Scaling Law新叙事如何加速AI变革的未来趋势深度展望

我们正身处一场技术革命的历史开端。以ChatGPT为标志的这轮AI科技浪潮，可以说是算法和软件诞生以来人类科技最重要的技术变革，由此开启以智能为核心的第四次工业革命。这场变革由以Scaling Law为底层逻辑的基础模型驱动，整体发展脉络由基础模型的技术逻辑主导。

进入2025年，有两个现象非常清晰：一是Scaling Law本身仍然成立，但过去那种堆算力、一味追求扩大模型尺寸的迭代路径已经被打破；二是基础模型本身的迭代趋于阶段性收敛，Transformer-like正逐渐成为统一的底层架构。值得一提的是，生成模型的潜力远未释放，它会快速深入科学研究在内的多个领域，并在那里大放异彩。

本文以" DAMO 开发者矩阵"2025开篇为契机，梳理当下AI的发展逻辑，展望2025年的AI趋势，也对未来景象做些初步探讨。限于篇幅，仅对部分方向加以阐述。

通用人工智能（AGI）的四种路径

目视远方，才能更好地理解我们身处的当下。实现通用人工智能（AGI，这里也包含常说的超级人工智能）是AI的发展目标，利用AI算法达到甚至超过人类的智能水平。在进入具体讨论之前，先宏观分析一下AGI的可能实现路径。

第一条路径：大模型

目前AI算法还是围绕着对人类智能的逼近和模仿来开展。大模型利用复杂的深度神经网络对知识进行压缩，来逼近人类智能的隐函数，进而利用思维推理来挖掘智能本身。从这个角度说，基于基础模型的自学习算法和模型自迭代进化，将是通过大模型实现AGI路径的核心。

大模型的AGI迭代在2024年刚入正题，但发展很快。

第二条路径：智能机器人

人类和动物等生物智能体，是在开放式环境中与周遭事物以及环境里的智能体交互反馈来学习智能。最接近这种智能学习模式的，是在开放式环境中活动的智能机器人，特别是与人交互的机器人。消费级机器人的落地将是这种AGI模式的开启，机器人的自我学习和迭代算法也会是核心。

第三条路径：脑机

根据第一性原理，直接获取人类思维模式的方式是读取大脑信号，目前人类科技水平通过脑机接口来实现。脑机还处在非常早期，但脑机接口将是人机协同非常重要的路径。

第四条路径：数字生命

通过算法实现从微观尺度到宏观尺度生命过程机理的仿真，可以直接解锁智能的奥秘，创造出真正的超级智能。目前这个方向还在萌芽阶段。

2024年的4个关键进展

从年初的Sora开始，2024年几乎每个月都有AI热点新闻，长文本、多模态、具身智能、编程助手、思维推理、Agentic System、大模型训练优化……让人目不暇接。相比2023年进展集中在大语言模型上，2024年可谓是百花齐放，无论是深度还是广度都出现了飞跃。即使没有GPT-5的发布，这一年仍然是AI技术大爆发的一年。在这么多进展里，有四项值得重点关注。

视频生成

Sora的出现意义重大，是视频生成领域的一个重要转折点。在此之前，行业对视频生成已有研究，但只停留在学术层面，效果差强人意，没法达到商业化的水准。Sora展示了利用DiT可扩展架构的有效性，吸引全球同行快速跟进，推动视频生成从学术研究到工业级应用的重大跨越。国内也出现了可灵、海螺、通义万相、混元、豆包等优秀视频生成模型。

视频生成模型的突破意义，不仅在于推动内容生产方式的变革，更在于展现了可扩展架构的生成模型在视觉方向的巨大潜力。自然语言数据是人类知识以文字形式的数字化记录，所以自然语言大模型是知识的压缩，可以通过大语言模型逼近乃至超越人类智能。图像/视频是对环境和物体的数字化，也包含知识本身的展现——球体的下落是物理规律的呈现，投篮是人类操作技能的展现。所以不仅仅大语言模型，视频大模型也是通往AGI的重要组成要素。随着图像/视频基础模型性能的提升，尤其是SOTA级别开源模型的丰富，常见视觉任务大都会围绕生成式基础模型重新构建，大一统的视觉任务架构也会出现。

