編者按：以定力致遠，以重構圖新人工智慧。大象新聞、大象財富聯合騰訊新聞、騰訊科技推出2025年終策劃《定力與重構》，回望2025、展望2026，讓洞察照見本質，向變革尋求確定。
諾貝爾經濟學獎得主丹尼爾·卡尼曼在《思考，快與慢》裡曾這樣描述人類認知的雙重底色：我們的大腦中潛伏著兩套系統，系統1(快思考)是閃電，主導直覺與應激，負責照亮瞬間；而系統2(慢思考)是北極星，主導邏輯與理性，負責指引方向人工智慧。
2025年，我們被捲入“系統1”的閃電風暴人工智慧。DeepSeek以MTP與MoE架構完成大模型“效率革命”，Gemini 3.0的原生多模態能力讓AI擁有理解三維世界的“世界模型”，通用Agent讓AI成為數字勞動力，自動駕駛與人形機器人實現端到端進化……密集的突破讓整個2025年像一臺高速運轉的滾筒洗衣機。
資訊過載、技術迭代、職業焦慮接踵而至人工智慧，我們甚至來不及問：這一切將把我們帶向何方？
站在2026年開年，展望未來五年(2026-2030)，我們需要啟動"系統2"，在變幻中尋找不變的底層邏輯人工智慧。
本文將總結人工智慧發展的10大關鍵趨勢，像觀察北極星一樣，去觀測這場即將重塑世界的深刻變革人工智慧。
趨勢一：人工智慧產業變革提速人工智慧，“機器人大腦”3年內迎來“DeepSeek時刻”
展開全文
我國戰略科學家錢學森在1984年提出“四種革命理論”，任何新科技都遵從“科學革命-技術革命-產業革命-社會革命”四個發展階段，上游革命積累到一定數值便會促進下游革命的發生，下游革命為上游革命的發展掃除障礙、準備環境條件人工智慧。
人工智慧也不例外，按照“智慧科學-智慧技術-智慧經濟-智慧社會”健康有序發展，20世紀中葉開始的神經網路、自動機、平行計算等科研成果，在2010年代孕育出AlexNet、Transformer、世界模型、通用GPU晶片，進而推動智慧城市、影片網際網路(直播&短影片)、Robotaxi車隊、大語言模型個人助手、AIGC創作工具等商業模式與經濟形態人工智慧。
之所以國家連續釋出《“資料要素×”三年行動計劃(2024—2026年)》、《國務院關於深入實施“人工智慧+”行動的意見》、《國務院辦公廳關於加快場景培育和開放推動新場景大規模應用的實施意見》等系列政策，都是為人工智慧+新質生產力“鋪路修橋”，大規模提供產業開放場景、真實訓練資料、垂直行業模型線上試點機會人工智慧。
如果將具身智慧機器人放入該變革路徑，我們會發現核心技術“機器人大腦”的變革時刻還未到來，而在未來3年將有較大機率研發出適配各種本體的通用機器人作業系統，具有操作複雜任務的靈巧手智慧、完成新任務的任務規劃智慧、長推理與泛化智慧、群體協同工作的群體智慧框架，從而開啟大規模走上工廠崗位，透過大批次生產快速降低成本，提升價效比、自組織性與複雜環境適配性，當觸及消費電子與生活服務價格區間時，步入千家萬戶人工智慧。
趨勢二：智慧經濟分步落地人工智慧，分上下半場
基於世界經濟論壇、世界銀行、高盛、普華永道等經濟資料分析人工智慧，我們認為人工智慧分步推動智慧經濟可持續落地，分為上下兩個半場：
1. 上半場：當前如火如荼的AIGC只是“開胃菜”，創造了全球1%左右的GDP，而3年後AI效率工具將帶來2%~3.5%的GDP產值(5.2萬億美元)，而AI變革的“中場”是2030年(十五五末)實現全球14%的GDP規模(15.7萬億美元)，這才是“人工智慧+新質生產力”的價值體現人工智慧。
