我的征尘是星辰大海。。。

The dirt and dust from my pilgrimage forms oceans of stars...

-------当记忆的篇章变得零碎，当追忆的图片变得模糊，我们只能求助于数字存储的永恒的回忆

作者:黄教授

手机视频列表

2025年终AI发展总结

视频

音频

原始脚本

2025年 AI 年终总结，Agent 元年的落地成色与 AGI 发展进程。
截至2025年12月，Agent 元年的提法具备约70%的落地成色，AI 向 Agent 形态的演进实现了从概念到场景落地的关键突破，但离规模化通用 Agent 仍有显著差距。
 AGI 的实现时间线并未因2025年的发展大幅提前，行业普遍将通用 AGI 落地预期调整为2030~2035年。
2025年的技术进展让 AI 向 AGI 迈进了约15%的关键技术距离，同时也暴露了基础理论、自主决策等核心短板。
一， Agent 元年，2025的落地成色，突破与未达预期。
已落地的核心信号70%成色，场景化 Agent 实现规模化商用。
产业端，蚂蚁 Agent R3 C4系列文本转 SQL 查询准确率超92%，服务超60%地方银行，成为金融领域标准化 Agent 工具。
Cursor 2.0可跨文件理解项目依赖。
自主规划代码开发流程，在程序员群体中渗透率超35%。
消费端，商汤 SenseCore 2.0实现 AI 短剧一人剧组，用户可通过自然语言指令，让 Agent 完成剧本创作、分镜设计、视频生成全流程，月活用户突破2000万。
这类垂直 领域 Agent 已从原型验证进入商业变现阶段。
Agent 核心能力自主规划、多模态交互显著提升。
Gemini 3.0的 Agent 模块可5秒生成动态网页并自主优化交互逻辑。
智谱 GLM 的 Scale 技术让 Agent 能精准控制影视级角色动画的动作与表情。
国内节约星辰 pocky 框架支持 Agent 在工业质检场景中自主规划检测路径，分析缺陷原因，任务完成率较2024年提升40%。
开源生态推动 Agent 技术普及，Meta 的 llama 4配套推出 Agent 开发套件，降低了中小团队的开发门槛。
OpenAI 的 GPTOSS 模型集成了基础 Agent 能力，开发者可快速搭建定制化任务型 Agent 2025年基于开源框架开发的 Agent 应用数量同比增长300%。
二、未达预期的短板30%缺口，通用 Agent 仍停留在实验室。
阶段，尚无一款 Agent 能在跨领域，如同时完成工业制造规划、医疗诊断、日常服务场景中稳定发挥作用。
自主决策能力受限于预训练数据，面对未见过的复杂问题时，任务失败率仍超60%。
Agent 的资源消耗与落地成本过高，工业 及 Agent 的部署，需配套高算力服务器，单套部署成本超500万元，中小微企业难以负担。
消费端 Agent 的个性化定制仍需专业开发，普通用户的零代码定制需求未得到满足。
 Agent 的安全与伦理问题未解决，金融、医疗领域的 Agent 出现过数据泄露、决策失误案例。
行业缺乏统一的 Agent 的行为规范与监管框架，制约了大规模推广。
二，2025年 AI 向 AGI 迈进的进度，突破滞后与剩余距离一。
