[智能应用]这轮人工智能革命，正来到一个关键时刻[1P] [复制链接]

站在2025年的人工智能技术浪潮中回望，我们会发现，真正的创新从来不是实验室里的惊世突破，而是技术与社会需求共振产生的持续波动。
撰文丨艾川
进入2025年，人工智能应用就仿佛按下了加速键。
从DeepSeek把AI的算力消耗成本“打下来”开始，人工智能应用创新就层出不穷。深度学习算法的进步以及硬件成本的下降，甚至还带动了具身智能产业的跨越。
就在刚刚过去的周末，北京拉开了一场人形机器人半程马拉松。尽管机器人的表现并不尽如人意，但这场赛跑本身就已经具有足够的标志性意义——人工智能在多领域的应用，正在不断加速之中。
全世界也都看到了中国市场在人工智能应用上的巨大想象空间。
上周，英伟达创始人黄仁勋再一次来到中国，并对外反复强调了对中国市场的重视。在中美贸易出现剧烈摩擦、芯片半导体又是博弈关键的情况下，黄仁勋的来访也足以证明中国市场的强大吸引力。
人们开始意识到，在由OpenAI带来的从0到1的AI革新之后，“百模大战”的行业内部竞速让人工智能技术完成1到10的积累，由此带来创新扩散，AI来到从10到100的落地应用阶段。而中国市场在大规模应用上的吸引力，暂时还没有任何经济体可以替代。
不夸张地说，产业应用层面的创新，决定了AI产业能发展多快，以及能给世界带来怎样的改变，甚至可能成为直接影响未来科技乃至大国博弈的关键变量。
那么新的问题来了，在10到100的阶段，全球人工智能竞赛下一步会怎么走？01
创新的扩散
“比AI更重要的，是AI的应用。”
时至2025年，相信很多人已经可以深刻体会到穆斯塔法·苏莱曼在《浪潮将至》中的那句判断到底指向的是什么。
人工智能的进化历史，可以说是非常典型的扩散比发明更重要的案例。
人工智能的学术历史可以追溯到上个世纪50年代，但其真正产生广泛的影响力，依然还是来自于近年来它在AI对话、AI搜索、内容生成、自动驾驶等领域的广泛应用。
其实不只是人工智能。回过头来看过去每一轮的技术革命，在最初的颠覆性创新发生之后，真正的加速度和广泛应用，还是发生在场景竞争当中。
从蒸汽机到内燃机再到形成汽车工业，中间经历了漫长的进化。而20世纪福特汽车通过流水线将汽车制造分解为标准工序，最终才让汽车从奢侈品变为大众消费品。
而芯片制造也是经过30年实验室研发后进入消费电子领域才开始逐渐产业化的。20世纪七八十年代开始，随着个人电脑、家用游戏机、移动电话等消费电子产品的大规模应用，芯片技术的产业化迎来了规模化的契机。
一方面市场对芯片的集成度、算力、功耗等多维度的技术极度苛求，另一方面电子产品以及游戏等内容产业对上游的芯片产业也提供了源源不断的市场反哺，支撑起复杂、庞大且昂贵的芯片产业链，驱动着半导体产业的飞速发展，乃至于成为全球科技竞争的核心高地，并点燃了AI革命。
作为上一个全球化时代最重要的贸易产品，芯片的规模化应用，可谓是技术从实验室走向全世界的经典案例。
每一年的科技发明都数不胜数，但只有真正意义上进入到真实生活场景中，成为大众生活的一部分，才能积累出巨大的市场势能，让每个人的需求汇聚成对技术进步的渴望，让上游的技术研发有源源不断的市场投入。
能够解决实际问题的，才会被人称为是“科技革命”。反过来看也是同样的道理，唯有技术与社会需求的深度融合，科技革命才能够在真正意义上创造社会价值。