2. 下半場：伴隨機器人大腦與產品的規模化推廣，2035年智慧體與機器人經濟將創造出45%的全球GDP產值(80.4萬億美元)，隨後持續增長；2040年，全球經濟GDP的80%都由ASI超級機器智慧帶來人工智慧。
所以，世界上最大的兩個經濟體(美國和中國)都在不遺餘力地興建新型能源網路、AI基礎設施，大規模投入AI理論、模型框架的基礎研發，同時加速科研成果的產業轉化，人類經濟躍遷往往來自重大科技變革人工智慧。
趨勢三：市場競爭從基礎模型比拼人工智慧，向模型開發平臺、AI入口遷移
中國市場上人工智慧研發型創企與網際網路巨頭的競爭人工智慧，圍繞“入口-MaaS-基礎模型-算力”四大戰役展開：
1. 算力競賽：底層國產GPU設計、晶圓生產以領先效能、國產化率、供給速度為目標人工智慧。
2. 基礎模型競賽：“開源戰略”浮出水面，以通義千問、DeepSeek為領軍代表的基礎模型迅速縮短與國際最高水平的差距，又向全產業鏈、全球開發者開源，逐步構建起人工智慧時代的“中國安卓”AIOS開發者生態圈人工智慧。
3. 開發平臺競賽：工欲善其事，必先利其器，公有云廠商為千行百業開發者提供了模型即服務(Model as a Service，簡稱MaaS)平臺，堪稱“Agent孵化器”，讓開發者更便捷地選擇不同基礎模型，縮短Agent開發週期，並能快速呼叫位元組系、阿里系、華為系、騰訊系、百度系的各種Agent介面，打破曾經的APP壁壘，針對使用者場景需求，形成更多AI生產力工具、組合式創新產品人工智慧。
4. 入口競賽：網際網路時代流量就是生命線，人工智慧時代巨頭們都在焦慮“入口切變”，從爆款APP轉移到跨應用的個人智慧體助手，“新入口”不僅能查詢資訊、梳理知識、推理結論，還能自動化執行復雜任務，比如出行差旅安排、比價交易等，綜合服務型智慧體從“只動腦子”向“動腦又動手”升級，阿里“千問”、位元組“豆包”、騰訊“元寶”成為頭部玩家，甚至出現軟硬一體位元組AI手機的互動入口嘗試人工智慧。
“創新就像在黑暗中摸索，你不知道哪一步會踩空，可要是不敢邁腳，那就永遠找不到新的路人工智慧。”(《創新者的窘境》)
有時候，成功恰恰是失敗之母，“明日之星”往往在巨頭忽視的賽道上狂奔，大公司並沒有無限的生命力，卻有成功路徑的依賴與上一代爆款產品的思維慣性人工智慧。
從國際AI模型競賽來看，美國雖然以超過中國10倍的AI投資暫時領先，但差距正在迅速縮小，2023年以前存在“代差”，而2024-2025年，模型效能的差距已經從兩位數縮小到近乎持平(斯坦福李飛飛團隊《2025年人工智慧指數報告》)，2026年我們有希望見證中國新發布的AI模型反超美國頂流AI模型的壯舉人工智慧。
趨勢四：AI生成影片、AI程式設計工具已成規模化商業模式
華為釋出的《智慧世界2035》報告中提出了“算力成本奇點”原則：當AI應用價值10倍於算力成本(Tokens成本)時，AI產業將迎來爆發性增長人工智慧。因此，實現 AI 普惠的核心關鍵在於持續降低算力成本。
AI影片生成、AI輔助程式設計已成為智慧商業應用的兩大“火車頭”，前者代表人類的“情緒價值”需求，後者代表人類的“效率優先”需求人工智慧。據《十五五影片行業發展研究與產業戰略規劃分析預測報告》，截至2025年9月底，AI在影片領域的滲透率已突破63%。且全球2025年AIGV市場規模較2024年增長翻倍，全球TOP10文生影片模型中，除Google Veo、OpenAI Sora2外均由中國企業主導，快手可靈的2025年度營收已突破1億美元。
