2025年AI趋势前瞻：14个关键热词深度解读

（来源：MIT TR）

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

回望过去的 12 个月，AI 炒作列车丝毫没有减速的迹象。

很难想象，就在年初，DeepSeek 还没有把整个行业搅个天翻地覆；Meta 更为人所知的是它试图把元宇宙炒热却屡屡碰壁，而不是它那种不依不饶、想要主宰“超级智能”的野心；至于 vibe coding 这个词，当时还根本不存在。

如果这些让你有点摸不着头脑，也别担心。随着 2025 年接近尾声，我们回顾了这一年里不论好坏、都曾主导讨论场的 AI 热词。记得提前做好心理准备——2026 年很可能又是一个离谱到爆的年份。

Superintelligence：超级智能

只要人们还在为 AI 造势，就总会给一种未来的、超强大的 AI 形态起各种名字——这种技术可能把人类带向乌托邦，也可能带向反乌托邦。Superintelligence（超级智能）就是最新的热词。

Meta 在 7 月宣布将组建一个追求超级智能的 AI 团队；据报道，它还向竞争对手公司的 AI 专家开出了九位数的薪酬方案来挖人。到了 12 月，微软的 AI 负责人也跟进表态称，公司将在追求超级智能上将投入可能高达数千亿美元的巨额资金。

如果你觉得“超级智能”的定义和“通用人工智能（AGI）”一样模糊，那你没想错！从人类的长期尺度看，这类技术在理论上并非不可实现；真正的问题在于：它什么时候会到来？以及当下的 AI 是否足够可靠，成为通往超级智能的基石？

当然，这些疑问也挡不住热衷炒作 AI 的人们继续加码。

Vibe coding：氛围编程

30 年前，史蒂夫·乔布斯曾说，所有美国人都应该学习如何给计算机编程。如今，多亏了vibe coding（氛围编程），即便完全不懂代码的人，也能在很短时间里拼出一个应用、游戏或 ——这是 OpenAI 联合创始人 Andrej Karpathy 提出的一个“泛称”。

所谓氛围编程，就是你给生成式 AI 的编程助手下提示，让它生成你想要的数字产品，然后基本照单全收它吐出来的结果。结果能跑起来吗？不一定。安全可靠吗？几乎可以肯定不可靠，但这项方法最坚定的拥趸并不会让这些“小细节”妨碍他们前进。而且，它听起来还挺好玩。

Chatbot psychosis：聊天机器人精神病

过去一年最重大的 AI 议题之一，是与聊天机器人长时间互动可能让脆弱人群出现妄想；在一些极端情况下，甚至可能诱发精神病性发作，或使既有症状恶化。尽管c h a tbot psychosis（聊天机器人精神病）并不是被医学界正式认可的术语，研究者仍在密切关注越来越多的用户轶事证据，有人称这种情况发生在自己身上或身边人身上。更令人难过的是，越来越多死者家属因亲人“在与聊天机器人对话之后死亡”而起诉 AI 公司，这凸显了该技术可能带来的致命后果。

Reasoning：推理

今年几乎没有什么比所谓的推理模型更能让 AI 炒作列车持续加速：这类大语言模型（LLM）能够把问题拆成多步并逐步推演完成。一年前，OpenAI 发布了其首批推理模型 o1 和 o3。一个月后，中国公司 DeepSeek 以极快的跟进速度让所有人意外：它发布了 R1，首个开源推理模型。

转眼间，推理模型就成了行业标配：几乎所有面向大众市场的主流聊天机器人，如今都提供由这类技术支撑的不同版本。推理模型把 LLM 的能力边界进一步推高，在一些顶级、权威的数学与编程竞赛中已经能达到顶尖人类选手的表现水平。另一方面，围绕“能推理”的 LLM 的喧嚣也重新点燃了老争论：LLM 到底有多聪明？它们究竟是怎么工作的？就像“人工智能”这个词本身一样，“推理”也是充满着营销色彩的技术术语。

World models：世界模型

尽管 LLM 在语言上表现得异常娴熟，它们却几乎没有常识。简单说，它们缺乏对世界如何运转的本质理解。从最字面意义上讲，LLM 就是“死读书”的典范：它们能对世间万物侃侃而谈、辞藻华丽，却也可能在常识题上闹出大笑话，比如“奥运标准泳池能装下多少头大象？”（据称 Google DeepMind 的某个 LLM 给出的答案是：正好一头。）

