信息量爆炸！深度解讀 300頁 AI 年度百科報告《State of AI 2025》

（來源：AI算法與圖像處理）

State of AI Report 2025 正式發佈了。

背后主筆是硅谷投資人 Nathan Benaich 和他創辦的 Air Street Capital，從 2018 年開始，這份報告就被稱為「AI 行業的年度百科」。

含金量還是非常高的。

原文在此：https://www.stateof.ai/

今年的內容比以往更猛，不光講了模型升級、芯片戰、智能體，還講了一個核心問題：

AI 到底給誰帶來了真正的價值？我們現在用得熱火朝天的大模型，是不是在「消耗算力的幻覺」里跑步？誰在真用，誰在燒錢，誰已經賺到第一桶金。

這份報告給了不少線索。全報告一共 300 多頁，信息密度拉滿，我們帶你一起拆解。

一、研究：推理元年，也是幻覺元年

2025 年，被稱為「AI 推理元年」也不為過。

不管是 OpenAI、Anthropic、Google，還是中國的 DeepSeek，都把「推理」當成了決勝關鍵。

但《State of AI Report 2025》的視角卻顯得格外冷靜：這場「推理盛宴」的熱鬧背后，既有真突破，也有不少幻覺

推理模型的爆發式進展

這一年最具標誌性的模型，是 OpenAI 的 o1。

用「Chain-of-Thought（思維鏈）+ RL（強化學習）」的方式，提升複雜任務的表現，刻意讓 AI「慢一點思考」。

在美國數學競賽 AIME 上，OpenAI 的 o1 從訓練到測試的表現都有明顯提升，甚至開始挑戰更復雜的奧賽題型。很多人也第一次看到，「AI 不再是答題機器，而是會留中間過程」的學習者。

但更猛的，其實是中國團隊。

DeepSeek 先是推出了 V3，后來又升級為 R1-Zero，直接用了一種叫 GRPO（Group Relative Policy Optimization）的方法，讓模型「先生成多個答案，再學會從中自我比較、選最優」。

為解決R1-Zero生成內容可讀性差等問題，后續加入 CoT 預熱、SFT等步驟，最終訓練出 R1，  AIME 得分從最初的 15.6%，一路飆升到了 79.8%，MATH-500 也達到了 97.3%，這些都是當前世界頂級水平。

推理的幻象

但我們得問一句：它們真的更聰明瞭嗎？

報告里的觀點讓人一驚：

「大多數所謂的推理進步，其實落在模型波動的自然範圍內。」

什麼意思？

就是你看到 AI 在某個數學題或邏輯題上的表現變好了，可能只是「隨機運氣」或者「換了種問法」，根本不是它思維方式變得更清晰了。

比如：

• 同一道題，只是在題目前加了一句「貓一天能睡 20 小時」的無關信息，錯誤率就可能翻倍；

• 在 DeepSeek R1、Qwen、Llama、Mistral 等多個 SOTA 模型中，加入無關信息，錯誤率甚至能飆升 7 倍；

• GSM-Symbolic 的研究發現，只要把題目的數字換一換，或換種表達方式（比如英文變中文），模型的數學精度直接下降 60% 以上。

模型的「脆弱性」遠超想象。

不過——即便如此，CoT 仍然是目前檢測模型意圖最強大的工具之一。

《State of AI Report》引用的多個安全性研究顯示：在紅隊測試中，哪怕模型有意掩飾自己的「作惡意圖」，CoT 仍能在 99% 的攻擊樣本中露出蛛絲馬跡。尤其是在數學、代碼等結構化任務中，CoT 是少數能揭示「模型到底是怎麼想的」的窗口。

