2025大模型进化论：深度、维度、效率三重变革引领智能新纪元

历经三年狂飙，生成式AI在2025年正式迈入架构创新的爆发期。三条演进脉络相互交织，在规模定律触及瓶颈的争议声中，重新书写着人工智能进化的底层逻辑。

第一条脉络是认知的质变：从“直觉反射”走向“逻辑推理”。2025年主流模型的共识进化路径，是通过强化学习与长链条推理的结合，让AI从System 1式的快速模式匹配，跃迁至System 2式的深度演绎思考。

第二条是维度的跃升：从“符号语言”走向“物理空间”。 李飞飞所倡导的空间智能，标志着AI的进化逻辑正在发生根本转向——不再是理解描述世界的文字，而是理解世界本身的三维动态结构。

第三条是效率的再造：从“算力堆砌”走向“效能优先”。产业落地的残酷现实，迫使技术演进从追求暴力美学转向极致的算力效能比。为了承载深度推理与空间感知，模型架构必须瘦身，MoE与稀疏注意力成为解决无限上下文算力灾难的核心钥匙。

2025年12月，在腾讯科技HiTechDay上，以《模型再进化：2025，智能重新定义世界》为主题的圆桌论坛，正是沿着深度、维度、效率这三条线索，展开了一场关于大模型进化的全景式对话。

华中师范大学人工智能教育学部助理教授熊宇轩担任主持，北京智源人工智能研究院院长王仲远、面壁智能联合创始人兼首席科学家刘知远、峰瑞资本投资合伙人陈石从科研、产业与资本三个切面，分享了他们对2025年大模型格局变迁的深度洞察。

王仲远认为，大模型的进化正在经历从“文本学习”到“视频学习”的范式切换。视频数据中隐藏着海量的时空结构与因果链条，是模型理解物理世界动态规律的最佳燃料，也是当前规模化门槛最低的多模态数据源。视频正在成为AI从数字世界跨入物理世界的战略桥梁，并为具身智能的爆发储备世界模型的训练基座。

刘知远提出的“密度法则”预言，如同芯片摩尔定律，大模型的未来在于持续提升单位参数的“智能压缩率”。他判断，2030年端侧芯片足以承载GPT-5级别的能力，云侧负责战略规划、端侧负责战术执行的格局将成为常态，这也是中国AI在算力封锁下实现非对称突围的核心技术路径。

陈石观察到，中美、开源与闭源构成的双核驱动格局已尘埃落定，大模型公司的护城河从单一维度升级为“算力、能力、生态”的三层金字塔。在ToB与ToC的缝隙中，服务专业用户的ToP模式将成为最先跑通商业闭环的破局点。

对于创业者，陈石给出的建议是：机会不在通用层，而在大模型难以触及的行业深水区；更重要的是，要搭建一个能够穿越模型迭代周期的商业结构。

以下为圆桌实录，经删减调整，不改变原意：

01 2025年大模型进化的三大关键词

熊宇轩：首先请各位嘉宾用最凝练的语言，定义2025年最触动你们的模型能力进化关键词、核心技术及代表性产品。

王仲远：我认为2025年是语言模型走向成熟商用、多模态模型开启范式革命的分水岭。AI正在从数字世界的符号处理，加速向物理世界的感知与交互迁移。

刘知远：大家直观感受到的是智能体、深度推理以及模型在数学、编程等专科领域的突破，而驱动这一切的幕后引擎是强化学习。

陈石：我看到的另一个关键词是“双核驱动”。第一层是开源与闭源模型的并行进化，第二层是中美两国在人才、资本与技术路线上的竞合。2025年，中国大模型真正迎来了破局时刻。

