AI大模型时代，中国人工智能产业的机遇、5大发展方向与预测
来源：张亚勤清华大学智能产业研究院院长 | 发布时间：2025-06-30
科技丰台2025年06月12日 17:46北京
AI大模型时代，
中国人工智能产业的机遇
以GPT系列为代表的大模型正在重塑IT行业的结构。
如下图所示，新结构的底层仍旧是云，可能配备了数以万计的GPU或XPU（极限处理器），它们构成了算力基石。往上一层是经典的IaaS层（Infrastructure as a Service，基础设施即服务，包括了计算、存储、网络、数据、安全等）。再往上是基础模型层（Foundational Model），又称MaaS层（Model as a Service，模型即服务）。在此之上有许多VFM（Vertical Foundational Model，垂直基础模型），比如，用于自动驾驶、蛋白质解析、智能教育、具身智能的，难以计数。而且，这些垂直基础模型并非相互孤立、彼此隔绝，而是可以相互结合、形成对用户价值更高的应用——SaaS（Software as a Service，软件即服务）。
在这样的结构下，对于AI大模型时代的竞争者而言，似乎每一层都意味着崛起的机遇。理论上当然是这样，然而对那些资源不充分和实力不够强的企业来说，无论是在算力层、基础设施层还是在基础模型层，获得成功的概率都不太高——因为有门槛，并且难跨越。事实上，大多数创新风口应该会出现在垂直基础模型层及其上的SaaS层。
在生成式AI刚刚在产业内外引发极大关注的阶段，美国很快便出现了针对大众用户的实用化产品，如DALL-E、Midjourney、Cursor、Pika、Suno AI等垂直类应用，这些应用从上线到获客、实现营收的路径都很短。
中国目前有很多聚焦生成式AI机遇的新创公司，而且风险投资行业、高科技企业也在紧密关注着新的风向。这一领域的大多数创新遵循两种模式，一是做横向的基础模型，二是做行业的垂直模型。
到目前为止，更多的机会应该是在垂直领域，如边缘智能体、医疗等。对此，我的想法是，无论今后有多少机构和个人能够在这轮创新风暴中把握成长契机，进而成为新时代的弄潮儿，当下对生成式AI的探索一定会让每个人都倍感兴奋——毕竟，未知之门就在前方，每一天都是崭新的。
我认为，不管是行业巨擘还是初创企业，只要能够充分地、公平地竞争，便可创造出活力十足的市场。同时，能够坦然投身于竞争的公司才是好的公司。
大模型时代刚刚揭幕。42千米的马拉松比赛，而今可能才跑到5千米路标处。中国在PC互联时代落后于世界，在移动互联时代实现了特定领域（数字支付、短视频等）领先于世界。
到了AI互联时代，我们理应给予创业者、科研人员乃至企业更多的信心、更多的时间，毕竟，这场博弈恐怕将旷日持久。
AI大模型的五个发展方向
AI大模型作为数字化3.0的重要基石，其发展将决定未来技术攀升的高度与覆盖的广度。以下是我眼中未来AI大模型架构的关键发展方向。
1. 多模态智能：将带来全面的、具有深度的智能分析。结合语言、文字、图片、视频、激光雷达点云、3D结构信息、4D时空信息及生物信息，实现多尺度、跨模态的智能感知、决策和生成。
2. 自主智能：将带来个性化的智能体。将大模型作为一种工具，开发出能够自主规划任务、编写代码、调用插件、优化路径的智能体，实现高度自主智能，可自我迭代、升级和优化。
3. 边缘智能：将带来高效率、低功耗、低成本、低延时的边缘计算网络。将大模型部署到边缘设备端，如新一代AI PC（人工智能电脑）、新一代 Intelligent Phone（智能电话）、新一代 Intelligent Home（智能家庭，包括TV），大幅提升处理速度和相应效能表现，从而实现边缘智能。
4. 物理智能：将带来更加先进的自动驾驶车辆、机器人等。当下大模型正在被应用于无人车、无人机、机器人、工厂、交通、通信、电网和电站以及其他物理基础设施，以提升各类设备、设施的自动化与智能化水平。
5. 生物智能：将带来生命健康、脑机交互、医疗机器人的突破。将大模型应用到人脑、生命体、生物体中，实现AI与生物体联结的生物智能，并最终迎来信息智能、物理智能与生物智能的融合。
关于AI技术进一步发展的五个观点
1. 大模型和生成式人工智能是未来10年的主流技术与产业路线：大模型（GPT-4o、ChatGPT-o1、BERT等）和生成式人工智能将成为今后10年内的创新主轴与连锁变革的导火索。
2.基础大模型＋垂直大模型＋边缘模型、开源＋商业：基础大模型将是AI时代的技术底座，与垂直产业模型、边缘模型共同孵化出新的产业生态。其生态规模将比个人计算机时代大100倍，比移动互联网时代大10倍以上。在这个生态中，开源模型将和商业模型并存，为开发者提供灵活的选择。
3. 统一标识（Tokenisation）+规模定律（Scaling Law）：大模型最核心的两个要素是统一标识和规模定律。统一标识通过将文本和其他类型的数据统一编码为单元，使模型能够处理不同形式的输入。规模定律则揭示了模型规模与性能之间的关系，表明随着模型参数的增加和数据规模的扩大，模型的表现会显著提升。
4. 需要新的算法体系：与人脑相比，现有算法存在效率低、能耗高的问题，因此需要开发出新的算法体系，包括世界模型、DNA记忆、智能体、强化学习、概率系统和决策系统等，以实现100倍的效率提升。未来五年内可能会在AI技术架构上取得重大突破。当前主流的AI技术框架，如Transformer、Diffusion、AR，可能在未来5年内被新技术颠覆。
5. 从大模型走向通用人工智能：预计15~20年内可实现通用人工智能，并通过新图灵测试。
更进一步的预测：
• 5年内，在信息智能领域，AI对语言、图像、声音和视频的理解、生成等方面通过新图灵测试。
• 10年内，在物理智能（具身智能）领域，实现大模型在物理环境中的理解与操作能力的大幅提升，通过新图灵测试。
• 20年内，在生物智能领域，将AI应用于人体、脑机接口、生物体、制药和生命科学，实现大模型与生物体联结的生物智能，通过新图灵测试。