2025大模型进化：从认知深化到物理世界

生成式AI的三年狂奔，2025年迎来架构创新的重要节点，三大脉络交织演进，伴随着Scaling Law（规模定律）遇到瓶颈的争议，AI进化进入新的范式。

第一条脉络是认知的深化：从“直觉”走向“逻辑”。2025年一线模型的共识性演进，通过强化学习（RL）配合更长的中间推理，让模型从近似System 1（快思考）的快速模式匹配，逐步过渡到更接近System 2（慢思考）的多步推理。

第二条脉络是维度的突破：从“语言”到“物理空间”。李飞飞强调的“空间智能”（Spatial Intelligence）使AI的演进逻辑从“理解描述世界的符号（语言）”开始进化到“理解世界本身（物理）”。

第三条脉络是效率的重构：从“暴力美学”到“性价比”。在产业落地层面，技术的演进逻辑最终回归极致的算力效能比。为了支撑深度推理和空间理解，模型架构必须变“轻”。

以MoE（混合专家模型）和稀疏注意力（Sparse Attention）为代表的架构革新，成为解决无限上下文（Infinite Context）算力崩塌问题的关键。

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，正是围绕大模型进化的深度、维度、效率三大线索展开。

华中师范大学人工智能教育学部助理教授熊宇轩担任嘉宾主持，三位嘉宾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、首席科学家刘知远、峰瑞资本投资合伙人陈石分别从各自领域解读2025大模型进化的观察。

王仲远指出，大模型的进化正在经历“从Learning from Text到Learning from Video”的质变。视频数据为模型学习物理世界动态规律提供了关键数据来源，是AI“从数字世界迈向物理世界”的关键桥梁。

刘知远提出的“密度法则”（Densing Law）认为，AI的未来在于提升单位参数内的“智能密度”。他预言到2030年，端侧设备或能承载GPT-5级别能力，这是中国AI在算力受限环境下的突围路径。

回归大模型公司落地现实，陈石认为，中美、开源与闭源形成的“双核驱动”格局已定，商业化的“护城河”演变为“算力、能力、生态”的三层金字塔。

以下为圆桌实录，保持原意有删减调整：

01 2025大模型进化的三大关键词

熊宇轩：首先请各位嘉宾用最简单语言总结，2025年让您印象最深刻的模型能力进化关键词、关键技术及大模型产品。

王仲远：我认为2025年大语言模型进入相对成熟阶段，进行效能优化和商业化落地。同时，多模态技术进入突破变革新阶段，人工智能加速从数字世界迈向物理世界。

刘知远：大家看到的是智能体、深度思考及大模型在专科上的增强。关键词应是强化学习。

陈石：我觉得关键词叫“双核驱动”。第一层意思为开源与闭源大模型双核驱动；第二层意思为中国和美国的企业和人才双核驱动。特别是2025年，中国大模型迎来破局之年。

02 Scaling Law见顶了吗？模型迭代的新范式

熊宇轩：OpenAI和Google的SOTA模型竞争激烈，一个趋势是单纯堆算力、堆参数的边际效益递减。

王仲远：Scaling Law是否见顶要分模型类别看。在大语言模型上，因互联网文本数据枯竭，性能提升速度变慢。但多模态上发现新提升点。

刘知远：“密度法则”发现大模型发展规律类似芯片摩尔定律。端云协同也定是未来。

陈石：“护城河”是多元化的三层结构：最底层为算力获取；第二层为模型能力；第三层为生态。

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元年，但用户反馈实战不如预期。请问王院长最卡脖子的技术点是什么？

王仲远：原因有三方面：基础模型能力欠缺；领域数据训练/对齐出现“翘翘板效应”；模型的记忆和遗忘机制存在问题。

刘知远：端侧智能体要具备高“密度”和强能力。端侧与云端智能体区别较大。

陈石：“ToP（To Professional）”市场变现效率最高。ToB是攻坚战；ToC还很遥远；商业模式存在悖论。

04 奔向物理世界，具身智能的挑战

熊宇轩：具身智能是下一波浪潮重要一环。智源发布的具身智能大模型RoboBrain有何作用？

王仲远：“悟界”系列大模型承载智源预判：人工智能从数字世界迈向物理世界。RoboBrain已与30多家机器人企业合作。

刘知远：“大小脑”之分，越靠近行动和感知的越需留在本地。

陈石：“物理智能代表智能跃迁的未来”。软硬件结合是理想模式。