02 Scaling Law见顶了吗？模型迭代的新范式

熊宇轩：近期OpenAI与Google的SOTA模型缠斗加剧，一个显著的信号是：单纯扩大参数与算力的边际收益正在收窄。

第一个问题请教王院长，您认为2025年Scaling Law是否已触及天花板？如果参数不再是黄金标尺，智源在训练范式上找到了哪些新红利？

王仲远：Scaling Law是否失效，需要分赛道讨论。在纯语言模型上，互联网文本数据接近枯竭，提升速度确实放缓。但多模态赛道恰恰相反，以Gemini 3 Pro和智源悟界·Emu3.5为代表，视频数据正在打开全新的缩放空间。视频数据的规模是文本数据的数百甚至数千倍，且远未被有效利用。我认为，从文本学习到视频学习的跃迁，是下一代大模型最大的机会窗。

熊宇轩：下一个问题给刘教授，面壁一直主张以“能力密度”作为模型进化的核心标尺。传统观念里小模型等于低智商，但MiniCPM系列却屡次完成越级挑战。您判断小模型智能密度的物理上限在哪里？云端规划、端侧执行的终局格局是否会如期到来？

刘知远：物理上限当然存在，但“密度法则”揭示了一个类似摩尔定律的持续进化规律：每100天，我们就能把同等智能压缩进更小的参数空间。这一进程依赖架构、算法与数据的协同创新。从动态视角看，密度会不断刷新上限。至于端云协同，并非二选一，而是分工。我们不需要每个终端都住着一个AI杨振宁，但云端储备专家级智能，端侧负责实时、个性、隐私的服务交付，是必然趋势。

熊宇轩：下一个问题请问陈总，在2025年的投资视角下，大模型公司的“护城河”是否已重新定义？过去算力、数据是硬通货，如今能力、应用、生态是否取而代之？

陈石：大模型是典型的赢家通吃赛道，最终存活者寥寥。护城河早已不是单层结构，而是三层金字塔：塔基是算力的获取、调度与利用效率；塔身是模型能力，必须持续维持SOTA水准，否则必然边缘化；塔尖是生态，包含应用触达、合作伙伴网络、数据飞轮。算力是入场券，能力是生死线，生态是终局。

03 从玩具到工具：智能体的商业化瓶颈

熊宇轩：2025年被称为智能体商业化的元年，但用户普遍反馈演示惊艳、落地骨感。请问王院长，智能体从玩具进化为工具，最核心的技术堵点是什么？

王仲远：我认为是三重短板。第一，基座模型的推理能力仍不牢靠，尤其是多步逻辑闭合能力。第二，领域适配时的跷跷板效应：增强行业能力往往以牺牲通用能力为代价。第三，记忆与遗忘机制不成熟，人类学会开车不会忘记炒菜，但模型缺乏这种稳定的认知结构。

熊宇轩：下一个问题请教刘教授，面壁在端侧智能体领域布局较深。您认为端侧与云端智能体的本质差异是什么？如何破解端侧算力有限与智能体既要响应快、又要思考深之间的矛盾？

刘知远：端侧是智能体落地的最短路径。具身机器人、智能汽车、PC、手机，终端是距离用户最近、最能满足隐私与实时性要求的环境。挑战在于算力天花板，这倒逼我们通过密度法则将更强智能压缩进更小引擎。端侧智能体必须对全模态数据高度敏感，具备深度个性化服务能力，并能生成精准的动作指令。这与主要活跃在数字世界的云端智能体有本质区别。

熊宇轩：陈总，您判断2025年真正具备商业化兑现能力的Agent长什么模样？是B端替代初级员工的效率工具，还是C端的虚拟伴侣？

陈石：去年我提出一个观点：在ToB与ToC之间，存在一个高价值夹层——ToP，面向专业型用户。中美AI行业目前变现效率最高的正是ToP，无论是AI编程工具，还是创作者经济中的付费生产力套件。ChatGPT周活虽高，绝大多数是免费浏览用户，真正买单的是专业人士。关于未来演进，我有三点判断：1. ToB是持久战，目前落地最好的只有嵌入特定流程的审查、客服类Agent，全面爆发尚早。2. ToC还很远，一是能力不足，体验未超越移动App；二是载体缺失，新硬件红利未至。3. 商业模式存在根本悖论：互联网的广告模式在AI时代算不过来账——云端Token成本远高于广告ECPM收益。ToC仍需漫长迭代。

