📢 转载信息
原文链接：https://www.kdnuggets.com/the-10-ai-developments-that-defined-2025
原文作者：Matthew Mayo
Image by Editor
# 简介
展望今年的人工智能发展，回顾2025年所发生的一切非常重要。当然，我们不可能详尽回顾所有事件，但聚焦于十大最重要的发展是可行的。这个列表具有主观性，因为以任何有意义的方式量化和直接比较这些发展都是不可能的，但我相信我们提出的这个列表能够代表2025年人工智能事件的广度和影响力。
虽然很难对所有十个发展进行严格排序，但挑选出那些影响更明确的发展相对容易。在我看来，前两个是今年最大的两个事件（并且按呈现的顺序排列可能更清晰），而其余八个则没有特定的顺序。
话不多说，以下是我认为2025年最具影响力的十大人工智能事件。
# 1. “推理时代”的出现
去年LLM领域最重大的发展，可以被称为推理时代的显著转变。尽管该趋势在2025年之前就已存在，但今年的第一次重大冲击发生在年初，当时DeepSeek发布了其首个LLM市场探索产品R1模型。该推理模型的性能与OpenAI的o1模型相当，但计算成本却大幅降低，这主要得益于模型训练中使用的群体相对策略优化（GPRO）技术。这次事件也使中国在开源AI模型方面领先。
到2025年8月7日，“推理时代”的转变基本完成。当天，OpenAI发布了GPT‑5，这被广泛认为是今年的标志性模型发布，并强调了LLM正从“聊天”模型转向那些在要求严苛的基准测试中持续达到人类专家——或“博士水平”——性能的系统。GPT‑5将早期的通用模型与“o系列”推理模型之间的划分合并为一个单一系统，该系统可以动态地在快速响应和深度、使用工具的分析之间切换。此次发布重新点燃了对前沿模型、出口管制和AI安全制度的地缘政治审查，各国政府开始将基础模型视为战略基础设施，而不仅仅是云服务。
# 2. 迈向智能体和自主AI的进程
如果我们跳到2025年底进行对比，届时AI已在许多工作场所从“助手”转变为“核心协作者”，这在很大程度上得益于全年发布的、能力日益增强的推理模型。随着时间的推移，自主智能体和编排框架悄然重塑了法律、金融、软件和媒体等领域的白领工作流程。
调查和案例研究表明，随着企业将AI嵌入到文档审查、编码、客户支持和销售运营中，生产力获得了实质性提高，尽管员工仍在努力应对工作重新设计、技能退化担忧以及管理“AI员工队伍”的新期望。评论家认为，历史学家会将2025年视为奠定基础的一年，即大多数人最终将指挥AI智能体网络，而不仅仅是使用孤立的聊天机器人。
# 3. 推理模型达到奥赛级别数学能力
鉴于2025年是以推理为中心的架构从演示走向主导的一年，OpenAI和Google DeepMind的模型在国际数学奥林匹克（IMO）风格的问题上取得了金牌级别的分数，并产生了可发表的新数学成果，这合乎逻辑。这些系统，包括Gemini Pro的变体和其他“DeepThink”风格的推理模型，展示了以往LLM难以企及的持续、多步骤的“问题解决”能力，并迅速嵌入到科学和工程工作流程中。同样的能力也引发了对自改进系统的新的安全担忧，因为DeepMind使用推理模型来优化Gemini本身的训练，引发了关于递归改进和监督的疑问。
# 4. AI资本大量涌入与对泡沫的担忧
2025年，AI初创公司和成长型公司筹集了创纪录的资金，股权和债务融资估计总额约为1500亿美元，加剧了人们对类似于后期互联网泡沫狂热的投机性泡沫的担忧。巨额融资集中在基础模型实验室、智能体平台业务以及AI原生半导体和数据中心公司，投资者追逐模型军备竞赛中的“镐和铲子”机会。分析师和一些监管机构警告称，资本集中在少数几家公司可能会放大系统性风险，从电网压力到人才囤积，尽管企业调查显示AI终于在许多行业带来了实质性的生产力提升。毫无疑问，2026年将让我们更清楚地了解这个泡沫是会提前破裂，还是会对行业和更广泛的经济产生多大程度的连锁反应。
# 5. 出版商达成里程碑式的模型-内容协议
在2025年全年，新闻编辑室和媒体集团与OpenAI、谷歌、微软和Meta签订了高知名度的许可和产品集成协议，标志着从2023-24年的版权战争转向现金和数据上的休战。年初，Axios和美联社等组织扩大了协议，允许其档案用于训练或为AI模型提供基础信息，而后来的交易则授予科技平台使用全文新闻内容制作AI驱动的新闻产品和助手的权利。这些合作关系（通常捆绑了为记者共同开发的AI工具）引发了新闻界内部关于对AI平台依赖性的辩论，尽管它们在广告市场压力巨大的时期提供了新的收入来源。其中最引人注目的可能是迪士尼/OpenAI协议，该协议与以下发展相吻合。
# 6. 迪士尼大规模运营生成式AI
在12月底，华特迪士尼公司确认正在将其生成式AI嵌入其核心运营中，从试点项目转向内容开发、后期制作和主题公园游客个性化的端到端支持。该计划围绕训练于迪士尼庞大IP目录的集中式内部AI平台构建，旨在精简创意工作流程，同时严格控制品牌完整性和版权风险。
