2025年9月23日，2025人工智能产业及赋能新型工业化大会在北京国家会议中心召开。会上，中国信息通信研究院（简称“中国信通院”）正式发布“2025人工智能产业十大关键词”，中国信通院人工智能研究所所长魏凯针对十大关键词反映出的新热点、新趋势进行了深入解读。

　　中国信通院自2022年起连续4年发布人工智能十大关键词，获得了产业界的广泛关注，成为追踪行业发展的重要窗口。2025年，立足产业视角，基于广泛专家调研和热点事件统计分析，结合团队研究洞察，梳理发布2025人工智能产业十大关键词。总体来看，2025年人工智能技术、应用、生态三维共振，智能原生的新世界越来越清晰地展现在我们眼前。

　　2025年，基础模型与推理模型双线并进，技术迭代速度与能力跃升幅度均超预期。根据中国信通院 “方升” 基础模型测试数据，2024年底至2025年8月，大模型综合能力提升超过30%。以GPT-5、Grok4、DeepSeek V3.1、Claude Opus 4.1、 Qwen3-235B-A22B为代表的头部大模型表现出显著的集成特征：一是思考+非思考模式合一，根据用户提示词自主选择模型或推理模式；二是理解、推理、数学能力大幅提升；三是内置代码、工具调用等多种AGENT能力。集成多种关键能力的基础超级模型已出现，不仅综合能力强，且在真实业务场景中的表现得到进一步强化。

　　技术创新是驱动模型能力跃升的核心引擎，基础超级模型有两个主要技术特点：一是通过路由融合集成多种关键能力。二是面向智能体的强化学习（Agentic RL）提升真实业务场景表现。基础超级模型对用户产生三方面重要影响：一是模型的使用更便利，基础超级模型出现后，模型种类和数量收敛，GPT-5可以根据用户的指令动态选择合适的模型和处理模式，降低用户的使用门槛。二是自主决策工作流和外部工具调用，工作流和工具使用能力集成到基础超级模型内部后，极大程度上增强了工作流工具调用的精准度，使得应用效果更佳。三是对训练数据供应提出新要求，从AGENT应用中采集数据和从物理场景中采集数据成为新的迫切需求。

　　2025年，高度封装的智能体产品通过融合基座模型、MCP服务、智能体沙箱等，进一步释放大模型应用潜能。一方面，智能体相比大模型可以自主完成复杂任务，但仍不及预期。中国信通院“方升”智能体基准测试对国内外通用智能体进行了4大类101个具体任务测试，结果显示当前智能体能够自主完成复杂任务，可以获得比单一模型更好的性能表现，但能力仍有很大提升空间。另一方面，智能体产品形态逐步清晰，在消费端和企业端深度赋能，智能体成为数字员工的初级形态。

　　互联互通和长难任务处理仍是当前智能体技术创新的主旋律。一方面，通信协议成为智能体与外界交互的“桥梁”，加速实现互联互通。Anthropic公司发布的模型上下文协议（MCP）、谷歌式发布的Agent2Agent(A2A)全新开放协议，二者在应用过程中可实现互补协同。另一方面，智能体发展还需要提升长时间执行复杂任务的能力。相关研究显示，过去两三年，智能体能完成任务的长度大约每7个月翻一番。未来，智能体将能独立完成大量需要人类数天或数周才能完成的任务，加速开启智能原生应用时代。

　　具身智能正在加速走出实验室，走向竞技场和训练场，为真正进入场景实战迈出了坚实一步。本体方面，加快推进在现实场景的部署。2025年，本体从实验室走到真实赛场、训练场，并逐步推进行业场景的试点验证，在真实场景的实践打磨中推动技术不断进步。模型方面，与本体结合初步实现现实任务执行。蔚来世界模型NWM在Banyan 榕车型上全量推送，强化追尾预防及保护和通用障碍物识别能力。智元机器人GO-1端到端VLA模型部署到智元精灵G1上，完成擦桌子、倒水等任务。分层式端到端VLA如Figure AI Helix支持Figure 02学习物流分拣、叠毛巾和洗碗等任务的作业技能。

　　具身智能要从“实训”走向“干活”，仍面临三大挑战：一是高质量数据缺，行业普遍认为要实现物理智能涌现至少需要百万小时的机器人数据，而当前真正可用数据远远不足；二是模型泛化难，任何在训练数据分布外的场景任务，都会导致性能急剧下降，难以覆盖现实场景的复杂情况；三是软硬协同难，模型与本体的结合需要在多个时间尺度上实现协同控制，任何一环信号传输的不稳定，都很可能导致任务执行失败。