随着技术的不断扩散，公众对于新技术的认知和接受度也在逐步提高。这一方面得益于教育水平的普遍提升，也有赖于企业在应用创新上的投入。
当然，规模化应用的前提依然是开放。就像安卓系统用开源策略完成对诺基亚的颠覆，这种扩散策略的本质是将技术转化为社会协作的通用语言。这是OpenAI不断被诟病的原因，也是DeepSeek在欧美产生如此强大冲击力的原因——在OpenAI都被嘲讽是CloseAI的情况下，开放式创新居然源自一家中国公司。
埃弗雷特·罗杰斯曾经总结过创新扩散的曲线，他认为，任何创新想要突破“早期采用者”的窄门，必须建立可观察、可操作、可复制的传播链条。
今天的具身智能也同样如此。
在北京亦庄半马的赛道上机器人不断“出丑”之后，很多人嘲讽机器人跑马拉松暴露了机器人产业的阶段，但却忽视其在创新扩散上的积极意义——
当越来越多的人开始理解并愿意尝试新技术时，便为技术的大规模普及创造了条件。反过来，这也激励着更多的创业者投身于技术转化的事业中来，形成了一个良性循环。02
规模的优势
同样还是以上个周末在北京亦庄跑马的机器人为例，相较于波士顿动力等国际厂商专注极限运动表演的技术路线，中国团队更注重商业化应用场景的适配能力，基于大规模应用场景的创新，也意味着拓展了技术成果转化的可能性。
在中国，机器人的应用场景需求正在大幅拓展。今年2月，国际电工委员会（IEC）已经发布了由中国牵头制定的养老机器人国际标准。这也意味着哪怕是在政策上，中国在人工智能应用上已经选择了快跑模式。
其实，随着DeepSeek在全世界引发连锁反应，已经有越来越多的人开始发现，生成式AI从硅谷极客们的游戏真正走向全民超级应用，最大的希望可能还在中国市场。
这当然首先与中国的互联网普及程度有直接关系。第54次《中国互联网络发展状况统计报告》显示，截至2024年6月，我国网民规模近11亿人（10.9967亿人），较2023年12月增长742万人，互联网普及率达78.0%。
如此庞大的用户数量，意味着巨大的需求和交易场景。
此外，被誉为“AI教父”的杰弗里·辛顿在2025年的开年专访中表达了对人工智能发展的深刻见解，并谈及中国在AI领域的发展。他强调，中国的STEM教育比美国更好，拥有更多受过良好教育的人才，这将为AI的发展提供坚实的基础。
庞大的用户基础和海量的工程师红利，意味着人工智能在中国实现爆发的基础条件已经具备。而接下来应用创新将成为关键赛点。
回顾中国互联网产业20余年的历史就会发现，目前第一梯队的几乎所有互联网科技公司，在1-10、10-100阶段上，都具有丰富的经验。Gartner 预测，到2027年，全球50%以上的人口将成为多个超级应用的日活跃用户。
这个过程，具备庞大用户数量的互联网平台，无疑将成为前沿技术和大众的连接器，在技术快速普及和下沉进程中扮演不可或缺的角色。03
拆掉AI的门槛
自2023年ChatGPT打开生成式AI新纪元以来，包括百度、阿里、腾讯、字节跳动等在内的中国互联网科技公司的AI竞速就从未停止。从百模大战到AI搜索入口之争，科技领域出现了久违的活跃。
特别是随着腾讯在2025年以来的一系列加速度就可以看出，AI应用未来必然呈现井喷状态已经成为行业共识。
