搜索
我们正在进入AI创新的「中国时间」。
2025第一季度刚刚过完，中国大模型“国产之光”已经可以预定一个年度关键词了。
从DeepSeek走红全网，到Manus一夜爆火，再到宇树为代表的机器人让中外网友连连惊呼……
毫无疑问，中国前沿科技，正在2025年成为全世界热议和肯定的焦点。
LeCun评DeepSeek
但问题是：为什么是2025？
以ChatGPT为起点的新一轮技术风暴刚刚卷到第三年，时间不算长，但对于风暴眼里的人们来说，信息量却早已爆炸。
更重要的是，随着大模型变革迎来新的转向，即关注点由训练向推理的迈进，新的机会伴随着挑战，正在不断涌现。密集突破，正在当下发生。
所以现在，又来到了一个值得好好复盘，进而展望未来的时刻。
如果你需要一份「全面」、「硬核」的科技报告作为参考，这份全新出炉的全景式科技报告，值得一读：
报告来自诺安基金，一家长期陪伴中国科技成长的千亿公募基金。自2003年成立以来，累计为740家科技企业提供IPO募资支持，产品持有新质生产力企业发行的股票市值合计278亿元。可谓是真懂硬科技，真懂中国创新。
而且这份报告，也完整又详细地展现了AI创新的全景路线，以及背后的中国机遇。
先给大家划一划重点：
- 强化学习 + 模态扩展 + 成本坍缩 + 工具进化引爆智能平权效应
- 开源模型有望帮助中国实现AI技术突围，推动全球AI平权化
- 端侧设备成为AI Agent载体，下个过亿级别销量市场蓄势待发
- 人形机器人正在迎来规模化应用里程碑时刻
- AI for 生命科学让“硅基智慧”引爆“碳基文明”核聚变
总之，从大模型被视作技术“奇点”的开端，到AI当下的实际突破，再到未来科技产业十大预测，在这份报告中，我们一起一文看尽。
密集突破正在发生
由OpenAI o1而起，再经DeepSeek R1引爆，大模型厂商的推理模型之争，正在如火如荼地展开。
在此背后，可以观察到的是，AI发展重心正在从“参数规模竞赛”转向“推理效能竞争”。
再加之多模态、AI Agent等应用趋势的影响，可以看到，对于算力的需求正在呈现出差异化趋势。
算力结构差异化，带来AI基础设施新机遇
按照预训练、后训练和推理的不同阶段划分：
预训练阶段：算力需求庞大，成本高昂。
在预训练阶段，模型要在海量的通用数据上进行训练，训练一个大语言模型，可能要处理数十亿甚至数万亿字的文本数据，模型参数众多，为了让模型能学习到复杂的模式和特征，往往要进行成千上万次的迭代优化。
以xAI的Grok-3为例，第一阶段耗时122天，同步使用了10万张NVIDIA H100 GPU进行训练；随后第二阶段在92天内，将集群扩展至20万张H100 GPU，预计训练成本接近100亿美元。
后训练阶段：算力需求和成本相对预训练大幅降低。
后训练阶段，大模型仅在特定任务的数据上进行微调。举个例子，医疗图像识别模型在针对医学影像数据进行微调时，数据规模会远小于预训练时使用的图像数据集。并且后训练主要是调整部分与特定任务相关的参数，计算量也相应减少。
不过，要让模型精准适配特定任务，也需要多轮参数调整和计算，所以需要中等规模的算力来保证微调过程的高效进行。以DeepSeek V3为例，其使用了2048张英伟达H800 GPU，总训练GPU卡时为2788千小时，训练成本约为558万美元。
推理阶段：普通消费者也能购买，是走向AI普及的关键。
推理是使用已经训练好的大模型对新输入的数据进行预测。这个阶段不需要对模型参数进行更新训练，只是按照模型既定的结构和参数对新数据进行前向计算，得出输出结果。
例如智能客服模型在回答用户问题时，只是根据训练好的模型对用户输入的文本进行分析并给出回答，计算过程相对简单，通常2台H20服务器即可运行满血版671B的DeepSeek R1推理模型，成本约200万人民币。而如果运行14B以下的DeepSeek R1蒸馏模型，仅需配置一张价值2万人民币的RTX 4090显卡即可。
可以看到，在后训练和推理阶段，大模型对算力的需求更加强调“性价比”。
OpenAI CEO奥特曼也曾提到，大模型的应用成本正在呈下降趋势，“AI成本每年会降至上一年的1/10”。不少业内人士同样指出，成本问题是大模型走向大规模应用的关键挑战之一。
在模型侧，以DeepSeek为例，能引发全球瞩目的关键之一，就在于通过创新的模型架构、高效的训练策略以及硬件适配优化，实现了性能与成本的极致平衡。