传统视觉相关的仿真也逐步会和视频生成模型深入融合，重塑新一代的仿真链路，世界模型可以看作是其中一个方向。基于仿真和模拟的技术方向，比如机器人，也会因为视频生成模型的成熟而大大加快。在一些垂直领域，比如医疗和微观组织研究，数据缺乏的问题也会因为视频生成模型找到新的解决途径，从而加速突破。

视频生成技术的快速迭代促进各类内容工具的涌现，比如达摩院推出的寻光AI视频创作平台，用AI重塑视频工作流，释放行业创造力。

智能体（Agent）和系统

早在2023年AutoGPT出现时，行业从业者就意识到基于大模型构建Agent应用的巨大潜力。进入2024年，Agent相关的落地应用初步展现，Anthropic发布了Computer use让AI可以控制电脑操作，智谱发布了AutoGLM来重塑手机应用的使用方式。

"一句话下单2000杯咖啡"——依托思维推理和自我改进机制，Agent得以执行类似的自动化任务。为此，Anthropic发布了MCP协议（Model Context Protocol），方便大模型连接数据和应用等局部和在线资源，从而构建起以大模型为核心、Agent为应用的生态系统，人工智能操作系统的雏形已经显现。阿里巴巴通义大模型也在此深耕，通义完整的基础模型系列、一站式大模型服务平台百炼、模型开源平台ModelScope和互联协议等，构成新一代人工智能系统架构的基础设施。

Agent的重要性在于，它依托基础模型和软硬件互联协议，会给人机交互方式和系统架构带来根本性变革。历史上每一次人机交互的变化都带来系统级的变革，就像键盘鼠标之于PC互联网、手机触屏之于移动互联网。目前我们的系统设计还是基于鼠标点击或者手指触控交互的嵌套式图形界面系统。这次AI的突破带来了以语言/语音/视觉等多模态信息为媒介的人机交互变革。Agent不仅会大大丰富系统和应用的广度，也会在多模态交互逻辑下缩短应用使用的链路和构造逻辑，从而引发系统在AI时代的重构。

这将是个人电脑和智能手机视窗系统诞生以来最大的一次实质性变革。传统操作系统将在人工智能操作系统的牵引下与AI深度融合，从而诞生在AI时代更加扁平、更加开放、更加自动化的新型操作系统和应用范式。

编程助手

从人机交互的角度看，AI大模型带来了基于语言输入的全新交互方式。可以通过语言提示输入大模型，调用大模型的功能得到结果，包括回答语言问题、生成代码、生成网站、生成图像视频等。语言不仅是人类日常交流的媒介，也成了大模型时代的编程语言本身——这对软件来说是个突破性的进步。从机器语言、汇编语言、C/C++、Ja va、Python到现在的自然语言，计算机语言经历着由繁到简的发展过程。但在大模型以前，编程需要专业学习和长期练习才能掌握。

自从自然语言成为计算机编程语言本身，软件就从专业技能变成了大众化的工具，人人都可以成为高级程序员，这是使用软件的巨大飞跃。人类利用软件工具提升生产力和效率从未像今天这样便捷。基于大语言模型的编程助手的价值显著，将成为大模型时代不可或缺的基础工具。过去一年编程助手发展迅速，国外有Github Copilot、Cursor、Windsurf、Bolt，国内有阿里巴巴的通义灵码和字节的豆包MarsCode等。可以预料，编程助手在新的一年将取得实质性进展，成为最快成功商业化的AI产品之一。

具身智能

我们可以粗略地将研究机器人智能的AI技术称为具身智能。多模态大模型可以视为机器人的知识技能，具身智能大模型可以看作是机器人的操作和移动技能。AI驱动的机器人是物理智能体，既决定人类利用工具的生产力水平，也直接决定社会生产效率和国民生产总值，所以至关重要。人形机器人可以看作是人的物理化，它能超越工具属性本身，作为人类社会智能体的一员发挥作用，从而拓展社会的运作模式和维度。

