在2025世界人工智能大會·騰訊論壇上，騰訊研究院聯(lián)合騰訊優(yōu)圖實驗室、騰訊云智能、騰訊科技聯(lián)合發(fā)布了《共生伙伴：2025人工智能十大趨勢》報告。基于騰訊研究院多位研究員對全球技術(shù)、產(chǎn)業(yè)趨勢的長期觀察，通過10個關(guān)鍵趨勢勾勒出2025人工智能發(fā)展的三大主題基礎(chǔ)模型的躍遷、智能行動者的崛起以及AI走向物理世界，深入剖析了AI從“智能工具”邁向“共生伙伴”的關(guān)鍵躍遷。

1. 強化學(xué)習(xí)：引領(lǐng)大模型推理和行動能力新突破

強化學(xué)習(xí)（ReinforcementLearning, RL）正在大語言模型領(lǐng)域引發(fā)一場深刻的范式變革。當(dāng)前，強化學(xué)習(xí)在大語言模型中的應(yīng)用正從最初的人類反饋強化學(xué)習(xí)（RLHF）——主要旨在使模型輸出符合人類偏好——向基于可驗證獎勵的強化學(xué)習(xí)（RLVR）大規(guī)模演進(jìn)。RLVR將獎勵信號直接綁定到客觀、可驗證的結(jié)果上（例如編程或數(shù)學(xué)問題的正確答案），從而將優(yōu)化目標(biāo)從“聽起來正確”轉(zhuǎn)向“確實正確”，顯著提升了大模型的核心推理能力。這種轉(zhuǎn)變正推動大模型超越簡單的內(nèi)容生成，向解決實際問題、實現(xiàn)復(fù)雜目標(biāo)的高級智能邁進(jìn)。

2. 原生多模態(tài)生成：統(tǒng)一感知與生成的新時代

人工智能的早期發(fā)展主要聚焦于單一模態(tài)，如計算機(jī)視覺專注于圖像理解，自然語言處理專注于文本分析。進(jìn)入深度學(xué)習(xí)時代，特別是隨著Transformer架構(gòu)的突破性成功，為徹底的多模態(tài)整合鋪平了道路。這催生了“原生多模態(tài)模型”（Natively Multimodal Models），其核心理念在于從架構(gòu)設(shè)計之初就將多種模態(tài)（如文本、圖像、音頻、視頻）視為一個統(tǒng)一的輸入空間。通過共享或緊密耦合的表示層，模型能夠?qū)崿F(xiàn)跨模態(tài)信息的深度交互、對齊與融合。這種“原生”設(shè)計讓模型能在單一框架內(nèi)同時完成多模態(tài)的聯(lián)合感知，并基于模態(tài)間深度關(guān)聯(lián)的理解進(jìn)行多模態(tài)生成。從 OpenAI 的 GPT-4o 實現(xiàn)文本、圖像、音頻的無縫交互，到 Sora、Veo3 等模型在視頻生成領(lǐng)域的突破，這些標(biāo)志性成果無不預(yù)示著統(tǒng)一感知與生成新時代的全面到來，即將改變多個行業(yè)的范式。

3. 聲音模型廣進(jìn)化：邁向通情達(dá)義的情感智能

聲音模型正快速邁向具備情感智能的新階段，成為推動人機(jī)交互自然化、個性化的核心技術(shù)力量。從早期的機(jī)械朗讀發(fā)展到具備語境理解和情感表達(dá)能力的語音合成系統(tǒng)，再到可創(chuàng)作完整音樂作品和驅(qū)動視覺內(nèi)容生成的多模態(tài)聲音智能，AI聲音技術(shù)正在實現(xiàn)從“工具”到“伙伴”的躍遷。聲音的實時性與情感表達(dá)優(yōu)勢，使其在未來的Voice Agent、沉浸式內(nèi)容創(chuàng)作、教育與醫(yī)療輔助等領(lǐng)域具備廣闊應(yīng)用前景。隨著模型個性化、低延遲和端側(cè)部署的進(jìn)步，聲音智能將走向更貼近用戶、更普惠的交互形態(tài)，開啟“人人皆可創(chuàng)、處處能互動”的智能新時代。

4. 智能體雙軌進(jìn)化：編排類與端到端的分途并進(jìn)