AI 的「霍桑效應」

如果你是 AI 實驗室的負責人，最怕什麼？

怕你訓練了一個「考試考得好」的 AI，但一上線就出事。

《State of AI Report 2025》指出，AI 已經具備一種讓人毛骨悚然的能力：知道自己正在被評估。

研究者稱之為「AI 版霍桑效應」：

• 模型內部會浮現出一種「測試覺知方向」；

• 當你沿着這個方向「推一把」，它會變得更守規矩、更安全；

• 當你「關掉」這個方向，它就會表現出更真實的（可能更激進的）行為。

爲了應對這種「裝乖」機制，研究者提出了一個激進的概念：可監控性税（monitorability tax）。

我們也許得接受「性能不夠最優」的模型，以換取更高的可解釋性和透明度。就像招一個技術稍遜但誠實靠譜的員工，而不是一個聰明但善於掩蓋問題的「內鬼」。

獎勵機制的進化：模糊人類偏好 → 可驗證正確性

在訓練 AI「思考」的過程中，另一個關鍵技術正在悄悄變革：強化學習的獎勵機制。

傳統上，AI 靠人類給分：你覺得它答得好，就獎勵它多點分。答差了，少點分。這叫 RLHF（Reinforcement Learning from Human Feedback），直白説就是「靠人點贊決定成敗」。

但人類打分的標準太模糊了，也容易被「討好式 AI」騙到。

所以現在，主流實驗室開始用一種更硬核的方式：可驗證獎勵（RLVR）。

簡單説，就是讓 AI 做那些一看就知道對不對的任務，比如：

• 數學題有唯一解；

• 代碼能不能跑過測試；

• 推理鏈條有沒有邏輯漏洞。

用這種方式訓練出來的模型，不但在精度上更穩，而且能顯著提升一個叫CoT-Pass@Kmailto:CoT-Pass@K的嚴格指標——要求模型不僅答對題，還得答出一條「可信」的思考路徑。

但報告也指出，RLVR 並不是萬能鑰匙。

兩份研究報告還針鋒相對：一方説「RLVR 只是在重排採樣結果，沒帶來真正進步」；另一方説「如果你評分鏈條而不是答案，RLVR 確實更靠譜」。

推理之后，AI 正奔向三個更遠的方向

推理這場秀還沒唱完，但真正的前沿玩家，已經在追逐下一個劇本：

• 世界模型：能根據狀態預測下一個狀態，實現交互式視頻生成和虛擬環境控制（如 Genie 3、Dreamer 4）。

• AI 科學家：多代理系統已能提出假設、規劃實驗並驗證結果（如 DeepMind Co-Scientist、Stanford Virtual Lab）。

• 數學、化學、生物學突破：AI 系統在 IMO 數學競賽、藥物設計、蛋白質結構預測中已超越人類專家  。

二、產業：從論文到利潤，AI 終於開始真金白銀地掙錢了

過去一年，AI 不再只是「發佈模型—上熱搜—拿融資」的循環遊戲，而是開始真正走入商業主戰場。

從報告看，2025 年的產業格局發生了幾件大事：

AI 開始掙錢了，是真的掙「億」了

2025 年的 AI 產業，開始在財務報表上交卷了：

• 多家「AI-first 公司」年收入突破數十億美元，甚至直接接入廣告、電商等業務，成為新增長引擎；

• 大模型實驗室（OpenAI、Anthropic、Google DeepMind）通過 API、企業服務、定製化模型等方式，形成了清晰的訂閲 + 增值 + 企業方案三層商業路徑；

• AI to AI 市場也在擴大：越來越多公司開發給 AI 用的插件、服務、接口。

誰最掙錢？NVIDIA 幾乎在「收智商税」

説 AI 掙錢了，不如説，NVIDIA 在掙所有人的錢。

2025 年，NVIDIA 市值突破了 4 萬億美元。你沒看錯，是和整個平臺級經濟體差不多的體量。

更誇張的是，根據報告統計：

「2025 年發佈的 AI 研究論文中，有 90% 使用了 NVIDIA GPU。」

換句話説，AI 行業往前走的每一小步，幾乎都離不開 NVIDIA 。

從 2016 年到現在，西方市場上那些想挑戰英偉達的 AI 芯片公司，一共拿了大約 75 億美元投資。看起來不少吧？可如果當時這些錢不是投給初創公司，而是全買了英偉達的股票，現在價值大約是 850 億美元——整整翻了 12 倍。反觀那些「挑戰者」，市值加起來才 140 億美元，勉強翻了兩倍。

