出品 | 陈博观察 (ID: Drchenobservation)
编辑 | Will Chan
来源：陈博观察AI工作站（Doubao AI）创作
从产业规模来看，我国人工智能产业保持高速增长态势，据中国信息通信研究院测算，2024 年我国人工智能核心产业规模已突破 9000 亿元，同比增长 24%；2025 年预计突破 1.2 万亿元。截至 2025 年底，我国人工智能企业数量超 6000 家，已形成覆盖基础底座、模型框架、行业应用的完整产业体系。当前及未来一段时间，随着智能体、具身智能等技术快速发展，人工智能将加速从 “能思考” 向 “能实干” 转变，为千行百业开拓智能化赋能新空间。
本报告基于中国信息通信研究院最近发布的《人工智能产业发展研究报告（2025 年）》，从技术产业发展、应用赋能、生态支撑、安全治理、国际合作五大维度梳理产业发展现状，并对未来发展趋势进行展望，全面呈现 2025 年全球及我国人工智能产业发展全貌。
一、技术产业发展：系统性突破与全链条升级
2025 年，人工智能核心技术实现全维度突破，从基础模型、算力基础设施、数据工程，到工程化落地、智能体与具身智能，形成了全链条协同创新的发展格局，技术迭代速度与能力跃升幅度均超出市场预期。
（一）基础超级模型持续突破，模型学习进入经验时代
2025 年全球人工智能领域迎来基础模型关键突破期，语言基础模型与推理模型双线并进，从中国信通院 “方升” 测试数据来看，截至 2025 年 12 月，以 GPT-5.2、Gemini3 Pro、DeepSeek V3.2、Qwen3、Doubao-Seed-1.6 等为代表的头部语言大模型，综合能力较 2024 年底提升 30%，多模态理解能力提升超过 50%，实现基础能力跨越式提升。
基础超级模型正式登上产业舞台，以 GPT-5、DeepSeek 3.2、Qwen3 为代表的产品，深度集成推理、代码及智能体核心能力，形成三大核心特征：一是实现思考 + 非思考模式合一，可根据用户提示词自主选择是否采用推理模式；二是理解、推理、数学能力实现大幅提升；三是内置代码、工具调用等多种 AGENT 能力。其中推理能力成为模型能力升级的核心方向，谷歌推出的 Gemini3 新增 “Deep Think” 增强推理模式，展现出解决极端复杂问题的技术潜力。
多模态大模型领域，原生多模态架构逐渐走向成熟。2025 年上半年发布的 OpenAI-o3、Gemini 2.5 Pro 模型，可同时处理视觉和语言信息，将语言大模型的深度思考能力成功迁移至多模态模型，使其具备复杂视觉任务的深度推理能力；GPT-Image-1、Gemini 2.0 flash 模型通过原生多模态架构融合自回归模型及扩散模型，为原生多模态技术规模化商业应用奠定基础。下半年，谷歌、OpenAI 先后发布新一代文生图、文生视频模型，进一步提升了视觉生成的内容质量与场景适配性。
模型能力的全面演进，源自运行机制、基础架构、训练方法三个维度的关键突破。运行机制层面，单纯的规模扩张已难以带来模型能力质的改变，精细化机制优化成为核心升级方向，路由机制实现模型能力的动态调度，大幅提升运行效率，扩散语言模型在并行计算效率上展现出显著优势，Gemini Diffusion 可在 12 秒内生成 1 万 tokens。基础架构层面，Transformer 架构性能优化仍是研究重点，稀疏注意力机制成为模型降本增效的常用手段，非 Transformer 新架构暂未实现广泛应用，而融合 Transformer 与新架构的混合模型已实现成功商业应用；多模态领域，自回归模型与扩散模型的创新融合架构，为语言 - 视觉跨模态协同提供了全新技术路径。训练方法层面，大模型正经历从 “人类数据时代” 向 “经验时代” 的根本转变，不再单纯依赖人工标注的静态数据，而是通过与环境交互、任务试错和自我迭代积累动态经验，实现从 “复刻已知” 到 “探索未知” 的跨越。其中，GRPO 算法已成为大模型强化学习的主流方法，Agentic RL 技术赋予模型自主规划、工具调用、因果推断能力，自主进化框架、“中训练” 范式、创新记忆框架的发展，进一步推动了具备自主进化能力的模型与智能体发展。
从产业发展来看，基础模型研发呈现明显的收敛趋势，活跃且持续发布产品的基模研发企业数量显著减少，全球模型在基础语言理解等领域已达到较高水平，但复杂推理能力不足、幻觉等问题仍普遍存在，真实场景中的应用效果成为产业界关注的核心重点。
（二）集群规模向百万卡迈进，开放智算生态快速发展
人工智能技术的大规模应用，推动算力产业进入爆发式发展阶段，全球智算生态正从单一封闭走向开源开放，进入规模化、协同化发展的新阶段，为大模型前沿创新和普惠落地提供了坚实的算力底座。
