2025人工智能产业30条判断：轰然成势 万象归一

2025人工智能产业30条判断2025.12.3轰然成势万象归一01

定义：默认式AI(Default

AI)判断：人工智能产业30条判断此刻：轰然成势，万象归一过去一年：

AI发生了什么反思：智能的诅咒Part

One

过去

一年

：AI

发生了什么?PartTwo

此

刻：轰然成势，

万象归一轰然成势万象归

一“轰然成势”,是能量的临界；“万象归一

”,

是秩序的自觉。oDartThree定

义

：默认式AI(DefaultAI)无需用户主动选择或感知，默认存在、默认开启的人工智能形态。默认式AI(DefaultAI)数据来源：甲子光年智库，2025年12月；默认即智能智能成为常态，

AI

走向日用而不觉超过一半的成年人，在过去六个月中使用过人工智能近五分之一的成年人每天

都依赖人工智能数据来源：Menlo

Ventures,

甲子光年智库，2025年12月；关闭才是例外不用才是例外不会才是例外默认式AI特征默认式AI特征系统绑定System-integratedAI不以独立应用的形式存在，而是嵌入操作系统、

平台或设备的基础层。用户不再“决定是否使用AT”,而是在日常操作中自动与AI

交互：AI的参与被隐形化和底层化，用户甚至不察觉AI在起作用。数据来源：甲了光年智库，2025年12月；选择性TI-oplional低感知InvisibleAI

社会化三阶段工具式AI→伴随式AI→默认式AI伴随式AIAssistiveAI默认式AIDefaultAI工具式AIToolAI具有工具属性的AI

具有辅助特征的AI

以默认存在为特征的AI数据来源：甲子光年智库，2025年12月；“AI

就在那儿”“AI

在帮我”“我在用AI”Part

For

2025年全球人工智能发展趋势30条判断技术趋势Anthropic0wen

Instruct

2BGPT-4o(May'24)Gemini1.5Pro(May'24)Claude3OpusGemim

170DHaClaude

2.at

14BDeepSeek-V2-Ch2024年4月18日2023年10月1日eepSeekGPT5Codex(high)

GeminiProPreview(high)ClaudeOpus

4.5(Reasoning)Kimi

K2

Thinking

t

pSs

e

IY3DDeepSeek

V3.1(RQwen3235B

A22B2507

InstructR10528(May'25)DeepSeek-V2.5(Dec24)Gemini2.0

Flash

(experimental)2026年6月27日

“智能基线”的提升：仍是AI本质驱动力，

AI

正在九个维度变得更强“更强仍在发生”:

AI

智能基线持续进步，2025年竞争更加激烈前沿语言模型智能随时间推移不断进步，且竞争更加激烈“更强仍是基础”:智能基线提升的“九维能力体系”OECD

AI能力指标语言能力(language)问题解决能力(problemsolving)元认知与批判性思维(metacognition

and

critical

thinking)视觉能力(vision)机器人智能(robotic

intelligence)社会互动能力(social

interaction)创造力(creativity)知识、学习与记忆能力

操作能力(knowledge,learning

and(manipulation)memory)403020GPT-3

Turbo10ClaudeInstant2022年8月27日

2023年3月15日GPLlama2Chat

7BPALM-2数据来源：OECD,ArtificialAnalysis,甲

子

光

年

智

库

，

2

0

2

5

年

1

2

月

；ArtificialAnalysisIntelligenceIndexv3.0MoonshotAIQwen3235B

A22B

2507(IDeepSeekV3.1

Terminus

(Reas⑨OpenAIMiniMax

BeyondTransformer:

“架构级”探索仍在继续，但仍未撼动Transformer地位Transformer

本身在持续进化，非Transformer

架构也在同步发展

岩芯数智：用自研Yan

架构替代Transformer

架构ROCKAI岩芯数智RockAI为非Tran自主架构大模型，且在PC端上布

国2025年7月发布全有原生记忆力的大

模型Yan2.0

Preview。Lin新型RNN

新型CNNRWKV

xLSTM

Mamba

RetNe

Hyena

Hierarchy计算复杂度~O(n²)LFM主要Transformer

架构模型(部分)GPT-5.1、Llama4

、Qwen3、DeepSeekV3.2

、GLM4.6Transformer路径改进非TransformerHybrid

架构发展计

)度~n杂数据来源：岩芯数智，量子位，甲子光年智库，2025年12月；AI普惠：追求智能效率AT进击：追求智能上限Beyo

TransfoYan架构o

mer架构架构探索rme1

智能与智能体互相锻造：智能赋予行动以可能，行动回馈智能以演化智能与智能体：在递归循环中互相锻造

协作缩放定律：多智能体通过特定结构协作，其集体智慧会超越个体性能总和多智能体协作网络(MACNET)