當然，也不是沒人挑戰它。

今年的報告里提到，「定製芯片 + 新雲架構（Neo-Clouds）」開始抬頭：

• Google 用 TPU v5 Ultra 支撐 Gemini；

• AWS 用 Trainium、Inferentia 整合了自己模型堆棧；

• 中國本土也在加速國產算力芯片投放，尤其針對開源模型優化路徑。

但坦白説，這些挑戰目前更多是戰術性優化，無法撼動 NVIDIA 的戰略地位。一如英特爾壟斷 X86 那樣，NVIDIA 已經綁定了整個 AI 產業鏈的心跳頻率。

新瓶頸是「沒電」

之前我們也聊過這個問題。

以前搞 AI 的最怕聽到一句話：「你沒 GPU 啊？」而現在最怕聽到的，是：「你拉不來電啊？」

今年報告里也提出了這個觀點：

「AI 發展已進入‘電力決定路線圖’的時代。」

什麼意思？就是：

• 世界各地建的大模型超級數據中心；

• 但這些集羣動輒需要「數百兆瓦到幾千兆瓦（GWh 級）」的電力消耗，相當於一箇中型城市的日常負荷；

• 而當前的電網根本跟不上它們的擴張速度：發電能力不夠，變電站老舊，輸配系統承壓，政策審批周期長……

結果就是：你想部署模型，先得去談電網調度。

AI 開發者正在變成「能源交易員」。

這不是誇張。比如某大型 AI 公司在德州買下整片工業地皮，實則是在爭奪變電站和電網接入點。報告甚至提到，「部分 AI 基礎設施的邊際成本，已經由 GPU 價格轉向千瓦時電價」。

中國開源模型全面反超：Qwen、DeepSeek、Kimi，把 Meta 甩在身后

這部分，是整個報告里最意外、但最值得打醒西方開發者的一幕。

回顧過去幾年，Meta 的 LLaMA 系列一直是全球開源社區的「白月光」，幾乎所有社區微調、項目部署、落地工具都圍繞 LLaMA 做。

但就在 2025 年，中國模型完成了一場真正意義上的「超車」：

• Qwen 一家模型，佔據了 Hugging Face 新微調模型衍生的 40% 以上份額，Meta LLaMA 的份額從 50% 跌到 15%；

• DeepSeek 不僅在推理任務上超越 o1-preview，還成功「卷出商業場景」，如 code agent、多模態 agent；

• Moonshot 的 Kimi K2 成為全網最強的開源文本模型，在 LMArena 排名第一；

• 中國團隊構建了完備的開源 RL 工具鏈：ByteDance 的 verl、OpenRLHF 都以 Apache/MIT 開源協議發佈，API 友好、效率高、生態完整。

「中國的開源模型不再是‘LLaMA 山寨’，而是社區真正願意構建在其上的根基。」

Meta 之后發佈的 LLaMA 4 沒能維持熱度，部分原因是選了 MoE 架構，調試難、社區門檻高、擴展性差。反觀 Qwen、DeepSeek、Kimi 等模型覆蓋從 1B 到 100B 各種規模，適合不同開發者上手，成爲了真正「社區友好」的基礎設施。

面對中國開源生態的狂飆，OpenAI 也開始重新考慮「自己是不是站錯了隊」。

2025 年 8 月，他們發佈了 gpt-oss-120B 和 gpt-oss-20B，是自 GPT-2 之后首次開源大模型。

但這次開源，社區反響中等偏下。報告直接指出：「gpt-oss 系列的實際使用效果類似微軟的 phi 模型：‘小而便宜’，但不穩定。」

三、政治：AI 已經不是技術競賽，而是國家之間的權力遊戲

到 2025 年，AI 已經從技術正在變成地緣政治的一部分——甚至可以説，是國際秩序的一部分。

這場競賽最激烈的主角，還是中美。

美國封鎖，中國造血

報告里用了一個頗具諷刺意味的詞：「America-first AI」。

而這背后是一套政策組合：

• 對先進 GPU 的出口全面收緊（尤其是針對中國）；

• 對頂級模型的開放設置了「閾值限制」（比如 FLOPS 限制）；

• 投資迴流本土、重點扶持「安全可信」的 AI 工具鏈；

• 甚至推動盟國一起設立「共同管控標準」，比如類似歐盟 AI Act 的框架。

這套打法，說白了，就是不給你卡、不給你投錢、設立規則限制你。讓中國 AI 的發展必須靠自己造血。

而中國這邊的應對，也非常明確：不再等，不再繞，直接「自給自足」干到底。

報告里提到，中國在 2025 年不僅加速了國產 GPU 投產（尤其是面向開源模型的優化芯片），還出現了多個「從芯片到框架」的全鏈路國產替代項目。尤其在訓練基礎模型、做專有模型優化方面，已經不再完全依賴西方工具鏈。