超大规模智算集群持续升级，即将迎来吉瓦级时代。2025 年，摩根士丹利预测全球 11 大云厂商资本支出将达到 4450 亿美元，年增长率达到 56%。美国头部厂商持续加码算力布局，推动集群规模从十万卡向百万卡迈进：xAI 公司 Colossus 集群已部署 23 万张英伟达芯片，正在建设的 Colossus 2 超级集群首期规模为 55 万张 GB200 和 GB300 芯片，建成后将成为全球首个吉瓦级智算集群，最终将达到百万卡规模；OpenAI 计划建设 10 吉瓦数据中心，等效 400-500 万张芯片，第一阶段预计 2026 年下半年部署。阿联酋、沙特、印度等国也同步规划吉瓦级智算集群，强化主权 AI 基础设施建设。与此同时，能源日益成为制约算力规模提升的关键瓶颈，算力军备竞赛进入算电协同比拼的 “第二战场”，据中国信通院测算，未来三年全球顶尖集群功率或将以每年约 4.2 倍的速度快速增长，远超 2019 年以来每年 2 倍的水平，全球头部科技企业纷纷加强电力领域投资，探索智算集群可持续扩张的能源保障路径。
超节点成为面向未来超大规模训练的核心计算单元，其具备超高互联带宽、内存统一编址等技术特征，目前形成三条核心发展路径：一是以英伟达为代表的垂直整合模式，从底层芯片到上层编程模型实现端到端控制优化；二是以 AMD、Intel 及 Meta、微软等企业为代表的协议开放模式，以网络层面的兼容性抗衡技术封闭性；三是以我国华为、阿里等为代表的全栈化开放模式，加速构建从互联协议到基础软硬件全面开放的技术体系。
多样化推理算力形态快速发展，推动 AI 泛在部署。算力产品朝着多样化、专业化方向演进，实现从数据中心向边缘、终端侧的全面下沉：一体机为企业提供低成本私有化 AI 部署方案，算力盒子进一步降低高性能计算门槛，赋能个人开发者；AI PC、智能手机、人形机器人等智能终端快速迭代，构建了覆盖云、边、端的全栈算力支持体系，推动 AI 技术普惠化进程。
“算法 - 软硬件” 协同设计成为大模型研发主流范式，多层次开源开放智算生态体系快速发展。全球头部企业均重点布局 “算法 - 软硬件” 协同设计，通过联合优化提升模型性能、降低研发成本。覆盖模型、开发框架、算子库、通信库、网络通信、精度量化等软硬件多层次的创新体系快速演进，我国厂商表现活跃，以开源开放为特征的新型智算生态加速形成。中国信通院测试结果表明，通过软硬件协同优化，部分参测国产芯片部署 DeepSeek R1 模型的精度已基本与国外英伟达 H800 系统持平，能够满足实际产业应用需求。
（三）数据集建设转向适量高质，数据工程体系加速成型
高质量和体系化的数据集是驱动模型能力提升的核心 “燃料”，2025 年数据集建设正经历从规模堆砌向质量优先的深刻变革，面向人工智能的数据工程体系，成为支撑大模型持续演进的战略性基础设施。
从数据供需关系来看，大模型训练数据需求总量仍持续增长，但单位数据所能贡献的训练效能呈现见顶回落态势。据 Epoch AI 统计，代表性通用大模型的训练数据规模已逼近 10^15 级别，行业仍以海量数据作为模型泛化能力的基础支撑；
但数据密度指标出现见顶回落迹象，2024 年后部分模型的参数扩张速度已超过训练语料增长速度，行业不再单纯依靠提升数据密度实现性能突破，未来将更多依赖高质量数据筛选、训练架构优化及跨模态知识融合。
从建设路径来看，数据集构建正向智能生成、多元专业、合规治理三个维度深化，质量优先成为核心导向。数据采集处理层面，自动化生成与人机协同标注在高质量数据集构建中发挥更大作用，“标 - 训 - 推” 一体化数据处理模式实现广泛应用；数据需求对接层面，小而精、行业化的数据集快速兴起，医疗、金融、工业等垂直领域高质量数据集建设提速；数据安全合规层面，数据集建设更加重视确权、脱敏、隐私计算和可追溯，相关司法案例为数据合规提供了明确指引。
从行业发展问题来看，数据集质量成为制约垂类模型落地和场景应用的核心瓶颈。根据中国信通院 ADAQ 体系评估结果，当前行业数据集建设的核心质量问题中，内容稠密性问题占比达 82.50%，主要表现为数据集信息细节、句子成分及关联关系缺失、内容重复；其次为领域相关性、数据多样性、形式规范性等问题，隐私规范性问题占比最低。
从工程支撑来看，面向人工智能全生命周期的数据工程体系建设全面提速。面向人工智能的数据工程由体系建设、开发维护、质量控制、资源运营、合规可信五大核心要素组成，覆盖数据设计、采集、清洗、增强、标注、质检、运营的全链条，为高质量数据生产提供了全流程体系化支撑，保障人工智能产业可持续发展。
（四）工程化能力不断提升，推动向 “场景价值闭环” 跃迁
工程化是连接模型、数据、算力人工智能三大核心要素的关键纽带，2025 年大模型工程化路线逐渐清晰，通过 “建 - 用 - 管” 全链路体系构建，助力大模型从 “实验室原型” 向 “产业级工具” 转化，推动产业向 “场景价值闭环” 全面跃迁。
“建 - 用 - 管” 全链路工程化体系成为行业共识。“建” 的环节，企业通过构建大模型平台，形成涵盖数据治理、训练提速、推理优化、应用开发的全栈能力，筑牢大模型落地根基；“用” 的环节，通过模型能力与业务场景深度融合，围绕服务响应效率与用户体验提升，拓展大模型应用价值；“管” 的维度，通过对数据、模型、应用等资产的有效纳管和监控运营，持续发挥大模型赋能价值。
模型即服务（MaaS）作为模型工程化的重要载体，已从 “可选项” 升级为产业 “必备项”。一是平台布局全面铺开，国内主流大模型厂商均已推出一站式大模型开发与服务平台，业界已公开发布的 MaaS 平台达 100 余个；二是调用需求爆发式增长，2025 年我国公有云大模型对客侧 Token 调用量有望达到 2000 万亿，相较于 2024 年增长超过 16 倍，我国头部云厂商的大模型整体调用量已处于全球第一梯队，其中火山引擎 2025 年 10 月日均调用量为 30 万亿，谷歌同期日均调用量为 42 万亿；三是行业融合持续深化，公有云 MaaS 服务在文本处理、智能编码、营销等场景调用量占比过半，金融、政务、医疗等合规要求较高的领域，私有化 MaaS 落地需求持续释放。