在不同拓扑下多智能体协作的扩展性能牒

留

酸

智能体(Agent)数据来源：清华大学，北京邮电大学，甲子光年智库，2025年12月；2°2¹2²23Scale(规模)

Scale(规模)Scale(规模Random

(随机状)Scale

(规模)scale

见Chain(链状)Star

(星状)任务

解决方案智能(Intelligence)行动回馈雪能以演化Layered(分层状)Tree(

树

状

)Mesh(网状)超

智能体与世界模型“同源同宗

”:当智能体足够强，世界模型就出来了0.175

y=√

0.16/(N-4.

79)0.1500.125愈0.1000.0750.0500.025-

2

75

100

125

1508

=0.04)0.175

-y-0.01(0.3206865+1.12)0.1500.125盒0

.

1000.750.0500.025

-0.030

0.035

0.040(8(N=50))世界模型的平均误差伴随智能体学习推广到更高深度的目标而减少通用代理需要世界模型智能体-环境系统数据来源：

DeepMind,甲了光年智库，2025年12月；0.050

0.0550.045过去几年，业界在追求“更长的上下文窗口”2023-2025年主流大模型上下文窗口演变趋势(单位：千tokens)100001000

1000

104932

128

200GPT4

GPT-40

Claude3.5

GLM-4Long

GPT-5.1

Claude

Gemini

3.0

Grok

4Sonnet

Sonnet4.5ProFastPreview2023年

2024年

2025年AI

记忆“三难”:准确-实时-经济实时忆难

”经济AI

记忆解法的三个“反直觉”分层过滤

异

步不按人工规则切段，让主题自己“长出来”

,

效果更好05

AI

记忆突破：从“能记住”到“会回忆、敢遗忘”记忆功能模块对话记忆

长期记忆

时间环境判断己忆时间感基座模型语义锚点标注

记忆动态维护红熊

AI科学”平台，在原有记忆体系上动态新增

非冗余存储与图结构优化，达到97%的多模态记忆精准采集，92%的记忆机制模型预测准确率。红

熊AI:

破解遗忘难题，让机器人学会人类记忆数据来源：浙江大学，子非AI,红熊AI,甲子光年智库，2025年12月；压缩掉50%的

信息，准确率

不降反升延迟更新比

实时更新更

准确，更快准

确Llama4Scout06下半场开启：“AI

胜负手”从“训练更强”走向“定义更好”AI下半场：评估体系与真实效用为王重构评估体系打破“自动化评估”、聚焦真实效用开发面向真实效用

的新型评估体系，

用通用配方解决问

题，或为配方添加

新成分，循环迭代核心转变：从“解决问题”到“定义问题”不再只问“能否训练模型解决X”,而是追问“该让AI解决什么?如何衡量实质进步?”技能要求

研究者与从业者需转向产品经理视角，关注真将AI智能转化为实用产品，实现从“技术突破”到“社会价值”的跨越通用配方三要素强

化

算法、环境、先学习

验知识·

海量语言预训练·

数据/算力规模·

推理与行动机制“强化学习+通用配方”推动泛化能力大幅提升各类基准都在被快速突破一

自然给言维理二

网士级科学问题人类基准线2012

2013

2014

201520162017

2018

2019

20202021202220232024“定义更好”:放大器，决定AI

价值上限AI

上半场：

关键突破：“强化学习+通用配方”