　　世界模型作为AI系统理解、推理并预测物理世界的“内部模拟器”，被视为通向通用人工智能（AGI）的核心路径之一，正在萌芽中。产业界期待发展泛化能力强、物理一致性高、可解释性强的“世界模型”，满足自动驾驶、具身智能等现实需求，也架起通向通用智能的桥梁。世界模型的核心能力主要包含四类：一是数据生成能力，世界模型能够根据几何和语义线索生成多样化的3D/4D场景；二是动作解释能力，世界模型能够根据历史观测数据、动作条件预测未来状态；三是环境交互能力，世界模型能够生成连续场景，模拟与环境之间的闭环交互；四是场景重建能力，世界模型能够从部分、稀疏、受损数据中还原完整场景。

　　世界模型的技术路线还处于百花齐放的探索中，当前主要有三条技术路线，主要包括大模型增强、大模型与物理引擎融合、物理世界表征等。下一步发展仍面临不少挑战。一是定义存在争议，不同领域的研究者对其范围和边界的理解不同。二是技术路线不清晰，目前世界模型的实现方法包括生成式模型、强化学习、多模态融合等，不同技术路径的侧重点和适用场景不同。三是应用范围局限，当前世界模型只在自动驾驶领域有一定规模的应用，其他领域仍未实现大规模应用。未来，随着技术层面的突破，其应用将从封闭场景向开放系统延伸，最终成为AI通向AGI的关键基石。

　　软件和信息技术服务业作为我国先导性、支柱性产业。大模型向软件研发全过程渗透，深刻改变软件开发工具和产品形态，正开启软件业全面重塑的新阶段。首先，AI变革软件研发全过程，国内外大模型用于编程任务的Token调用量显著提升，深度渗透软件研发全生命周期各个环节。根据中国信通院调研数据，AI在开发、测试等环节持续稳定保持高比例应用。其次，AI变革软件研发工具，2025年以来，AI IDE、智能体等工具密集发布，在工程化支撑、检查修复、记忆决策等多个维度实现能力跃升，智能研发工具正从副驾驶（Copilot）向驾驶员（Pilot）持续演进。最后，AI变革软件研发产品形态，对话交互、多模态交互、具身智能交互等方式成为主流，软件逐渐具备自我学习、自我优化和自适应能力。

　　大模型为软件行业带来智能化新动力，推动人员、企业、产业的深刻变革。对软件从业者来说，角色定位、入门门槛转变。开发人员从单一程序员角色转变为复合角色，催生“超级个体”诞生。对软件企业而言，企业组织结构、业务场景、生产管理、供应链管理向智能化转型。对软件行业而言，竞争规则与商业模式正在经历深刻重构。传统软件以代码为核心，而智能化软件则转向以结果和价值为导向，软件产品的计费方式也从用户定期支付固定费用的订阅模式，逐步转变为按实际资源（如Token）消耗量计费的定量模式。

　　2025年智算领域发展形势发生极大变化，以开源开放为特征的新型智算生态正在加速形成，涌现出开源框架、开源通信库、开源算子库、开放计算平台、开源互联协议等多层次、多领域的标志性成果，为全球人工智能创新发展注入强劲活力。与此同时，在开放智算生态引领下，我国厂商加快软硬件协同适配，取得显著成效。DeepSeek、千问、文心一言等优质模型大规模开源，为我国算力厂商提供了关键的适配验证场景，国产硬件在实际AI负载中的性能和兼容性显著提升。中国信通院AISHPerf测试结果表明，通过软硬件协同优化，部分参测硬件产品部署DeepSeek R1模型的精度、部署规模基本与英伟达系统持平，已能够满足实际产业应用需求。

　　智算生态正在加速走向软硬协同开放阶段。从演进趋势上看，随着单点、局部开源开放逐步扩展至软硬全栈开源开放，我们认为开放智算生态影响力将进一步扩展深化，且不同技术环节——如模型、框架、算子库、通信库、底层硬件之间的开源成果有望实现更深层次、更精细的对接协同，形成自驱生长的飞轮效应，如DeepSeek结合V3训练经验对英伟达硬件体系提出改进建议、智谱GLM 4.5端侧模型基于昇腾环境自定义算子完成高效微调量化等，软硬件间形成更为高效开放、紧密耦合的新一代协同生态，助力人工智能前沿技术以更低成本、更高效率实现价值普惠和规模落地。

　　人工智能数据集的建设重点从通用基础数据集转向行业高质量数据集，数据集质量问题成为当前制约行业垂类模型落地和场景应用的核心瓶颈。根据中国信通院可信AI人工智能数据集质量评估统计情况，当前人工智能行业数据集建设中主要面临内容密集性、领域相关性、数据多样性和形式规范性等核心质量问题，占比分别为82.50%、14.04%、1.73%和0.92%。为解决以上人工智能数据集质量问题，亟需建立面向人工智能的数据工程体系。

　　面向通用人工智能和行业深度赋能，要加快建设适应强化学习、世界模型等前沿技术和行业智能体所亟需的新型高质量数据集，构建新型人工智能数据供应链。面向训练方面，为更好支撑强化学习与智能体训练，未来需构建交互轨迹数据集、偏好对齐数据集、基准评测数据集三大类训练数据集。面向应用方面，为更好支撑AI原生应用，未来需建立基础支撑数据集、过程埋点数据集、外部交互数据集三大类原生基础数据集。