在具身算法上，谷歌、UC Berkeley、清华、字节等机构都发表了不同架构的具身智能大模型，初步验证了Scaling Law在机器人方向的有效性，为其引入多模态融合等新维度，让业界看到了机器人技术突破的希望。仿真方面，英伟达正在推动机器人仿真系统的工业化落地应用，开源仿真系统也在快速迭代，为机器人的仿真和批量数据生产打下基础。数据方面，行业内的数据生产标准和基础设施也在发展，智元开源的真机数据集已达到百万级别。计算芯片上，英伟达将在2025年量产针对人形机器人的端侧芯片和开发板，使AI在机器人的端侧开发更加便利高效。硬件上，特斯拉正在推动人形机器人的量产，这将促使机器人本体供应链走向成熟，使硬件本体成本大幅下降。

综合这几个维度来看，具身智能已站在新一轮爆发周期的起点上。但机器人商业化的路径存在较大不确定性，与机器人形态以及对应的技术成熟度有直接关系。

除了作为工具属性，智能机器人有几个特点值得突出：一是数据采集端口。数据是模型的基础，机器人将会是增量数据采集的端口。谁有消费级机器人数据，谁有条件做出最好的AI。二是应用服务新入口。与人交互场景的消费级机器人，会是继个人电脑、手机之后的第三智能硬件形态，是各类应用服务的入口。三是AGI路径。在开放式环境中自我学习和进化的智能机器人是实现AGI的路径，会使智能算法得到质的飞跃。由于机器人本身是可编程物理智能体，自我进化也将带来人类对智能本身理解的升华，大大拓展人类智能的边界。

从AI的视角看，用在固定工业产线、不与人交互场景的机器人，和与人交互的消费级机器人，是两种完全不同的机器人。消费级人形机器人是AI时代最重要的智能体，人类可以借助人形机器人进入一个全新的人机协作智能时代，开启人类使用工具的新纪元。

AI突破的三个底层逻辑

回顾了2024年AI几个方面的进展，我们再讨论一下AI发展的三个基本逻辑：Scaling Law、Transformer架构（泛指Transformer-like的架构）和生成模型。这三个方面相互交织，逐项讨论内在的原理和逻辑，便于把握AI发展的底层规律。

Scaling Law迈向纵深

Scaling Law是GPT等大语言模型快速发展的底层逻辑——更多的数据、更多的算力、更大的模型，得到更好的效果。Scaling Law也是2024年推动Sora等视频生成模型技术突破的逻辑遵循，它利用了更有利于规模化扩展的算法架构。虽然Sora并未开源或公开算法细节，但其技术报告公开了算法架构和技术路线，使得领域内可以快速跟进，比如可灵甚至实现了比Sora更好的效果和更快的线上服务，再次在视频生成上验证了Scaling Law的有效性。Scaling Law也在具身智能大模型上初步得到验证，让大家看到了具身智能GPT时刻出现的希望。在医疗方向，Nature刚发表了三篇与医疗基础模型相关的论文，标志着医疗AI在快速迈向基础模型驱动的2.0时代，这也是Scaling Law规律的体现。

过去一年关于Scaling Law是否遇到天花板的讨论比较多，但其实，全世界有足够资源和数据去触摸Scaling Law天花板的公司没几家。因为首先需要足够强大的基础设施和计算资源，其次还需要足够多的训练数据。关于数据，一方面是现有的互联网相关数据，另一方面是合成数据——合成数据非常重要，但合成数据的质量能否用于有效训练，取决于基础模型的生成能力和合成数据的方法。截止到2024年，可能只有GPT-4等极少数模型能达到这个水平。所以，目前还不能给Scaling Law下个"遇到天花板"的结论。

Scaling Law固定路径被打破

随着Scaling Law的纵深发展，其发展的固定路径已经被打破，进入了新的Scaling Law 2.0阶段。DeepSeek-V3的发布在领域内引起广泛讨论，他们用正常十分之一的算力达到了目前大语言模型的SOTA性能。这个工作的出现，标志着自GPT-1以来基于Scaling Law的固定迭代路径已经被打破，是一个模型架构和工程优化结合的突破性成果。由此也让领域内看到了模型工程优化的高度，模型架构在芯片计算层的优化将会是大模型训练和推理的研发重点方向。沿着这条路径深入迭代，将会把模型工程引向模型架构和芯片架构深度融合的类脑芯片方向，从而突破Scaling Law的限制，把模型训练和推理带入下一个阶段。

