2025图解AI50个关键词

从教育辅导到科研创新，AIAI每日速递，一份高度凝练的日报产品，帮助读者用3-5分钟快速掌握AI领域当日十大关键进展，在信息过载的时代，为学习与研究“标注”出最有价值的高质量数据；AI每周50关键词，作为周报产品，基于AI速递内容构建。通过梳理一周热点关键词并制作可交互索引，为研究者提供便捷的“检索增强”工具，助力快速定位所需信息；这些产品的运营过程，恰如大语言模型的迭代优化——持续不断地吸收新数据，萃取新知识，产生新洞见。在此基础上，团队还同步开展了AGI专题分析、AGI线上圆桌、AI&Society高端研讨会与AI&Society百人百问等系列研究探讨。基于全年研究积累的三十余万字AI进展数据库，对当前AI发展进行阶段性总结具有重要意义。为了系统呈现发展的关键技术要点和趋势，该报告精选了5视频生成、3D生成、编程助手、Agent、端侧智能、具身智能和基础模型；借鉴大模型的思维特征，创新性点领域，把握未来关键趋势，为各界提供研究与决策参考。腾讯研究院将持续深化AI&Society领域的探索，DiTDiTA:Transformer从文本扩展至其它B:DiT架构带来图像生成质的飞跃:A→下一个字符→下一个像素B→替代：U-Net→MMDiT（SD3、Flux、混元文生图提升：-空间关系理解-复杂提示处理-细节还原能力A+B→C参数规模：800M→涌现能力：-真实度提升-控制力增强-细节完善3.图像领域正在复制语言模型的缩放法则与能力涌3.图像领域正在复制语言模型的缩放法则与能力涌A:图像控制从文本描述走向精确控制B:控制方式呈现多层次演进:A→LoRAB→C→光影：IC-LightA:AI图像处理已突破1KB:高分辨率对图像生成具有重要商业价值C:高分辨率对图像理解同样关键DA∧B→A∧C→医学影像分辨率需求[256-1024]∧模型达到1K→专业应用可行D→∀(高分辨率处理)→∃(架构创新∨性能优化)例:Pixtral12B,Eagle系列针对分辨率优化1K分辨率是AI∧技术突破∧技术突破→AIAIA:生成式AI具有强大的技术能力和流量吸引力B:技术能力需要转化为有效商业闭环C:AI企业被迫进行商业模式转型D:产业整合成为主要出路A∧¬B→C为什么要转型？技术能力≠商业价值流量优势≠(技术优势∧商业化失败)⇒C→DStabilityAI:技术困境→视效领域融合Leonardo.ai:独立运营→平台整合∀(成功转型案例)→∃(产业链整合∨原生技术→工具产品→A:图像理解在医疗领域率先实现商业化B:科技巨头深耕医疗AI研发C:学术界取得突破性进展D:行业权威对医疗AIA→图像理解>图像生成专业应用>B∧C→企业投入:-Med-Gemini系列(2D/3D/基因组)学术突破:-Mirai(预测诊断)-SAT(3D分割)技术突破→临床验证→商业应用∀(成功医疗AI)→∃(专业性∧实用性∧可靠性)D→医疗AI\h本报告来源于三个皮匠报告站（）,由用户Id:107695下载,文档Id:188180,下载日期:2025-01-\h本报告来源于三个皮匠报告站（）,由用户Id:107695下载,文档Id:188180,下载日期:2025-01-A:B:视频生成技术发展出自回归与扩散两大路线C:Sora引领DiT架构成为主流方向D问题难度跃升(视频生成/图像生成≈百倍复杂度：大量连续帧、时技术路线探索(自回归Transformer方案or扩散模型→规模化训练技术突破与统一(B→C→D)A:视频生成模型的核心在于时序特征处理B:DiT架构通过扩散过程处理时序关系D:下一帧预测是视频连续性的关键保证技术路线分化(扩散模型：噪声迭代→帧序列