并且不仅是V3、R1开源，DeepSeek还通过开源周的活动，连续开源了FlashMLA等多项核心技术，覆盖从AI模型训练、推理加速到数据管理全链条。
诺安基金研究部总经理邓心怡在接受央视财经《财访》节目采访时指出：
DeepSeek横空出世的意义不仅是DeepSeek团队展现出AI领域的硬实力，更展现了国内科技产业扎实的研究基础和研究能力。
开源项目清楚地展现了他们的研究过程、理论体系和成果迭代，我们有望凭借扎实的人才储备和持续的教育和科研投入，以及更加开源开放的应用生态，引领AI下一波技术的变迁。
而优化技术带来的模型计算效率和推理速度提升，同样给定制（ASIC）芯片提出了新的要求、带来了新的机会。
诺安基金科技投资报告归纳了ASIC芯片的几大优势：高性能、低功耗、成本优势，以及灵活性带来的与场景的深度结合。
不仅是谷歌早早在自研芯片上有所布局，Meta、OpenAI也均在今年在定制芯片方面有新的动作：
Meta被曝开始测试首款自研AI训练芯片，OpenAI自研芯片也传出今年流片的消息。
同时，报告也提到，“算力-算法-数据”三位一体的持续优化才能打开AI大模型更大的渗透空间。从硬件基础设施的角度，在更快的通信、更好的散热、更大的电源等方向的探索，能提供更好的算力基础。
而应用落地带来的云侧以及端侧的推理需求增长，也将带动存储需求的提升。
值得关注的是，国产异构算力上下游，在新的技术趋势下，也正在加速走向高端化、平台化。
依托于RISC-V这样的开源架构，国内厂商可以深入底层研发，迈向高性能算力。比如，达摩院即将交付的玄铁C930处理器，通用算力性能在SPECint2006基准测试下能达到15/GHz，并且基于RISC-V灵活、可定制的特点，将高性能与AI算力有机结合，能更好地应对AI时代的应用需求。
AI智能眼镜迎来“iPhone时刻”
基础模型越来越强，也越来越便宜，而聚焦到应用上，DeepSeek被广泛热议背后关键的一点是：先进模型的参数规模正在快速缩小。
这也就带来了一个普遍预测：端侧AI正在呈现爆发之势。
当前，AI PC和AI手机已经率先成为AI Agent载体。根据IDC预测，2024年全球PC出货量2.75亿台，其中AI PC市占率约为19%；预计到2027年，全球PC出货量为2.93亿台，届时AI PC市占率有望达到60%。
而在DeepSeek热潮中，开春新机无不纷纷接入DeepSeek R1，荣耀、OPPO、vivo、小米概莫能外。
报告还着重关注到了AI智能眼镜这一载体，并预测：
AI智能眼镜终端有望成为第一个全新AI时代的人机交互硬件，成就新的亿级出货终端。
基于轻量级、佩戴无感化、高频响应，且为最靠近人体三大重要感官（眼、耳、嘴）的穿戴设备等优点，AI眼镜一方面天然适用于处理短平快的临时任务，成为个人助手的最佳载体；另一方面，结合显示功能的智能眼镜有望充分应用于社交、办公、垂类行业等多领域，进而成为AI时代的通用人机交互平台。
根据wellsenn XR预计，当前全球每年眼镜销量（含近视眼镜和墨镜）15亿副左右，中国每年眼镜销量2.4亿副左右，庞大眼镜佩戴者基数为AI智能眼镜提供了广阔的市场空间。
当前，AI眼镜产业尚处于发展初期，产品形态百花齐放，主要分为纯音频眼镜、带摄像智能眼镜和带显示智能眼镜三类主流形态。
诺安基金认为，带摄像头形态的眼镜由于在纯音频眼镜的基础上，集成了摄像头模组，用于提供图像和视频拍摄能力，同时可基于大模型实现AI识物等功能，具有更优的交互体验。
2025年，随着更多大厂进入AI智能眼镜的竞争，AI智能眼镜的发展将趋向成熟。预计2030年后，AI+AR技术逐渐成熟，开启AI+AR智能眼镜对传统智能眼镜的终极替代，智能眼镜成为AI通用计算终端。
科技未来正在到来
密集创新正在发生，而随着对AGI（通用人工智能）探索的不断深化，曾经只存在于科幻小说中的“未来式”场景，如今也变得不再遥不可及。
报告里也专门有一部分提到了当前正在被重点关注、未来值得期待的应用领域。
人形机器人：迎来从技术验证迈向规模化应用的里程碑
第一个就是今年火出圈的人形机器人产业。
从宇树机器人登上国内春晚开始，尽管今年才过去了1/4，但国内外的人形机器人厂商已经动作频频。
不仅隔一阵就升级能力，用各种“整活儿”吸引世人目光，而且都在默默朝着量产发力。
