi)級(jí)GPU上可運(yùn)行的領(lǐng)先開(kāi)源模型,通常在6

至12個(gè)月平均滯后后,其能力可與前沿模型相匹配。這種相對(duì)較短且一致的滯后意味著,最先進(jìn)的AI

能力在不到一年的時(shí)間內(nèi)即可被廣泛用于本地開(kāi)發(fā)和實(shí)驗(yàn)。與此同時(shí),根據(jù)2025

HAI指數(shù)報(bào)告,“從

2022

年11月的每百萬(wàn)個(gè)token20.00美元降至2024年10

月的每百萬(wàn)個(gè)

token

0.07

美元

……

在約

18個(gè)月內(nèi)減少了

280

多倍?！悲B加開(kāi)源模型能力不斷逼近商業(yè)閉源模型,推理優(yōu)化已是AI廣泛應(yīng)用進(jìn)展的重要觀測(cè)指標(biāo)。8.1算法演進(jìn)

:架構(gòu)重構(gòu)與動(dòng)態(tài)機(jī)制創(chuàng)新在算法與模型架構(gòu)層面,業(yè)界圍繞量化、剪枝、推測(cè)解碼、動(dòng)態(tài)計(jì)算等方法持續(xù)推出相關(guān)成果。海外方面,微軟發(fā)布基于三元權(quán)重({-1,

0,

1})的BitNet

b1.58模型,證明了在訓(xùn)練過(guò)程中直接進(jìn)行極端量化的可行性。國(guó)內(nèi)方面,DeepSeekV3.2引入DSA高效稀疏注意力機(jī)制,將長(zhǎng)序列的推理計(jì)算復(fù)雜度從O(L2)降低到O(L·k),且無(wú)明顯性能損失;阿里Qwen3模型則引入混合推理,可根據(jù)用戶任務(wù)需求切換思考模式,通過(guò)機(jī)制的優(yōu)化在成本效益和推理質(zhì)量之間尋求最佳平衡點(diǎn)。8.2硬件變革

:異構(gòu)專用算力與存算一體突圍在硬件層面,為持續(xù)突破傳統(tǒng)GPU的能效墻與內(nèi)存墻,特定負(fù)載能效比與數(shù)據(jù)搬運(yùn)效率成為業(yè)界關(guān)注重點(diǎn),專用集成電路(ASIC)與存算一體架構(gòu)成果快速涌現(xiàn)。ASIC因其對(duì)Transformer結(jié)構(gòu)的極致適配,正逐漸分流GPU負(fù)載;而存內(nèi)計(jì)算亦已開(kāi)始在邊緣端等場(chǎng)景應(yīng)用。如Google

TPU及Groq等芯片正在推理端上形成對(duì)英偉達(dá)的有力挑戰(zhàn),后摩智能等機(jī)構(gòu)在存算一體芯片領(lǐng)域推出相關(guān)產(chǎn)品。來(lái)源:

Epoch

AI

2026十大AI技術(shù)趨勢(shì)

Trend

8推理優(yōu)化遠(yuǎn)未觸頂，“技術(shù)泡沫”是假命題GPQA-Diamond榜單準(zhǔn)確率100%80%60%40%0%2023/07

2023/10

2024/01

2024/04

2024/07

2024/10

2025/01

2025/04

2025/07模型發(fā)布時(shí)間前沿模型Top-1模型其他模型運(yùn)行于消費(fèi)級(jí)GPU上的開(kāi)源模型Top-1模型其他模型趨勢(shì)八/

推理優(yōu)化遠(yuǎn)未觸頂,“技術(shù)泡沫”是假命題推RTX

4090

Era(≤

28B模型)RTX

5090

Era(≤

40B模型)2320%

Trend

8推理正在定義這個(gè)

AI時(shí)代,

我們正在構(gòu)建以高速和低成本交付推理的基礎(chǔ)設(shè)施。JonathanRossGroq前首席執(zhí)行官趨勢(shì)八/

推理優(yōu)化遠(yuǎn)未觸頂,“技術(shù)泡沫”是假命題2026十大AI技術(shù)趨勢(shì)24

Trend

9

開(kāi)源編譯器生態(tài)匯聚眾智，

異構(gòu)全棧底座引領(lǐng)算力普惠 前,

全球超過(guò)85%

的AI訓(xùn)練負(fù)載依賴NVIDIA+CUDA單一體系,算力結(jié)構(gòu)的剛性與供應(yīng)風(fēng)險(xiǎn)