出乎意料的技术突破，推理能力的质变及提升。
Deepseek V3.2在国际数学物理奥赛中夺得金牌。
GPT 5.1引入的 thinking 模式，可根据任务复杂度自主调整推理路径。
复杂逻辑任务的完成准确率较2024年提升55%，接近人类中等专业水平，突破了此前大模型浅层推理的瓶颈。
多模态融合的产业化落地，华为混元3D3.0让 AI 能直接生成工业级高精度3D模型，适配制造业手办行业的量产需求。
踏竹科技的手办生成器让普通用户可通过自然语言快速制作3D模型。
多模态从内容生成转向产业生产工具，是远超2025年初预期的进展。
轻量化模型的垂直领域赶超，国内 Minimax M2、字节跳动 Pika 2等轻量化模型在金融、工业质检等垂直领域的性能超越 GPT 5等通用大模型。
形成轻量垂直加通用大模型的双轨发展模式，避开了与美国巨头的同质化竞争，这一产业路径的突破超出行业预期。
二、超乎意料的发展之后，AGI 核心指标，自主意识、通用学习，无实质进展。
2025年的技术突破仍停留在数据驱动的模式优化，大模型并未产生真正的自主意识。
面对全新领域的零样本学习能力提升不足10%，与 AGI 所需的通用学习能力存在本质差距。
这让行业意识到，AGI 并非单纯的参数堆叠或算法优化就能实现。
大模型效率的提升遇阻，尽管 MoE 架构实现了参数与效率的平衡，如 Deepseek V4的1万亿参数仅激活320亿。
但大模型的训练成本仍居高不下，单款千亿级模型的训练成本超10亿美元。
且能耗问题未得到有效解决，制约了技术的快速迭代。
全球协作与治理的进展缓慢，中美在 AI 技术标准、数据共享方面的分歧未缓解。
全球统一的 AGR 安全治理框架仍未建立，部分国家的 AI 监管政策过于严苛，导致基础研究的创新速度放 三、向 AGI 迈进的剩余距离与核心短板。
2025年的发展让 AI 完成了向 AGI 迈进的15%关键技术积累，剩余的85%需突破以下核心瓶颈。
基础理论短板。
当前大模型基于 Transformer 加自监督学习的范式存在固有局限，缺乏对人类认知机制的模拟，需建立全新的 AI 基础理论体系。
自主决策与环境交互能力， Agent 的决策仍依赖预定义规则与数据。
无法像人类一样根据环境变化做出创造性决策，实施环境感知与动态调整能力不足。
数据与算力的可持续性，高质量标注数据的缺口超80%。
算力增长速度难以匹配大模型的参数扩张，需突破量子计算、高效算力芯片等底层技术。
安全与伦理体系， AGI 的价值对齐问题未解决。
如何确保 AGI 的决策符合人类共同利益，仍是未攻克的难题。
三、总结。
2025年是 AI 从工具到 Agent 的过渡元年。
AGI 仍需长期技术积累，2025年的 Agent 元年并非概念炒作，而是 AI 从单一功能工具向自主任务型 Agent 转型的关键起点。
垂直领域的落地验证了 Agent 模式的商业价值。
但通用 Agent 与 AGI 的实现仍需跨越基础理论、自主智能、产业生态等多重门槛。
2025年的技术进展让行业更清晰的认识到 AGI 的实现路径并非一蹴而就，而是分布迭代。
未来5~10年将是 AI 从专用 Agent 向通用 Agent 演进的关键期，也是 AGI 核心技术的攻坚期。