MaaS 平台能力持续提升，用户体验实现显著优化。中国信通院监测数据显示，相比 2025 年 2 月，9 月国内 11 个 MaaS 平台提供的 DeepSeek-R1 服务，平均调用成功率从 87.01% 提升至 99.36%，每秒输出 Token 数从 17.86 提升至 26.76，首 Token 时延从 3.07 秒降至 1.02 秒。未来 MaaS 平台将从横向拓展能力边界、纵向提升工程化水平两大方向发展，实现从 “通用能力供给” 向 “场景价值闭环” 的全面跃迁。
（五）智能体自主性增强，加速智能原生应用建设
作为大模型应用的主要形态，智能体正加速推动人工智能从感知认知向自主决策执行演进，成为 2025 年人工智能产业落地的核心抓手，智能体能力标配化、开发低代码化、协议标准化、产业生态完善化成为核心发展趋势。
智能体能力成为大模型出厂标配，推动原生技术体系重构。国内外头部大模型均已逐步配置智能体功能，标志着大模型从 “语言生成工具” 向 “生产力引擎” 的根本性转变。在技术架构层面，智能体推动原生技术架构从 “被动响应” 转向 “主动服务”，通过动态规划引擎与工具调用框架，构建了 “感知 - 决策 - 执行” 的闭环体系；在场景落地层面，智能体加速原生技术形成行业解决方案，实现从 “流程固化” 到 “动态优化” 的升级，加速与千行百业的深度融合。从中国信通院 “方升” 智能体基准测试结果来看，智能体在复杂任务中的完成率远超基础大模型，头部智能体总体正确率达到 58.67%，而同期头部大模型最高正确率仅为 38.67%。
智能体开发工具逐步完善，大幅降低开发者研发门槛。2025 年 OpenAI 发布智能体工具集 AgentKit，解决了传统智能体开发中工具碎片化、编排复杂等核心问题；我国字节跳动扣子、百度 AgentBuilder、腾讯元器智能体平台等产品，均支持通过低代码 / 无代码方式完成智能体创建，不仅加速了智能体系统的开发落地，也推动了智能体生态的规模化建设。
智能体通信协议持续完善，进一步扩展智能体系统能力边界。MCP 协议为不同数据源和工具提供统一连接方式，实现外部工具的 “即插即用”；A2A 协议实现跨框架智能体的自动匹配协作，解决了传统接口碎片化问题。除国际开源协议外，我国 ANP、ACP、RVP 等协议快速发展，支撑多智能体互联协作，助力人工智能生态标准化与开源开放进程。
我国智能体产业链逐步健全，加速形成智能体经济。基础支撑层面，我国已形成完善的智能体开发平台、工具、通信协议和大模型服务体系，具备良好的研发部署基础；应用落地层面，深度研究、代码编写、智能搜索等通用智能体产品快速成熟，政务、金融、汽车、制造等行业智能体应用持续拓宽，加快千行百业数智化转型进程。
（六）具身智能走向实训，软硬一体化创新协同并进
2025 年具身智能已进入快速发展阶段，正处于从实验室技术验证向规模化商用过渡的关键时期，软硬一体化创新协同成为核心发展方向，场景驱动下的数据 - 模型 - 本体三位一体联合设计与闭环优化，成为产业创新发展的关键路径。
具身基础模型实现多路径技术突破，“大脑” 能力和 “大小脑协同” 成为核心创新方向。一是端到端 VLA 架构加速探索，分为单系统架构与双系统架构两类，前者在统一模型内完成感知、决策和动作生成，后者实现认知推理与本体运控的协同优化，均已在家庭场景、工业作业场景实现落地验证；二是世界模型拓展具身智能基础模型的认知边界，通过生成未来视觉观察结果、模拟感知决策过程，大幅提升模型在未见环境中的泛化性，为具身智能决策规划提供核心支撑。
本体发展进入实训落地新阶段，通过真实场景实践加速技术迭代。一是训练场建设提速，截至 2025 年 12 月底，国内已建设完成的训练场增至 30 个，还原工业、家庭、康养等多类场景，为机器人技能学习提供真实环境；二是竞技场验证运动能力突破，多场人形机器人专业赛事中，参赛产品展现出运动能力的全方位提升；三是行业场景实训优化加速，本体、算法、场景方多方合作，推动机器人在真实工业场景中训练、测试、验证，实现作业效率的持续提升。
本体形态呈现多元化发展趋势，产品谱系不断丰富，形成三大构型分类：一是智能机器人，以人形机器人、复合轮臂式机器人、四足机器人为代表，其中四足机器人、复合轮臂式机器人已初步实现商业落地，人形机器人处于起步阶段；二是智能运载装备，以自动驾驶汽车、无人驾驶航空器为代表，L3 级自动驾驶车型实现量产，L4 级进入商业化运营阶段；三是新型智能产品，以变形移动装置、集群式微型智能机器人、智能可穿戴设备等为主，智能外骨骼已在重体力劳动、适老康养场景探索落地。