除了DeepSeek，OpenAI o1开启了Test/inference-time scaling law的阶段。语言大模型可以看成是知识的压缩，那么如何利用知识产生更好的智能，就是基于基础模型的思维推理必然发展的方向。思维推理的发展也从一维单链路CoT模式演化到基于蒙特卡洛树搜索MCTS的系统化多维推理，从而构建更智能、更体系化的思维模型。推理算法的发展也反过来影响基础模型的Scaling Law路径，比如微软rStar-Math算法无需从大模型蒸馏，也能用60块A100训练的7B模型在数学推理上媲美OpenAI o1的性能。上海AI实验室的书生·浦语3.0的InternLM3-8B-Instruct模型，通过提升数据质量和数据工程，只用15%的算力达到SOTA性能。过去半年这类工作有不少，就不一一列举了。

总结来说，无论数据维度、模型尺寸维度还是算力维度，Scaling Law在模型上的体现已经过了粗犷式的发展阶段，进入了追求更有效的数据使用方式、更合理的架构设计、更极致的工程优化、更体系化的思维推理的2.0阶段。

底层架构趋向统一

这里说的架构分为两个层面：一是生成架构，比如自回归模型、扩散模型、流模型、生成对抗网络等；二是逼近函数通用的网络结构，比如卷积神经网络、LSTM、U-Net、Transformer等。Transformer架构因其对Scaling Law的优良适配性，正在成为多种算法统一的底层架构。自然语言处理领域的自回归模型、擅长视觉任务的扩散模型、以及常用于AI for Science方向的图神经网络模型，都呈现了逐步收敛到Transformer架构之上的趋势。

Sora的出现不仅仅是视频生成的突破，也改变了视觉方向的底层架构设计，DiT（Diffusion Transformer）迅速成为视觉方向业界公认的基础架构，算法的设计都往这种架构收敛。Transformer问世于2017年，在NLP领域只用了两三年时间就迅速替代了当时的主流框架LSTM。在Transformer诞生之前，LSTM在NLP领域占有绝对主导地位，没人预料到这么快会被边缘化——但就是这么发生了，这种不可预料性也是算法研究的乐趣所在。

在多模态方向上，理解、生成、以及理解与生成的统一等任务和模态的统一架构研究也非常活跃。业内期待能有一个大一统的架构把不同模态和任务统一，有代表性的比如智源研究院基于自回归架构的Emu3和Meta的MetaMorph模型。

架构趋于统一对AI发展很有意义。首先，统一的架构能显著增强AI系统的互操作性，深度探索不同模态、不同语义、不同尺度数据的深层次关联性，这对人类通过AI认知和理解世界有决定性意义。其次，统一的架构也将大幅提升研发和部署效率，不仅使AI底层基础设施的模型系统架构更简洁，也使推理的软硬件架构可以在不同领域快速泛化使用，这将大大加速AI研发效率、产品落地速度和普惠化程度。

自回归模型会是生成模型的最终答案吗？只能说，可能性是存在的。但同时也要看到，扩散模型除了在视觉方向的广泛应用，在AI for Science方向也正在被普遍使用。Transformer会是AI的终极底层架构吗？终极答案是否定的，但在一定时间内，Transformer还会是大多数AI算法设计的最优选择。尤其是随着AI的广泛应用、深入千行百业，会强化Transformer的主导地位，因为无论工程和系统方面，还是芯片等硬件层面，目前都是围绕Transformer架构进行的。除非有一个突破性的新架构出现，否则Transformer很难在短期内被碘伏。

