人工智能進(jìn)入下半場：從DeepSeek到機(jī)器人，AI正在走向哪里？

本文來自微信公眾號： 反熵 ，作者：一笑

2025年以來，人工智能行業(yè)接連出現(xiàn)了幾個(gè)重要節(jié)點(diǎn)。

年初，DeepSeek迅速走紅，全球科技行業(yè)重新評估中國大模型的技術(shù)進(jìn)展。此后，OpenAI、Anthropic、Google等企業(yè)繼續(xù)加碼智能體，越來越多產(chǎn)品開始嘗試直接操作電腦、調(diào)用軟件并完成多步驟任務(wù)。與此同時(shí)，AI手機(jī)、AI眼鏡進(jìn)入密集發(fā)布期，人形機(jī)器人也頻繁出現(xiàn)在工廠、展會和資本市場中。

這些變化看起來分屬不同賽道。DeepSeek屬于基礎(chǔ)模型，智能體屬于軟件應(yīng)用，AI眼鏡屬于消費(fèi)電子，人形機(jī)器人則涉及機(jī)械、控制和制造。但如果把它們放在同一條技術(shù)演進(jìn)線上，會看到其實(shí)它們指向了一個(gè)共同方向：人工智能的能力邊界正在從生成內(nèi)容擴(kuò)展到執(zhí)行任務(wù)，并進(jìn)一步延伸到現(xiàn)實(shí)環(huán)境中的感知和行動。

過去幾年，人工智能行業(yè)的主要任務(wù)是把模型做得更聰明。接下來的問題則更加具體：這些能力怎樣進(jìn)入工作流程、怎樣形成穩(wěn)定產(chǎn)品、怎樣轉(zhuǎn)化為可以計(jì)算的商業(yè)價(jià)值。

人工智能由此開始進(jìn)入下半場。

01從ChatGPT開始，AI第一次真正走向大眾

2022年底，ChatGPT發(fā)布后，人工智能第一次以自然、直接的方式進(jìn)入普通用戶生活。在此之前，AI已經(jīng)廣泛存在于搜索、推薦、語音識別和機(jī)器視覺等系統(tǒng)中，只是這些能力大多隱藏在產(chǎn)品后臺，用戶很少直接感受到機(jī)器正在參與判斷。

ChatGPT改變了人與AI的交互方式。用戶不需要理解代碼和算法，只需要用自然語言提出要求，模型就能生成文字、翻譯內(nèi)容、整理知識，甚至輔助編程。生成式AI迅速從技術(shù)圈擴(kuò)散到教育、辦公、內(nèi)容創(chuàng)作等大量場景，大模型也由此成為全球科技產(chǎn)業(yè)的競爭中心。

2023年的行業(yè)關(guān)鍵詞是百模大戰(zhàn)。互聯(lián)網(wǎng)企業(yè)、創(chuàng)業(yè)公司和科研機(jī)構(gòu)密集發(fā)布基礎(chǔ)模型，市場首先關(guān)心的是誰擁有自己的大模型。到了2024年，競爭進(jìn)一步轉(zhuǎn)向能力比拼，參數(shù)規(guī)模、上下文長度、推理能力、多模態(tài)水平和榜單成績成為最常見的衡量標(biāo)準(zhǔn)。

這兩年完成了一次重要的能力遷移。過去的AI擅長識別和預(yù)測，大模型則讓機(jī)器擁有了更強(qiáng)的語言理解、內(nèi)容生成和知識處理能力。人工智能開始從后臺算法走向前臺工具，也讓各行各業(yè)看到了重新設(shè)計(jì)產(chǎn)品和流程的可能。

問題隨之而來。模型越做越大，訓(xùn)練和推理需要的算力越來越多，研發(fā)門檻和運(yùn)行成本持續(xù)上升。一個(gè)模型在榜單上提高幾分，可能需要更多芯片、數(shù)據(jù)和資金投入。行業(yè)逐漸意識到，如果每一次能力提升都要依賴成倍增加資源，AI的普及速度和商業(yè)空間都會受到限制。

DeepSeek正是在這個(gè)階段成為轉(zhuǎn)折點(diǎn)。

02 DeepSeek出現(xiàn)后，大模型的游戲規(guī)則變了

DeepSeek引起全球關(guān)注，表面上看是因?yàn)槟Ｐ湍芰咏鼑H頭部水平，背后更深的影響則來自成本和效率。

在它出現(xiàn)之前，大模型行業(yè)普遍沿著規(guī)模擴(kuò)張的路徑推進(jìn)。更多參數(shù)、更大訓(xùn)練集和更強(qiáng)算力，被視為提升模型能力的主要方式。美國頭部模型公司依托芯片、云計(jì)算和資本優(yōu)勢，不斷把訓(xùn)練規(guī)模推向新的高度。這條路徑推動了AI能力快速增長，也讓基礎(chǔ)模型越來越接近一場重資產(chǎn)競賽。