当前具身智能产业链已初步形成，核心零部件实现跨领域技术复用，科技企业积极布局基础模型与开发平台，传统机器人企业、初创公司、跨界车企多方投入整机产品研发，行业场景方开放场景开展联合研发。但产业发展仍面临三大核心挑战：一是高质量可用数据不足，难以满足物理智能涌现的需求；二是模型跨场景、跨任务泛化能力不足，未覆盖场景性能下降明显；三是软硬协同工程化链路不完善，多时间尺度协同控制难度高。行业需通过高质量数据集建设、通用具身基础模型研发、标准化开发平台搭建，破解上述发展难题，推动具身智能从 “实训” 走向 “实战”。
二、应用赋能：全产业渗透与智能原生变革
2025 年，人工智能加速在一二三产业融合渗透，应用场景从低附加值环节向高附加值核心环节延伸，智能原生成为 “AI+” 新内核，落地路径逐渐清晰，推动产业创新发展走深向实，加速向现实生产力转化。
（一）人工智能应用逐步扩展，加快向高附加值领域环节渗透
在政策与市场双轮驱动下，我国人工智能应用基本遵循先从数字化水平较好的领域率先突破，再逐步扩散到更多行业的规律，实现三大产业的全覆盖渗透。
第一产业领域，人工智能助力农业降本增产，加速培育新质生产力。农业大模型整合农学知识、历史经验与环境数据，构建作物生长数字孪生体系，支撑水肥药精准调控与产量预判；智慧农机装备依托北斗高精定位与 AI 算法，实现作业操作的实时精准控制；畜牧养殖、无人机植保、智慧育种等领域均实现技术创新与商业化实践，系统性释放农业提质、节本、增效潜力。
第二产业领域，人工智能加速向工业全场景渗透，构建智能制造新生态。人工智能赋能新型工业化走深向实，在典型重点领域已形成百余种应用模式，催生了一批新工具、新助手、新产品。钢铁、有色金属、电力、通信等行业专用模型加速传统产业升级，人工智能在研发设计、中试验证、生产制造、营销服务、运营管理全环节加速落地，推动工业体系向智能化、柔性化与高效化转型。
第三产业领域，人工智能与服务场景融合持续深化，推动产业向高附加值方向升级。金融行业智能风控、AI 投顾和反欺诈系统显著提升服务效率与安全性；物流行业依托智能调度、路径优化及无人配送技术实现降本增效；零售业通过用户画像、智能推荐和动态定价优化消费体验。AI 虚拟客服、数字人导游、智能法律咨询等新兴服务场景不断涌现，人工智能正逐渐从辅助工具转变为服务主体。
（二）人工智能赋能新型工业化，加速向现实生产力转化
人工智能与工业融合已成为产业发展大势，正逐步改变现有创新范式、生产运营方式和产业形态，从行业与环节两个维度，呈现出差异化渗透与全链条赋能的特征。
从赋能行业看，不同工业领域呈现差异化渗透特征。装备制造行业聚焦研发环节创新，在零件结构优化、智能仿真等场景应用水平领先，部分车企通过 AI 驱动的虚拟仿真技术，将风洞模拟速度提升 10-100 倍，单次运行成本降低 60%；电子信息行业完成从生产管控赋能到先进制程优化的跃升，部分企业将 AI 算法深度嵌入先进制程控制，将刻蚀均匀性波动从 ±5% 缩小至 ±1.5%；消费品行业侧重质量管控与工艺优化，纺织行业 AI 质检检出率稳定高于 98%，家电行业通过智能调优平台将设备综合效率提升 30%；原材料行业以生产管控智能化为核心，钢铁、石化领域形成了生产过程精准控制、高价值设备智能运维等成熟模式，实现生产效率与自控率的大幅提升。
从赋能环节看，大模型成为工业全环节赋能的重要支撑，呈现 “两端深化、中间突破” 的发展态势。前端研发设计环节应用占比小幅下降，但赋能专业程度有所提升，从 “通用技术探索” 转向 “精准场景赋能”，针对化工、医药等行业研发周期长的痛点，实现研发效率超 10 倍的提升；生产制造环节应用占比从 18.8% 提升至 25.9%，工业质检、工艺参数优化等场景广泛落地，成为助推生产效率提升的新引擎；后端运营管理环节占比最高达 45.8%，且呈现小幅上升趋势，大模型已从辅助数据分析升级为智能决策支持，推动企业调度从辅助决策向自主决策转型升级。除此之外，工业领域大模型应用呈现明显的平台化与集成化发展趋势，形成 “底座 + 应用” 的分层赋能架构，既保障了基础能力的通用性，又确保了专业场景的适配深度。
（三）智能原生成为智能经济 “时代基因”，重塑产品服务与企业组织模式
2025 年 8 月，国务院印发《关于深入实施 “人工智能 +” 行动的意见》，首次提出 “培育智能原生新模式新业态”，智能原生正式成为智能经济发展的核心方向，从软件、硬件、企业组织三个维度，推动产业实现全方位变革。
大模型嵌入工具软件，智能原生软件加速数字生产力跃升。深度研究、代码编写、多用途三大类智能体，成为智能原生软件的核心载体，进一步释放大模型应用潜能。深度研究智能体能够自主完成端到端的复杂研究任务，国内外厂商纷纷布局相关产品，将在更广泛领域重塑人类的研究范式；代码编写智能体能够自动完成从需求分析到代码交付的全流程任务，核心产品生成代码准确率达 89%，正开启软件业全面重塑的新阶段；多用途智能体通过高度封装，实现网页制作、游戏制作、旅行规划等通用任务的全流程自动化，标志着人工智能从 “辅助工具” 向 “数字劳动力” 的质变。
大模型为硬件产品赋魂增智，持续拓展人机交互新模式。大模型正加速从算法层面向物理世界渗透融合，驱动新一代智能终端、智能网联汽车及具身智能领域实现能力跃迁。新一代智能终端方面，AI 手机、AI 眼镜等产品初步具备主动感知理解、多模态交互、自主学习进化等功能，成为用户侧承载大模型部署的核心载体；智能网联汽车方面，大模型重构了车内人机交互模式，同时通过海量传感数据的分析处理，提升自动驾驶的安全性和可靠性；具身智能方面，各类机器人产品通过大模型赋能，实现自主决策、场景自适应能力的全面提升，适配场景日益广泛。