按照之前《财经》杂志最新报道，腾讯公司正积极推动大型模型应用的发展，并为此向英伟达订购了大量新芯片。由于腾讯订单的需求，英伟达的H20芯片在中国市场上出现了短期供不应求的情况。
芯片仅仅只是腾讯在AI上投入的最基础部分。其大模型上也有很大的技术投入，自研大模型混元正在快速迭代，相继推出深度思考模型T1和自研快思考模型Turbo S。
在体现推理模型基础能力的常见benchmark上，如大语言模型评估增强数据集MMLU-PRO中，混元T1取得87.2分，仅次于o1。在CEval、AIME、Zebra Logic等中英文知识及竞赛级数学、逻辑推理的公开基准测试中，混元T1的成绩也达到业界领先推理模型的水平。
而在应用侧，腾讯的布局也非常快速，其众多数亿用户量的国民级应用，如微信、QQ浏览器、QQ音乐、腾讯文档、腾讯会议、输入法等，纷纷接入最前沿的AI技术，让普通用户也可以快速、低门槛甚至无感地成为AI的使用者。
比如腾讯文档可以直接帮你写周报、做方案，还能根据需求续写扩展或提炼总结。更神奇的是，这些内容还能直接生成PPT和思维导图，描述精准，结构逻辑还清晰，已成为职场打工人的提效帮手。
同时腾讯也推出了ima、元宝这类原生AI产品。以知识库为核心的AI智能工作台ima，可以辅助用户完成日常学习和工作任务，并长期沉淀为个人智能化的知识库。
上线后，ima快速迭代了十几个版本，它不再是普通的笔记工具，更像一个“活的”知识库，你可以往里扔文章、PDF、网页链接，甚至微信群里的文件，它不仅能自动整理，还能在你需要时精准回答你的问题。
而元宝甚至被腾讯送到了田间地头。3月中旬，多地乡村围墙惊现“母猪产后护理难，问腾讯元宝”、“直播带货不会整，问腾讯元宝”等标语。标语的背后代表的是一个一个田间地头的真实需求。
当山里的老农不用再花6小时往返镇上的兽医站，而是3分钟从元宝里获得母猪护理知识时；当村里的土地承包户也能用元宝快速写上一份小额贷款申请，来周转资金时；当乡下的父母劳作一天之后，还能跟元宝闲扯一会儿，排解寂寞时，你会发现，AI技术真的能改变生活了。而这样的AI工具，今天已经通过腾讯的“村级服务平台”连接了全国8万个村庄、1600多万农村用户。
站在2025年的人工智能技术浪潮中回望，我们会发现，真正的创新从来不是实验室里的惊世突破，而是技术与社会需求共振产生的持续波动。
当AI产业实现“技术－场景－商业”闭环及正向循环，当AI产品和服务深度融入国民生活日常时，不仅是商业价值的兑现，更是对AI基础研究和AI基建服务的反向促进，AI的大规模应用将对中国上下游产业带来深远影响，大规模应用又反过来将能够推动算法的不断优化与创新。
随着更多实际问题被解决，数据量呈指数级增长，这也将为机器学习提供更为丰富的“养料”。比如智能语音助手、自动驾驶汽车等产品需要处理海量用户交互数据，从而促使算法在准确性、效率等方面持续进步。这种反馈机制有助于发现现有技术的局限性，激发科研人员探索新的解决方案。
决定技术生死的不是性能参数的巅峰值，而是其融入人类生活方式的契合度，这也会是未来全球博弈中国最大的底牌之一。
在庞大的市场需求下，在众多互联网公司的推动下，AI技术快速下沉、渗透和迭代，从而积累更强大的产业驱动力，或许才是中国科技应对技术封锁的最好答案。