这与其与OpenAI的合作同时发生，后者设定了迪士尼知识产权在OpenAI服务中使用的限制性使用范围，特别是视频生成。作为回报，迪士尼成为企业合作伙伴，利用OpenAI的技术来构建内部工具和消费者体验。迪士尼制作AI生成娱乐的日子已不再遥远。这证实了生成模型已经成熟到足以成为大型娱乐集团的工业支柱，而不仅仅是一个实验性的讲故事的玩具。娱乐的未来已经到来。
# 7. 深度伪造、监控与隐私的引爆点
2025年，生成式AI与公民自由的引爆点发生了碰撞，从全球选举周期中的一波政治深度伪造，到生物识别监控的争议再起。亚马逊在12月于美国推出的Ring“熟悉面孔”功能——一种AI驱动的面部识别功能——引发了立法者和隐私倡导者的批评，他们对将邻里规模的面部跟踪正常化感到震惊。
与此同时，能够生成逼真、露骨内容的新开源和商业图像/视频生成器加速了滥用潜力，迫使平台和监管机构应对未经同意的深度伪造和内容过滤授权问题。视频在政治和其他公共虚假信息活动中被以前所未有的速度使用。用户语言模型提示已被泄露。AI正在未经授权的方式修改代码库，甚至删除数据。主要LLM正在故意表现不佳。聊天机器人被与青少年自杀联系起来。
在这个更广泛的发展类别中存在着大量的具体事件，Crescendo有一篇很好的汇总，如果这个领域让你感兴趣，我鼓励你查阅。
# 8. 欧盟《人工智能法案》与全球执法时代
到2025年底，欧盟《人工智能法案》已从谈判转向实施，巩固了其分层风险框架，范围从“不可接受的风险”禁令（例如某些生物识别监控）到对高风险系统的严格义务。这引发了一个事实上的全球标准，跨国公司根据欧盟规则调整了产品和文档，并与其他司法管辖区的NIST和ISO风格的治理要求保持一致。
与此同时，美国的州级倡议（如加州的 Frontier 模型安全规则）、中国的特定行业生成内容控制，以及印度和加拿大新兴的法规，都表明正在从自愿指南转向可执行的AI合规性。你可以查看全球AI法律和政策追踪器了解更多信息。
# 9. 军事和国防应用的争议
2025年12月，美国军方决定将xAI的Grok聊天机器人集成到五角大楼AI平台中，引发了一场关于可靠性、偏见以及面向消费者的对话系统的适宜性在国家安全环境中的应用的风暴。批评者警告称，Grok臭名昭著的戏谑语气和更普遍的幻觉风险与指挥和控制环境的要求相悖，尽管国防官员将此举视为更广泛的AI现代化推动的一部分。这一事件结束了对军事AI日益增长的担忧，涉及范围从自主目标设定辩论到各国大力投资战场自动化和决策支持智能体。
# 10. AI能耗足迹与硬件突破
随着AI工作负载的爆炸式增长，人们的注意力自然转向了它们的环境和电网影响，新的估计凸显了前沿模型训练和推理所需的海量能源需求。
2025年9月，佛罗里达大学的研究人员宣布了一种光子计算芯片，它使用光而非电来执行关键的AI计算，有望在基准测试任务中实现近乎完美的准确性，同时大大降低能耗。这项工作加入了专业AI硬件（光学、神经形态和领域特定加速器）的一波浪潮中，这些硬件被定位为在不产生不可持续的电力和冷却要求的情况下维持AI增长的关键。如果能够实现，2026年将欢迎更多像这样的积极发展。
展望未来
从去年的十大发展中，我们可以为人工智能的未来获得哪些见解？
首先，模型不断增强的“推理”能力与智能体和自主AI的能力之间的共生关系不容忽视。随着模型的改进，使用智能体和自动化可以胜任处理的任务的可能性也会随之增加。这一点尤其值得注意，不仅因为这些技术将带来的便利，也因为它们对人类工作构成的威胁。
其次，监管不会消失。这意味着从社会、监管和准确性角度来看，AI系统内部情况的可解释性和理解性将加速变得重要。
第三，现实与“水文”（slop）之间的界限是一个不会消失的担忧。这一主题在过去一年中的许多发展中都有体现，通常作为一种隐含的潜流。在2026年，当前的生成式AI浪潮必须证明其能力远不止于制造“水文”（slop），研究表明，目前在线文章的超过50%和展示给新YouTube用户的视频的超过20%是AI生成的。
最终思考
总而言之，2025年定义性的人工智能发展描绘了一个已经跨越重要门槛的领域：人工智能不再主要具有实验性、边缘性或新奇性驱动，而是日益基础设施化、具有深远影响，并与经济、政治和文化系统纠缠在一起。这一年既展示了非凡的技术进步，也凸显了解决二阶效应的日益增加的压力，这些效应包括劳动力颠覆、资本集中、信任、能源使用和治理。
进入2026年，核心问题不再是AI是否会进步，而是其部署速度能否与其实际能力同步成熟。各机构、公司和社会适应这一挑战的程度，将决定下一阶段的人工智能是带来持久的变革，还是仅仅是一种仍在寻找平衡点的动荡加速。
如果2026年结束时社会普遍认为AI等同于“水文”（slop），那么阻止泡沫破裂的战斗可能会失败。
Matthew Mayo (@mattmayo13) 拥有计算机科学硕士学位和数据挖掘研究生文凭。作为KDnuggets 和 Statology 的管理编辑，以及 Machine Learning Mastery 的特约编辑，Matthew 致力于让复杂的数据科学概念易于理解。他的专业兴趣包括自然语言处理、语言模型、机器学习算法以及探索新兴AI。他致力于在数据科学社区中普及知识。Matthew 从6岁就开始编程。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区