编者按：以定力致远，以重构图新。大象新闻、大象财富联合腾讯新闻、腾讯科技推出 2025 年终策划《定力与重构》，回望 2025、展望 2026，让洞察照见本质，向变革寻求确定。

文｜快思慢想研究院院长 田丰

编辑｜郭晓静 史蓓蓓

诺贝尔经济学奖得主丹尼尔 · 卡尼曼在《思考，快与慢》里曾这样描述人类认知的双重底色：我们的大脑中潜伏着两套系统，系统 1（快思考）是闪电，主导直觉与应激，负责照亮瞬间；而系统 2（慢思考）是北极星，主导逻辑与理性，负责指引方向。

2025 年，我们被卷入 " 系统 1" 的闪电风暴。DeepSeek 以 MTP 与 MoE 架构完成大模型 " 效率革命 "，Gemini 3.0 的原生多模态能力让 AI 拥有理解三维世界的 " 世界模型 "，通用 Agent 让 AI 成为数字劳动力，自动驾驶与人形机器人实现端到端进化 …… 密集的突破让整个 2025 年像一台高速运转的滚筒洗衣机。

信息过载、技术迭代、职业焦虑接踵而至，我们甚至来不及问：这一切将把我们带向何方？

站在 2026 年开年，展望未来五年（2026-2030），我们需要启动 " 系统 2"，在变幻中寻找不变的底层逻辑。

本文将总结人工智能发展的 10 大关键趋势，像观察北极星一样，去观测这场即将重塑世界的深刻变革。

趋势一：人工智能产业变革提速，" 机器人大脑 "3 年内迎来 "DeepSeek 时刻 "

我国战略科学家钱学森在 1984 年提出 " 四种革命理论 "，任何新科技都遵从 " 科学革命 - 技术革命 - 产业革命 - 社会革命 " 四个发展阶段，上游革命积累到一定程度便会促进下游革命的发生，下游革命为上游革命的发展扫除障碍、准备环境条件。

人工智能也不例外，按照 " 智能科学 - 智能技术 - 智能经济 - 智能社会 " 健康有序发展，20 世纪中叶开始的神经网络、自动机、并行计算等科研成果，在 2010 年代孕育出 AlexNet、Transformer、世界模型、通用 GPU 芯片，进而推动智慧城市、视频互联网（直播 & 短视频）、Robotaxi 车队、大语言模型个人助手、AIGC 创作工具等商业模式与经济形态。

之所以国家连续发布《" 数据要素 ×" 三年行动计划（2024 — 2026 年）》、《国务院关于深入实施 " 人工智能 +" 行动的意见》、《国务院办公厅关于加快场景培育和开放推动新场景大规模应用的实施意见》等系列政策，都是为人工智能 + 新质生产力 " 铺路修桥 "，大规模提供产业开放场景、真实训练数据、垂直行业模型在线试点机会。

如果将具身智能机器人放入该变革路径，我们会发现核心技术 " 机器人大脑 " 的变革时刻还未到来，而在未来 3 年将有较大概率研发出适配各种本体的通用机器人操作系统，具有操作复杂任务的灵巧手智能、完成新任务的任务规划智能、长推理与泛化智能、群体协同工作的群体智能框架，从而开启大规模走上工厂岗位，通过大批量生产快速降低成本，提升性价比、自组织性与复杂环境适配性，当触及消费电子与生活服务价格区间时，步入千家万户。

趋势二：智能经济分步落地，分上下半场

基于世界经济论坛、世界银行、高盛、普华永道等经济数据分析，我们认为人工智能分步推动智能经济可持续落地，分为上下两个半场：

1. 上半场：当前如火如荼的 AIGC 只是 " 开胃菜 "，创造了全球 1% 左右的 GDP，而 3 年后 AI 效率工具将带来 2%~3.5% 的 GDP 产值 ( 5.2 万亿美元），而 AI 变革的 " 中场 " 是 2030 年（十五五末）实现全球 14% 的 GDP 规模（15.7 万亿美元），这才是 " 人工智能 + 新质生产力 " 的价值体现。