　　2025年，DeepSeek的开源某种程度上改变了大模型的发展轨迹。开源不仅孕育出一批高质量的人工智能项目，还有力促进了上下游产业链的协同与融合，深刻改变了人工智能产业的发展格局。开源模型性能比肩闭源。以深度求索、通义千问等为代表的国产开源模型迅速崛起，为用户带来更具性价比的选择。模型性能方面，目前全球性能前25的大模型中，我国开源模型占据9席。模型普及方面，国产开源模型在Huggingface上的全球累计下载量已突破3亿次。应用生态方面，在Huggingface上基于我国开源模型的微调模型占比从2024年初的10%大幅上升至2025年7月的45%，显示出国产开源模型在国际范围内的接受度和影响力正快速提升。

　　开源社区协同演进，推动技术普惠发展。我国人工智能开源生态规模稳步扩大。截至2025年9月，我国主流AI开源社区平台已托管模型达38万个、数据集5.3万个，分别相当于HuggingFace同期托管数量的15.3%和9.5%。此外，我国活跃AI开源开发者数量达2.2万人，约占全球AI开源开发者总数的18.7%。一批本土开源社区正在积极推动技术普及与生态建设。商业模式孕育成型，探索合作共赢模式。模型厂商普遍采用“开源免费+高阶服务收费”的策略，即采取开源模型吸引开发者，进而通过技术支持、定制开发、云服务等增值服务实现商业转化。同时，开源模型也推动了云服务与芯片需求的增长。

　　伴随大模型的落地应用，幻觉引发的风险日益凸显，越来越成为制约应用的主要障碍之一。根据OpenAI理论研究，幻觉是一种在LLM统计学习本质下必然会产生的、可预测的副产品。根据中国信通院“AI Safety Benchmark”大模型幻觉测试结果，幻觉问题难以得到根治：尽管推理模型被认为是缓解幻觉的一种方案，但所测推理模型的幻觉率依然维持在10%以上。此外，大模型幻觉也存在类似“Scaling Law”的规律：基本呈现大模型参数量越高，幻觉率越低的情况。但大参数量的模型幻觉问题仍较为明显，72b参数模型幻觉依然超过14%。在现有技术架构下，大模型幻觉是其固有属性，成因复杂，训练数据、训练方法、推理过程、评估指标等因素交织。

　　各界探索技术路径，多措并举已现雏形。针对供给侧，在数据维度，通过数据过滤筛查来提升数据质量，采用知识检索增强扩展模型知识边界。在模型训练维度，通过双向自回归充分捕获上下文信息，采用多偏好对齐提升奖励信号的鲁棒性。在模型评估维度，采用不确定性评估机制，避免模型过度自信。 在模型推理维度，通过对比增强解码保持输出的一致性，采用反思解码及时修正累计错误。针对用户侧，在测试选型层面，需判定应用场景对幻觉的容忍度，并通过测试选择适配场景的模型；在二次开发层面，可基于特定应用领域数据，对模型进行微调或编辑；在应用增强层面，可在推理过程加入约束提示或通过知识检索增强引入外部可靠数据，降低幻觉率；在输出审校层面，使用插件审核与人工校对双重核验。

　　全球人工智能发展不均衡，迫切需要国际公共产品促进跨国交流合作。当前，全球人工智能技术的研发、应用和关键资源高度集中在少数国家和大型科技公司，发展中国家尚未能真正接触、使用人工智能并从中受益。随着人工智能全球化发展进入“爆发年”，国际合作扩面提质。中国信通院统计分析，在联合国、金砖、东盟、上合、G20、G7、太平洋共同体等12个全球重点多边机制中，人工智能均被作为核心议题，发布领导人宣言或联合声明等合作共识，并且中国、沙特、印尼、美国、俄罗斯等国在国际合作中比较活跃。

　　产业界通过生态基建创新、工具赋能创新、服务模式创新等策略推动全球化发展。“技术开源+生态共建”促进通用模型推广，“本地化拓展+普惠赋能”拓展全球市场。华为云、阿里云、昇腾AI等基础层企业提供算力数据芯片等底层支持；Deepseek、通义千问等技术层企业提供算法模型、开发平台；科大讯飞等应用层企业面向场景提供产品与解决方案。总体来看，人工智能国际化发展仍需解决跨境合规认证复杂、ESG评估体系模糊、数据跨境流动受限等挑战，才有望成为真正普惠共享的国际公共产品。

　　AI发展是无尽的前沿，这些关键词虽然不能代表产业全貌，但我们认为它们应该是众多议题中最值得关注的部分，有助于大家把握产业脉搏、洞察未来趋势，希望能够为业界同仁提供有价值的参考。