7月27日，在2025世界人工智能大會(huì)“智慧中信·共創(chuàng)新可能”科產(chǎn)融創(chuàng)新發(fā)展論壇上，中信智庫(kù)發(fā)布《AI新紀(jì)元：砥礪開(kāi)疆・智火燎原》AI+產(chǎn)業(yè)發(fā)展深度研究報(bào)告。報(bào)告指出，AI大模型向更強(qiáng)、更高效、更可靠方向發(fā)展，呈現(xiàn)推理模型深化、智能體模型爆發(fā)的格局。美國(guó)在探索更強(qiáng)大模型上保持全球領(lǐng)先，中國(guó)企業(yè)則在算力受限下實(shí)現(xiàn)高效性全球領(lǐng)先。2025年是Agent元年。推理需求帶動(dòng)算力需求爆發(fā)，國(guó)內(nèi)算力自主可控趨勢(shì)凸顯。2025年是AI應(yīng)用加速落地之年。本輪AI滲透較互聯(lián)網(wǎng)時(shí)代大幅提速，B端落地進(jìn)程或超預(yù)期。

　　中信智庫(kù)專家委員會(huì)主任，中信建投證券黨委委員、執(zhí)委會(huì)委員武超則在當(dāng)日論壇上介紹，報(bào)告長(zhǎng)達(dá)40萬(wàn)字，500頁(yè)的篇幅，內(nèi)容貫穿AI垂直產(chǎn)業(yè)鏈核心環(huán)節(jié)，從底層算力基礎(chǔ)設(shè)施到中層大模型技術(shù)迭代，再到終端應(yīng)用場(chǎng)景落地，實(shí)現(xiàn)軟硬件研究全鏈路貫通。報(bào)告全面拆解AI模型、應(yīng)用與算力，勾勒了AI新紀(jì)元產(chǎn)業(yè)圖譜，立足全球最新AI大模型演進(jìn)趨勢(shì)，以全球化視野系統(tǒng)解碼全球人工智能產(chǎn)業(yè)最新發(fā)展脈絡(luò)，全方位挖掘橫跨軟硬領(lǐng)域的人工智能產(chǎn)業(yè)投資機(jī)遇。

　　武超則從“AI大模型發(fā)展情況及展望、AI算力基礎(chǔ)設(shè)施發(fā)展趨勢(shì)及展望、AI應(yīng)用發(fā)展趨勢(shì)及展望及AI端側(cè)發(fā)展趨勢(shì)及展望”等四大方面介紹了《AI新紀(jì)元：砥礪開(kāi)疆・智火燎原》AI+產(chǎn)業(yè)發(fā)展深度研究報(bào)告主要內(nèi)容。

　　AI大模型向更強(qiáng)大、更高效及更可靠的方向發(fā)展

　　武超則指出，AI大模型繼續(xù)向更強(qiáng)大、更高效及更可靠的方向發(fā)展。一是參數(shù)量規(guī)模擴(kuò)大性能提升依然有效，二是后訓(xùn)練部分強(qiáng)化學(xué)習(xí)明顯提升了大模型的推理性能;三是模態(tài)融合越來(lái)越豐富，原生多模態(tài)較好地解決了輸入延遲等問(wèn)題;四是邁向 AGI 核心任務(wù)之一是拓展能力樹(shù)，大模型不能停留在紙上談兵階段。Agent 的出現(xiàn)將快速把大模型能力從“做題”延伸到“工作”中，更為有趣的是，生物群落帶來(lái)生物群體智能涌現(xiàn)，多智能體群聚也將帶來(lái) AI 群體智能涌現(xiàn)，進(jìn)一步提升大模型性能;五是實(shí)時(shí)數(shù)據(jù)集成和檢索增強(qiáng)生成：2025 年大模型在實(shí)時(shí)數(shù)據(jù)集成能力上呈現(xiàn)顯著提升態(tài)勢(shì)，有效地降低了幻覺(jué);六是合成數(shù)據(jù)：數(shù)據(jù)緊缺比較明顯，合成數(shù)據(jù)極大地?cái)U(kuò)充了數(shù)據(jù)范圍，Kimi K2在Agent上使用大量合成數(shù)據(jù)有了明顯性能提升。更高效方面，則是架構(gòu)上做了新的創(chuàng)新以及使用了更低精度。

　　時(shí)至今日，美國(guó)依然在探索更強(qiáng)大模型上具備全球領(lǐng)先性。而中國(guó)企業(yè)在算力受限的情況下，在更高效上做到了全球領(lǐng)先。

　　進(jìn)入 2025 年，大模型的應(yīng)用落地進(jìn)程呈現(xiàn)顯著加速態(tài)勢(shì)，ChatGPT 用兩年零一個(gè)季度的滲透率大致對(duì)應(yīng) PC 互聯(lián)網(wǎng) 10 年的滲透進(jìn)度 AI 大模型對(duì)產(chǎn)業(yè)的滲透速度超過(guò)此前互聯(lián)網(wǎng)革命，并且其展現(xiàn)出來(lái)的商業(yè)化潛力和付費(fèi)意愿也超過(guò)傳統(tǒng)應(yīng)用。