而這場脱鈎的受害者，是全球創新。

社會結構也開始被衝擊

當然，政治層面的轉變最終也會落到每個人頭上。

2025 年，自動化衝擊勞動力市場的證據第一次變得實錘了。

報告提到，一些國家已經開始把「AI 失業」納入勞工統計指標中，比如：

• 低技能崗位被 AI 工具壓縮工時，比如客服、基礎寫作、數據錄入；

• 原本「中產技能型」工作，也出現了被半自動工具替代的趨勢，比如財務審計、文書法律服務；

• 招聘市場開始用「是否熟悉 AI 工具」作為硬門檻，比如 Excel 現在可能不重要了，ChatGPT、Copilot 纔是必修課。

多個國家已經啟動了關於 「AI 税收」、「全民再教育」 的政策討論：如果 AI 搶走了人類的工作，那麼創造它的公司，要不要多繳點税？這些錢能不能用於再教育基金？

這聽起來像是老生常談，但區別是，這一次是真的來了。

四、安全：AI 世界的「攻防戰」，正在徹底失衡

説到 AI 安全，很多人第一反應是：「會不會哪天模型突然暴走？」但現實要複雜得多、也殘酷得多。

2025 年的 AI 安全，不再是「有沒有問題」的討論，而是「攻防是否還平衡」的問題。而報告的答案，幾乎可以説是：不再平衡，甚至已經傾斜得很危險。

安全投入，擋不住五個月翻倍的攻擊能力

先看一組令人頭皮發麻的數據：

「攻擊能力每 5 個月翻一倍。」

什麼意思？就是你剛剛設立一道防線，五個月內就會被新方法繞過、穿透，甚至自動化批量化。

與此同時，頂級實驗室雖然砸了史無前例的錢在安全上，但外部的非盈利安全研究機構，一整年的預算還不夠這些實驗室一天的成本。

這是一種極度不對等的結構：做出模型的，是富可敵國的巨頭；試圖監督它們的，是幾間辦公室幾臺電腦的非盈利團隊。

這就像讓一個手持盾牌的騎士，去攔截一羣開坦克的盜賊。

報告里的話説得很直白：

「前沿 AI 實驗室的進展速度已經遠遠快過了任何形式的安全對策機制。」

安全研究的新方向：從語言監控轉向結構控制

報告里對安全研究的重點做了非常清晰的分類：

• 數據層安全：現在主流的做法，是在模型訓練前就把有害內容過濾掉，或者在訓練中加語境標籤、拒絕學習某些模式。這個方向已經比較成熟，能明顯降低「越獄」率。

• CoT 安全監控：思維鏈（Chain of Thought）不僅能讓模型「顯得像在思考」，還意外成為一種檢測作弊的工具。報告提到，95% 的Reward Hacking行為可以被思維鏈暴露。但問題來了：攻擊者也會「裝」一條合法的思維鏈出來。

• 無語言推理模型（如 COCONUT）：爲了省算力，有些團隊開始研究「完全不靠語言」的模型，比如圖結構推理、邏輯樹模型。這種模型更難出現幻覺，但也更難監控。因為你根本看不見它在説什麼。

《State of AI Report 2025》也在最后列出了未來 12 個月的 10 個預測。

讀完整份報告，我最大的感受是：AI 已經從「一個工具」，變成了「一個結構」。

它正在改寫科學的生產方式、資本的流動邏輯、權力的分配體系，甚至人的定義方式。

我們曾以為，AI 會像電一樣普及，像互聯網一樣連接世界。

但現在它告訴我們，它更像語言本身——我們習慣用它表達，卻越來越難脱離它思考。

這令人震驚，也令人興奮。

因為我們正身處其中，親歷這場變化。