成為制約AI普惠應(yīng)用的隱形壁壘。打破壟斷、構(gòu)建兼容異構(gòu)芯片的全棧式基礎(chǔ)設(shè)施愈發(fā)關(guān)鍵。MLIR(多級(jí)中間表示)的成熟與廣泛采用,將多種開(kāi)發(fā)語(yǔ)言,匯聚到趨于融合統(tǒng)一的編譯器體系,形成M種編譯語(yǔ)言對(duì)應(yīng)N個(gè)編譯器

(M>N)

的漏斗型架構(gòu)。這種架構(gòu)的本質(zhì)是編譯器可用性的顯著增強(qiáng),實(shí)現(xiàn)從手寫(xiě)匯編向自動(dòng)化編譯的代際跨越,持續(xù)在性能表現(xiàn)與開(kāi)發(fā)難度之間尋求最優(yōu)解。即使是護(hù)城河極深的CUDA,

也在順應(yīng)這一潮流。其最新發(fā)布的13.1版本中,通過(guò)引入

CUDATile等功能,提升抽象層級(jí)以補(bǔ)齊易用性短板,試圖在保留軟硬一體極致控制力的同時(shí),給予開(kāi)發(fā)者更接近PyTorch

的編程體驗(yàn)。.編程語(yǔ)言迭出,中長(zhǎng)期仍將趨于收斂2025年以來(lái),

算子開(kāi)發(fā)語(yǔ)言(DSL)呈現(xiàn)出百花齊放的發(fā)展態(tài)勢(shì),由

5

種主流語(yǔ)言增長(zhǎng)至

9

種。其主要原因在于AI

硬件架構(gòu)的復(fù)雜度上升,

導(dǎo)致傳統(tǒng)的底層編程模式與上層開(kāi)發(fā)需求之間的鴻溝難以通過(guò)單一工具彌合。DSL

通過(guò)將線程束同步、流水線并行及片上緩存管理等底層工作后移至編譯器及運(yùn)行時(shí),

降低了開(kāi)發(fā)門(mén)檻并解耦了算法邏輯與硬件實(shí)現(xiàn)。.編譯器技術(shù)日益核心在DSL繁榮的背后,是編譯器技術(shù)的日益核心化。趨勢(shì)九/

開(kāi)源編譯器生態(tài)匯聚眾智,異構(gòu)全棧底座引領(lǐng)算力普惠"。

2026十大AI技術(shù)趨勢(shì)來(lái)源:智源行研組繪制當(dāng)25與CUDA

相對(duì)應(yīng)的,是開(kāi)放且持續(xù)豐富的Triton生態(tài)。其開(kāi)發(fā)不局限于OpenAI單一廠商,而是納入AMD、Intel等多元貢獻(xiàn)者,

通過(guò)完善對(duì)標(biāo)準(zhǔn)中間表示的支持,

使其芯片能夠無(wú)縫承接上層應(yīng)用。Triton基于Tile編程范式,抽象層級(jí)較高。同時(shí)為滿足開(kāi)發(fā)者挖掘極致性能的訴求,

OpenAI

發(fā)布Gluon,

Meta發(fā)布TLX,

實(shí)現(xiàn)對(duì)GPU

內(nèi)核執(zhí)行的線程束感知與硬件級(jí)精細(xì)控制。.硬件始終扮演基礎(chǔ)軟件棧的基石角色在這一開(kāi)放生態(tài)蓬勃發(fā)展的背景下,硬件始終是奠定整個(gè)生態(tài)系統(tǒng)的基石與核心。這也是

NVIDIA及CUDA

體系通過(guò)“硬件領(lǐng)先,軟硬一體”的閉環(huán),穩(wěn)居生態(tài)鏈頂端的邏輯。類

CUDA

平臺(tái)本質(zhì)是硬件性能在軟件側(cè)的直接投影,遵循著硬件帶動(dòng)軟件特性,軟件特性固化編程語(yǔ)言的底層規(guī)律。.智源

FIagO5

平臺(tái)力圖打造兼容并包的AI普惠底座面對(duì)異構(gòu)芯片與編程語(yǔ)言林立的復(fù)雜現(xiàn)實(shí),智源FlagOS

平臺(tái)(飛智)