世界模型是一个涵盖多种技术路线的“大伞概念”，旨在让 AI 具备一些基础常识，理解现实世界中的事物究竟如何相互关联。在最直观的形态下，像 Google DeepMind 的 Genie 3 与 Marble 这样的世界模型，以及李飞飞创业公司 World Labs 备受期待的新技术，都能生成细节丰富、逼真的虚拟世界，用于机器人训练等用途。Meta 前首席科学家 Yann LeCun 也在推进世界模型相关工作。他多年来一直试图通过训练模型去预测视频中“下一刻会发生什么”，从而让 AI 形成对世界运作方式的理解。今年，他离开 Meta，转而在一家名为 Advanced Machine Intelligence Labs 的新创业公司里专注于这一路线。如果进展顺利，世界模型或许会成为下一个风口。

Hyperscalers：超大规模数据中心

你听说过吗，越来越多人在说：不了谢谢，我们并不想家门口突然多出一个巨型数据中心。这里说的数据中心，是指科技公司想要到处建，甚至还想建到太空里，通常被称作 hyperscalers 的那一种：为 AI 运算量身打造的超大规模设施，用于支持 OpenAI、Google 等公司训练更大、更强的 AI 模型。在这些建筑内部，全球最先进的芯片日夜运转，用于训练与微调模型；这些设施通常采用模块化设计，可按需求扩容。

对 hyperscalers 而言，今年是个大年。OpenAI 与美国总统唐纳德·特朗普同台宣布了 Stargate 项目：一个规模达 5000 亿美元的合资计划，旨在让全国各地遍布史上最大的那批数据中心。但这也让几乎所有其他人追问：我们到底能从中得到什么？消费者担心新数据中心会推高电费账单。这类设施通常也很难完全依赖可再生能源运行。而且它们往往并不会创造很多就业岗位。不过话说回来，也许这些庞大、没有窗户的建筑，至少能给你的社区增添一点阴郁的科幻氛围。

Bubble：泡沫

AI 的宏大承诺正在把经济托举起来。AI 公司融资规模令人瞠目，估值也一路飙升到平流层。它们向芯片与数据中心砸下数千亿美元，资金来源越来越依赖债务，以及一些令人侧目的循环交易。与此同时，这场淘金热的领头羊，如 OpenAI、Anthropic，可能多年都无法盈利，甚至永远未必能实现盈利。投资者押注 AI 将开启一个全新的财富时代，但没人真正知道这项技术究竟会有多颠覆。

科学界仍不确定：持续扩大 LLM 规模是否就能通向超级智能，还是必须依赖新的突破来铺路。但与互联网泡沫时期的前辈不同，AI 公司正在展现强劲的营收增长；其中一些背后甚至站着财力雄厚的科技巨头，如微软、谷歌和 Meta。这场狂热的梦，终有一天会破灭吗？

Agentic：代理型

今年，AI agents 无处不在。2025 年的每一次新功能发布、模型上线或安全报告里，都密密麻麻出现它们的身影，尽管许多 AI 公司和专家对什么才算真正 agentic 依旧各执一词，这大概是最含混的术语之一。即便几乎不可能保证：一个代表你在开放互联网中行动的 AI 总能完全按预期行事，agentic AI 似乎仍将在可预见的未来长期存在。

Distillation：蒸馏

今年年初，DeepSeek 发布了新模型 DeepSeek R1，这是一个开源推理模型，性能可与西方顶尖模型对标，但成本得到了控制。它的发布让硅谷炸了锅，许多人第一次猛然意识到：超大规模与海量资源并不必然是打造高水平 AI 模型的关键。据称，在 R1 发布后的第二天，英伟达股价下跌了 17%。

R1 成功的关键在于蒸馏，这是一种让 AI 模型更高效的技术。其原理是让大模型“带”小模型：用教师模型在大量样本上生成答案并记录下来，然后在训练中奖励学生模型尽可能精准地复现这些回答，使其获得教师知识的压缩版。