成型，大模型与训练方法主导

幅推动泛化能力与基准攻克“训练更强”:基础，决定AI

能力下限数据来源：Stanford

HAI,姚顺雨，甲子光年智库，2025年12月；“独立同分布

评估”等传统设置能力重心终极目标实场景需求与效用落地效用多任务语言理解907大模型开启“性价比”叙事：

从“堆规模”到“挤水分”,“每单位智能成本”成为赛道新基准价格(美元/百万tokens)1000.1时间0.012021年7月23日名称

deepseekDeepSeek-OCR

智谱

·AI

GlyphGLM-4.6Dynamic-LaVAZ1-7BDeepConf星

云

大

模

型训练计算成本(万美元，按2023年的美元计算)50000GPT-4.5Grok3□Llama

3.1405B

Mama4ehemoth(preiew)5000Gemini

1.0ultraCud

iSsont

GoaeMistal

Large

Nemotron43405Inflection²5DeepSeek-V3500具体成本效益情况oken

压缩7-20倍token

压缩30%+,

Coding

API价格是Claude

的1/计算消耗减少50%-75%token

压缩28%计算消耗减少84.7%计算消耗减少50%推理成本：迅速下降，且下降在加速

方法的改进推动性价比之路继续，“成本效益革命”正在多点开花训练成本：

DeepSeek

打破了“砸钱堆料”的路径依赖，行业开始两极分化2

0

2

3

年

1

0

月

1日

2

0

2

4

年

1

月

9日

2

0

2

4

年

4

月

1

8日

2

0

2

4

年

7

月

2

7日

2

0

2

4

年

1

1

月

4日

2

0

2

5

年

2

月

1

2日

2

0

2

5

年

5

月

2

3日

2

0

2

5

年

8

月

3

1日数

据

来

源

：Epoch

AI,Artificial

Analysis,

甲子光年智库，2025年12月；价格下降速度中等：每其他基准测试与性能水平ZTE

中兴通

测试DeepSeek-RI(MMLU)

中运2022年8月27日2025年5月23日2023年3月15日2023年10月1日2024年11月4日2022年2月8日在博士级智谱-AI时间非GPU

相比GPU

的三大优势(TPU

、RPU

、LPU……)推理速度能耗

算力成本2-3倍

30%-50%

40%-90%推理速度性能提升

能耗大幅度降低

算力成本下降显著非GPU

迎来爆发期，预计到2029年市场份额将占半壁江山2025H1-2029

年中国加速计算服务器市场份额北京构建自主可控的AI“芯片矩阵”,四家明星企业中三家都是非GPU30%非GPU

加速计算服务器市场占比公司清微智能寒武纪昆仑芯摩尔线程核心技术路线可重构计算专用集成电路自研异构架构GPU融资阶段C轮已上市D轮已上市清微智能清微智能是国内研发“非GPU”

新型架构AI芯片的代表企业。

其研发的可重构AI芯片在保留

GPU

通用性的同时，通过算子

的动态重构，趋近TPU

等专用

AI

芯片的能效优势，也被称为

“通用型TPU”。2025H1

2029E0Q

算力迭代：非GPU

技术推动AI芯片架构革命非

GPU

成

为AI

芯片新宠，

TPU

和可重构即将迎来拐点数据来源：

Google,SambaNova,Groq,IDC,

新华社，清微智能，甲子光年智库，2025年12月；TPogle2015-2016年能

效

→Google

TPU时间重构09

AI打破“分科”壁垒：从

“Science+AI”走向

“AI+Science”,AI

在跨领域寻找答案蛋白质：65.2BRNA:27.5BDNA:19.8B本：14.4B中NatureLMNatureLM

展现出“规模法则”NatureLM

的缩放效应：22个不同领域任务中，有18个任务随着模型规模增大，性能都有所提升科研范式逻辑转变：从

“Science+AI”走向

“AI+Science”AI+ScienceScience+AI微软研究院NatureLM:一个跨学科科学大模型数据来源：微软，甲子光年智库，2025年12月；围应用跨领域：12.7教据DNA合物从拼接方案走向“原生统一”,是走向AGI的必由之路

“拼接多模态”与“原生多模态”

大型多模态推理模型的路线图

2025业界进展：原生成为“默认配置”典型架构对比10

原生多模态：以语言为核心的长推理系统2思考与规划2025年6月Gemini2.5Pro数据来源：华泰研究，哈尔滨工业大学，甲子光年智库，2025年12月；2025年11月文心大模型5.0Gemini