AI Agent作為人工智能領(lǐng)域的重要發(fā)展方向，正經(jīng)歷著從概念驗證向生產(chǎn)應(yīng)用的關(guān)鍵轉(zhuǎn)變。自2023年探索性發(fā)展至今，已逐漸分化為兩條主要技術(shù)路線：編排類Agent（Orchestration-based Agents）和端到端Agent模型（End-to-End Agent Models）。編排類Agent采用"外掛式"架構(gòu)，將大語言模型作為中央決策器，通過預(yù)定義的代碼路徑編排LLM與外部工具、API的交互，實現(xiàn)復(fù)雜任務(wù)的分解與執(zhí)行。端到端Agent模型則采用"內(nèi)化式"架構(gòu)，通過強化學(xué)習(xí)等技術(shù)將推理、規(guī)劃、工具使用等能力直接訓(xùn)練到模型內(nèi)部，讓模型能夠動態(tài)指導(dǎo)自己的過程和工具使用。以O(shè)penAI的o3、Deep Research等為代表，這一路線仍處于早期階段，但在特定專業(yè)領(lǐng)域已展現(xiàn)出突破性效果。兩條路線各有優(yōu)勢和適用場景，將在未來長期并行發(fā)展，共同推動AI Agent技術(shù)向更加實用和強大的方向演進(jìn)。

5. LifeOS: AI成為個性化生活的操作系統(tǒng)

隨著生成式AI技術(shù)的快速成熟，人工智能正從輔助工具逐漸演化為人類生活深處的“共生伙伴”。OpenAI創(chuàng)始人Sam Altman最近提出了一個前瞻性的愿景：“LifeOS”描繪了一個超越傳統(tǒng)工具范疇的AI未來。他指出，人們對AI的使用方式正在從偶發(fā)性的單一任務(wù)轉(zhuǎn)變?yōu)槌掷m(xù)性的智能交互，AI不再只是回答問題的工具，而是貫穿用戶一生、主動提供幫助的智能伴侶。這一愿景預(yù)示著AI將更深層次地融入我們的日常生活，成為一個具備終身記憶、個性化推理和主動行動能力的“生活操作系統(tǒng)”。這一趨勢背后的技術(shù)基礎(chǔ)，包括長序列記憶模型、上下文理解引擎和主動決策引擎，正在不斷突破和完善。深入理解LifeOS的發(fā)展方向，不僅幫助我們洞察下一代人工智能應(yīng)用的演變軌跡，更將重新定義人與機(jī)器的關(guān)系，深刻影響未來人類生活與社會運行模式。

6. 智力即服務(wù)：智能化工作流賦能產(chǎn)業(yè)升級

隨著AI能力從“算力驅(qū)動”邁向“智力驅(qū)動”，企業(yè)正進(jìn)入“智力即服務(wù)”
階段，Agent逐步成為企業(yè)知識系統(tǒng)、流程結(jié)構(gòu)與組織角色的原生組成。在與知識的關(guān)系上，企業(yè)正從“有知識”走向“能調(diào)用”。RAG、數(shù)據(jù)飛輪和知識結(jié)構(gòu)化機(jī)制的演進(jìn)，使企業(yè)知識從“沉默資產(chǎn)”轉(zhuǎn)變?yōu)楸恢悄荏w實時調(diào)度的認(rèn)知系統(tǒng)。在與人的關(guān)系上，Agent正從被動工具向數(shù)字員工演化。它們開始承擔(dān)閉環(huán)流程、具備權(quán)限邊界，并成為流程體系中的原生節(jié)點。企業(yè)不再部署AI功能，而是部署具備行為責(zé)任的“數(shù)字崗位”。在與流程的關(guān)系上，智能化不再依賴單一Agent，而依賴系統(tǒng)性的Agent網(wǎng)絡(luò)與調(diào)度平臺。組織開始圍繞任務(wù)流、感知流與控制流重新編排流程邊界，邁向由Agent協(xié)作驅(qū)動的系統(tǒng)智能時代。

7. 游戲智能體：AI在虛擬世界的沉浸式進(jìn)化

游戲智能體正在重新定義虛擬世界中AI與人類的交互邊界。從早期簡單的腳本化NPC到如今具備深度學(xué)習(xí)能力的自主智能體，這一演進(jìn)不僅體現(xiàn)了技術(shù)的飛躍，更預(yù)示著虛擬世界正在向著一個充滿生命力的數(shù)字生態(tài)系統(tǒng)轉(zhuǎn)變。當(dāng)代游戲智能體通過強化學(xué)習(xí)、大語言模型、多模態(tài)感知等前沿技術(shù)，已經(jīng)能夠理解復(fù)雜的游戲環(huán)境、學(xué)習(xí)玩家行為模式、生成個性化的互動內(nèi)容，甚至展現(xiàn)出類似人類的情感反應(yīng)和社交能力。這種沉浸式進(jìn)化使得AI不再是虛擬世界的配角，而是成為推動游戲敘事、創(chuàng)造涌現(xiàn)式玩法、構(gòu)建動態(tài)社交網(wǎng)絡(luò)的核心驅(qū)動力。隨著技術(shù)的持續(xù)突破，游戲智能體正在為元宇宙時代的到來奠定堅實基礎(chǔ)，讓虛擬世界真正成為人類生活、工作、娛樂的第二空間。