修正脚本

2025年 AI 年终总结，Agent 元年的落地成色与 AGI 发展进程。
截至2025年12月，Agent 元年的提法具备约70%的落地成色，AI 向 Agent 形态的演进实现了从概念到场景落地的关键突破，但离规模化通用 Agent 仍有显著差距。
 AGI 的实现时间线并未因2025年的发展大幅提前，行业普遍将 AGI 落地预期调整为2030~2035年。
2025年的技术进展让 AI 向 AGI 迈进了约15%的关键技术距离，同时也暴露了基础理论、自主决策等核心短板。
一、 Agent 元年，2025的落地成色，突破与未达预期。
已落地的核心信号70%成色，场景化 Agent 实现规模化商用。
产业端，蚂蚁 Agent R3 C4系列文本转 SQL 查询准确率超92%，服务超60%地方银行，成为金融领域标准化 Agent 工具。
Cursor 2.0可跨文件理解项目依赖。
自主规划代码开发流程，在程序员群体中渗透率超35%。
消费端，商汤 SenseCore 2.0实现 AI 短剧一人剧组，用户可通过自然语言指令，让 Agent 完成剧本创作、分镜设计、视频生成全流程，月活用户突破2000万。
这类垂直领域 Agent 已从原型验证进入商业变现阶段。
Agent 核心能力自主规划、多模态交互显著提升。
Gemini 3.0的 Agent 模块可5秒生成动态网页并自主优化交互逻辑。
智谱 GLM 的 Scale 技术让 Agent 能精准控制影视级角色动画的动作与表情。
国内阶跃星辰 pocky 框架支持 Agent 在工业质检场景中自主规划检测路径，分析缺陷原因，任务完成率较2024年提升40%。
开源生态推动 Agent 技术普及，Meta 的 llama 4配套推出 Agent 开发套件，降低了中小团队的开发门槛。
OpenAI 的 GPTOSS 模型集成了基础 Agent 能力，开发者可快速搭建定制化任务型 Agent。2025年基于开源框架开发的 Agent 应用数量同比增长300%。
二、未达预期的短板30%缺口，通用 Agent 仍停留在实验室阶段，尚无一款 Agent 能在跨领域，如同时完成工业制造规划、医疗诊断、日常服务场景中稳定发挥作用。
自主决策能力受限于预训练数据，面对未见过的复杂问题时，任务失败率仍超60%。
Agent 的资源消耗与落地成本过高，工业级 Agent 的部署，需配套高算力服务器，单套部署成本超500万元，中小微企业难以负担。
消费端 Agent 的个性化定制仍需专业开发，普通用户的零代码定制需求未得到满足。
 Agent 的安全与伦理问题未解决，金融、医疗领域的 Agent 出现过数据泄露、决策失误案例。
行业缺乏统一的 Agent 行为规范与监管框架，制约了大规模推广。
二、2025年 AI 向 AGI 迈进的进度，突破滞后与剩余距离。
出乎意料的技术突破，推理能力的质变及提升。
Deepseek V3.2在国际数学物理奥赛中夺得金牌。
GPT 5.1引入的 thinking 模式，可根据任务复杂度自主调整推理路径。
复杂逻辑任务的完成准确率较2024年提升55%，接近人类中等专业水平，突破了此前大模型浅层推理的瓶颈。
多模态融合的产业化落地，华为混元3D3.0让 AI 能直接生成工业级高精度3D模型，适配制造业手办行业的量产需求。
拓竹科技的手办生成器让普通用户可通过自然语言快速制作3D模型。
多模态从内容生成转向产业生产工具，是远超2025年初预期的进展。
轻量化模型的垂直领域赶超，国内 Minimax M2、字节跳动 Pika 2等轻量化模型在金融、工业质检等垂直领域的性能超越 GPT 5等通用大模型。
形成轻量垂直加通用大模型的双轨发展模式，避开了与美国巨头的同质化竞争，这一产业路径的突破超出行业预期。
二、超乎意料的发展之后，AGI 核心指标，自主意识、通用学习，无实质进展。
2025年的技术突破仍停留在数据驱动的模式优化，大模型并未产生真正的自主意识。
面对全新领域的零样本学习能力提升不足10%，与 AGI 所需的通用学习能力存在本质差距。
这让行业意识到，AGI 并非单纯的参数堆叠或算法优化就能实现。
大模型效率的提升遇阻，尽管 MoE 架构实现了参数与效率的平衡，如 Deepseek V4的1万亿参数仅激活320亿。
但大模型的训练成本仍居高不下，单款千亿级模型的训练成本超10亿美元。
且能耗问题未得到有效解决，制约了技术的快速迭代。
全球协作与治理的进展缓慢，中美在 AI 技术标准、数据共享方面的分歧未缓解。
全球统一的 AGI 安全治理框架仍未建立，部分国家的 AI 监管政策过于严苛，导致基础研究的创新速度放缓。
三、向 AGI 迈进的剩余距离与核心短板。
2025年的发展让 AI 完成了向 AGI 迈进的15%关键技术积累，剩余的85%需突破以下核心瓶颈。
基础理论短板。
当前大模型基于 Transformer 加自监督学习的范式存在固有局限，缺乏对人类认知机制的模拟，需建立全新的 AI 基础理论体系。
自主决策与环境交互能力， Agent 的决策仍依赖预定义规则与数据。
无法像人类一样根据环境变化做出创造性决策，环境感知与动态调整能力不足。
数据与算力的可持续性，高质量标注数据的缺口超80%。
算力增长速度难以匹配大模型的参数扩张，需突破量子计算、高效算力芯片等底层技术。
安全与伦理体系， AGI 的价值对齐问题未解决。
如何确保 AGI 的决策符合人类共同利益，仍是未攻克的难题。
三、总结。
2025年是 AI 从工具到 Agent 的过渡元年。
AGI 仍需长期技术积累，2025年的 Agent 元年并非概念炒作，而是 AI 从单一功能工具向自主任务型 Agent 转型的关键起点。
垂直领域的落地验证了 Agent 模式的商业价值。
但通用 Agent 与 AGI 的实现仍需跨越基础理论、自主智能、产业生态等多重门槛。
2025年的技术进展让行业更清晰地认识到 AGI 的实现路径并非一蹴而就，而是分步迭代。
未来5~10年将是 AI 从专用 Agent 向通用 Agent 演进的关键期，也是 AGI 核心技术的攻坚期。