行業資料顯示，AI驅動的影片營銷專案平均投資回報率達到1:5.7，AI影片廣告、AI漫劇、AI網劇成為傳統影片平臺(優愛騰)、網劇平臺(紅果等)的熱門生產模式，高階製作團隊採用“虛擬拍攝+AIGV”模式，小型製作團隊採用純AIGV方式生產短影片商業作品，預計2026年，AIGV網劇單集影片製作成本將逼近人工拍攝的1/10人工智慧。
IDC資料顯示，2025年中國AI程式設計工具市場規模達24.5億元，年增速187.3%(比AIGV更快)，字節跳動Trae以41.2%份額領跑人工智慧。據QYResearch預測，到2028年，中國AI程式設計工具市場規模將達到98.3億元人民幣，年複合增長率41.3%。在940萬中國程式設計師中，已有29.8%(280萬人)成為善於使用AI開發工具的人機協作型開發者。
人類開發者承擔軟體架構設計等高階思考工作，而AI程式碼工具負責繁重的程式設計任務，正在逐步變為行業趨勢人工智慧。從2025年到2045年，當全球人口從82.3億人發展到96.8億人，AI生產工具賦能的“全民創造生產力”或成為人類文明新一輪文藝復興與工業革命的序章。
趨勢五：AI硬體核心變革發生在“互動”與“控制”
從2025年~2030年，伴隨DeepSeek、通義千問等開源模型、多模態模型能力不斷進步，大多數消費者硬體的AI含量持續提升，直到達到100%(ARK Invest報告)人工智慧。而消費級AI硬體的核心變革按重要性依次是“互動體驗”、“晶片效能”、“應用豐富性”、“隱私保護”。
另外，多模態主動感知、空間決策智慧體、個人AI家庭助手、聽覺智慧、意圖計算、AI預干預服務、蜂群智慧裝置網、隱私安全可信終端、環境自適應AI裝置，將可能成為該領域在2026年創新研發方向人工智慧。
針對中國國內統一大市場，國務院《關於深入實施“人工智慧+”行動的意見》中設定清晰目標，從2027年到2030年，新一代智慧終端應用普及率從70%提升到90%以上，智慧網聯汽車、人工智慧手機和電腦、智慧機器人、智慧家居、智慧穿戴等新一代智慧終端將實現“萬物智聯”，在軟體、資訊、金融、商務、法律、交通、物流、商貿等城鄉全場景領域加速落地普惠智慧人工智慧。
2026年，我國產業場景中將湧現出L3智慧駕駛汽車、跨應用手機智慧體、無屏可穿戴終端、智慧環境自動控制助手、初代工業智慧機器人、機器狗/無人機多用途“蜂群”等新物種，令人眼前一亮人工智慧。正如錢學森所說，控制決定價值，而非計算。
趨勢六：資料決定模型能力邊界人工智慧，AI從“引數競爭”到“資料競爭”
2026年，資料決定模型的能力邊界人工智慧。如採用相同的基礎資料集，全球各大AI實驗室訓練出來的SOTA模型能力沒有本質區別。而特色資料往往能大顯神通，例如Anthropic的Claude模型，在AI Coding上優勢較大，而谷歌的Gemini和OpenAI GPT系列模型則在鑽研數學，從而讓AI贏得IMO奧林匹克資料競賽和博士級科學題目。
當今大模型研發正在從“卷引數”遷移到“卷資料”人工智慧。
第一人工智慧，GenAI階段，來自網際網路的語料資料從0.1億Token飆升到100萬億token，訓練資料規模超過了100PB；
第二人工智慧，智慧體階段，企業產出的場景知識資料成為核心，企業級資料管線驅動模型自我更新進化，跨任務、跨工作流、跨智慧體的共享技能、共享經驗成為優勢，個性化終身記憶資料從10GB/s提速到1TB/s，企業為智慧體提供數百PB級的持久記憶能力，且智慧體需要每月有能力上的明顯提升；