生成模型是AI算法的第一性原理

深度学习解决了复杂函数的通用逼近问题，而生成模型解决了概率论里的古老问题——高维数据分布（或非线性结构）的拟合。上大学时学习概率论，核心就是估计概率密度函数、拟合数据分布。为什么拟合数据分布重要？因为AI处理的就是数据，一旦拟合了数据分布，寻找到数据结构的机理，就能通过直接采样生成新的数据。因此，绝大多数AI要解决的任务，本质上都可以简化成对数据分布的拟合和对数据分布的修正这两个基础问题。生成模型非常本质，它成为AI的基础模型是符合第一性原理的。

生成模型一定程度上可以突破互联网数据阶段性见顶和各个领域内数据缺乏的困境，对推动AI发展的作用远超作为算法应用本身。比如基础模型性能最成熟的NLP领域，生成数据用于训练模型已经是常态，是解决NLP数据困境的有效途径。除了视频方向的Sora，自动驾驶领域也在用生成数据解决corner case的问题。Tripo和Rodin三维生成模型也展现了令人鼓舞的前景。科学方向基于扩散模型的RFDiffusion和Chroma算法可以用于蛋白质设计，微软发布了可以快速生成不同类型无机材料的基础模型MatterGen，医疗方向也在用生成模型解决医疗数据稀缺的问题。

更重要的是，基于生成模型的思维推理是构建智能的关键。目前生成模型的发展和使用还在初期阶段，基于生成模型对于知识的建模、结构的拟合、智能的构建才刚刚开始，新的思维范式也将会在未来几年里出现。从点线的低维度推理模式到高维度体系化思维能力的演化，不仅会促使模型能力极大提升，也会让研究员重新审视模型架构的设计本身，从而加速AGI时代的到来。

AI产业进入百花齐放阶段

前面重点讨论了技术方向，接下来展望AI的产业影响。人类有几个基本特点：血肉之躯的能力限制，所以物理工具是必需品，而最极致的工具是物理化的人——机器人；知识无法遗传，所以教育不可或缺；肉体衰老死亡，所以医疗是人类社会的刚需服务；活动受到物理环境的限制，所以数字仿真必将成为AI的基础设施。我们聚焦在硬件、教育、医疗和数字仿真这几个题目进行简要讨论。

智能硬件具备爆发条件

2024年，谷歌的Gemini、OpenAI的GPT系列、阿里巴巴的通义Qwen-VL、智谱的GLM-Realtimes、面壁智能的"小钢炮"MiniCPM-o 2.6端侧模型，都在多模态和视觉理解能力上取得了显著进步。人类本来就是利用视觉、语言、听觉、触觉等不同模态的信息来感知和交互的，所以多模态是人机交互的关键。多模态基础模型能力的成熟会促使两个方向的进步：一是数字智能体，也就是现在说的Agent；一是物理智能体，包括机器人在内的智能硬件。按照技术演化的逻辑，2025年智能硬件会迎来高速发展期。

在人机交互的信息媒介中，语言和语音是两个最重要的基础模态。对于语音，除了智能手机，智能耳机会是自然的人机交互的指令入口，会在AI驱动的智能硬件中占有核心地位。国内字节和讯飞都在消费级智能耳机方向上率先发力。轻量级的脑机接口设备也在CES 2025上出现，比如美国初创公司发布的Omi AI可穿戴设备。这种类似的智能硬件虽然轻量，但都是不同模态人机交互入口级别的硬件，值得关注。

另一个大方向就是机器人。从产业落地的角度观察，有不同的路径。目前业内认为率先落地的是工业场景，比如汽车总装线，这个场景下机器人的目标是替换高级技工并带来产能提升。另一个是家庭智能玩具，基于轻机器人本体路线，带来多模态人机交互。和主流看法有点差异，我们认为对于未来机会的把握，这两个都不是当下落地的理想路径。而二者的结合——一个低自由度、结构简单稳定、能够带来"轻、静、快"的物理交互，又能结合AI提供多模态感知交互的机器人——很可能会更早地形成可持续的商业生态。2025年，除了大家都熟知的人形机器人，我们更期待一款可落地的消费级机器人新品类出现。