AI 重塑企业的底层架构和运行逻辑，智能原生企业加速崛起。智能原生企业以人工智能为核心驱动力，将智能化要素嵌入到企业的业务、管理、决策等各环节，推动企业组织架构从传统金字塔层级结构转向人机协同的扁平化工作网络。国内外一大批智能原生企业竞相涌现，未来有望催生一大批只有几个人的 “独角兽” 企业，形成智能经济新的增长引擎。
（四）人工智能落地路径逐渐清晰，推动产业创新发展走深向实
当前人工智能技术正加速迈向产业应用深水区，但 “落地难”“落地浅” 仍是行业核心瓶颈，2025 年行业已形成系统化、可操作的落地路线图，围绕核心环节构建了完整的落地框架，并形成了适配不同类型企业的差异化路径。
人工智能技术的落地，重点围绕 “场景筛选 - 技术适配 - 业务融合 - 数据支撑” 四大核心展开。场景选择是落地应用的首要前提，通过业务价值密度、技术成熟度、经济回报率等多维度量化评估框架，实现高优先级落地场景的精准筛选；技术适配是场景落地的关键支撑，遵循 “业务需求驱动技术选型” 原则，根据场景复杂度与业务规模，匹配轻量化、模块化、分布式三类差异化架构；业务融合是价值转化的核心环节，根据行业数字化水平，从高价值场景逐步向核心业务场景渗透，实现人工智能的价值内化；数据支撑是系统稳定运行的基础保障，构建 “采、存、管、用” 全生命周期的标准化体系，为人工智能应用提供稳定高效的数据支撑。
针对不同企业的资源禀赋差异，行业形成了两类差异化落地路径。大型央国企通常采取 “自上而下” 的战略路径，凭借雄厚的资金与技术实力进行系统性布局，聚焦核心业务流程开展流程诊断与优化，着力破除数据孤岛、构建统一的数据中台，通过私有化部署模式保障数据安全，实现全业务链条的智能化升级。中小企业倾向于 “自下而上” 的试点突破，鉴于资源有限、业务流程简洁的特点，核心目标是快速实现提质增效，多从轻量化应用切入，依托开源模型与外部云服务平台，打造垂直领域工具，规整核心业务数据资产，实现单点场景的快速落地与价值验证。
三、生态支撑：开源引领与体系化建设
2025 年，人工智能产业生态建设进入全面深化阶段，开源成为产业发展标配，全球 AI 标准竞合持续加剧，资本热度保持高位，基准测试体系不断完善，为产业高质量发展提供了全方位的生态支撑。
（一）开源成为标配，社区协同演进推动技术普惠
2025 年，开源作为人工智能产业与技术发展的重要引擎，深刻改变了产业发展格局，我国在受益于全球开源体系的同时，也成为全球开源生态的重要贡献力量。
国产开源模型创新活跃，国际影响力稳步提升。以深度求索、通义千问等为代表的国产开源模型迅速崛起，性能稳居全球前列，打破了闭源模型的垄断格局。截至 2025 年 12 月，国产开源大模型全球累计下载量突破 100 亿次，月下载份额最高占全球的 17.1%；本土开源社区模型下载量从 2024 年 12 月的 5.8 亿次，增长至 2025 年 11 月的 14.4 亿次；基于国产开源模型进行微调的模型占比，从 2024 年 2 月的 10% 大幅提升至 2025 年 8 月的 60%，充分印证了国产开源模型在全球范围内的接受度和影响力正快速增强。
本土开源社区协同演进，推动技术普惠发展。魔搭社区面向东南亚提供本地化支持，助力国产开源模型走向国际；焕新社区聚焦 “人工智能 + 行业应用”，开放 78 个央国企发布的行业大模型；魔乐社区围绕国产软硬件全栈适配，实现上千个模型对国产算力的兼容适配。截至 2025 年 12 月，本土开源社区平台已托管模型达 40.5 万个，与国际平台 HuggingFace 同期托管模型的比例从年初的 11% 提升至 18%，本土开源生态稳步壮大。
开源商业模式孕育成型，构建合作共赢产业生态。模型厂商普遍推行 “开源免费 + 高阶服务收费” 的策略，通过开放基础模型吸引开发者与用户，借助技术支持、定制化开发、云服务等增值项目实现商业转化。同时，开源模型也拉动了云服务与芯片市场的需求增长，模型厂商与芯片厂商、云服务商展开深度合作，在降低国产芯片应用门槛的同时，共同探索联合运营的新路径。
（二）全球 AI 标准竞合加剧，我国纵深推进体系建设
2025 年，人工智能标准从技术规范向价值引领加速演进，成为平衡创新发展与风险防控的关键抓手，全球主要经济体加快标准战略布局，我国人工智能标准体系建设持续深化，形成了一批重要成果。
全球 AI 标准战略加速落地，推动治理格局深刻变革。全球主要经济体形成了差异化的标准发展路径：欧盟强调风险防范与法律约束，通过《通用人工智能实践准则》等文件强化合规指引，凸显规则先行的监管思路；美国倾向于依托市场力量与自愿共识，由私营部门主导标准制定与试点应用，将人工智能安全研究所调整为人工智能标准与创新中心，职责重点转向标准制定与风险评估。同时，全球主要经济体均加速与国际标准接轨，推动本土标准成为国际基准。