2. 下半场：伴随机器人大脑与产品的规模化推广，2035 年智能体与机器人经济将创造出 45% 的全球 GDP 产值（80.4 万亿美元），随后持续增长；2040 年，全球经济 GDP 的 80% 都由 ASI 超级机器智能带来。

所以，世界上最大的两个经济体（美国和中国）都在不遗余力地兴建新型能源网络、AI 基础设施，大规模投入 AI 理论、模型框架的基础研发，同时加速科研成果的产业转化，人类经济跃迁往往来自重大科技变革。

趋势三：市场竞争从基础模型比拼，向模型开发平台、AI 入口迁移

中国市场上人工智能研发型创企与互联网巨头的竞争，围绕 " 入口 -MaaS- 基础模型 - 算力 " 四大战役展开：

1. 算力竞赛：底层国产 GPU 设计、晶圆生产以领先性能、国产化率、供给速度为目标。

2. 基础模型竞赛：" 开源战略 " 浮出水面，以通义千问、DeepSeek 为领军代表的基础模型迅速缩短与国际最高水平的差距，又向全产业链、全球开发者开源，逐步构建起人工智能时代的 " 中国安卓 "AIOS 开发者生态圈。

3. 开发平台竞赛：工欲善其事，必先利其器，公有云厂商为千行百业开发者提供了模型即服务（Model as a Service，简称 MaaS）平台，堪称 "Agent 孵化器 "，让开发者更便捷地选择不同基础模型，缩短 Agent 开发周期，并能快速调用字节系、阿里系、华为系、腾讯系、百度系的各种 Agent 接口，打破曾经的 APP 壁垒，针对用户场景需求，形成更多 AI 生产力工具、组合式创新产品。

4. 入口竞赛：互联网时代流量就是生命线，人工智能时代巨头们都在焦虑 " 入口切变 "，从爆款 APP 转移到跨应用的个人智能体助手，" 新入口 " 不仅能查询信息、梳理知识、推理结论，还能自动化执行复杂任务，比如出行差旅安排、比价交易等，综合服务型智能体从 " 只动脑子 " 向 " 动脑又动手 " 升级，阿里 " 千问 "、字节 " 豆包 "、腾讯 " 元宝 " 成为头部玩家，甚至出现软硬一体字节 AI 手机的交互入口尝试。

" 创新就像在黑暗中摸索，你不知道哪一步会踩空，可要是不敢迈脚，那就永远找不到新的路。"（《创新者的窘境》）

有时候，成功恰恰是失败之母，" 明日之星 " 往往在巨头忽视的赛道上狂奔，大公司并没有无限的生命力，却有成功路径的依赖与上一代爆款产品的思维惯性。

从国际 AI 模型竞赛来看，美国虽然以超过中国 10 倍的 AI 投资暂时领先，但差距正在迅速缩小，2023 年以前存在 " 代差 "，而 2024-2025 年，模型性能的差距已经从两位数缩小到近乎持平（斯坦福李飞飞团队《2025 年人工智能指数报告》），2026 年我们有希望见证中国新发布的 AI 模型反超美国顶流 AI 模型的壮举。

趋势四：AI 生成视频、AI 编程工具已成规模化商业模式

华为发布的《智能世界 2035》报告中提出了 " 算力成本奇点 " 原则：当 AI 应用价值 10 倍于算力成本（Tokens 成本）时，AI 产业将迎来爆发性增长。因此，实现 AI 普惠的核心关键在于持续降低算力成本。