　　2025年是Agent元年

　　多模態(tài)商業(yè)化進(jìn)展快，國(guó)產(chǎn) AI 視頻與海外模型各有千秋。應(yīng)用上， C 端聚焦社交娛樂(lè)(如快手可靈的視頻特效)， B 端側(cè)重營(yíng)銷素材與商品圖創(chuàng)作(如美圖設(shè)計(jì)室)，專業(yè)領(lǐng)域(如影視制作)通過(guò) AI 降本增效顯著。 據(jù)不完全統(tǒng)計(jì)， 2025 年上半年有全球有超 30 款多模態(tài)模型更新或發(fā)布，其中超 75%為國(guó)產(chǎn)模型。國(guó)產(chǎn)模型尺寸上均支持多種規(guī)格;時(shí)長(zhǎng)上國(guó)產(chǎn)可靈達(dá) 2 分鐘，部分推理更快;效果上國(guó)產(chǎn)多次登頂全球榜單;使用門檻上，國(guó)產(chǎn)多端可用、價(jià)格更低。

　　推理需求帶動(dòng)算力需求爆發(fā)，一是各家互聯(lián)網(wǎng)大廠紛紛加速 AI 與原有業(yè)務(wù)結(jié)合，核心是用戶數(shù)量大幅增長(zhǎng)，如Google搜索和AI結(jié)合; 二是 Agent ，Agent 執(zhí)行一次任務(wù)平均消耗 token 達(dá)到 10 萬(wàn)的量級(jí)，大幅超過(guò) AI 搜索單次問(wèn)答 token消耗; 三是多模態(tài)，一分鐘視頻的生成 token 消耗基本在 10 萬(wàn) token 至百萬(wàn) token 量級(jí)。

　　以人形機(jī)器人為代表的具身智能商業(yè)化加速落地

　　從企業(yè)端 AI 應(yīng)用滲透率方面，美國(guó)企業(yè)采用 AI 技術(shù)比例為 9.2%，低于 C 端，其中大型企業(yè)采用率最高。 容錯(cuò)率與復(fù)雜度決定 B 端各場(chǎng)景 AI 應(yīng)用落地順序。 其模型推理能力決定復(fù)雜任務(wù)場(chǎng)景突破速度，模型幻覺(jué)率決定容錯(cuò)率場(chǎng)景突破進(jìn)度。 從高容錯(cuò)、單一任務(wù)的AI+編程場(chǎng)景到低容錯(cuò)、高復(fù)雜度的具身智能/AI+制藥場(chǎng)景， AI 應(yīng)用尚需一定時(shí)間周期。

　　目前應(yīng)用最快的幾個(gè)領(lǐng)域，容錯(cuò)率高、復(fù)雜度低，如最快的AI+編程，目前主流大模型的基礎(chǔ)代碼生成準(zhǔn)確率普遍較高，已經(jīng)在互聯(lián)網(wǎng)、游戲等行業(yè)滲透率超過(guò)80%，微軟表示公司代碼庫(kù)有20%-30%由AI生成，中美是全球AI編程領(lǐng)域的領(lǐng)先者，但二者的技術(shù)路徑有所差異。美國(guó)在通用性、準(zhǔn)確性、商業(yè)化、開(kāi)發(fā)者體驗(yàn)方面更具優(yōu)勢(shì);中國(guó)在本土化、行業(yè)場(chǎng)景、價(jià)格方面具有一定優(yōu)勢(shì)。

　　復(fù)雜度不高但容錯(cuò)率低的如金融領(lǐng)域，AI有效降低了傳統(tǒng)組織轉(zhuǎn)型中的高協(xié)調(diào)成本，實(shí)現(xiàn)自下而上的變革驅(qū)動(dòng)。AI作為“認(rèn)知杠桿”，推動(dòng)金融機(jī)構(gòu)從流程自動(dòng)化向數(shù)據(jù)驅(qū)動(dòng)的智能決策躍遷。目前中信建投研究所首次將千億參數(shù)級(jí)金融大模型與研究所二十年投研積淀深度結(jié)合，開(kāi)創(chuàng)24*7智能投研服務(wù)新模式。日均訪問(wèn)量近百次，單次處理信息量超百萬(wàn)token。

　　復(fù)雜度高、容錯(cuò)率低，典型場(chǎng)景如具身智能。目前機(jī)器人大模型訓(xùn)練方式已經(jīng)開(kāi)始向端到端大模型+世界模型(物理規(guī)則建模)發(fā)展，同時(shí)模態(tài)能力也越來(lái)越豐富，從 VLM 過(guò)渡到 VLA，典型的是 Gemini Robotics( 2025.3)已實(shí)現(xiàn)視覺(jué)-語(yǔ)言-動(dòng)作( VLA)三模態(tài)深度融合，推動(dòng)機(jī)器人從感知理解走向高頻執(zhí)行。目前具身智能大模型仍有數(shù)據(jù)集不夠、思考跟不上運(yùn)動(dòng)、缺乏生態(tài)等主要痛點(diǎn)，但隨著合成數(shù)據(jù)使用、模型持續(xù)迭代，未來(lái)將有效解決上述問(wèn)題。隨著大模型快速迭代，供應(yīng)鏈快速降本，兩大因素加速以人形機(jī)器人為代表的具身智能商業(yè)化落地。