这轮人工智能革命正来到关键时刻
具体体现的方面
技术发展层面
自20世纪50年代人工智能概念提出后，经历了深蓝、阿尔法狗和ChatGPT三次“高光时刻”。2022年OpenAI发布的ChatGPT - 3.5引发全球热议，其背后的生成式人工智能取得了基于Transformer深度学习架构的大型语言模型、预训练学习范式、人类反馈强化学习等重大技术突破，改变了机器对自然语言的处理方式、提升了模型性能、降低了开发成本并建立了模型自我升级迭代能力。不过，在生成式人工智能取得突破后，也面临是否会陷入新瓶颈期的关键问题，不能简单用线性思维看待其发展与治理。

大规模应用层面
应用价值体现：人工智能的应用价值主要体现在提升效率、降低成本和开辟新领域上。例如在软件开发范式中，AI带来开发效率提升，让应用生态更加繁荣；在“人工智能 + BI”领域，能让数据分析工作变成对话问答形式，降低企业数字化转型门槛，提升决策效率。
市场规模增长：根据国际数据公司（IDC）的数据，2021年全球人工智能市场规模为3619亿美元，预计2025年将会突破7000亿美元，年复合增长率18%。目前主流科技企业都把人工智能视为核心竞争力并竞相加大投资，如谷歌投资了Deepmind、微软投资了OpenAI、百度开发了文心一言等。
大国博弈层面
主导权争夺：大国追求人工智能的主导权引发了地缘政治博弈。美国政府明确将人工智能列为对华制裁的三大重点领域之一，制定出口管制措施，切断美国企业、资金和人才与中国的合作，还将制裁延伸到GPU芯片领域，阻止中国获取先进芯片训练人工智能模型。
规则制定博弈：随着人工智能技术的不断发展，需要制定相应的国际规则和规范来管理、约束其应用，各国将争夺在国际规则制定中的话语权和主导权，以确保本国在人工智能领域的利益得到保护。
中国在这一关键时刻的优势
应用场景与市场潜力
中国在人工智能应用上具有巨大的想象空间。例如中国互联网普及程度高，第54次《中国互联网络发展状况统计报告》显示，截至2024年6月，我国网民规模近11亿人（10.9967亿人），较2023年12月增长742万人，互联网普及率达78.0%，为人工智能大规模应用提供了良好基础。并且中国机器人的应用场景需求正在大幅拓展，今年2月国际电工委员会（IEC）发布了由中国牵头制定的养老机器人国际标准，政策上也选择了快跑模式。

技术创新与人才基础
被誉为AI教父的杰弗里·辛顿强调，中国的STEM教育比美国更好，拥有更多受过良好教育的人才，这将为AI的发展提供坚实的基础。此外，DeepSeek把AI的算力消耗成本打下来，引发全世界连锁反应，其开放式创新源自中国公司，在欧美产生强大冲击力

站在2025年的人工智能技术浪潮中回望，我们确实可以发现，真正的创新往往不是来自实验室的惊世突破，而是技术与社会需求共振产生的持续波动。这一观点在艾川的文章中得到了很好的阐述。

1. 技术与社会需求共振：从DeepSeek降低AI算力成本，到北京人形机器人半程马拉松，再到英伟达创始人黄仁勋强调中国市场的重要性，这些都体现了技术进步与社会需求的紧密结合。技术的发展需要市场的反馈和需求驱动，而市场的需求又推动技术的创新和进步。

2. AI应用的扩散：正如穆斯塔法·苏莱曼在《浪潮将至》中所说，扩散比发明更重要。AI技术的真正影响力来自于其在AI对话、AI搜索、内容生成、自动驾驶等领域的广泛应用。技术革命往往在场景竞争中实现加速度和广泛应用，如汽车工业的发展和芯片技术的产业化。

3. 中国市场的吸引力：中国在人工智能应用上的巨大想象空间，以及英伟达对中国市场的重视，都表明中国市场在AI大规模应用上的吸引力。中国庞大的用户基础和工程师红利为AI的发展提供了坚实的基础。

4. AI产业的发展：产业应用层面的创新决定了AI产业的发展速度和对世界的改变。随着技术的不断扩散，公众对新技术的认知和接受度也在逐步提高。开放式创新如DeepSeek在欧美产生强大冲击力，体现了开放式创新的重要性。

5. 规模的优势：中国团队更注重商业化应用场景的适配能力，基于大规模应用场景的创新拓展了技术成果转化的可能性。中国在人工智能应用上已经选择了快跑模式，如养老机器人国际标准的发布。

6. 拆掉AI的门槛：中国互联网科技公司如腾讯、百度等在AI领域的竞速从未停止。腾讯在大型模型应用的发展上投入巨大，其国民级应用纷纷接入最前沿的AI技术，让普通用户也能快速、低门槛地成为AI的使用者。

总之，在2025年的人工智能技术浪潮中，我们看到了技术与社会需求共振产生的持续波动，以及AI应用的扩散和规模化优势。中国市场在AI领域的发展具有巨大的潜力和吸引力。随着技术的不断下沉、渗透和迭代，AI技术将在中国乃至全球产生深远的影响。这不仅是商业价值的兑现，更是对AI基础研究和基建服务的反向促进，推动算法的不断优化与创新。