医疗2.0时代开启

在AlphaFold荣获2024年诺贝尔奖后，几乎所有人都意识到了AI解决基础科学问题的巨大力量，AI for Science已成为毋庸置疑的重要趋势。其中，生命科学和医疗是关乎人类福祉的方向。AlphaFold发明人之一、DeepMind CEO Demis Hassabis预测，人类有可能在未来十年内治愈大部分疾病——如果成真，那将是医药诞生以来的历史性进步。过去几个月里，Nature正刊上接连发表了病理学基础模型CHIEF、精准肿瘤学多模态基础模型MUSK、人类细胞类型的转录基础模型GET，还有Nature Medicine上解决医疗图像合成的生成基础模型MINIM、多模态医疗基础模型BioMedGPT等。这些基础模型工作的接连出现，标志着医疗技术2.0时代的到来。医疗方向正在从针对单病种单类型的技术时代，快速向基于基础模型加具体任务微调的大模型范式转换。

完整周期的大队列数据对疾病治疗至关重要，但获取完整队列数据非常困难且周期很长。借助生成模型，有望解决医疗周期数据缺失的问题，这对医疗领域取得实质性进步意义重大。

AI驱动的教育

无论孔子时代的问答式教学，还是柏拉图时代开启的思辩，教育至今都延续老师和学生物理互动的模式。学生学业的高度很大程度上取决于老师水平的高低和资源的多少，因此受限于不同地域和文明发达程度的不一，人类离教育普惠一直遥不可及。令人欣喜的是，这种状况要在AI时代终结了。在谷歌的Gemini和OpenAI的多模态模型发布会上，都不约而同地展示了多模态大模型在教育场景的应用示例，足以说明AI公司对利用AI技术解决教育问题的期待和重视程度。

AI将人类沉淀的知识压缩到模型中，利用记忆和组合生成，可以创造出比人类更加智慧的数字智能体。在不久的将来，利用多模态大模型的能力，虚拟老师的水平将会超过几乎所有真实老师的水平，使教育提高到全新的高度。只要有能运行AI软件的硬件终端，人人都可以获取最好的教育。这会在未来五年内发生，将是人类教育事业全新的开始。当然，教育本身也包含物理互动的过程，这是数字智能体没法完全取代的，所以教育方向将有适应AI时代的各种智能硬件出现。

数字仿真2.0

2024年AI发生的其中一个转折，是算法向物理世界的转场。AI为了更好地适配物理世界并实现落地，各类数字化仿真将会成为不可或缺的基础设施。世界模型是其中一个备受关注的方向，还有现象级讨论的Genesis物理仿真平台等。但这里谈到的数字仿真远不止现在学术界研究的世界模型覆盖的范畴，这是一个涵盖从微观尺度到宏观尺度的数字技术和物理世界映射的范式变化。

英伟达在数字仿真领域进行了系统化的深入布局，NVIDIA Isaac、Omniverse和Cosmos等平台正构建一个完整的仿真生态系统，重塑工业研发链路和范式。在CES 2025上，英伟达演示了在自动驾驶仿真、飞机制造、机器人研发以及工业场景的数字孪生等方面的应用，展现了广阔前景。不仅在工业场景，数字仿真在生命科学上也展现了巨大潜力。2024年，DeepMind和哈佛大学在Nature上发表了由AI生成的数字生命体——虚拟老鼠，使用名为MIMIC的算法模拟啮齿动物的大脑活动和行为表现，在生物动力学方向取得重要突破。国内智源研究院提出了BAAIWorm天宝，实现了秀丽隐杆线虫的神经系统、身体和环境的交互仿真。基于真实物理世界机理的生物动力学仿真，将会开启全新的生命科学研究范式，有着深远的意义。

从核聚变研究到细胞活动模拟，从机器人研发到数字生命体建模，从机械动力学到生物动力学，从微观到宏观的自然界都将会在仿真系统中被重建。

结语

这轮AI浪潮会把人类社会带入全新的智能时代，人类认知世界、改造世界的能力将得到空前的提高。可以预料的是，三十年后我们将身处一个与现在完全不同的崭新世界。作为AI从业人员，能参与这一历史进程，是一种荣幸。希望本文能为AI同仁探索未来提供一些启发。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Scaling Law新叙事如何加速AI变革的未来趋势深度展望要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题