2025年人工智能十大发展趋势
3.0
2025-02-19
4
4
4.74MB
18 页
10龙币
侵权投诉
2025年人工智能十大发展趋势
证券研究报告行业简评报告
分析师：武超则
wuchaoze@csc.com.cn
SAC 编号:s1440513090003
SFC 编号:BEM208
分析师：庞佳军
pangjiajun@csc.com.cn
SAC 编号:S1440524110001
本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。请务必阅读正文之后的免责条款和声明。
核心观点
核心观点：大语言模型发展进入深度推理阶段，通用人工智能愈行愈近，AI应用进入爆发前夜。站在当前这一重要的历史节点，我们从
技术、应用、能源三个维度展望了人工智能的未来发展，其中技术是源动力，应用是牵引力，能源是支撑力。对未来的展望中，我们提
出推理计算、合成数据、缩放法则、超级智能体、具身智能、AI4Science、端侧创新、自动驾驶、人工智能+、能源需求十个方面的重要
发展趋势。
技术是原动力。OpenAI发布具有深度思考能力的o1推理模型，标志大语言模型发展进入深度推理阶段，推理侧缩放法则同样存在，大模
型算力需求侧逐步迁移至推理侧，推理计算提升大模型准确率，强化学习激发模型推理能力；伴随文本模型的日益成熟，高质量数据更
为稀缺，合成数据价值显现，其与大语言模型推理有望产生新的化学反应；缩放法则从文本为主的大语言模型训练迁移到更加广阔的人
工智能领域，同时o3与GPT5循环驱动有望开启。
应用是牵引力。AI Agent即将进入能力快速跃升阶段，头部的人工智能企业和互联网公司均在端侧AI Agent方面有所布局，超级智能体将
走向普及；具身智能不断突破，人形机器人进入量产元年，机器人相继进入工厂实训，加速智能制造落地进展；人工智能极大加速科学
研究进度，应用可见于所有STEM领域，AI4Science已经进入黄金时代；随着AI大模型逐步成熟，几乎所有硬件产品都可以加入AI元素来
提升表现能力，端侧创新将不断涌现，AI塑造端侧新分工新格局；自动驾驶算法进入端到端驾驶算法发展阶段，大语言模型和视觉语言
模型（VLM）逐步与端到端融合，进一步增强环境理解能力，Robotaxi进入商业化落地阶段；“人工智能+”全面铺开，企业数字化率先
落地，AI在提升效率、精准决策、降低风险、创新服务方面均有巨大潜力。
能源是支撑力。推理端算力需求大幅增长，基于云的人工智能系统需要消耗更多的能源，可持续发展日益紧迫。
风险提示：人工智能模型技术发展不及预期、数据数量与数据质量不及预期、隐私问题、伦理冲突风险、算力基础设施支持不及预期等。
趋势一 推理计算提升大模型准确率，强化学习激发模型推理能力
OpenAI发布新的具有深度思考能力的o1推理模型，推理侧缩放法则同样存在，大模型算力需求逐步迁移至推理侧。o1模型在复杂问题上
花更多时间进行思考而非直接回应，具有改善和调整策略的能力，在科学、代码和数学等复杂问题上表现出色。思维链和思维树通过中
间推理步骤帮助大模型实现了复杂的推理能力，大语言模型能够自己对推理过程的中间思维进行评估，o1呈现出类人的逻辑思维潜力。
强化学习激发模型推理能力，复杂思维方式——反思能力涌现。传统大模型需要大量人工标注的监督数据进行训练，DeepSeek-R1-Zero
验证了无需任何微调数据，仅通过强化学习即可实现推理能力的自主进化。而且这是没有奖励思维链长度的情况下实现的，即目标只是
为了作对题目，大模型就会自发进行更长地思考，并且最后回答效果更好。在这个过程中，自发涌现出“反思”、“多步验证”等复杂
推理行为，出现问题后，模型会自动纠正早期错误，这种“智能”的出现，为未来更有智慧的Agent出现铺平道路。
结合蒸馏技术实现能力的高效迁移。使用DeepSeek-R1作为教师模型生成800K数据，并对多个小型密集模型微调，小模型性能飞跃。以
通义千问的15亿参数量大模型为例，经过DeepSeek蒸馏后，数学题上超过GPT4o-0513的水平，为小算力实现特定功能奠定了基础。
资料来源：OpenAI，天翼智库，中信建投
图：推理侧缩放法则展现出的巨大潜力 图：DeepSeek-R1-Zero在RL过程中训练集上的平均响应长度 图：DeepSeek-R1-Zero中间版本一个有趣的“顿悟时刻”
资料来源：DeepSeek-R1：通过强化学习激励LLMs中的推理能力，中信建投
趋势二 高质量数据更为稀缺，合成数据价值显现
高质量数据的稀缺性日益加剧。生成式AI模型的智能表现很大程度上依赖于数据，高质量数据是构建和训练复杂大模型的基础，模型训
练所需要的数据主要来源于互联网上的文字和视频。目前大语言模型需要的数据资源规模日益扩充，加速了数据资源耗尽的时间点到来，
同时互联网数据的创建者提升了数据抓取的限制，让搜寻数据变得越来越困难。
合成数据是一种模仿真实世界数据的非人工创建的数据，是由基于生成式AI技术的计算算法和模拟创建而成。英伟达发布的开源模型
Nemotron-4 340B，开发者可以使用它们生成用于训练大型语言模型的合成数据，以应用于医疗、金融、制造、零售及其他各行各业的商
业应用，生成的合成数据在规模较小的大语言模型训练中将扮演重要的角色。
合成数据与推理时计算的化学反应在DeepSeek V3、DeepSeek R1中开始显现。以DeepSeek为例，用DeepSeek R1模型蒸馏出来高质量CoT
数据去训练DeepSeek-V3，其高质量的合成数据对V3基础模型训练有明显提升。
图：公共数据耗尽时间 图：英伟达Nemotron-4数据合成过程
资料来源：英伟达，中信建投
资料来源：Will We Run Out of Data? Limits of LLM
Scaling Based on Human-Generated Data，中信建投
摘要：
展开>>
收起<<
2025年人工智能十大发展趋势证券研究报告行业简评报告分析师：武超则wuchaoze@csc.com.cnSAC编号:s1440513090003SFC编号:BEM208分析师：庞佳军pangjiajun@csc.com.cnSAC编号:S1440524110001本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。请务必阅读正文之后的免责条款和声明。核心观点核心观点：大语言模型发展进入深度推理阶段，通用人工智能愈行愈近，AI应用进入爆发前夜。站在当前这一重要的历史...
声明：本站是提供个人知识管理的网络存储空间，所有内容均由用户发布，不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息，谨防诈骗。如发现有害或侵权内容，请点击侵权投诉。
分类：实用文档
价格：10龙币
属性：18 页
大小：4.74MB
格式：PDF
时间：2025-02-19
冀公网安备13010802002329