DeepSeek給出了另一種解法。通過架構(gòu)、訓(xùn)練方法和工程體系上的優(yōu)化，高性能模型可以在資源使用效率上實(shí)現(xiàn)明顯改善。它沒有消除算力的重要性，前沿模型的訓(xùn)練和大模型推理仍然需要強(qiáng)大的計(jì)算基礎(chǔ)。但它讓行業(yè)看到，算力投入并非唯一變量，算法效率、工程能力和軟硬件協(xié)同同樣能夠影響最終結(jié)果。

這件事改變了大模型競爭的計(jì)算方式。

過去，行業(yè)常常把最強(qiáng)模型等同于最大投入?，F(xiàn)在，企業(yè)還需要比較模型在單位算力、單位成本和實(shí)際任務(wù)中的表現(xiàn)。對于使用模型的公司而言，價(jià)格下降也意味著更多應(yīng)用能夠跨過商業(yè)化門檻。客服、編程、知識管理和數(shù)據(jù)分析等場景，只有在模型調(diào)用成本足夠低、運(yùn)行足夠穩(wěn)定之后，才有可能從試點(diǎn)走向規(guī)模部署。

與此同時(shí)，開源生態(tài)的重要性也被進(jìn)一步放大。DeepSeek、Qwen等模型降低了企業(yè)和開發(fā)者使用先進(jìn)AI能力的門檻，讓更多公司可以在自己的數(shù)據(jù)和業(yè)務(wù)環(huán)境中進(jìn)行部署、微調(diào)和二次開發(fā)。模型能力開始從少數(shù)頭部公司的專有資源，逐漸變成可以被廣泛調(diào)用的技術(shù)底座。

當(dāng)模型越來越強(qiáng)、越來越便宜，產(chǎn)業(yè)自然會提出下一個(gè)問題：有了這樣的大腦，AI能不能直接把事情做完？

03從聊天助手到智能體，AI開始進(jìn)入工作流程

聊天機(jī)器人主要圍繞對話展開，用戶提出問題，模型給出答案。企業(yè)真正需要的工作通常沒有這么簡單。

完成一次市場分析，需要收集資料、核對數(shù)據(jù)、歸納趨勢并輸出報(bào)告；處理一項(xiàng)客服任務(wù)，可能涉及查詢訂單、修改信息、發(fā)起退款和記錄結(jié)果；完成一段軟件開發(fā)，也包括理解需求、編寫代碼、測試和排錯(cuò)。單次生成內(nèi)容只能覆蓋其中一部分，剩余環(huán)節(jié)仍然需要人在不同軟件和系統(tǒng)之間反復(fù)操作。

智能體試圖解決這段距離。

它建立在大模型之上，同時(shí)加入任務(wù)規(guī)劃、記憶、工具調(diào)用和執(zhí)行反饋能力。用戶給出目標(biāo)后，系統(tǒng)可以嘗試拆解步驟，調(diào)用搜索、瀏覽器、代碼工具或企業(yè)軟件，并根據(jù)執(zhí)行結(jié)果繼續(xù)調(diào)整。AI由此開始進(jìn)入工作流程，承擔(dān)過去必須由人串聯(lián)完成的一部分任務(wù)。

Anthropic推出Computer Use能力后，AI直接操作電腦界面成為行業(yè)熱點(diǎn)。OpenAI、Google和國內(nèi)廠商也在持續(xù)推進(jìn)類似方向，銀行、運(yùn)營商和制造企業(yè)則開始嘗試將智能體包裝成數(shù)字員工，用于客服、審核、數(shù)據(jù)整理和知識服務(wù)。

這種變化已經(jīng)超出了聊天機(jī)器人的范疇，但距離完全自主工作還有明顯差距。任務(wù)步驟越多，錯(cuò)誤累積的可能性越高；一旦涉及郵件發(fā)送、數(shù)據(jù)修改和資金操作，權(quán)限、安全和責(zé)任問題也會迅速放大。企業(yè)不可能只看模型能否完成一次演示，還要考察長期運(yùn)行中的準(zhǔn)確率、可追溯性和異常處理能力。

因此，智能體在較長一段時(shí)間內(nèi)更可能承擔(dān)邊界清晰、流程明確的任務(wù)，人類仍然負(fù)責(zé)目標(biāo)設(shè)定、關(guān)鍵判斷和結(jié)果審核。AI首先改變的會是工作中的任務(wù)分配，隨后才可能影響崗位結(jié)構(gòu)和組織方式。

04 AI正在離開屏幕，進(jìn)入真實(shí)世界

智能體讓AI進(jìn)入軟件流程，終端和機(jī)器人則把這種能力帶向更加具體的生活和生產(chǎn)環(huán)境。

過去，普通用戶使用大模型，通常需要打開網(wǎng)頁或APP，再主動輸入問題。AI手機(jī)和AI PC希望把模型能力嵌入操作系統(tǒng)，讓它參與文件整理、會議記錄、圖片處理、翻譯和跨應(yīng)用操作。AI眼鏡進(jìn)一步向前一步，它可以通過攝像頭、麥克風(fēng)和傳感器持續(xù)獲取環(huán)境信息，幫助用戶識別物體、記錄內(nèi)容和獲得實(shí)時(shí)提示。