英文翻译

2025 AI Year-End Summary: The Reality of the Agent Era and the Progress of AGI Development.  
As of December 2025, the concept of the "Year of the Agent" has achieved approximately 70% realization. The evolution of AI toward agentic forms has achieved key breakthroughs from concept to scenario deployment, but there remains a significant gap from large-scale general-purpose agents.  
The timeline for achieving AGI has not been significantly advanced by developments in 2025; the industry generally adjusts AGI deployment expectations to 2030–2035.  
Technological progress in 2025 has moved AI about 15% closer to AGI in terms of key technical distances, while also exposing core shortcomings in fundamental theory and autonomous decision-making.

I. The Year of the Agent: 2025's Deployment Reality – Breakthroughs and Unmet Expectations.  
Core Signals of Deployment (70% Realization): Scenario-specific agents have achieved large-scale commercial use.  
On the industry side, Ant Group's Agent R3 C4 series achieved over 92% accuracy in text-to-SQL queries, serving over 60% of local banks and becoming a standardized agent tool in the financial sector.  
Cursor 2.0 can understand project dependencies across files, autonomously plan code development workflows, and has a penetration rate exceeding 35% among programmers.  
On the consumer side, SenseTime's SenseCore 2.0 enables a "one-person crew" for AI short dramas. Users can instruct the agent via natural language to complete the entire process from scriptwriting, storyboarding, to video generation, with monthly active users exceeding 20 million.  
Such vertical-domain agents have moved from prototype validation to commercial monetization.  
Core Agent Capabilities – Autonomous Planning and Multimodal Interaction – Have Significantly Improved.  
Gemini 3.0's agent module can generate dynamic webpages in 5 seconds and autonomously optimize interaction logic.  
GLM's Scale technology from Zhipu AI enables agents to precisely control actions and expressions of film-grade character animations.  
China's Stepfun's Pocky framework supports agents in autonomously planning inspection paths for industrial quality control scenarios, analyzing defect causes, with task completion rates improving 40% compared to 2024.  
Open-source ecosystems are driving the普及 of agent technology. Meta's Llama 4 comes with an agent development kit, lowering the barrier for small and medium teams.  
OpenAI's GPToss model integrates basic agent capabilities, allowing developers to quickly build customized task-specific agents. In 2025, the number of agent applications developed based on open-source frameworks grew 300% year-over-year.

II. Unmet Expectations: The 30% Gap.  
General-purpose agents remain in the laboratory stage; no agent can stably function across domains (e.g., simultaneously completing industrial manufacturing planning, medical diagnosis, and daily service scenarios).  
Autonomous decision-making is still constrained by pre-training data; when facing unseen complex problems, task failure rates remain above 60%.  
Agent resource consumption and deployment costs are too high. Deploying an industrial-grade agent requires high-compute servers, with a single deployment cost exceeding 5 million yuan, unaffordable for small and micro enterprises.  
Consumer-side agent personalization still requires professional development; ordinary users' no-code customization needs remain unmet.  
Agent safety and ethical issues are unresolved. In finance and healthcare domains, there have been cases of data leaks and decision-making errors.  
The industry lacks a unified agent behavior standard and regulatory framework, limiting large-scale promotion.

