回忆过去的一年，国外AI行业有多个关键词，不知不觉曾经长时间占据过我们的头条，再次看到仍有熟悉的感觉：星际之门、nano banana、编程之王Claude Sonnet、英伟达市值。
国际市场：万亿资本博弈与范式转移
国际AI市场在2025年进入了“超级投入期”。私人投资额度在2024年基础上持续攀升，美国以1091亿美元的规模继续维持其全球AI融资中心地位，这一数字约为中国的12倍。全球（除中国大陆外）的人工智能市场也经历了从“技术爆发”向**“工业化应用”的里程碑式跨越，通用人工智能（AGI）的探索进入实质性交付阶段。在繁荣背后，行业正经历深刻的架构重组与政治洗牌。
1. 模型架构与算法创新
Google Gemini 3 Pro原生多模态突破：Gemini 3 Pro采用混合专家（MoE）架构，参数量达万亿级别，支持超长上下文（10M tokens），强化逻辑推理能力。其原生多模态架构使视觉信号直接映射到Transformer的Embedding Space，无需外部编码器，显著降低延迟（如视频分析任务TTFT仅1.2秒）。Google还推出Gemini 3 Pro Image（代号Nano Banana Pro），实现图像生成技术范式转移，从"像素扩散概率模型"转向"语义推理与生成模型"。
Meta Llama 4无限记忆能力：Meta发布Llama 4系列，刷新大模型记忆能力定义，支持动态配置参数和响应格式自定义。在2025年的AI版图中，Llama 4的发布是开源社区最为重大的事件之一。其在架构上发生了质变，放弃了前几代的稠密模型架构，全面转向混合专家模型（MoE, Mixture of Experts）。虽然官方支持 12 种主要语言，但遗憾的是对中文的深度理解（尤其是文化语境和复杂成语）仍逊于国内顶尖大模型（如 DeepSeek V3 或 Qwen 3）。
Anthropic Claude Sonnet 4.5代码生成新王：9月，Anthropic推出Claude Sonnet 4.5，以"30小时连续编程"能力（生成约1.1万行代码并完成数据库搭建、域名注册等任务）狙击OpenAI。该模型在SWE-bench Verified、OSWorld和Terminal-Bench基准测试中分别取得77.2%、61.4%和50%的成绩。Claude Sonnet 4.5通过安全防护机制降低误报率十倍，增强提示注入攻击防御能力，但应用层插件存在速度慢、功能限制等问题。
OpenAI GPT-5确立推理模型标准：2025年8月，OpenAI发布GPT-5，被定义为“统一智能系统”，其核心特征是能根据任务复杂度实时分配计算预算，在即时回答与深度思考间无缝切换，显著降低了模型幻觉。部分用户反馈"新不如旧"，性能未达预期。但其在医疗等领域的专业度超过部分专业医生。我试用将体检报告发给大模型，GPT-5是我个人认为专业性和可读性最强的，一眼能给出可读性非常强的风险提示和建议。
单从个人体验上来看，我最常用的网页版的对话模式大模型是chatgpt和Google Gemini（都是免费模式）。本来一直以来用chatgpt体验最好，它每一步的反馈和追问总是恰到好处，但前段时间在使用n8n上有问题用chatgpt一直绕来绕去没解决，反而通过Google Gemini解决了，现在下意识的用Google Gemini要多点。一些特殊场景或者问题国内大模型会支持的好点，一般用kimi和千问。总结的经验是问题比较简单，但要求精确答案时用kimi；复杂一些又比较开放的问题时用千问，千问的【深度研究】模式还是能提供很多灵感和思路。
2. AI应用落地与商业化
微软Copilot+PC生态扩张：微软联合高通于2024年5月推出全球首批搭载骁龙X Elite和骁龙X Plus处理器的PC产品，集成45 TOPS算力的NPU神经处理单元，结合CPU与GPU实现75 TOPS总算力 。Copilot+PC支持端侧运行130亿参数生成式AI模型，内置Phi-Silica等40余个端侧AI模型，数据全程本地处理不依赖云端。微软计划2025年售出5000万台Copilot+PC，占全球PC市场约20%，推动Windows生态复苏。
OpenAI社交应用Sora崛起：9月，OpenAI推出社交应用Sora，依托Sora2视频生成模型，提供视频创作社交功能，美区App Store首日下载量5.6万次，次日增长至10.8万次。Sora与ChatGPT、Gemini形成竞争，但用户反馈视频质量高，社交互动性强，尽管整体表现仍落后于Gemini。OpenAI将ChatGPT与GPT-5整合到Microsoft 365 Copilot、GitHub Copilot等产品中，推动GPT-5全面登陆微软生态系统。