這些產(chǎn)品的關(guān)鍵并不在于加入了多少AI功能，而在于能否建立新的交互入口。手機(jī)擁有用戶、數(shù)據(jù)和成熟生態(tài)，仍然是最穩(wěn)固的個(gè)人計(jì)算設(shè)備；眼鏡更接近人的視覺和聽覺，具備環(huán)境感知優(yōu)勢，但續(xù)航、重量、隱私和使用習(xí)慣仍然限制著它的大規(guī)模普及。

終端競爭解決的是AI如何進(jìn)入個(gè)人生活，具身智能則試圖讓AI進(jìn)一步參與現(xiàn)實(shí)勞動。

人形機(jī)器人近兩年快速升溫，與大模型能力進(jìn)步有直接關(guān)系。傳統(tǒng)工業(yè)機(jī)器人依賴固定程序和結(jié)構(gòu)化環(huán)境，擅長在生產(chǎn)線上重復(fù)執(zhí)行標(biāo)準(zhǔn)動作，卻難以應(yīng)對開放場景和臨時(shí)變化。大模型、VLA和世界模型的發(fā)展，讓機(jī)器人有機(jī)會理解自然語言指令、識別復(fù)雜環(huán)境，并根據(jù)目標(biāo)生成動作。

這也是人形機(jī)器人重新受到關(guān)注的原因?，F(xiàn)實(shí)中的工廠、倉庫、辦公室和家庭，大多按照人體尺度設(shè)計(jì)。如果機(jī)器人能夠使用人類工具、通過樓梯和門廊，并完成多種任務(wù)，就有可能減少對既有環(huán)境的改造成本。

但從會走路、會跳舞到能夠穩(wěn)定工作，中間仍然隔著可靠性、成本和數(shù)據(jù)。數(shù)字模型可以通過互聯(lián)網(wǎng)獲取海量文本和圖像，機(jī)器人需要的卻是帶有動作、力度和反饋的現(xiàn)實(shí)交互數(shù)據(jù)。一個(gè)杯子的位置、材質(zhì)和重量稍有變化，抓取動作就可能需要重新調(diào)整。實(shí)驗(yàn)室里的成功演示，也很難直接等同于工廠的連續(xù)運(yùn)行。

因此，具身智能目前最重要的指標(biāo)已經(jīng)逐漸從動作難度轉(zhuǎn)向工作能力。機(jī)器人能否長時(shí)間運(yùn)行，能否處理異常情況，能否在成本上優(yōu)于人工和傳統(tǒng)自動化，最終會決定這輪熱潮能否形成真正的產(chǎn)業(yè)。

05從模型競爭到產(chǎn)業(yè)競爭，AI進(jìn)入下半場

從ChatGPT到DeepSeek，從智能體到人形機(jī)器人，人工智能的每一次變化都在擴(kuò)大技術(shù)的使用邊界。

大模型解決了機(jī)器理解和生成信息的問題，DeepSeek推動行業(yè)重新審視能力與成本之間的關(guān)系，智能體開始把模型接入軟件和業(yè)務(wù)流程，AI終端爭奪個(gè)人入口，具身智能則把目標(biāo)放在現(xiàn)實(shí)世界的任務(wù)執(zhí)行上。

這條路徑也說明，未來的AI競爭很難由某個(gè)單一指標(biāo)決定。算力決定基礎(chǔ)供給，模型決定能力上限，開源生態(tài)影響擴(kuò)散速度，行業(yè)數(shù)據(jù)和業(yè)務(wù)流程決定應(yīng)用效果，終端影響用戶入口，制造和供應(yīng)鏈則決定AI能否真正獲得身體。

對模型公司來說，能不能把技術(shù)優(yōu)勢變成穩(wěn)定收入，將成為長期考驗(yàn)；對傳統(tǒng)企業(yè)來說，是否擁有可用的數(shù)據(jù)、清晰的流程和適合AI介入的場景，會影響轉(zhuǎn)型效果；對不同國家和地區(qū)而言，芯片、能源、軟件、人才和制造能力的組合，將共同決定AI產(chǎn)業(yè)的競爭位置。

過去三年，人工智能行業(yè)主要回答了機(jī)器能不能變得更聰明。接下來的幾年，行業(yè)需要回答的問題將更現(xiàn)實(shí)：這些智能能力能否穩(wěn)定工作，能否創(chuàng)造可計(jì)算的價(jià)值，能否進(jìn)入每個(gè)人的生活和現(xiàn)實(shí)生產(chǎn)體系。

這就是人工智能下半場真正要解決的問題。

本內(nèi)容由作者授權(quán)發(fā)布，觀點(diǎn)僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯(lián)系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4875043.html?f=wyxwapp