该图片疑似 AI 生成

AI 视频生成、AI 辅助编程已成为智能商业应用的两大 " 火车头 "，前者代表人类的 " 情绪价值 " 需求，后者代表人类的 " 效率优先 " 需求。据《十五五视频行业发展研究与产业战略规划分析预测报告》，截至 2025 年 9 月底，AI 在视频领域的渗透率已突破 63%。且全球 2025 年 AIGV 市场规模较 2024 年增长翻倍，全球 TOP10 文生视频模型中，除 Google Veo、OpenAI Sora2 外均由中国企业主导，快手可灵的 2025 年度营收已突破 1 亿美元。

行业数据显示，AI 驱动的视频营销项目平均投资回报率达到 1:5.7，AI 视频广告、AI 漫剧、AI 网剧成为传统视频平台（优爱腾）、网剧平台（红果等）的热门生产模式，高端制作团队采用 " 虚拟拍摄 +AIGV" 模式，小型制作团队采用纯 AIGV 方式生产短视频商业作品，预计 2026 年，AIGV 网剧单集视频制作成本将逼近人工拍摄的 1/10。

IDC 数据显示，2025 年中国 AI 编程工具市场规模达 24.5 亿元，年增速 187.3%（比 AIGV 更快），字节跳动 Trae 以 41.2% 份额领跑。据 QYResearch 预测，到 2028 年，中国 AI 编程工具市场规模将达到 98.3 亿元人民币，年复合增长率 41.3%。在 940 万中国程序员中，已有 29.8%（280 万人）成为善于使用 AI 开发工具的人机协作型开发者。

人类开发者承担软件架构设计等高阶思考工作，而 AI 代码工具负责繁重的编程任务，正在逐步变为行业趋势。从 2025 年到 2045 年，当全球人口从 82.3 亿人发展到 96.8 亿人，AI 生产工具赋能的 " 全民创造生产力 " 或成为人类文明新一轮文艺复兴与工业革命的序章。

趋势五：AI 硬件核心变革发生在 " 交互 " 与 " 控制 "

从 2025 年 ~2030 年，伴随 DeepSeek、通义千问等开源模型、多模态模型能力不断进步，大多数消费级硬件的 AI 含量持续提升，直到达到 100%（ARK Invest 报告）。而消费级 AI 硬件的核心变革按重要性依次是 " 交互体验 "、" 芯片性能 "、" 应用丰富性 "、" 隐私保护 "。

另外，多模态主动感知、空间决策智能体、个人 AI 家庭助手、听觉智能、意图计算、AI 预干预服务、蜂群智能设备网、隐私安全可信终端、环境自适应 AI 设备，将可能成为该领域在 2026 年创新研发方向。

针对中国国内统一大市场，国务院《关于深入实施 " 人工智能 +" 行动的意见》中设定清晰目标，从 2027 年到 2030 年，新一代智能终端应用普及率从 70% 提升到 90% 以上，智能网联汽车、人工智能手机和电脑、智能机器人、智能家居、智能穿戴等新一代智能终端将实现 " 万物智联 "，在软件、信息、金融、商务、法律、交通、物流、商贸等城乡全场景领域加速落地普惠智能。

2026 年，我国产业场景中将涌现出 L3 智能驾驶汽车、跨应用手机智能体、无屏可穿戴终端、智能环境自动控制助手、初代工业智能机器人、机器狗 / 无人机多用途 " 蜂群 " 等新物种，令人眼前一亮。正如钱学森所说，控制决定价值，而非计算。

趋势六：数据决定模型能力边界，AI 从 " 参数竞争 " 到 " 数据竞争 "

2026 年，数据决定模型的能力边界。如采用相同的基础数据集，全球各大 AI 实验室训练出来的 SOTA 模型能力没有本质区别。而特色数据往往能大显神通，例如 Anthropic 的 Claude 模型，在 AI Coding 上优势较大，而谷歌的 Gemini 和 OpenAI GPT 系列模型则在钻研数学，从而让 AI 赢得 IMO 奥林匹克数据竞赛和博士级科学题目。