生成预测→帧序列构建实现机制对比(B∧DiT预测能力连续性保证：时序特征学习+运动规律理解+状态迁人类艺术家与AIA:模型厂商通过工具+社区培育创作生态B:厂商频繁举办各类创作比赛扩大影响C:与艺术家合作已成为行业标配D生态构建路径(A∧打造工具产品→运营社区举办比赛活动→扩大影响艺术家价值链(C→闭环形成(A∧B∧C→工具应用→社区运营→艺术家合作→数据反馈→AIAI以AIA:B:模型能力支持多样化输入（文本、图片、视频）C:配套工具提供细粒度控制选项D:AI交互使用难度差异(A)：文本模型(简单)→视频模型(复能力扩展(A→文生视频→图生视频→首尾帧控制→控制增强(B→精细化控制=运镜控制+运动笔刷+主体选定+...范式升级(C→传统创作工具→AI原生创作平台（多工具集成+工作流通过AIA:视频生成模型正向游戏世界模拟方向发展B:多个研究团队在游戏生成领域取得突破C:游戏引擎本质是一种受限的世界模型D技术演进路径(A→Genie-2概念拓展(B→游戏引擎⇔受限世界模型仍待探索(C→现实世界复杂度指数级增长+数据收集成本激增+A:多实验室主张视频生成模型是实现世界模拟器的可B:当前视频生成模型存在成本高、模态不全、长视频C:游戏生成模型在实时模拟方面取得突破性进展D:游戏引擎可视为特定范围的世界模型现状认知(A∧游戏生成带来希望(C→DIAMOND开放世界实时模拟演进路径(B∧C⇒未来发展)游戏模拟→受限世界模拟→A:各类技术方案快速涌现B:性能与效率大幅提升C:应用场景不断拓展D:A→Tripo2.0:DiT+U-Net:四视图B∧C→∀(形态还原)→∃(速度∧质量∧效率)广泛应用：游戏开发:场景建模-影视制作:特效场景工业设计:产品迭代VR构建:虚拟环境D→数据积累∧模型优化→当前瓶颈:-训练数据稀缺-泛化能力有限未来方向:-GANs数据生成-迁移学习优化A:纹理生成方法多元化B:核心技术不断突破C:AI赋能加速发展D:A→基础方法体 基于模型:细节增强/PBR基于深度学习:GAN/CNNB→关键技 UV展开与优化-PBR材质系统-纹理合成修复C∧D→算法突破→AI赋能→应用拓展AI应用:-自动生成/转换-风格迁移/∀(纹理生成)→∃(自动化∧真实感)A:高斯泼溅是一种实时3D渲染技术B:使用高斯分布描述三维空间点C:具备多项技术优势D:A∧B→技术原理光栅化∧高斯函数描述→精确场景表达属性:位置∧协方差∧颜色∧不透明度C→-实时性能D→∀(高斯泼溅)→∃(效率∧质量∧易用性)传统渲染→高斯分布描述离线处理→实时交互VR/AR→沉浸体验 游戏/动画→视觉质量场景重建→自动化3D3D3DA:3D数据稀缺形成系统性瓶颈B:获取成本与应用规模互相制约C:技术创新寻求突破性解法D:行业需求驱动发展方向A∧B→困境闭环，3D高成本限制应用-小规模制约投入-C→合成数据(Bootstrap3D)-领域适应(Swin3D++)-单图生成(VFusion3D)技术创新→成本下降→规模扩大→D→1.3DAIAI通过3DA:AI改变内容生产范式B:交互模式发生质变C:基础设施智能化升级D:价值体系重构A→生产模式转变:人工创作→AI生成供给特征:内容稀缺→注意力稀缺创作门槛:专业技能→提示工程B→功能→情感→价值，每一维度都需要特定AI一阶交互:功能响应⇒二阶交互:情感链接⇒三阶交互:-场景生成-角色互 -个性适配-情绪共 -协同创作-价值交C∧D→基础设施:智能优化(资源分配)自适应调节(负载均衡)价值重构:内容价值→交互价值→网络价值∀(AI元宇宙发展)→∃(规模化∧个性化)，原有的规模化与个性3D3D借助AI技术赋能的3DA:用户角色边界重构B:创作门槛显著降低C:创作生态持续演进D:平台化趋势凸显A→角色边界模糊化-AI爱好者(技术探索)-设计师(效率提升)-普通用⇔消费者→创作 