3.0

Pro2025年11月2025年9月Qwen3-omni2025年8月智谱GLM-4.5V智源悟界

·Emu3.52025年10月以语言为核心的短推理系统1推理阶跃星辰Step

32025年7月紫东太初4.020

25年9月非原生多模态原生多模态迈向原生多模

态推理模型感知驱动的推理Audio具身智能大模型：架构并未收敛，

虽然端到端VLA

火爆，但尚未形成具身版本的“Transformer”VLA

模型开发速度显著加快端到端VLA:最符合第一性原理的解题思路每年新增VLA模型数量一

个端到端VLA框架代表6821现状仍为多主线并行：端到端VLA+

分层+世界模型2022

2023

2024数据来源：哈利法大学，加泰罗尼亚理工大学，甲子光年智库，2025年12月；端到端VLA

技术路线ψ

只

切

能

智元机器人GΛLBOT

TPhysical

Intelligence世界模型技术路线具身智能不同技术路线代表性企业UNITREE智元机器人A!WorldLabs2025产品趋势

AI即系统：AI正在“操作系统化”,成为第一调度实体成长值以AI为中心的全新OS,意味着全新的智能OS

架构生产经营全链条智能化，组织形态重塑用户无须意识到AT的存在默认式AI(DefaultAT)Windows

、macOSAndroid

、ioSAIOSPC

PC、

手机

PC

、手机、可穿戴、XR、脑机接口

……科技推出企”的转变

业数据建模与洞察能力浩鲸科技

on

Cloud的或功能调周度与

能力，以决策、流程、知识、记忆PC

时代移动时代

智能体时代AI

逐渐操作系统化，驱动AI

组织进化AI

社会化演进的三个阶段操作系统硬件形态交互方式信息内容二维信息三维信息

多维信息(文本、图像、音频)

(文本、图像、音频、视频)(虚拟现实、XR、意图、力感……)系统层融合AI,AI

能力下

沉，启动OS

智能化改造多岗位数字员工协实现整体应用层集成AI,单

点特性的智能增强核心岗位单点突破，

验证业务价值鲸智百应：企业AI

操作系统插件五大引擎构建智能

底

座

驱，动

I

变为组织“原生能力数据来源：浩鲸科技，华为，清华大学，甲子光年智库，2025年12月；操作界面交互、自然语言交互、代理结果交互、物理AI

交

互

…

…OS

的演进路径及其特征用户接受协助伴随式AI(AssistiveAI)用户主动调用工具式AI(ToolAI)AI操作系统化AI组织

进化键

盘、

鼠

标

、平面图形界面键盘、鼠标、点触交互“无头商业”崛起：AI

正在成为所有软件的默认能力以前

现在%

人了

SaaS系统从完整套件向API

或微服务转变2

AI

用“逻辑拼接”的方式调用和编排这些能力3

单体系统解耦为功能集群Agent-to-Agent:无头商业崛起，竞争逻辑改变未来AI与AI

之间的交互(A2A)将超过人与AI的交互(H2A)功能解耦：Sa

aS

退居幕后，从完整套件向API/

微服务转变API

调用增长趋势82%的组织采用了某种程度的API

优先方法

82%赢家策略·

开放API

,融入智能体生态·

成为AI时代的基础设施·

案例：Salesforce早期布局API

与AI助手主语让渡：AI

是中枢，SaaS

变组件·依赖复杂页面操作和封闭功能套件●被AI绕过，逐渐边缘化·无法适应新竞争逻辑数据来源：Postman,陈天AI实战笔记，甲子光年智库，2025年12月；输家特征竞争逻辑转变趋势封闭系统微服务集群单体系统开放生态Do为主

——以界面操作为主，偶尔唤起AI快捷指令Do+Chat

均衡自然语言和界面操作均衡配合使用多模态联动交互一

Chat为主以自然语言为主，几乎没有界面操作助手式

网页式100%对话0%结果50%对话50%结果75%结果25%对话VR

AR脑机接口914AI交互的静默革命：从“聊天框”到“无形代理”,界面逐渐消失从“操作界面”到“聊天框”

从“聊天框”到“无形代理”

物

理AI

交互：AR

、VR

、

脑机接口等新兴技术彻底改写人机交互操作界面

自

然

语

言

代理结果

物理AI交互

交互

交互

交互数据来源：Ant

Design

X,AI

Design

iLab,

甲子光年智库，2025年12月；AI

交互方式变革的四个阶段从操作界面交互走向物理AI交互交互方式时

间Agent泛化方式：改造“车”来适应所有“路”强化学习的进展，显著提高了泛化能力，使“改车不改路”成为可能强化学习的进展推动泛化能力升级“新路无穷”:环境千差万别、实时迭代，倒逼Agent