特斯拉FSD自动驾驶能力突破：2025年，特斯拉FSD实测端到端大模型的博弈判断能力已无限接近人类水平，推动自动驾驶技术向商业化迈进。然而，美国Waymo、Cruise等厂商的自动驾驶商业化进程受制于成本与法规，进展缓慢。年底旧金山断电，Waymo由于无法识别交通信号，趴窝停在十字路口，也让大家对这种依赖基础设施的自动驾驶产生了反思。
Google Notebook Live解决信息过载：Google推出Notebook Live，不搞花哨炫技，专注于解决信息过载问题，支持音频预览、PPT生成，定位为"大脑外挂"工具。该产品在多轮次对话中实现信息筛选与融合，帮助用户摆脱信息海洋包围的负担，提升传统搜索的精确度、便捷性与体验感 。
3. AI基础设施与硬件突破
美国"星际之门"项目5000亿美元投资：1月，美国总统特朗普宣布启动"星际之门"项目，日本软银集团、美国OpenAI和甲骨文公司三家企业将投资5000亿美元打造AI基础设施。截至2025年9月，该项目已在得克萨斯州建设旗舰数据中心，并计划在2025-2028年间新建5个AI数据中心，总计可使"星际之门"项目达到近7000兆瓦的计划容量，未来3年内投资将超过4000亿美元。
除了美国，沙特阿拉伯计划打造全球顶级AI中心，在2025年启动规模达1000亿美元的AI投资计划。项目旨在建立一个能与阿联酋相媲美的技术中心，重点投资数据中心、AI初创公司以及本地人才培养。阿联酋除了参与星际之门计划，还与微软深度合作：微软在阿联酋投资数十亿美元建设数据中心，并协助推广支持阿拉伯语的本地大模型（如Jais系列）；日本在2025年将AI视为重振电子大国地位的最后机会，向软银等提供数千亿日元补贴，并重点投入“工业AI”，以解决国内劳动力短缺问题。韩国争夺AI芯片话语权，东南亚新加坡与越南竞争区域枢纽等等。
英伟达Blackwell架构革命：英伟达于2024年3月发布Blackwell架构，2025年推出GB200芯片，FP8训练性能是上一代的2.5倍，FP4推理性能是上一代的5倍。Blackwell Ultra采用双GPU+CPU异构设计，配备288GB HBM3e内存，支持NVLink 5.0互联协议，FP4精度算力达15 PetaFLOPS，在AI推理场景中较前代Hopper架构实现最高40倍能效提升。该芯片硬件创新包括液冷散热系统与12层堆叠HBM3e内存技术，配套DGX SuperPOD等解决方案覆盖自动驾驶、大模型训练等应用领域。
Google"捕日者计划"探索太空数据中心：11月，谷歌公布"捕日者计划"，提出向近地轨道发射81颗卫星组成的星座，通过收集太阳能为下一代天基人工智能数据中心供电。该星座核心任务是将处理完成的数据送回地面，解决地面数据中心能耗问题。然而，计划面临太空垃圾碰撞风险，需验证可行性。谷歌已与SpaceX合作，计划在2027年初发射两颗原型卫星进行技术验证。
SpaceX星舰Block 3升级：2025年8月，SpaceX公布星舰Block 3升级设计，采用三片巨型栅格翼（面积增50%）、捕捉接口下移等技术，提升可复用性和载荷能力，计划2026年第一季度试飞。SpaceX全年完成165次轨道发射，创下公司年度发射纪录，为未来太空数据中心部署奠定基础。
亚马逊数据中心扩建计划：6月，亚马逊宣布在宾夕法尼亚州投入至少200亿美元扩建数据中心基础设施，支持其AI业务发展。亚马逊同时推进绿色数据中心建设，采用液冷技术和可再生能源，降低算力能耗。
微软与苹果AI PC竞争：微软预计2025年Copilot+PC销量达5000万台，推动Windows生态复苏。苹果推出M4芯片，增加AI运算核心数及效能，NPU数量显著提升，2026 年 1 月，苹果已经完成了从 iPad 到 Mac 全线产品的M4 家族芯片（包括 M4、M4 Pro、M4 Max 及 M4 Ultra）的更新。微软与苹果在AI PC领域展开新一轮竞争，推动PC产业向AI时代转型。
2026年：哪些值得期待
进入2026年，全球AI市场正从“技术狂热期”进入“深度应用期”。如果说2025年是智能体（Agent）的实验年，那么2026年将是AI真正具备“物理实体感”和“科学自主性”的爆发年。
1. AI驱动科研范式革命
假设生成与实验闭环：微软与DeepMind等巨头预计将推出能够自主提出科学假设、设计实验流程并调用机器人实验室（Self-driving Labs）进行验证的模型。
垂直领域突破：在新材料发现、蛋白质设计和气候建模领域，AI的研发速度将从“月”缩短至“小时”。