旨在打造串聯(lián)全棧的操作系統(tǒng),

形成從底層硬件到上層應(yīng)用的完整體系:。FlagGems:納管全球18款異構(gòu)芯片;。FlagScale:集成如

vLLM

的并行推理與訓(xùn)練加速能力;。FlagTree:實(shí)現(xiàn)代碼到硬件的高效映射;。FlagCX:解決大規(guī)模集群通信瓶頸。FlagOS

通過(guò)全棧覆蓋與軟硬解耦,

超越單一工具范疇,以期成為統(tǒng)領(lǐng)異構(gòu)算力、推動(dòng)AI技術(shù)普惠的堅(jiān)實(shí)底座。加速計(jì)算的時(shí)代已經(jīng)到來(lái),這是一種完全不同的編程模型。GPU

固然重要,

但他也需要一個(gè)位于其之上的編程模型,使其能完全兼容地運(yùn)行在每一臺(tái)計(jì)算機(jī)中.

.

.這是我們公司的寶藏。

Trend

9黃仁勛Nvidia首席執(zhí)行官趨勢(shì)九/

開(kāi)源編譯器生態(tài)匯聚眾智,異構(gòu)全棧底座引領(lǐng)算力普惠"。

2025十大AI技術(shù)趨勢(shì)26全球每年被報(bào)道的

AI（人工智能）事件與爭(zhēng)議數(shù)量典型案例包括：一段烏克蘭總統(tǒng)澤連斯基“投降”的深度偽造（Deepfake）視頻，以及美國(guó)監(jiān)獄使用AI監(jiān)控囚犯通話。2502001501005002012201320142015201620172018201920202021202220232024

據(jù)AI

Incident數(shù)據(jù)庫(kù),2024年全球報(bào)告的人工智能安全風(fēng)險(xiǎn)事件(包括幻覺(jué)、深度偽造、引誘 用戶實(shí)施危險(xiǎn)行為等)數(shù)量增至233起,

創(chuàng)下歷史新高,同比增長(zhǎng)56.4%。截至2025年11月底,

該年報(bào)告事件數(shù)量已超330件,遠(yuǎn)超2024年全年。同時(shí),Future

of

Life

Institute

對(duì)頂尖大模型安全能力的審查結(jié)果表明,包括xAI、OpenAI、Anthropic在內(nèi)的8家頭部企業(yè),其大模型均未能在“

防范災(zāi)難性濫用或失控

”方面達(dá)到令人滿意的安全水準(zhǔn)。全議題進(jìn)入了深水區(qū),推動(dòng)著一個(gè)精細(xì)化、專業(yè)化、市場(chǎng)化的AI安全研究、產(chǎn)業(yè)生態(tài)加速形成。10.1

技術(shù)

:MA5引領(lǐng)的自演化攻防擴(kuò)展監(jiān)督邊界，可解釋性研究助力從內(nèi)打開(kāi)大模型黑盒頭部廠商及研究組織在

2025

年的動(dòng)作,清晰地勾勒出安全技術(shù)微觀演進(jìn)的軌跡。在外部安全(AISecurity)領(lǐng)域,

基于多智能體系統(tǒng)的自演化攻防演練方法,將監(jiān)管范圍擴(kuò)展至人類所不能及的風(fēng)險(xiǎn)區(qū)域;而在內(nèi)生安全(AI

Safety)領(lǐng)域,研究者此外,基于大模型構(gòu)建的Agent

系統(tǒng),在繼承了大模型本身的復(fù)雜性所帶來(lái)的安全風(fēng)險(xiǎn)的同時(shí),進(jìn)一步引入了記憶等外部模塊的不穩(wěn)定性,

以及模塊和模塊間、模塊和工具間、工具與工具間通信過(guò)程中的安全風(fēng)險(xiǎn);

更為嚴(yán)峻的挑戰(zhàn)是,人類將執(zhí)行權(quán)讓渡給“代理

”,也意味著自身對(duì)智能體行為的控制力度的弱化——全面升級(jí)安全解決方案刻不容緩。高發(fā)的風(fēng)險(xiǎn)事件和產(chǎn)業(yè)應(yīng)用的持續(xù)滲透,

迫使安從幻覺(jué)到欺騙，AI安全邁向機(jī)制可解釋與自演化攻防Trend

10來(lái)源:

AI