泛化能力与鲁棒性目前几乎所有专门测“泛化”的基准，

都直接把“改车不改路”写进任务设计智能体能力评估·规划与多步推理·

函数调用与工具使用·

自我反思

·

记忆特定应用智能体评估·

网络智能体·软件工程智能体·

科学智能体·对话智能体>RLHF从反馈到偏好(FromFeedbacktoPreferences)>AlphaZero从规则到策略(FromRules

to

Strategies)数据来源：OSWorld,

耶路撒冷希伯来大学，IBM,耶鲁大学，甲子光年智库，2025年12月；智能体评估框架·

开发框架·

类Gym

环境6

策

略

泛

化名感知泛化行为泛化>

从

像

素

到

动

作(FromPixelsto

Actions)通用智能体评估>DQN15

“AI

就绪型数据”:决定企业智能化上限的不再是模型，而是数据底座AI就绪型数据Gartner预测，到2026年，缺乏AI就绪型数据支撑的AI项目将有0

%

被

放

弃

。善思开悟SENSEARRAY善思开悟以善思开悟(雅安)超级计算机集群为数据服务提供强大算力基座，秉持“高精度、高效率、低成本”为核心价值，提供从数据清洗、标注到模型训练反馈的全流程服务，拥有应对各种突发需求的网络资源，同时严格保障数据安全合规，致力为各行业客户提供高质量、就绪型数据支撑。当前已在低空、金

融、医疗及测绘等领域落地项目，数据交付满意度100%。79%

53%

m正在执行正式的数据战略，以指导IT

基础设施投资“AI

就绪型数据”是企业级AI

应用的核心保障2025年中国数据、分析和人工智能技术成熟度曲线“数据优先策略”在AI

时代无比重要根据调研，全球的数据和AT领导者(物体检测、语义分割等)实体识别等)视频标注(行为识别、运动追踪等)·开发半自动/全自动标注平台

捉供标注质量检测工具·

标注流程管理系统善思开悟：为企业提供AIGC

数据服务，打造AI就绪型数据底座标注质控及数据资产管理盖预黄协以运出保障数张保用性·

整合、分类数据，实现高效调用与管理，助力数据价值提升37%数据清洗与处理·

数据去重·

数据增强·

数据标准化数据来源：善思开悟，Digital

Realty,Gartner,甲子光年智库，2025年12月；84%数据标注服务

智能标注工具开发时间5~10年

●

10年以上将数据优先策略与A1路线图结合Data&AI

数据基础设施：一体化架构成为大型企业拥抱AI的关键投入各行业应用智

能

应

用

层代码助手智能服务运营智能助手知识库智能体市场智能工厂智能检索数字人安全运营层用户支持特行

大语言模型智能体开发工厂多模态模型行业模型数据处理和数据工程

数据标注

高质量数据集

元数据管理数据治理数据管理层

向量数据库

数据湖

湖仓

体

MPP数据库数据质量入计算存储资源热报合●

数据应用○

人工智能Next数据基础设施智能分析/数据治理大

数

据

/

数

据

平台

大A一智能体分布式数据库&数据湖深度学习机器学习1990年以前

1990年2000年

2010年

2020年Data&AI

数据基础设施的定义Data&AI

数据基础设施是为支撑人工智能规模化落地而构建的一体化基础软件平台，核心目标是打通数据存储、治理、计算与AI

模型开发的全链路，实现“Data

for

Al”和

“Al

for

Data”的双向赋能，融合开发Data

工程和AI

工

程。其本质是传统大数据平台的升级形态，通过AI原生架构重构数据处理范式，满足企业智能化转型的底层需求。Data&AI

数据基础设施概念详解数据管理方面，实现多模态数据融合处理资源接入方面，实现动态异构智能调度练数非结构化数据进行实时提取、治理与标注，生成高质量训客金衔幕方票运维现高可用性、安全·

利用机器学习算法进行数据分类分级、标注、校验、异常检测等开发(Data&AI

工程)方面，实现AT模型训练、推理·基于融合数据，模型训推一体化，降低推理延迟·

面向应用需求，对各类模型进行运营管理数智融合成为时代特征，推动IT

范式跃迁数据应用与人工智能关系发展·

保障业务连续性和数据安全智能应用方面，实现一体化闭环落地·在追求性能的同时有效控制综合成本

·低代码开发：允许企业开发者灵活调用数据与AI工具链(如标注、训练-

智体市场:场景化智能体交付科杰科技是Data&AI

数据基础设施的领军者，搭建了资源接入层、数据管理层、Data&AI

工程化层、智能应用层、安全运营层的“4+1架构”:向下优化算力与数据源、向上适配终端场景模型调优与规模化Agent开发，是这一范式的领先实践。Data&Al

数据基础设施的“4+1架构”数据来源：科杰科技，甲子光年智库，2025年12月；数据挖掘

数据仓库四

0DEAI

编程：正在写代码，却还不会构建软件AI出码率快速上升

AI

编程的局限：AI

代码幻觉率高，开发人员对AI

代码缺乏信心交付代码的幻宽率76.4%8.0%的开发人员经常遇到幻觉，且对AI代码缺乏信心11.8%

3.8%难以写出有效的提示词无法准确评估代码质量容易忽视边界情况和安全隐患缺乏架构设计能力可能导致技术债务积累能写出高质量的提示词能准确评估A1生成的代码能处理边界情况和复杂问题能设计合理的软件架构能确保代码安全性和质量V