被动接受→主动参⇔案例:Minecraft/RobloxB→传统工作流→AI应用领域:-游戏设计-工业设计-3DC∧D→工具简化∧社区驱动→AI提供正循环动力：工具降维(技术门槛)→场景扩张(应用范围)→生态融合(平台协同)3DUGC正从专业工具走向社交平台，重构创作生态与价AIA:AI编程工具从代码补全起步B:工具功能扩展至全栈代码生成C:引入跨文件上下文理解能力D:开发者仍需把控代码质量功能演进链(A→代码补全→代码片段生成→完整函数生成→全栈应能力扩展链(B∧应用深化链(B→2.技术演进呈现"深度+广度"双向发展趋2.技术演进呈现"深度+广度"双向发展趋交互式AIA:主流AI平台纷纷推出画布/工坊功能B:画布工坊实现代码执行和协作功能整合C:开发工具正向智能化协作方向演进D功能整合趋势(A∧技术演进路径(B→传统IDE→AI辅助编程→智能协作环境应用模式升级(C→AIAIA:云端沙盒为AI代码生成提供隔离执行环境B:AIAgent需要安全可控的实验场地C安全基础设施(代码隔离执行+资源使用限制+Agent能力构建(A→代码生成验证+环境状态模拟+交互行为测试+错"安全边界+能力构建+自主进化"构成了AI系统迭代A:传统UI是静态预设的界面结构B:AI代码生成能力显著提升C:UI正在向动态适配方向发展D:LLM在UI生成中扮演核心角色技术基础演进(A∧B→静态UI限制→AI代码生成提升→两者交互→促进动态UI实现路径展开(C∧生成式设计+自适应界面→发展趋势形成(B→D→A:强化学习增强了LLM的推理能力B:通过长时间推理可解决困难问题基础能力构建(思维链+强化学习→能力延展(A→增强推理→复杂问题分解、长时深度思考、逐步验证Debug场景应用(B→推理型AIA:AI社会模拟系统由生成式代理、记忆流和反思模块构成B:Agent模型正从通用型向个性化方向发展C:系统开发过程中需要考虑准确性、偏见和伦理问题D:"AgentBanks"正在成为社会科学研究的新型工具技术基础构建(生成式代理∧记忆流∧反思模块→发展方向演进(A→通用模型→真实数据→代理行为塑造简单交互→复杂社会模拟约束与平衡(B→准确性要求⇒行为仿真优化偏见问题⇒隐私保护⇒伦理框架建立应用价值实现(C→AgentBanks构建→社会科学研究工具A:多智能体系统正从对称协作转向非对称协作模式B:专门的编排工具正成为管理复杂协作的关键CD协作模式演进(对称协作→非对称协作（允许对立辩论者-评判者系 •加权投票机技术支撑体系(B∧C)API系统优化方向(C→D)A:Agent技术正在全面进入商业化应用阶段:多样化场景需求推动:技术能力进化(A→基础能力：任务执行→决策制定→协作能力：单体运行→多智能体协同→生态协作专业能力：通用服务→垂直领域→应用场景扩展(B→A:AIAgent正从规则驱动转向学习驱动模式B:自主能力由多个核心组件协同支撑C:多智能体系统(MAS技术范式转变(规则驱动→核心能力构建(A∧决策中 •大规模模推理规 •记忆管工具调 •执行机 •学习系演进路径：A∧B→C（有机融合A:评估指标包含多个维度(准确性、响应时间、可靠性等)B:高级基准测试强调交互性和动态性(τ-bench、C基础评估框架(A)准确性→输出正确 •响应时间→执行效可靠性→一致性表 •完成率→运营效错误率→质量控 •成本效益→经济可行高级评估方法(A→B)评估维度扩展(B→C)用户体验度 •商业价值评 •持续优化能A:AI系统正从固定上下文窗口向多层次记忆架构演进B:检索增强和外部存储成为扩展记忆的主要方案C:动态总结和分层管理是处理长期记忆的关键技术D:系统正在发展出类人的记忆形成与遗忘机制架构创新(A→记忆分层(B→C)智能管理(C→D)A:AgentGym提出智能体自我进化框架B:AgentEvol实现探索-学习双循环机制C:LeanAgent引入数学定理证明的课程学习D:评估体系从结果导向转向过程导向框架构建(A)实践应用(B→C)评估演进(C→D)A:7BBAppleIntelligence实现了3B模型的端侧部署C:Gemma22B将通用端侧模型极限推至2.6BD:小参数量模型可实现与大模型相当的性能初始认知(A)：7B→一次突破(A→ 二次突破(B→ MLXSwiftShieldGemma任务特 •动态适 •量化优 •结构化提A:把7BB:模型发展出现双轨并行趋势：极限压缩与多模态C:不同终端对多模态需求差异显著A→B：以7B向平：扩展多模态（如MiniCPM-V系列最终：两个方向叠加，实现2-3BB+C→差异化发展必然性：手机/PC：文本为主、小任务为主→车载/专业设备：多模态刚需→保持规模+图片、视若性能=效率×则提升效率>单纯压缩规模则提升效率→模态叠加A:大模型发展有两种路线：单一系统（快思考）vs双系B:端侧资源约束要求最优化使用C:Agent是连接模型与应用的关键A+B⇒双系统路线更适合端侧资源有限 •任务复杂 •生态多样B+C⇒双重价值实现生态连接：跨应用协作、UIAIAIA:传统GPU架构面临存储墙瓶颈B:存算一体架构实现突破性提升C:超快推理或将重构AIA→B→英伟达：HBMA+B→C交互更自然：-实时语音对话-A:B:Ferret-UI等实现了智能理解突破CDA→BB→CC+D

UIA:云端模型始终领先端侧一个量级B:用户数据实际大量存储于云端C:端云协同或不是选择，而是必然A→Q1:云端：追求极限能 •端侧：追求效率平Q1→R1:差异将持续存在且加大，不存在端侧"赶超"B→Q2:"纯端侧"假设已被打破；Q2→R2:数据天然呈现混合分布：敏感数据：端侧存 •通用数据：云端存(R1+R2)→Q3:单一架构难以满足需求Q3→R3:协同不是技术选择，而是架构必然能力协同：优势互 •数据协同：动态流A:传统隐私保护依赖物理隔离B:新型隐私方案突破物理限制C:多元化解决方案正共存发展认知转变：A→Q1: •效率受限 •体验割裂Q1→R1:需要新型隐私保护范式技术突破：B→Q2:突破传统边界约束：Q2→R2:形成新的保护模式算力：云端托 •数据：加密流(R1+R2)→Q3:不同场景要求不同；Q3→R3:多元化是必然选择A:B:传统液压技术存在工程局限C:电动化成为新技术路线D:硬件基础设施仍需突破¬(A)→硬件限制>算法限 工程实现>理论突AI能力≠物理实现能力⇒演示性能→实用性能B→C(技术路线转变)案例分析:Atlas:液压→电动Figure02:电动+AI∀(技术突破) -本体控 -灵巧 -触觉传 -表情模仍须提升：基础设施∧控制算法∧应用场景→综机器人核心部件（动力、传感等）A:供应链成熟度制约产业发展B:成本远超预期目标C:中国供应链展现竞争优势D:国内企业推动多样化创新A∧B→产业困境-Atlas(液压):$2M -Optimus(电动):$60Kvs目标$20K原因:零部件定制化需求C→突破路 -宇树G1: -众擎SE01:$20-∀(中国供应链)→∃(成本优势∧D→发展趋 技术创新:-傅利叶:FSA执行器-众擎:谐波力控关节实践验证:技术验证→小规模量产→供应链成熟→规模化A:空间智能是具身智能的关键基础B:3D数据获取是主要瓶颈C:数据与算法双轨并进:空间智能复制A→具身智能需求:-多维感知-空间理解-物理交互B∧C→数据创新:-数字表亲(ACDC)-WonderWorld(FLAGS)技术突破:-ReKep框架-关系关键点约束∀(空间智能)→∃(数据基础∧D→ 