04 奔向物理世界，具身智能的挑战

熊宇轩：具身智能被公认为下一波浪潮的核心阵地。第一个问题给王院长，智源今年发布的具身智能大模型RoboBrain，对产业落地产生了哪些实质推动？

王仲远：具身智能尚处寒武纪早期，需要长期耐心。智源的布局基于一个预判：AI正从数字世界走向物理世界。我们发布的悟界系列，核心是世界模型与具身大脑。Emu3.5的目标是预测下一个时空状态，而非单纯生成视频；RoboBrain则聚焦感知、规划、决策的闭环，用大脑模型监督小脑执行，极大提升了泛化性。目前RoboBrain已与国内30余家机器人企业展开适配落地。

熊宇轩：请问刘教授，机器人对实时响应有苛刻要求。在您的构想中，未来机器人的“脑容量”应如何分配本地与云端？

刘知远：具身机器人必然分化出大小脑。越接近感知与执行的部分，越必须本地化；需要长程规划、深度思考的认知层，则可以调用云端资源。边界会随软硬件迭代动态漂移。根据主流芯片路线图，保守估计2030年，手机级端侧芯片可承载600亿参数模型。若密度法则持续生效，届时机器人、PC、手机上跑通GPT-5级别的能力并非空想。

熊宇轩：最后问陈总，站在2025年的十字路口，如果您手握巨额资金，会投给专注灵巧手硬件的公司，还是投给攻关通用机器人大脑的软件公司？

陈石：如果必须二选一，我选智能。物理智能是智能跃迁的下一个形态。但反过来，硬件在中国语境下具备反哺软件的杠杆效应。最理想的标的是软硬一体，如同iOS。我们投资的项目，做硬件的最终都要补软件能力，做软件的也必然涉足硬件定义。

05 开源生态与中国AI的突围之路

熊宇轩：最后请问王院长，智源多年坚持的开源生态，能否成为对抗封闭生态的战略力量？

王仲远：智源的开源精神不是为了对抗谁，而是人工智能过去几十年的高速进化，本质上就是开源开放的成果。从学者第一时间公开论文，到企业基于开源代码二次创新，开源是技术普惠与产业繁荣的土壤。未来几十年，只有坚持开源，才能让AI真正下沉为全社会的基础设施。

熊宇轩：请问刘教授，端侧高效模型是否是中国AI实现弯道超车的决定性机遇？

刘知远：不仅是端侧。密度法则对云侧同样适用。通过技术创新提升模型密度，可以大幅降低云端训练与推理成本。这对算力供应链承压的中国意义重大。过去两年，我们并未因算力卡脖子而掉队，DeepSeek、面壁等团队的实践表明，高效模型技术是中国赢得这场科技竞赛的独特路径。

熊宇轩：最后一个问题给陈总，展望2026年，您能给创业者一句最关键的箴言吗？

陈石：我非常赞同两位老师的判断，开源大模型可能是中国国运级的战略资产。集全国之力支持几个高质量开源基座，在此基础上拼应用、拼生态，是极高杠杆的突围方式。给创业者的建议是两句话：上半句，在大模型难以触及的行业深处寻找切口；下半句，搭建一个能够跨越模型迭代周期的商业结构。翻译成白话就是：别做通用层的事，做一个能充分吸收模型红利、又不被模型淘汰的生意。

熊宇轩：中国AI的突围之路，既需要开源生态的包容与沉淀，也需要端侧创新的精准卡位，更离不开资本与科研的同频共振。希望今天的思维碰撞能为行业提供一点航标，谢谢三位嘉宾，谢谢大家！