我国纵深推进 AI 标准体系建设，开放协同生态稳步构建。顶层设计层面，2024 年 6 月工业和信息化部等四部门印发《国家人工智能产业综合标准化体系建设指南（2024 版）》，明确了人工智能标准体系结构框架；组织体系层面，我国已形成覆盖广泛、分工明确的标准研制力量，优化了标准立项审批模式，年度开展 60 余场标准宣贯培训活动，与 14 个标准化组织、7 个产业组织建立联络关系；开放合作层面，修订《采用国际标准管理办法》，完善国际标准动态追踪与快速转化机制，稳步扩大标准制度型开放。
我国 AI 标准成果持续涌现，供给能力不断增强。国内层面，2025 年凝练形成产业界定及测算、大模型评测、智能体、具身智能等十大重点标准方向，与中国通信标准化协会联合推动发布 20 项标准，年度新增征集 176 项标准立项建议。国际层面，我国积极参与 ITU 等国际标准组织工作，截至目前，我国牵头 ITU-T 人工智能标准已经发布 47 项，在研标准 63 项，覆盖芯片评测、软件框架、大模型及重点应用等多个领域，其中大模型评测、人工智能平台、数字人等标准填补了国际标准空白。
（三）人工智能受全球资本热捧，投资规模持续扩张
2025 年，人工智能热潮引发全球资本竞逐，投融资活跃度持续攀升，投资结构不断优化，成为推动产业技术创新与场景落地的重要力量。
全球人工智能投融资热度持续攀升，中美市场存在量级差距。全球人工智能投融资占全行业投融资比例，从 2023 年的 8.1% 上升至 2024 年的 13.5%，并在 2025 年二季度跃升至 23%。2025 年上半年，美国人工智能投融资金额为 381 亿美元，同比增长 43.6%，中国投融资金额为 36.7 亿美元，与美国仍存在量级差距。从资本属性来看，我国非国资机构投资占据主导地位，2025 年上半年非国资机构投资笔数占行业内总投融资笔数的 73%。
投资结构持续优化，基础层与垂直赛道成为投资热点。基础层方面，算力、模型与数据领域投资热度居高不下，2025 年上半年我国算力领域投资占比达 17%，大模型领域投资占比 16%，全球 Top10 大模型融资事件中，中国企业占据 4 席。行业赋能方面，2023 年至 2025 年上半年，人工智能 + 工业、人工智能 + 医疗、人工智能 + 科研等垂直领域投融资活跃度持续走高，2025 年上半年分别获投约 10 亿人民币、16 亿人民币、10 亿人民币。智能产品方面，智能机器人、智能终端、智能网联汽车等前沿产品持续获资本加码，2025 年上半年分别获投约 25 亿人民币、13 亿人民币、12 亿人民币。
（四）基准测试价值日益突出，测试体系随技术演进持续升级
当前，大模型评测体系的构建与模型训练重要性已逐渐趋同，基准测试已深化至大模型 “建用管” 全生命周期，在指引学术研究、指导产品选型、支撑行业应用、辅助监管治理等方面发挥着核心作用。
基准测试成为产业发展的核心支撑，国内外模型能力差距清晰显现。依托长期、动态化的大模型基准测试，可精准量化模型能力演进趋势，从测试结果来看，国内头部语言大模型在基础能力上与国外头部模型不相上下，但在推理能力上差距明显，成为两者综合能力差距的主要影响因素。
2025 年大模型基准测试整体呈现五大发展趋势：一是测试数据向高难度与场景化升级，传统测试数据集已难以覆盖模型能力边界，真实场景与复杂任务成为测试核心；二是测试方法融合客观量化与主观评估，弥补单一客观评测在创造性等复杂特性捕捉上的不足；三是测试工具迈向全流程自动化，大幅提升测试效率与覆盖率；四是面向模型未来高级能力的测试基准提前布局，针对长期记忆、自主学习等能力的评测体系加快建设；五是测试价值延伸至全生命周期风险防控，从发布前验证转向贯穿全流程的质量管控。
当前全球大模型能力评测体系仍面临多重结构性挑战：一是测试技术落后于模型发展，动态环境下的真实测试研究刚刚启动；二是高质量测试数据构建困难，需要消耗大量标注及复核成本；三是存在榜单作弊现象，针对模型数据污染、“套壳” 作弊的检测方法仍不成熟；四是自动化质量评估成本高，需要大量专家介入进行主观评估；五是评测距离实际应用较远，无法真实体现模型在产业场景中的表现。
为破解上述难题，中国信通院构建了 “方升” 大模型基准测试体系 3.0，从基础属性、通用能力、应用能力、行业能力、未来高级智能五大维度，形成全面、科学的评测体系，并发布了业界第一个大模型基准测试国际标准。同时，围绕大模型安全要求，中国信通院联合 30 余家单位构建了 “大模型安全基准测试框架 AI Safety Benchmark”，形成覆盖模型自身安全与内容安全的体系化测试方案，助力大模型场景化应用安全。
四、安全治理：风险防控与全流程体系构建
2025 年，随着人工智能模型能力持续增强、应用场景不断深化，现实风险与前沿风险交错而生，对安全治理提出了全新挑战。全球各方从规则与实践两个层面，加强协同治理，推动安全可靠的研发应用，实现发展与安全的双向平衡。
（一）现实风险与前沿风险交错而生，对安全治理提出新挑战
模型应用成熟落地，现实风险愈发复杂。一是推理思维链暴露风险敞口，2025 年 2 月杜克大学研究显示，在思维链劫持攻击方法下，模型对有害信息的拒绝率降低至仅为 4%，暴露了模型鲁棒性不足的问题；二是模型幻觉导致输出失真，已引发司法、商业等多个领域的真实风险事件；三是智能体等前沿应用易受攻击，提示词攻击可导致系统提示词、工具链配置、任务执行流程等核心数据泄露。