老

手

+AI经验丰富的开发者能最大化AI

价

值“老手+AI”的组合能比“新手+AI”

产生更大价值新

手

+AI缺乏经验的开发者面临更多挑战82%的开发人员AI

编程工具，其中，59.8%的人每天都使用AI编程工具AI

采纳行数commit

的代码总行数数据来源：Qodo(n=609),ByteSauna,Can

Elma,

甲子光年智库，2025年12月；67%的人表示

AI

生成或影响了他们至少20%的代码库590%的人经堂使用三个或以上的

AI编程工具780%的人表示

AI编程让生产

力有所提高59提算

体代码质量AI出码率67%VS××√√59%()AT919企业级Agent:快速普及，重塑组织运作模式企业Agent

采用比例快速上升

Agent

成为企业数字化平台的中枢大脑，翻转数字化逻辑驾最技书掉1n.运，。度复务面甲技

需要人来决策或确人“找”数字化流程

AIAgent

数字化流程“找”人AI原生思维重构工作逻辑AIAgent成为企业数字化平台的中枢大脑，灵活链接前后作业链路，粘合企业多种能力，每个企业都可打造

自己的数字化新范式供应端(交易)品牌端(交易+运营)平台端(后台管理)

渠道端/终端(交易)

用户端(交互)企业数字化平台千丁数科：AI

智能体平台解决方案数据来源：KPMG,

千丁数科，甲子光年智库，2025年12月；现在部署了一些代理的企业占比AI

Agent将模式转为“流程找人”AAgent数科2025Q22025Q32025Q1从AI

Rea42%33%11%20

消费级Agent:通用人工智能助手仍占主导地位AI

使用场景非常分散，没有主导性任务

AI

更像“强者的放大器”日常生活中人们使用AI的10种最常见方式10

16%规

弋

膳

食15

0%管理开

理

笔

建

图

像

研究健康问题按就业状态的AI

使用情况按收入的AI

使用情况AI

用户75%70%52%51%45%

43%就业者

学生家庭

退

休

者

失

业

者

其

他主妇/夫消费者AI支出：通用AI

助手占据了消费者AI支出的80%

以

上1

2

1

亿

美

元

全球消费者A总支出53%低于5万5万-10万高于10万

美元

美元

美元通用Agent

仍占主导地位美国成年人使用通用AT

助手占比通用AI

助手：支

出

9

8

亿

美

元专

业AI工具：出23亿美元消费级Agent

收入分布很集中33%其他OpenAIGoogle

Meta

Amazon

Apple数据来源：Menlo

Ventures,

甲子光年智库，2025年12月；■AI

每日用

户

85%740%21

AgentInfra:成为智能体时代的操作系统和数字底座维度AI

InfraAgent

Infra提供稳定高效的算力与任务调度支撑可自治、可协作的智能体生态核心目标离散任务持续交互的(开发机、训练、推理)智能会话任务模式贵票态南由Agent自主决策与协作控制逻辑任务性能、资源利用率、算力成本决策链路、行为质量、安全性关键指标INFINIGENCE无

问

芯穹无问芯穹是行业中率先进行Agent

Infra升级的AI基础设施企业。他们系统性地围绕环境、上下文、工具与安全隔离等维度展开Agent

Infra建设，并提出“A2A-—Agent

to

Agent”的

Agentic

Infra基础设施新范式，并期望最终可以实现“以Agents生产Agents”,

推动智能体生态自我进化与持续发展。从AIInfra到AgentInfra当前人工智能基础设施已不能满足智能体建设需求无问芯穹：从Agent

Infra到Agentic

Infra数据来源：无问芯穹，甲子光年智库，2025年12月；产业趋势

大模型商业主战场的分岔：

B

端竞逐“自动化中枢”,

C

端争夺“超级入口”与生态OpenAI90%Anthropic

有90%的收入来自API业务26%269%的收仅巩固消费者市场，Anthropic

在企业级API

市场占主导地位Anthropic

与OpenAI

API收入比较(单位：亿美元)