当今大模型研发正在从 " 卷参数 " 迁移到 " 卷数据 "。

第一，GenAI 阶段，来自互联网的语料数据从 0.1 亿 Token 飙升到 100 万亿 token，训练数据规模超过了 100PB；

第二，智能体阶段，企业产出的场景知识数据成为核心，企业级数据管线驱动模型自我更新进化，跨任务、跨工作流、跨智能体的共享技能、共享经验成为优势，个性化终身记忆数据从 10GB/s 提速到 1TB/s，企业为智能体提供数百 PB 级的持久记忆能力，且智能体需要每月有能力上的明显提升；

第三，具身智能阶段，数据成为物理世界与数字世界的生存纽带，具身机器人必须通过实时数据流能够分钟级自适应、自学习、自优化，实时感知、反馈纠错、循环往复。华为预测，到 2035 年，全球存储容量需求将比 2025 年增长 500 倍，AI 数据占比超过 70%，数据成为每个企业乃至整个社会的 " 智能发动机 "。

趋势七：MaaS 平台孵化应用，" 零边际成本 " 打造智能体互联网

互联网巨头的万亿美元平台市值来自于梅特卡夫定律—— " 网络的价值随其用户数量的平方增长。" 过去十年是连接智能手机的 APP 移动互联网，未来十年是连接具身智能终端的智能体互联网。而智能体应用生态爆发的 " 土壤 " 则是来自云端的 Model as a Service 模型即服务平台，MaaS 通过 API 提供对基础模型或定制化 AI 模型的访问，使开发者和企业能够在无需管理底层基础设施或从头训练模型的情况下，构建、微调、部署和管理 AI 应用，把模型能力标准化，让企业不必再投入千万级成本去训练模型，也不需要团队去维护推理集群、处理加速卡调度、版本迭代、对齐、评估等复杂工程，一言以蔽之，AI 创新应用开发门槛大幅降低。

以前开发网站或 APP 若想缩短研发周期，就复用开源程序、企业内部共享模块，现在要想敏捷开发智能体、优化垂类模型，则采用模型插件与数据资产库、应用开发工具集，事半功倍。

目前全球头部的 MaaS 平台包括 Google Vertex AI、AWS Bedrock、微软 Azure AI、字节火山引擎、阿里云百炼、腾讯云 TI-Matrix、华为云 ModelArts Studio 等，为广大 AI 应用开发者提供丰富的对话助手、智能体调用、多模态、代码框架、基础模型、AI 安全防护资源支持。

《巴伦周刊》甚至将目前的 MaaS 类比为 "2012 年的云计算时刻 "，即当下 MaaS 垂类市场正站在爆发前夜，下一代智能体互联网巨头将是最懂智能体软硬件开发的平台服务商，能够将模型、系统、工程融为一体，竭尽全力帮助开发者以最快速度、最低门槛、最丰富资源把 " 算力换智能 "。

而 MaaS 商业模式，天然具有云服务 " 零边际成本 " 特征，用固定成本取代边际成本，支持的 AI 应用开发者越多分摊成本越低、价值越大，规模化增长的智能体网络同样具有十分可观的梅特卡夫定律价值，AI 时代的万亿美元俱乐部成员就 " 隐藏 " 在其中。

趋势八：后摩尔定律时代的中国 AI 算力变革

华为在《智能世界 2035》报告中预测—— 2035 年全社会的算力需求将达到惊人的 1027FLOPS，跟 2025 年相比，增长 10 万倍。面对如此挑战性的算力增长目标，指引通信产业技术发展的香农定律（1948 年克劳德 · 香农提出）在逐步放缓，牵引芯片指数级发展的摩尔定律（1965 年戈登 · 摩尔提出）的年增速也从 50% 降低到 5% 以下，同时产业界发现冯 • 诺依曼经典架构带来的存算分离 " 能效瓶颈 " 成为阻碍，我们又站到了人类科技创新的新起点上。我国基础研发必须在材料器件、工程工艺、计算架构、计算范式 4 类核心领域取得颠覆性技术突破，才能换道超车，引领 " 后摩尔时代 " 的算力革命。