模型能力持续强大，前沿模型风险逐步显现。一是模型具备 “自我复制” 能力，国内外多款大模型已展示出在开放环境中主动生成自身副本、触发自身部署的能力，复旦大学团队测评发现，32 款测评模型中有 11 款已具备自我复制能力；二是模型表现出 “拒绝关闭” 的行为，相关实验发现 OpenAI 多款模型存在明显的拒关机倾向；三是模型展现 “欺骗与胁迫” 能力，顶尖大模型在安全测试中被发现具备策略欺骗能力，会通过威胁手段迫使测试者中止关闭操作，行为发生率高达 84%。
（二）规则层面，全球各方加强协同治理
国际层面，治理协作持续深化，合作应对安全挑战。国际组织致力于协调全球治理，联合国大会通过决议，决定设立 “人工智能独立国际科学小组” 和 “人工智能治理全球对话” 机制；OECD 发布《迈向人工智能事件共同报告框架》，提出人工智能事件报告通用标准；全球多场人工智能峰会搭建国际交流渠道，多个国家和国际组织共同签署人工智能发展相关声明，推动形成包容、可持续的人工智能发展共识；全球顶尖科学家引领前沿人工智能安全合作，共同签署《人工智能安全国际对话上海共识》，明确了人工智能安全的全球红线。
全球主要经济体优化治理举措，维护产业创新环境。欧盟启用渐进式监管，《人工智能法》设置实施过渡期，发布通用人工智能行为准则与小企业指南，为企业创新预留空间，减轻中小企业合规成本；美国战略部署实施 “去监管化”，签署行政命令修订或废除阻碍人工智能创新发展的法规，同时通过底线立法推动重点领域治理，出台了联邦层面首个关于人工智能监管的法案；日韩等国加速推动形成监管框架，通过专项立法明确人工智能技术研发与应用的合规要求；中国统筹发展和安全，出台《关于深入实施 “人工智能 +” 行动的意见》推动产业创新，同时发布《生成式人工智能服务管理暂行办法》等一系列法规、标准与管理办法，形成了完善的合规指引体系，强化人工智能领域科技伦理风险防范。
产业层面凝聚治理共识，形成良性产业生态。全球范围内形成了多项负责任的人工智能自律共识，中国信通院发布《人工智能安全承诺》，已有 22 家企业签署，并牵头发布《中国人工智能安全承诺框架》；英国发布《前沿人工智能安全承诺》，已有 20 家大模型厂商签署。标准规范层面，全球主流标准组织着力打造安全、可信赖的标准体系，ITU-T、ISO/IEC、IEEE 等国际组织聚焦人工智能安全与可信赖开展标准研究；我国发布《工业和信息化领域人工智能安全治理标准体系建设指南（2025 版）》，提出七大标准方向，为产业高质量发展提供方向指引与操作依据。
（三）实践层面，推动安全可靠的研发应用
产业界全面践行负责任的人工智能实践，将安全治理要求贯穿模型测试评估全流程。行业发起人工智能安全基准测试行动，从内容安全、数据安全和科技伦理等维度开展全面测试；头部企业针对人工智能能力阈值设置评估方案，降低前沿人工智能风险隐患；各国政府与产业界推出标准化人工智能测试工具包与保障沙盒，促进人工智能安全评估流程化、体系化。
围绕模型全生命周期，产业界构建了全流程技术防线。模型研发阶段，围绕数据治理与模型安全对齐等关键环节发力，加强数据来源筛选、清洗与标注，识别剔除有害内容，通过安全对齐训练与微调，以低成本实现模型高质量安全输出；模型部署阶段，开展部署框架安全测试，研发基础设施安全评估工具，构建实时拦截动态风险的安全护栏，形成全维度防护体系；应用运营阶段，构建精细化权限管理体系，精准划定模型访问与数据使用边界，搭建常态化、智能化的监测预警平台，实时捕获模型运行异常与安全事件，确保模型在真实场景下的合规可控。
针对人工智能滥用误用问题，产业界形成了完善的防护举措。产业界构建了水印溯源、鉴伪识别的完整防护体系，平衡内容创新与风险防控：模型端通过嵌入隐式水印，实现人工智能生成内容的溯源追踪，精准定位滥用行为主体；平台端通过显式水印提示内容属性，降低虚假内容误导风险；技术端通过深度伪造检测技术，破解内容真实性伪装，从多维度验证内容可信度，全方位防范人工智能生成内容滥用风险。
五、国际合作：开放包容与普惠共赢
2025 年，人工智能国际合作加快推动包容普惠发展，国际公共产品释放全球化发展红利，“人工智能应该是造福全人类的国际公共产品” 成为全球共识。全球人工智能呈现多元竞合与深度协同态势，国际合作增量扩面提质，总体走向更加开放包容。
（一）国际合作增量扩面提质，总体走向更加开放包容
国际多边合作持续深化，人工智能成为各多边机制核心议题。联合国、金砖、东盟、上合、G20 等 12 个全球重点多边机制，均将人工智能作为重点议题，发布领导人宣言或联合声明等合作共识。中国人工智能企业出海进程持续加快，截至 2024 年 10 月，中国 918 家 AI 企业中已有 203 家企业开启 “出海”，出海率超 22%，其中 76% 企业集中在应用层。
全球创新资源从总体分散趋向部分共享，形成 “有限共享、区块协同” 的发展格局。开源发展路径呈现多极化特征，但技术路线相互交融，各国在维护技术主权的同时，深度融入全球开源生态；数据协同在主权保护前提下寻求价值共享，各国以 “数据不出境” 为前提推进合作，通过多语言语料库建设、“模型对话” 合作机制等方式，实现知识共享与价值释放；全球算力协作受地缘政治影响呈区域化发展态势，中国持续完善国内算力布局，同时向东南亚、中东等新兴市场延伸服务，全球算力协作呈现区块化协同特征。