截至目前，这一行业已逐渐达成共识：2025年或将成为人形机器人量产元年。
毕竟，随着大模型的快速迭代、硬件成本的持续下降以及政策红利的不断释放，这一产业从实验室走向规模化应用已经来到了拐点。
而从应用场景来看，报告进一步总结了人形机器人的发展路径：
从工厂拧螺丝到家庭情感陪伴的阶梯式渗透。
中短期内，人形机器人将主要应用于工业制造、仓储物流以及特种应用领域；中长期内，其目标则是进入千家万户，为家庭养老育儿等场景提供相关服务。
至于影响这一进程的因素，除了技术，另一大关键在于成本。
报告提出了一个观点：
2万美元时代将颠覆全球劳动力市场。
目前，美国汽车工厂工人时薪24美元，丰田美国工厂工人时薪34.8美元，德国汽车工人时薪14.7美元。
而假设机器人5年折旧，一年工作时间为350天 x 24小时，每年保养维修是本机价格的15%，若人形机器人定价10万美元，则每小时成本4.2美元，若定价2万美元，每小时成本仅为0.83美元。
这并非遥不可及。不说国内宇树科技早已将售价定在10万元以下，另一边，马斯克前几日在一场公司全员会上也为Optimus机器人制定了目标：
百万台量产后单价降至2万美元（约14.5万元人民币）。
报告指出，假设Optimus机器人降本幅度符合预期，售价能够下探至2万美元，参考北美的劳动力市场容量，则对北美人形机器人市场空间测算人形机器人总市场规模约480~4960亿美元。
面对这一高潜市场，我国人形机器人产业的超车机会在于：全产业链突围+政策红利。
报告中提到，据不完全统计，国内人形本体厂商已有100+家，他们已构建起覆盖人形机器人“核心部件-本体制造-场景落地”的全产业链能力，形成独特的突围路径。
在上游硬件领域，国内已具备包括减速器、电机、丝杠、控制器和传感器等硬件组件，以及相关的软件系统的全产业能力。
而在本体制造环节，诸多创业公司、互联网企业与车企竞相发布旗下人形机器人产品，部分已率先在汽车工厂实现拧螺丝、物料搬运等任务验证。
报告认为：
若能在2025年前实现“硬件成本降至15万元+场景数据破千万小时”两大目标，中国或将成为全球首个将人形机器人从B端规模化导入C端市场的国家。
除了人形机器人，报告还提到了另一重点领域：AI+生命科学 。
AI+生命科学：生命认知的范式革命
其中进展最快的领域是AI制药和AI医疗。
先说AI制药，据贝哲斯咨询的调研数据，2024年全球AI制药市场规模为18.6亿美元，预计在2024-2029年预测期内该市场将以31.2%的复合年增长率增长。
在这一背景下，中国创新药产业也迎来了前所未有的发展机遇。
报告认为，从技术周期角度看，中国创新药产业目前已进入快速发展的黄金十年。
技术的革新与突破，不仅提升了创新药研发的效率，也降低了研发成本。从企业发展周期角度看，大量创新药企即将迈过“盈亏平衡点”，形成自我造血能力。
与此同时，从市场空间拓展角度看，国产创新药通过“license-out模式”出海，更广泛地参与全球定价，本质上是中国研发效率和临床资源价值的变现。
p.s. license-out模式是指企业在进行药物早期研发后，将项目授权给其他药企进行后期临床研发和上市销售。
以上整个过程中，AI制药正发挥越来越重要的作用，并持续推动产业向前迈进 。
而在医疗领域，AI也正在重塑各细分应用场景。
当AI+影像诊断/精准诊疗/手术机器人等，医疗流程能够获得智能化升级，不仅大幅提升效率与精准度，还推动着医疗产业迈向个性化与高效化。
在养老领域，依托物联网与AI监护系统，目前能实现跌倒预警、慢病管理等精准化服务，从而逐步构建起智慧养老生态。
同时，AI还能赋能健康管理（如疾病早筛、心理干预）与智能穿戴设备（如无创血糖监测、康复训练），通过实时数据分析与预警，最终形成“预防-诊断-管理”全链路健康闭环，重塑大健康产业格局。
以上数据和迹象表明，AI制药和AI医疗未来值得长期关注。
AI领域之外，报告也关注到了其他值得期待的前沿科技领域。
比如量子计算。
凭借量子叠加与纠缠特性，量子计算具备指数级超越经典计算机的并行运算能力，被公认为打破摩尔定律瓶颈的终极钥匙。
报告提出量子计算具有强大的并行计算和模拟能力，将改变我们的生活和工作方式，解决一些经典的无法解决的问题，量子科技有望应用于未来AI训练、生物研究、航空航天分析等场景。