AI在科研领域的应用越来越深入，同是也正在向更多领域扩展。不得不承认，有很多方面AI比人强，例如预测蛋白质结构、辅助药品研发等等。AlphaFold 能以接近实验精度预测蛋白质三维结构，这一突破长期困扰结构生物学领域，被视为“科学范式级进展”。其数据库包含数亿个蛋白质结构，被全球数百万科学家作为研究基础工具广泛使用。它帮助科研团队理解蛋白质功能机制，显著加速分子生物学和药物研发的基础研究。最新版本已扩展到预测蛋白质与 DNA/RNA、小分子复合体的结构，推动与细胞功能和作用机制相关研究。
另外AI在材料科学中辅助加速化学配方的探索、对气候变化极端天气和环境趋势的监测和理解、流行病预测等等方向，都有越来越重要的应用。应该在不久的将来，AI代替科学家或者作为主要研发人员主导科技发展方向，越来越成为可能。
2. OpenAI：GPT-5 的深度进化与“数字员工”
GPT-5.2 与强化推理：继2025年8月 GPT-5 正式发布后，2026年我们将迎来它的成熟版本（如 GPT-5.2）。除了极高的智商，它最值得期待的是“慢思考”能力的普及，能够处理需要数小时甚至数天逻辑拆解的复杂工程问题。
OpenAI Operator（数字操作员）：这是一款真正意义上的自主智能体产品。它不再只是在网页上回答问题，而是可以直接接管你的电脑桌面，跨应用完成订票、报销、整理复杂表格等全流程任务。
3. 苹果（Apple）：AI 版 Siri 的“完全体”与 homeOS
新一代 Siri：经过2025年的过渡，2026年 Siri 将迎来基于 Apple Intelligence 的最强升级，具备跨应用操作能力（例如：帮我把这张照片修一下发给妈妈，并写一段感人的话）。
AI iPhone（iPhone 18系列）：首次搭载专用NPU（神经引擎升级），支持端侧运行10B+参数模型。Siri全面重构为“个人智能体”，可跨App执行复杂任务（如“订下周去东京的机票+酒店+餐厅”）。
Apple Glass（AR智能眼镜）：定位为Vision Pro的轻量化、大众化延伸。初期聚焦Siri增强、通话、拍照、健康监测，不追求全息AR，而是打造“隐形AI助手”。计划2026年WWDC发布，2027年上市，但2026年开发者套件将开放。
4. Google：Agentic Search 与 Android XR
Gemini 系列发展：Google 的 Gemini 多模态AI将继续更新，包括更强的视频/语音理解、动态上下文感知等能力，用于增强搜索体验、工作生产力工具与智能助理。
Google AI Glasses：全球首款真正意义上的“视觉+语音”双模AI可穿戴设备，搭载Android XR系统的智能眼镜将正式发布。这款产品将结合 Gemini 的实时视觉能力，具备实时视觉理解（识别物体、文字、人脸、场景），实现同声传译、实景导航以及物体的实时分析，正面硬刚 Meta 的智能眼镜。
5. Meta：Orion AR 眼镜与 Llama 5 预览
Orion（猎户座）AR 眼镜：2026年 Meta 可能会发布其首款真正的增强现实（AR）眼镜的消费者预览版。它不仅有摄像头，还能在镜片上投射全息影像，将虚拟工作空间直接叠加在现实世界中。
Llama 5：作为开源界的旗舰，Llama 5 预计将在 2026 年发布预览，重点可能在于物理世界模拟（World Models），让 AI 能够理解重力、惯性等物理规律。今年Llama 4发布的时候我记得Meta声称转向闭源，原以为其开源模型后续没有更新了。现在看，Meta调整了开源战略，从过去的广义开放到更有控制的发布策略，公司管理层曾暗示未来可能对部分高端模型不再开放开源，以应对安全、产品化与业务化需求；但 Meta 官方也对外表示仍愿意继续支持开源AI，同时也会探索发布闭源模型的可能性。另外，Llama 的许可并不符合严格的开源定义（例如不具备所有 OSI 开源自由），因此被批评为“有限开放”的模型，而非真正的开源软件。
6. 特斯拉（Tesla）：Optimus 机器人与 FSD V13
Optimus（擎天柱）工厂服役：2026年将是 Optimus 机器人在特斯拉工厂大规模部署的一年。我们有望看到它处理更复杂的组装任务，甚至开始向第三方企业提供“机器人劳动力”服务。
FSD：完全基于端到端神经网络的自动驾驶系统将进一步进化，目标是在 2026 年实现无干预的“点对点”完全自主驾驶，并推动 Robotaxi（无人驾驶出租车）的规模化试点。分析师将 2026 年视为特斯拉从自动驾驶承诺向实际执行的“定义性一年”，其估值与增长很大程度上取决于自动驾驶、AI 芯片、Robotaxi 和新产品（如优化的车型与智能驾驶功能）能否实现商业化落地。