跨境产业协作从产品贸易走向产业链深度协同，合作模式实现根本性升级。全球产业协作正从传统单一产品贸易，加速向以全链条协同、分布式制造、系统化解决方案输出为核心的新范式转型。工业企业构建跨境分布式智能制造协同网络，从单一设备出口转向 “国内总部平台 + 海外制造节点” 的分布式制造模式；智能农机企业走向跨境全场景一体化解决方案输出，产品与服务已覆盖全球 120 余个国家；无人配送、自动驾驶等无人服务技术，加速从实验场景走向跨境规模化商用。
全球治理体系从单边主导走向多元共治，包容性治理成为核心趋势。治理模式从单边碎片化立法，加速走向多边协商包容性治理，多边协商已成为平衡主权诉求与全球协同的必然路径；技术标准从壁垒割裂，逐步走向互认兼容，在技术接口、测试方法等非敏感领域易达成广泛共识，数据隐私、算法伦理等领域呈现多元标准共存局势；治理机制从区域化探索，迈向多层次全球化实践，联合国等国际组织搭建了全球治理对话机制，为各国在分歧中寻找合作提供了现实路径。
（二）“开源生态 + 本地化拓展” 构建国际公共产品，加快普惠全球市场
全球人工智能发展鸿沟日益显现，技术资源集中于少数国家，多数发展中国家难以享受技术红利，亟需通过国际公共产品助力全球普惠共赢。“开源生态 + 本地化拓展” 模式，成为推动人工智能作为国际公共产品普惠全球的核心路径。
建设全球开源开放生态，促进群智创新与技术普惠。在金砖国家、上合组织等多边框架下建设人工智能开源合作中心，推广《国际人工智能开源合作倡议》，支持算力、数据、算法等跨国开放共享；推动关键资源普惠供给，支持发展中国家通过开源社区获取高质量 AI 模型、工具链及算力资源，引导跨国企业参与共建公共数据集和低代码开发平台，降低技术应用门槛，弥合全球数字鸿沟。
依据全球产业链分工与各国优势特色，深入推进本地化拓展。构建基于比较优势的产业链协同机制，梳理各国在算法、芯片、数据与场景等环节的差异化优势，形成互补共赢的分工体系；建立 “技术 - 市场” 双轮驱动体系，在技术输入国建立联合创新中心，推动先进 AI 技术与本地产业需求深度融合，重点支持多语言模型研发适配；完善跨国企业本地化保障机制，制定差异化投资与技术合作指南，配套专项基金支持本土人才培训、供应链培育和技术转移，帮助发展中国家形成可持续的自我发展能力。
构建兼顾主权安全与高效配置的数据治理机制，推动全球数据价值共享。推行数据分类分级管理，根据敏感度划分数据等级，实施差异化流动策略；推进区域内可信数据流动圈建设，在金砖、中国 - 东盟等互信较高的区域探索共同标准，签订数据流动协定，建立跨国白名单机制；推动形成全球数据流动认证标准，依托联合国、WTO 等平台制定普遍认可的数据跨境流动互认机制，推动各国监管机构实现合规互认。
推动建立多层次跨境规则互认框架，营造便利化的全球发展环境。优先在 RCEP、金砖等区域机制内开展 AI 产品互认试点，形成 “一次认证、多国通行” 的便利化模式；联合 ISO 等国际标准化组织，制定人工智能 ESG 评估国际指南，建立兼顾发达国家与发展中国家实际的评估指标体系；建设跨境合规公共服务平台，整合各国人工智能监管政策、认证流程等信息，为企业提供多语言合规指导，重点支持中小企业获取跨境合规咨询与技术支持。
六、发展展望
面向未来，人工智能创新将锚定通用智能方向持续突破，基础理论的深化、基础设施的完善、安全体系的构建与全球格局的演进，将形成合力推动产业生态协同跃升，人工智能将从工具赋能走向系统重构，不仅带来生产效率的飞跃，更将塑造人类与 AI 以新型信任与协同关系为核心的智能世界新形态。
技术创新层面，迈向通用人工智能的道路，可能会经历若干不确定的 “奇点”。大模型方面，基础架构、训练方法与运行机制将持续突破，朝着优化推理效率、降低内容幻觉生成率、增强真实场景表现的方向发展；世界模型作为 AI 系统理解、推理并预测物理世界的 “内部模拟器”，被视为通向通用人工智能的核心路径之一，未来泛化能力强、物理一致性高、可解释性强的 “通用世界模型”，将成为学界与业界共同努力的目标；具身智能方面，未来将以突破物理图灵测试为目标，实现生物级感觉运动能力，在复杂动态的环境中展现出更高的灵活性和适应性。
智算基础设施方面，智算生态将加速走向开放协同。以开源开放为特征的新型智算生态正在加速形成，从单点、局部开源开放逐步扩展至软硬全栈开源开放，开放智算生态的影响力将进一步扩展深化。不同技术环节的开源成果有望实现更深层次的对接协同，形成自驱生长的飞轮效应，为全球人工智能创新发展注入持续活力。
安全治理方面，人工智能安全将从理论探索全面转向实践落地。未来人工智能安全治理的核心目标，是保证 AI 系统在潜在安全风险环境中的安全运作，需要构建完善的人工智能风险识别防护体系，全面洞察安全风险，动态防范安全隐患。在风险识别方面，将搭建理论支撑的安全风险框架，设计基于内部机理透视的测试方案，配套全模态的安全测试工具；在风险应对方面，将建立动态安全观，探索体系化的主动安全防护方案，同时守住物理层面的安全底线，防范模型失控行为。
总体而言，未来人工智能将从工具赋能走向系统重构，带来更广泛的产业转型升级与经济社会变革，人类与 AI 将以新型的信任与协同关系，共同塑造智能世界的新形态，人工智能的普惠价值将进一步释放，成为推动全球经济社会发展的重要力量。