Anthropic

与OpenAI

API收入增速比较(%)■

AnthropicAPI■OpenAIAPI1409070—

Anthropic

APl同比

增

长

率

—OpenAI

AP同比增长率662%233%133%670%42%43%39.07185.1210C端特征：AI

正在走向“超级入口时代”,而不是“百App

时代”ChatGPT

非工作相关消息增长更快

接近60%的原生App

已陷入负增长，新App

独立做大变得愈发艰难■非工作消息占比■工作消息占比原生APP77%的商业使用涉及自动化使用模式77%重新设计工作流程是成功的关键因素在部署AI时已从根本上重塑了工作流的企业占比B端特征：自动化占主导，重新设计工作流程是关键73%顶级AI模型走向分化：

GPTtoC,ClaudetoB高绩效者样本量n=109;

其他群体样本量n=16442024年6月数据来源：

BarclaysResearch,TheInformation,

麦肯锡

，OpenAI,Anthropic,QuestMobile,甲子光年智库，2025年12月；其他所有受访者

20%—

2.8×—2024

2025E

2026E2027E20242025E2026E2027E■正增长APP占比■负增长APP占比自动化占主导AI

高绩效者自API业务2025年6月80%30AI价值度量衡变化：“算得过来的ROI”

改变AI软件商业模式正向的ROI

AI商业模式的理想方向：按席位收费

→按用量收费

→按结果收费■

中度正ROI

(可衡量但收益有限)

■中

性ROI(成本与收益大致平衡)■

太早判断/仍处于试点阶段Tier3企业(年收入5000万-2.5亿美元)Tier2企业(年收入2.5亿-20亿美元)数据来源：宾夕法尼亚大学沃顿商学院，

GBK

Collective,麦肯锡，甲子光年智库，2025年12月；2025年不同类型软件厂商主流订阅定价模式(%)■固定费率/平台费占比■按用户收费占比780%56%44%22%AI原生厂商

传

统

厂

商定价计量：

AI

服务商正在采用不同的用量定价指标

确定最佳用量定价模型是AI时代的关键决策AI+SaaS

用量定价模式类型及最佳适用场景(示意图)四分之三的企业表达他们对AI

投入的“ROI”为

正定价模型：软件公司越来越多地摒弃基于用户数量的订阅费模式41%固定费用按用户收费(含容量上限)、企业级访问(无用户数量限制)、按坐席收费MicrosoftCopilot:

每月按用户收费成功成果费、按产生的收入避的Zendesk:

按AI智能体的成动

用量量收费务orcee:扌AI智能体的对

话量收费68%示例指标案例■

显著正ROI

(明确收益)■

负ROI

(未达预期价值)Microsoftrity

Copilot:量的安全计r1

企业(年收入20亿美元以传统厂商整体(Total)ATI24

AI

云

：Agent

驱动的数算模用全栈布局新范式人工智能与云计算技术发展演进趋势分析

北电数智：

Agent

驱动的数算模用全栈布局新范式AI的三个阶段应用伴

随

式AI(AssistiveAD)工具式AI(Tool

AI)Al云数算模用一体化云原生容器及编排、微服务、服务网格、无服务器虚拟化虚拟化及虚拟化管理模型压缩技术数据智能知识工程

弹

性

数

据

库算力运营智能算力调度

弹性计算与能耗优化

多云与边缘计算计算基础与有储来构回产芯片与只构计身高性能网络与效据中心基届及指追定性保胜耗优化与可竹供系力

A

算安全与合云计算的三个阶段数据来源：北电数智，甲子光年智库，2025年12月；北电数智围绕“国产芯片商用难、数据价值释放难、大模型落地难”三大产业难题，构建了Agent驱动的数算模用全栈布局新范式和系列产品矩阵，为产业提供生产力引擎与共性技术服务平台，目前已在政务效率提升、医疗精准服务、工业智能升级等领域打造出一批服务国计民生的标杆案例。宝塔

·模型适配平台红湖·

可信数据服务星火·AI算力平台用好模型用好数据做好运营管好算力建好算力认知核心智能体智能锻造工厂智能模型构建协

同

智

能

流

体

引

擎

智能神经链接平台be&做好赋能垂模矩阵&行业解决方案默认式AI(Defaut

AI算力工程具身智能：初步进入产业化阶段，物理AI走向应用拐点物理AI

市场规模快速放大

物理AI

核心卡点：高质量、规模化、可泛化的训练数据成为关键瓶颈各类具身智能数据生产方式及特征具身数据瓶颈特

设没备成床钙备

设揉高，场员限制多

成

本低效黎据

缺失特性受备腰未中等人力成本高、场限制中等橙设备成本中等人力成本中等，场量限制少特仙设备成本中等、人力成本中等、场景限制无证许身皮本启，场旧肺无虚文迁核遍沟(5mzRel

gap)四

?