经验复制∧维度升级2D图像→3D场景 标注分类→空间关系A:市场需求驱动技术发展B:三类关键价值方向浮现C:实际落地需考虑比较优势D:数据积累是重要目标A→市场优先原则：技术≠市场成功案例佐证 -增程式电动车-苹果终技术创新<市场匹 工程实现<场景价B→-数据反馈:-工厂应用(验证优化)-∀(成功落地)→∃(规模∨数据∨优势)C∧D→验证场景：数据积累（短）→能力提升（中）→规模应A:虚实差距是核心挑战B:环境适应需要进化C:动作规划追求通用D:控制策略要求泛化A→突破方向虚拟环境vs现实环境⇒简单变量vs复杂变量单一任务→通用智能⇒固定场景→B∧C→环境适应:DrEureka:AI生成奖励函数动作规划:-DeepMind:自我进化学习参数穷举→自主学习→通用控制D→HOVER模型:-150万参数-多任务整合-∀(运动控制)→∃(环境适应∧A:Sim2Real是连接虚拟与现实的桥梁B:游戏环境提供理想训练平台C:训练方法需多层次协同D:现实迁移面临系统性挑战A→基础框架仿真训练流程:虚拟环境→策略学习→现实迁移核心机制:强化学习自监督学习B→平台优势:-真实物理引擎-丰富交互机制-自动数技术融合:游戏引擎+AR/VR+强化学习⇒实现训练特性:∀(游戏环境)→∃(可控性∧∧价值实现:-降低训练成本-提供安全环境-加速迭C∧D→技术协同:-虚拟训练(基础)-迁移学习(过渡)-现A:具身智能需要多学科融合B:独立研发效率低下C:当前，两种协作路径并存D:混合模式或成趋势A∧B→跨领域融合:机械工程自动化控制机器学习认协作动力:技术复杂性∧资源互补性→C→⇔深度整合、安全开源社区:-LeRobot(共创工具包)⇔D→∀(协作平台)→∃(技术共享∨演进方向:单一模式→混合模 竞争关系→互补共A:预训练模式将遇瓶颈B:数据增长速度受限:传统D:新技术路径亟需探索A∧B→发展困境Ilya观点:-数据如化石燃料-互联网数据有限-算力∀(规模扩张)→∃(数据限制∧C→模式匹配→推理能 -直觉模仿→自主思D→Agent自主性-合成数据生成-将AIA:多模态视觉交互能力上线B:实时互动体验显著提升C:人格化特征逐步完善D:A∧B→功能突破能力拓展:-视频通话理解-屏幕内容共享-实时教学创新方向:单一模态→多维交 被动响应→主动引∀(交互升级)→∃(多模态∧实时性)C→D→市场竞争技术跟进<创新引领 功能对标<场景创新A:AI进入通用智能新阶段B:规模定律遇到数据瓶颈C:强化学习成为新范式DA→必要因素:-互联网数据积累-算力突破-Transformer∀(因素缺失)→¬数据规模∧算力限制→B∧C→数据瓶颈:-优质数据耗尽-专业数据不足强化学习突破:-自我对弈-思维链生成-推理时间延长突破路径:被动学习→主动思考 即时响应→延时推理D→算力转移:训练端→技术能力→产品能 通用助理→超级应A:B:合成数据的研究方法不断发展（如英伟达、WorldLabs等）C:合成数据的评估是自循环的关键A→数据量→数据质量→质量提升的两难:结构化程度↑真实性B→--生态属性:-知识重组-自我优化结构化∧语义化∧模块化→范式转变:合成数据是知识创造过程，而非简单的数据C→合成范式:单向生成→对抗验证→系统共生→自最终目标：数据工具→知识系统 规模扩张→质量MoEMoEA:MoE由专家模型与门控网络组成B:架构具有稀疏性与扩展性特征C:支持多任务学习与知识共享D:在多领域展现应用价值A→基础架构∀(M