Sycophancy：谄媚

随着全球用户花在 ChatGPT 等聊天机器人上的时间越来越多，开发者们正苦恼于模型到底该采用怎样的语气与人格。今年 4 月，OpenAI 承认自己在“有用”和“讨好”之间把握失衡，并称一次新更新让 GPT-4o 变得过于谄媚。让模型对你一味拍马屁不只是烦人，它还可能通过强化用户的错误信念、传播错误信息来误导用户。所以，把这当作一个提醒：对 LLM 生成的所有内容，是所有内容，都要保留一分怀疑。

AI Slop：AI 泔水

如果说有哪个 AI 相关词汇已经彻底走出极客圈、进入大众语境，那就是 slop。这个词本身很老（想想喂猪的猪食/泔水），但如今 slop 常用来指 AI 生成的低成本、批量化内容，往往为线上流量优化而生。很多人甚至把它当作所有 AI 生成内容的统称。过去一年里，它几乎无处不在，令人避无可避：我们仿佛被它“腌入味”了，从虚假的名人传记到“虾仁耶稣”图片，再到荒诞的人兽混合视频。

不过，人们也确实在拿它找乐子。这个词带着冷嘲意味、又非常灵活，网民很容易把它当作后缀贴到各种词上，用来形容一切空洞、平庸得离谱的东西，比如 work slop 或 friend slop。当新一轮炒作周期重新启动，slop 也标记着一种文化层面的反思：我们该信任什么？我们如何评价创作劳动的价值？当我们被那些为互动而生、而非为表达而生的内容包围时，这意味着什么？

Physical intelligence：物理智能

你是否刷到过今年早些时候那段让人看得停不下来的视频：一台人形机器人在阴冷、灰度的厨房里收拾碗碟？那几乎就是“物理智能”这一概念的具象化：AI 的进步能够帮助机器人在真实的物理世界中更好地移动与操作。

确实，从手术室到仓库，机器人学习新任务的速度比以往任何时候都更快。自动驾驶公司在道路仿真方面也有所提升。不过，即便如此，我们仍然有理由对“AI 已经彻底革新该领域”的说法保持怀疑。比如，许多被宣传为“家庭管家”的机器人之所以能完成大部分任务，其实是因为背后有在菲律宾远程操控的人工操作员在支撑。

物理智能的未来道路也注定会很怪。大语言模型主要用文本训练，而互联网文本极其丰富；但机器人更需要从人类做事的视频中学习。这也是为什么机器人公司 Figure 在 9 月提出，愿意付费请人们在公寓里拍摄自己做家务的视频。你会报名吗？

Fair use：合理使用

AI 模型通过“吞食”互联网上数以百万计的文字与图像进行训练，其中包括艺术家与作家的受版权保护作品。AI 公司主张这属于“合理使用”，这是一项法律原则：如果你将受版权保护的材料转化为新的内容，且不与原作构成竞争，就可能在无需授权的情况下使用。法院也开始对此作出裁量与判断。6 月，Anthropic 用书籍库训练其模型 Claude 被裁定属于合理使用，理由是该技术具有“高度的转化性”。

同月，Meta 也拿到类似的胜利，但关键在于作者们无法证明 Meta 的这场“文学自助餐”影响了他们的收入。随着版权争端持续发酵，一些创作者也开始在这场盛宴中变现。12 月，迪士尼与 OpenAI 达成一项高调合作，允许 AI 视频平台 Sora 的用户生成包含迪士尼旗下 200 多个 IP 角色的视频。与此同时，各国政府也在为这些“吞食内容的机器”重写版权规则。用受版权保护作品训练 AI 算不算合理使用？就像所有涉及巨额利益的法律问题一样，这得看具体情况。

GEO：生成式引擎优化

就在短短几年前，还有一个完整的行业，专门帮助 在搜索结果里拿到更高排名（好吧，基本就是在谷歌里）。如今，随着 AI 热潮来袭，搜索引擎优化（SEO）正让位于 GEO，即 generative engine optimization（生成式引擎优化）：品牌与企业不得不争相提升自己在 AI 场景中的可见度，无论是在 Google 的 AI Overviews 这类“AI 增强搜索结果”里，还是在 LLM 的回答之中。难怪他们会紧张到发慌。我们已经看到，新闻机构来自搜索的网页流量出现了断崖式下滑，而 AI 公司则在研究如何“绕过中间商”，让用户直接在平台内访问 内容。要么适应，要么出局。

https://www.technologyreview.com/2025/12/25/1130298/ai-wrapped-the-14-ai-terms-you-couldnt-avoid-in-2025/