截止目前，全球量子计算发展已跨越三大里程碑：
- 硬件突破：IBM推出1121量子比特处理器、中国“九章”光量子计算机实现算力领先；
- 错误率控制：谷歌将逻辑量子比特错误率降至0.0001%；
- 商业化落地：亚马逊Braket云平台上线量子机器学习服务。
着眼未来十年，量子技术将通过“三步走”路径实现技术跃迁：
- 短期（2025-2027年）：聚焦金融优化、药物模拟等专用场景；
- 中期（2028-2030年）：依托千比特级处理器与量子互联网推动AI大模型训练及跨域算力协同；
- 长期（2030年后）：向消费级量子手机、光子自动驾驶等应用扩展。
再加上国家已将量子科技纳入未来产业增长机制，有大量政策支持。报告预测，2030年产业将爆发“量子风暴“。
到2030年前后，基础算力优化所产生的外部市场规模可能达到万亿级别，主要集中在量子互联网、量子人工智能等新赛道。
商业航天与卫星互联网同样是热点之一。
中国商业航天方面，2025年可以重点留意的是：
- 成本竞争力持续提升：火箭发射与卫星制造成本逐步缩小与国际领先企业的差距；
- 应用场景初步规模化：手机直连卫星功能加速普及，航空互联、跨境物流等场景形成商业雏形；
- 国际协作话语权增强：在频轨协调、数据安全等领域参与规则制定，推动亚太区域合作。
未来科技产业十大预测
基于上述分析和报告其余内容，诺安基金给出了未来科技产业十大预测：
- 开源突围：中国开源模型+开源芯片技术，颠覆垄断，实现全球AI平权。
- 自主进化：从“人工投喂”到“主动学习”，下一代算法构建自主学习神经框架，无需人类监督，实现全域知识自主适应能力。
- 芯片破局：中国实现先进芯片全链条自主化，打造国产AI算力底座。
- 人机共创：AI赋能千行百业，重构生产流程、革新决策机制、重塑服务范式，催生“人机共创”的新产业形态。
- 决策可溯：AI全链路生成过程实现技术揭秘，模型逻辑与数据影响双通道可溯源。
- Agent平权：多模态融合交互，彻底颠覆传统人机协作模式，人类迎来“智能共生”的曙光时代，人人都将拥有“贾维斯”级智能体助手。
- 硅基觉醒：机器人训练模型跃升，多场景能力泛化，国产供应链突破，人形机器人进入特定场景实践。
- 天地一体：低轨星座进入“万星竞速”时代，天地一体化网络初现雏形，太空资源开发迈出第一步。
- 量子跃迁：专用量子计算机持续迭代，抗量子密码进入“实战部署”，触及经典算力无法企及的行业痛点。
- 生命无限：生物制造以指数型增长趋势，使人类实现从“开采地球”到“编程地球”的文明层级跃升。
这十项预测指向的是全球科技领域备受瞩目的技术发展路线，亦点明了中国科技产业迈向“创新引领者”与“规则定义者”的关键。
在基础技术层面，开源模型和自主算力基座的协同创新，不仅是AI时代技术突围的关键所在，其在全球科技领域产生的影响力，也将进一步影响中国在技术标准体系建立当中的话语权。
在应用创新层面，Agent交互革命被寄予重塑人类与技术共生关系的厚望。基于中国广阔的市场空间，AI应用领域，“中国方案”率先打样开启的不光是市场空间，亦是推动技术深化的国际影响力空间。
在战略前沿层面，着眼诸如生命科学、量子计算、航空航天，同样既是对“无人区”的探索，亦是从技术创新到生态构建，再到范式定义的不断跨越。
诺安基金研究部总经理邓心怡的观点可以作为补充参考：她认为，中国科技的崛起依托于三点。
首先是完备的供应链体系。国内强大的制造能力能够快速推动新技术的量产落地。
同时政策与市场能够快速协同，顶层设计加地方规划指引产业发展方向，而激烈的市场竞争则加速技术与产品的迭代。
更重要的是，中国天然拥有超大规模应用场景，单一市场便可摊薄研发成本，形成技术研发、场景应用与规则制定的路径闭环。
正是基于这三大优势，中国AI产业正在走出一条差异化路径：
不是单纯堆砌算力，而是通过算法、框架、硬件协同的系统级创新，以“性价比突破”和真正意义上的源代码开放，让更多开发者能基于公开模型进行场景化创新。
这种模式不仅降低了技术门槛，还加速了创新的扩散和应用，从而巩固了中国科技在全球竞争中的地位。
概括起来，这份报告实际也是今年以来产业隐隐共识的表达：中国科技，敢。
敢于想象，敢于创新，敢于在落地应用上转动飞轮，敢于此时此刻非我莫属。
这是底气，也是信心，让生态内的所有从业者有理由相信：更多“国产之光”，正在智能涌现。