第三，具身智慧階段，資料成為物理世界語數字世界的生存紐帶，具身機器人必須透過即時資料流能夠分鐘級自適應、自學習、自最佳化，即時感知、反饋糾錯、迴圈往復人工智慧。華為預測，到2035年，全球儲存容量需求將比2025 年增長 500 倍，AI 資料佔比超過 70%，資料成為每個企業乃至整個社會的“智慧發動機”。
趨勢七：MaaS平臺孵化應用人工智慧，“零邊際成本”打造智慧體網際網路
網際網路巨頭的萬億美元平臺市值來自於梅特卡夫定律——“網路的價值隨其使用者數量的平方增長人工智慧。”過去十年是連線智慧手機的APP移動網際網路，未來十年是連線具身智慧終端的智慧體網際網路。而智慧體應用生態爆發的“土壤”則是來自雲端的Model as a Service模型即服務平臺，MaaS透過API提供對基礎模型或定製化AI模型的訪問，使開發者和企業能夠在無需管理底層基礎設施或從頭訓練模型的情況下，構建、微調、部署和管理AI應用，把模型能力標準化，讓企業不必再投入千萬級成本去訓練模型，也不需要團隊去維護推理叢集、處理加速卡排程、版本迭代、對齊、評估等複雜工程，一言以蔽之，AI創新應用開發門檻大幅降低。
以前開發網站或APP若想縮短研發週期，就複用開源程式、企業內部共享模組，現在要想敏捷開發智慧體、最佳化垂類模型，則採用模型外掛與資料資產庫、應用開發工具集，事半功倍人工智慧。
目前全球頭部的MaaS平臺包括Google Vertex AI、AWS Bedrock、微軟Azure AI、位元組火山引擎、阿里雲百鍊、騰訊雲TI-Matrix、華為雲ModelArts Studio等，為廣大AI應用開發者提供豐富的對話助手、智慧體呼叫、多模態、程式碼框架、基礎模型、AI安全防護資源支援人工智慧。
《巴倫週刊》甚至將目前的MaaS類比為“2012年的雲端計算時刻”，即當下MaaS垂類市場正站在爆發前夜，下一代智慧體網際網路巨頭將是最懂智慧體軟硬體開發的平臺服務商，能夠將模型、系統、工程融為一體，竭盡全力幫助開發者以最快速度、最低門檻、最豐富資源把“算力換智慧”人工智慧。
而MaaS商業模式，天然具有云服務“零邊際成本”特徵，用固定成本取代邊際成本，支援的AI應用開發者越多分攤成本越低、價值越大，規模化增長的智慧體網路同樣具有十分可觀的梅特卡夫定律價值，AI時代的萬億美元俱樂部成員就“隱藏”在其中人工智慧。
趨勢八：後摩爾定律時代的中國AI算力變革
華為在《智慧世界2035》報告中預測——2035 年全社會的算力需求將達到驚人的 1027FLOPS，跟 2025 年相比，增長10 萬倍人工智慧。面對如此挑戰性的算力增長目標，指引通訊產業技術發展的夏農定律(1948年克勞德·夏農提出)在逐步放緩，牽引晶片指數級發展的摩爾定律(1965年戈登·摩爾提出)的年增速也從50%降低到5%以下，同時產業界發現馮 • 諾依曼經典架構帶來的存算分離“能效瓶頸”成為阻礙，我們又站到了人類科技創新的新起點上。我國基礎研發必須在材料器件、工程工藝、計算架構、計算正規化4類核心領域取得顛覆性技術突破，才能換道賽車，引領“後摩爾時代”的算力革命。
高效處理連續變數的模擬計算、高並行效能的光計算、低功耗高質量思考的類腦計算、擅長超複雜問題的量子計算等新型正規化，都將在 AI 訓練、科學計算、密碼破解等專用場景中實現計算能效的指數級突破，國產計算架構與國產晶片將重新定義AI算力的新邊界人工智慧。