高效处理连续变量的模拟计算、高并行性能的光计算、低功耗高质量思考的类脑计算、擅长超复杂问题的量子计算等新型范式，都将在 AI 训练、科学计算、密码破解等专用场景中实现计算能效的指数级突破，国产计算架构与国产芯片将重新定义 AI 算力的新边界。

趋势九：AI 智商将在更多领域超越 99% 的人类，对人机协同就业影响深远

全球人类智商的统计平均值是 100，据 TrackingAI 分析，2024 年所有 AI 模型都未达到智商 100，处于人类平均水平以下，而 2025 年新发布的模型大部分处于人类智商 100-140 之间，2026 年，领先企业的 AI 模型将会超过智商 140，也就是超过了 99.8% 的人类。

斯坦福李飞飞教授研究团队也在《2025 年人工智能指数报告》中获得相关结论，2025 年，AI 大模型在博士水平科学问题分析、竞赛级数学、多任务语言理解超越人类水平，而早在 2024 年大模型就已经在图像分类、中等阅读理解、英语语言理解、视觉推理领域超越人类。所以，我们与其焦虑为什么追赶不上 AI 智商发展，不如思考如何在工作、生活场景中用好比自己更聪明的 AI 好帮手。

趋势十：Scaling Law 驱动 AI" 从猿到人 " 进化

生物界不同物种的智力与大脑突触数量呈正相关性，2010-2030 年人工智能模型参数量的发展也出现了指数级增长的 "Scaling Law"，展现出惊人的智能提升速度。

● 2012 年，AlexNet 神经网络具有千万参数量，相当于果蝇的 107 脑突触数量级；

● 2018 年，OpenAI 研发的 GPT 初代模型拥有亿级参数量，与蜜蜂的 108 脑突触数量级接近；

● 2019 年，GPT-2 模型拥有十亿级参数量，与麻雀的 109 脑突触数量级一致；

● 2020 年，GPT-3 模型具有千亿级参数量，相当于小老鼠的 1011 脑突触数量级；

● 2023 年，GPT-4 模型横空出世，拥有万亿级参数量，与猫咪、猴子的 1012 神经元数量级类似；

● 2025 年，GPT-5 模型逼近十万亿参数量，2026 年的 GPT-6 及后续模型也在朝着百万亿参数量探索，犹如 " 从猿到人 " 的智力进化之路。

人类拥有 1014-15 脑突触数量，AI 模型在复杂规模上逼近人类，而且从 " 网络拓扑效率 " 和 " 动态可塑性 " 都在持续提升，人脑神经元连接的丰富性、高效性都在指引模型的发展方向。

后记：瞭望 " 中国智能经济 2030"

在工业时代，机器是人类体力与操作技能的物化生产力工具；在 AI 时代，模型是人类集体认知、语言与部分思维过程的超级工具，依赖充沛的能源、算力运转的机器智力数十万倍规模化放大人类智力。

马克思在《资本论》中认为：" 各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。" 智能产业中，算法与算力组成的高并发 " 超级智能 " 大幅度代替人类昂贵低速的脑力耗费，AI 通过吞噬人类数千年和今天每分每秒的多模态知识，以数据化融合的人类集体经验（大模型）取代个人经验。

按照马克思理论，谁占有生产资料，谁支配生产过程，谁赢得生产成果。或许西方极少数精英主导的智能经济无法避免，而在东方，像水电煤一样的 AI 基础设施普惠全民，大众劳动者群体广泛参与共创的社会化新质生产力将成为主流，人人都能为 AI 生产力分享知识，人人也能依赖全人类的 AI 知识包括创造新的价值，从而获得基本收入。

《三国志》有云：" 能用众力，则无敌于天下矣；能用众智，则无畏于圣人矣。" 人民群众中蕴含着丰富的智慧和无限的创造力，东方 AI 从群众中来，到群众中去，百年大变局中，人民是创造历史的动力。