II (continued). Progress of AI Toward AGI in 2025: Breakthroughs, Lags, and Remaining Distance.  
Unexpected Technical Breakthroughs: Qualitative leap in reasoning capability.  
DeepSeek V3.2 won a gold medal in the International Mathematical and Physics Olympiad.  
GPT-5.1 introduced the "thinking" mode, allowing autonomous adjustment of reasoning paths based on task complexity.  
Accuracy for complex logical tasks improved 55% compared to 2024, approaching human intermediate professional level, breaking the previous bottleneck of shallow reasoning in large models.  
Industrial deployment of multimodal fusion: Huawei's Pangu 3D 3.0 enables AI to directly generate industrial-grade high-precision 3D models, suitable for mass production in manufacturing and figurine industries.  
Tuozhu Technology's figurine generator allows ordinary users to quickly create 3D models via natural language.  
The shift of multimodal from content generation to industrial production tools far exceeded expectations from early 2025.  
Vertical-domain outperformance of lightweight models: China's Minimax M2, ByteDance's Pika 2 and other lightweight models surpass general-purpose large models like GPT-5 in vertical domains such as finance and industrial quality inspection.  
This forms a dual-track development model: lightweight vertical models plus general-purpose large models, avoiding homogeneous competition with U.S. giants. This industrial path breakthrough exceeded industry expectations.

II (continued). Lack of Substantive Progress on Core AGI Indicators: Autonomous Consciousness and General Learning.  
Technical breakthroughs in 2025 remain within the paradigm of data-driven optimization; large models have not generated genuine autonomous consciousness.  
Zero-shot learning capability in entirely new domains has improved by less than 10%, showing an essential gap from the general learning ability required for AGI.  
This made the industry realize that AGI cannot be achieved by simply stacking parameters or optimizing algorithms.  
Efficiency improvement of large models faces obstacles: Although the MoE architecture balances parameters and efficiency (e.g., DeepSeek V4's 1 trillion parameters with only 32 billion activated), training costs remain high—a single 100-billion-parameter model costs over $1 billion.  
Energy consumption issues are unresolved, constraining rapid iteration.  
Global collaboration and governance progress slowly: Disagreements between the U.S. and China on AI technical standards and data sharing persist.  
A unified global AGI safety governance framework is not yet established, and some countries' AI regulatory policies are overly strict, slowing innovation in basic research.

III. Remaining Distance and Core Shortcomings on the Path to AGI.  
Developments in 2025 have allowed AI to accumulate about 15% of key technical progress toward AGI. The remaining 85% requires breakthroughs in the following core bottlenecks:  
Fundamental Theory Shortcomings: Current large models, based on the Transformer + self-supervised learning paradigm, have inherent limitations and lack simulation of human cognitive mechanisms. A completely new AI fundamental theory system is needed.  
Autonomous Decision-Making and Environmental Interaction: Agent decisions still rely on predefined rules and data, unable to make creative decisions based on environmental changes like humans. Environmental perception and dynamic adjustment capabilities are insufficient.  
Data and Computing Sustainability: The gap in high-quality labeled data exceeds 80%. Computing power growth cannot keep pace with the expansion of large model parameters. Groundbreaking underlying technologies like quantum computing and efficient computing chips are needed.  
Safety and Ethics System: The value alignment problem for AGI remains unsolved. How to ensure AGI decisions align with the common interests of humanity is still an unsolved challenge.

III. Summary.  
2025 is the transitional year from AI as a tool to AI as an agent. AGI still requires long-term technical accumulation. The "Year of the Agent" in 2025 is not hype but a key starting point for AI's transformation from a single-function tool to an autonomous task-oriented agent.  
Vertical-domain deployment has validated the commercial value of the agent model. However, achieving general-purpose agents and AGI still requires crossing multiple thresholds: fundamental theory, autonomous intelligence, and industrial ecosystem.  
The technological progress in 2025 has made the industry more clearly recognize that the path to AGI is not a one-time achievement but a step-by-step iterative process. The next 5–10 years will be a critical period for AI to evolve from specialized agents to general-purpose agents, and also a period for tackling core AGI technologies.