趨勢九：AI智商將在更多領域超越99%的人類人工智慧，對人機協同就業影響深遠
全球人類智商的統計平均值是100，據TrackingAI分析，2024年所有AI模型都未達到智商100，處於人類平均水平以下，而2025年新發布的模型大部分處於人類智商100-140之間，2026年，領先企業的AI模型將會超過智商140，也就是超過了99.8%的人類人工智慧。
斯坦福李飛飛教授研究團隊也在《2025年人工智慧指數報告》中獲得相關結論，2025年，AI大模型在博士水平科學問題分析、競賽級數學、多工語言理解超越人類水平，而早在2024年大模型就已經在影像分類、中等閱讀理解、英語語言理解、視覺推理領域超越人類人工智慧。所以，我們與其焦慮為什麼追趕不上AI智商發展，不如思考如何在工作、生活場景中用好比自己更聰明的AI好幫手。
趨勢十：Scaling Law驅動AI“從猿到人”進化
生物界不同物種的智力與大腦突觸數量呈正相關性，2010-2030年人工智慧模型引數量的發展也出現了指數級增長的“Scaling Law”，展現出驚人的智慧提升速度人工智慧。
●2012年人工智慧，AlexNet神經網路具有千萬引數量，相當於果蠅的107腦突觸數量級；
●2018年人工智慧，OpenAI研發的GPT初代模型擁有億級引數量，與蜜蜂的108腦突觸數量級接近；
●2019年人工智慧，GPT-2模型擁有十億級引數量，與麻雀的109腦突觸數量級一致；
●2020年人工智慧，GPT-3模型具有千億級引數量，相當於小老鼠的1011腦突觸數量級；
●2023年人工智慧，GPT-4模型橫空出世，擁有萬億級引數量，與貓咪、猴子的1012腦突觸數量級類似；
●2025年，GPT-5模型逼近十萬億引數量，2026年的GPT-6及後續模型也在朝著百萬億引數量探索，猶如“從猿到人”的智力進化之路人工智慧。
人類擁有1014-15腦突觸數量，AI模型在複雜規模上逼近人類，而且從“網路拓撲效率”和“動態可塑性”都在持續提升，人腦神經元連線的豐富性、高效性都在指引模型的發展方向人工智慧。
後記：瞭望“中國智慧經濟2030”
在工業時代，機器是人類體力與操作技能的物化生產力工具；在AI時代，模型是人類集體認知、語言與部分思維過程的超級工具，依賴充沛的能源、算力運轉的機器智力數十萬倍規模化放大人類智力人工智慧。
馬克思在《資本論》中認為：“各種經濟時代的區別，不在於生產什麼，而在於怎樣生產，用什麼勞動資料生產人工智慧。智慧產業中，演算法與算力組成的高併發“超級智慧”大幅度代替人類昂貴低速的腦力耗費，AI透過吞噬人類數千年和今天每分每秒的多模態知識，以資料化融合的人類集體經驗(大模型)取代個人經驗。
按照馬克思理論，誰佔有生產資料，誰支配生產過程，誰贏得生產成果人工智慧。或許西方極少數精英主導的智慧經濟無法避免，而在東方，像水電煤一樣的AI基礎設施普惠全民，大眾勞動者群體廣泛參與共創的社會化新質生產力將成為主流，人人都能為AI生產力分享知識，人人也能依賴全人類的AI知識包括創造新的價值，從而獲得基本收入。
《三國志》有云：“能用眾力，則無敵於天下矣；能用眾智，則無畏於聖人矣人工智慧。”人民群眾中蘊含著豐富的智慧和無限的創造力，東方AI從群眾中來，到群眾中去，百年大變局中，人民是創造歷史的動力。
文|快思慢想研究院院長 田豐
編輯|郭曉靜 史蓓蓓
主編|成書麗
監製|付天喜