。2024-2034年全球物理AI市场规模(单位：亿美元)679.1508.7381.12024

2025E2026E2027E2028E2029E2030E2031E2032E2033E2034E数据来源

Cervicorn

Consulting,深圳市人工智能与机器人研究院，穆罕默德本

·扎耶德人工智能大学，它石智航，甲子光年智库，2025年12月，它石智航发布全球首个可规模化真实具身多模态数据集WIYH2025年10月10日，它石智航发布全球首个大规模真实世界具身VLTA

(Vision-Language-作场景和工作人员，采集覆盖酒店洗衣、超市装配、物流作业等多种具身场景人类标准操

作流程数据，让数据“来自真实世界”。285.5213.91602真

实世界数据合

成

数

据仿真数据当前具身智能数据生产碎片化且不可持续互联网数据数据通用性数据

质量67412037.850.589.9工业AI:推动工业效率与人力价值的双重提升YumiAlAgentCollaborationSystem自研大模型改进流程优化与控制提高质量创造持续的竞争优势

21%提升资产可靠性

19%加快产品上市速度14%提升客户体验

11%Q贵公司投资变革性M4.0技术的最重要原因是什么?

(n=171)

捷配，甲子光年智库，2025年12月；降本增效品质改进自动化内部绩效指标仪表系统生产计划车间物联网分析机器人的端到端硬件创新平台。

YumiAI通过多Agent集群协作网络，打造了一个“设计即可制造”的智能设计引擎，构建了AI

PCB设计研发新范式。用户通过自然语言

,即可生成可售卖、可制造、可交付、成本优化的全套设计方案。AI

在制造运营中的角色流程改进

54%预防性/预测性维护50%49%41%40%32%24%制造企业部署AT的

驱

动

因

素降低成本并提高运营效率YumiAI:AI

原生的端到端硬件创新平台队

YumiAIAI

正在给制造业“减重”Q.在您的制造运营中，AI的主要应用领域有哪些?

(n=171)增强运营可见性和响应能力数据来源：

NIST,MLC,社会趋势2015-2022年初级与资深岗位同步增长，

2022年中期开始出现显著分化平均在职人数(相对2015年1月，

%

增

长

)

0GPT数

据

来

源

：

哈

佛

大

学

，HenleyWing

Chiu,

甲子光年智库，2025年12月；2024

-

2025年全球新职位发布变化(%)-32.70%-29.23%□-28.14%27.89%

□-2760%-25.77%2495%□-24.839%6-24.6706-23.79%1.63%创意经理设计/创意总监

就业影响的分化：AI

重塑劳动力结构，初级员工面临工作危机采

纳AI

后，企业对初级员工大幅缩减招聘创意类岗位大幅减少，但创意总监的职位需求依然在增长企业对高层职位需求强于中层管理者与个人2024-

2025年全球不同层级新职位发布变化(%)8.00%高级领导层(总监、副总裁。高管层)2

0

2

5

年

职

位

发

布

量

相

比2024年同期下计算机图形艺术家合规专员摄影师作家可持续发展专家环境技术员生物信息学家生物统计学家岩土工程师化工操作员企业希望更多人参与决策，更少人负责执行。中层管理者

-5.70%个人贡献者2015m拐点来自资深岗位初级岗位5.79%

企业级Agent

的终极潜力：提升整个组织的“管理科学”管

理AI

转

型商业模式AI转型产品AI转

型ProducttSOPPDCAOKRSOP(Standard

OperatingProcedure)是用于指导员工如何执行

特定的任务或操作的文件PDCA(Plan-Do-Check-Act)

广泛应用于质量管理和持续改进的过程OKR(Objectives

and

Key

Results)是一种设定和跟踪目标及其执行结果的

管理工具和方法AI

将管理科学从“管理人的不确定性”中解放出来

金

蝶

：AI

时代企业的“七个转型”2025年11月，金蝶宣布“金

蝶云”全面升级为“金蝶AI”,同时提出AI时代企业的“七个转型”,涵盖运营、产品、商业模式、生态、组

织、人才与领导力的全方位

重构，体现了AI

时代企业管