
展望2025:人工智能发展的七大关键趋势
2024年可以说是我们花最多时间热切期待人工智能新发布和公告的一年。
尽管过程中难免出现一些失望和意外,但不可否认,人工智能的发展总体上给我们留下了积极的印象。我之所以这么说,是因为我们中的许多人已经在日常生活中越来越多地融入各类人工智能模型。
当然,我们总是希望得到更多——这也是人类的天性。基于这一点,让我们探讨一些挑战和趋势,我相信各大科技公司正为此努力突破。
需要澄清的是:我并不是在预测未来——这并非我的目标。相反,我希望重点强调人工智能尚有改进空间的领域,这些领域你或许已经注意到了。如果你想了解更多关于人工智能的相关内容,可以阅读以下这些文章:
2025年人工智能工程师必备的15个Python库
2025年十大数据和人工智能趋势
AI认证指南:轻松获取六位数年薪的职业路径
情感AI:如何像专家一样打造情感预测模型?
1) 这都与人工智能代理(AI Agent)有关
近几个月来,人们对更好地理解这项技术的兴趣与日俱增。但在深入探讨之前,先解决一个基本问题:什么是人工智能代理?
人工智能代理是指能够推理、规划并采取行动的智能系统。从本质上说,人工智能代理可以分解复杂问题,制定多步计划,并与工具和数据库互动以实现特定目标。因此,大多数人都认可一个表现良好的人工智能代理的价值。
然而,问题在于,目前的模型在逻辑推理和连贯性方面常常存在局限。它们通常能很好地完成简单的任务,但在处理包含多个变量的复杂场景时,往往会失去焦点,做出并不完全合理的决策。
人工智能代理有望根据我们提供的上下文或输入,生成更具体和个性化的响应。最大的问题之一是如何在这些代理的自主性与其响应质量之间找到适当的平衡。
为了弥补这一差距,我们需要在2025年推出更先进的模型。

2) 重新思考人类在循环中的人工智能系统
你可能听说过一项研究,聊天机器人在临床推理中的表现优于医生。在该研究中,50名医生根据案例报告诊断病情。同样的信息被提供给一个聊天机器人,结果显示,聊天机器人的得分超过了医生。
更有意思的是,研究中部分医生被随机分配使用聊天机器人作为助手。然而,这组医生的得分反而比聊天机器人单独工作的得分低。这表明人工智能系统与人类协作的方式存在问题。理想情况下,专家与高效的人工智能系统结合,应该能够超越单独工作时的表现。
部署基于大型语言模型(LLM)的聊天机器人并非易事。它需要精心设计的提示,即以正确的方式提出请求。为了解决这一问题,我们需要更好的系统,使专业人士能够无缝地将人工智能工具整合到工作流程中,而不必自己成为人工智能专家。
3) 超大型人工智能模型的兴起
大型语言模型通过大量参数构建,这些参数在训练期间会被微调。2024年发布的模型通常包含1万亿到2万亿个参数。展望未来,下一代模型的规模预计将更大,可能超过50万亿个参数。
随着2024年底的临近,我们迎来了ChatGPT公司发布的“Gemini2.0”和“双子座o3”模型,这为人工智能的发展方向奠定了基调。这些更先进的模型也将为全新的商业机会开辟道路。

4) 紧凑型人工智能模型的潜力
尽管超大型模型正快速崛起,紧凑型模型的机会也同样值得关注。这些模型的参数量仅为数十亿(虽然听起来依然庞大),运行时无需依赖装载GPU堆栈的大型数据中心,而是在笔记本电脑甚至智能手机上即可运行。
以IBM的Granite 3模型为例。它只有20亿个参数,但可以在普通笔记本电脑上高效运行,无需强大的计算能力。
未来,我们或许会看到更多这种规模的模型专注于特定任务,在不耗费大量资源的情况下提供高效的解决方案。
5) 通向人工智能近乎无限内存的路径
还记得第一次使用生成式人工智能帮我写电子邮件的情景吗?那时,LLM的上下文窗口只有2000个标记。如今的模型能够处理数十万甚至数百万标记,而目标是实现近乎无限的内存——即这些模型可以始终记住与我们的所有互动。
我们正在迈向这样一个时代,客服聊天机器人将记住它们与我们的每一次对话。表面上看,这似乎是一个积极的发展——但这真的毫无问题吗?
6) 不断扩展的人工智能应用
你知道2024年人工智能最常见的商业用例是什么吗?
根据哈里斯的一项调查,人工智能主要用于提升客户体验、改进IT运营与自动化、支持虚拟助手,并加强网络安全。
进入2025年,我们可以期待更先进的应用场景。随着多模态功能的增强,客户服务机器人将能够处理更复杂的问题,而不仅仅是生成支持工单。我们还可能见到人工智能系统主动优化整个IT网络,或安全工具能够实时适应不断变化的威胁。

7) 推理时间的重要性
在推理过程中,模型处理实时数据,将用户查询与训练中学到的信息进行比较。在这一过程中,新的人工智能模型正在扩展推理能力,某种程度上类似“思考”后才生成响应。推理所需时间取决于任务复杂性:简单的查询可能只需一两秒,而复杂或大规模的请求可能需要几分钟。
推理时间优化的吸引力在于,它无需重新训练或修改底层模型,就能实现微调和改进。这为增强LLM推理能力提供了两大机会:一是在训练阶段,通过高质量数据优化;二是在推理阶段,通过改进思维链过程。
这种双管齐下的方法或许将让人工智能代理看起来“更聪明”。
你认为2025年哪些人工智能相关的话题会成为主要趋势?
感谢阅读!你还可以订阅我们的YouTube频道,观看大量大数据行业相关公开课:https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ;在LinkedIn上关注我们,扩展你的人际网络!https://www.linkedin.com/company/dataapplab/。
原文作者:The PyCoach
翻译作者:过儿
美工编辑:过儿
校对审稿:Jason
原文链接:https://thepycoach.com/whats-next-for-ai-7-trends-to-watch-in-2025-05846e3feac9