4月28日，中国科技产业智库「甲子光年」在上海·闵行马桥工业智能中心举办「AI共潮生—2025甲子引力X科技产业新风向」大会。甲子光年创始人&CEO张一甲重磅发布主题报告《AI共潮生：2025中国AI新风向30条判断》。以下为报告详细内容。
1.过去一年，AI发生了什么？
2.China AI崛起，进击与普惠同时发生
2.1 “China AI”是年度关键词， 世界正重新评估中国AI的价值
过去一年风风雨雨，屏幕上呈现了很多关键词，AI依然是最受关注的领域。
2025年初，我们迎来了一个历史性转折——DeepSeek以“开源、低成本、高性能”的算法革命，引发全球震动，不仅改写了“算力军备竞赛”的逻辑，更标志着中国从“算力追随者”向“算法定义者”的身份转变。
因此，“China AI”是2025年当之无愧的年度关键词。世界正重新评估中国AI的价值体系。
2.2 进击与普惠
AI的发展，正沿着两个维度同步并举。一方面，是AI的进击。另一方面，是AI的普惠。
2.3 AI进击：AI有多元研究方向，技术路线仍未收敛
我们先来看AI的进击。进击的原动力首先来自学术探索的空间。
根据2025年AAAI发布的报告，AI研究领域正朝着17个关键方向快速发展，这些方向之间相互独立，同等重要——说明AI的研究方向并未收敛，进击之路才刚刚开始。
2.3.1 一枝独秀，不如万枝芬芳，数字AI、物理AI、生命AI的探索都有巨大空间
我们画了一棵树，呈现了AI的三大分支。
左边是数字AI，是我们最熟悉的AI。
数字AI是停留在虚拟空间的AI，它像一个超级大脑。近几年，伴随大语言模型的快速进展，数字AI正在一个token、一个token地突破“智力”的上限。
中间是物理AI，也就是AI走进物理世界。
物理AI不再局限于数字环境的运算，它能够感知、理解三维世界的空间关系和物理行为，并在现实世界中执行复杂操作，被广泛应用于机器人、自动驾驶、材料研究、气候预测、航天探索等领域。
右边是生命AI，是通过人工模拟生命系统，来研究生命。
生命AI基于生命科学基础大模型，解码基因组、蛋白质、细胞、生物系统等底层规律，构建高质量的生命要素。
目前，大量的资源倾斜在数字AI，一部分人开始做物理AI，而生命AI才刚刚起步。一枝独秀，不如万枝芬芳，三大分支都有巨大的探索空间。如果说“数字AI”是理性的基础，“物理AI”是现实的延伸，“生命AI”则关乎人类未来的可能性。这说明，AI的进击之路还很长很长、很宽很宽。
2.3.2 百家争鸣，大模型架构不断演进，尚未收敛
从大模型架构看，也是一条进击之路。
从2017年Transformer架构的提出开始，大模型经历了从传统递归神经网络（RNN）到以注意力机制（Attention）为核心的转变，又逐步衍生出多种变体架构，如稠密模型（Dense）、混合专家模型（Mixture of Experts, MoE）、状态空间模型（State Space Model, SSM）、保留网络（Retentive Network, RetNet）等。
近期研究表明，结合多种架构的优势可能产生更强大的模型，一些混合策略架构开始成为新方向，例如：MoE-Mamba架构、Transformer-SSM混合架构、架构自适应模型等等。
这是百家争鸣，大模型架构不断演进，尚未收敛。
2.3.3 千帆竞技，企业部署的AI技术仍在持续迭代换新
从企业的角度看，根据甲子智库调研，企业已经部署的AI核心技术和未来三年要重点部署的AI核心技术基本没有重合度——这说明不断迭代的AI技术将会不断重构企业。
这是千帆竞技，企业部署的AI技术仍在持续迭代换新。
2.3.4 万家灯火，前方尚是等待探索的星辰大海
AI从在数字世界里沉浮，到与物理世界结合，再到对生命的探索……一枝独秀、百家争鸣、千帆竞技、万家灯火，这是AI的进击之路，星辰大海才刚刚开始。
2.4 甲子智库《2025AI普惠度调研》
AI技术的进击，驱动了AI普惠的可能。为了了解AI普惠的具体情况，甲子智库在今年3～4月做了一次深度用户调研。
2.4.1 AI普惠：技术下沉到毛细血管，各行业对AI认知显著提高
普惠首先离不开共识的建立。根据甲子智库调研，74.5%的用户已经理解并认可AI对其行业的价值——这说明，共识已经形成。伴随共识形成，AI的技术权利正在从精英层向全民扩散。
2.4.2 开源与低价：不断重构AI生态位与竞合逻辑
驱动AI普惠加速的两个引擎是开源和低价。
根据甲子智库调研，44.7%的企业在部署使用AI时选择“基于开源模型定制开发”——这说明，开源战略已经成为企业部署使用AI的核心路径之一。而使用成本的下降也让基础模型变得“平民化”。
这场“技术平权运动”，让整个AI产业链在今年年初快速波动，所有角色都在调整迭代，不断重构AI的生态位与竞合逻辑。
2.4.3 聚类：AI用户可划分为具有显著区别的四类用户群
接着，我们分析一下AI用户。
甲子智库从技术水平与应用程度两大维度，构建了覆盖八个关键指标的评估体系。我们以聚类方式来解析八大因子，可以在正交旋转空间中看到AI用户的分布——这个分布呈现了显著的四类群体。
换句话说，AI用户自然形成了四大类型。
2.4.4 命名：根据AI应用程度为四类用户命名
通过分析用户对AI产品的应用深度，可以发现四类用户的显著差异。
-
第一类用户主要把AI当做工具；
-
第二类用户主要把AI当做助手；
-
第三类用户已经把AI当做助理和员工，可以一起协作；
-
第四类用户与AI的协作已经可以对现实世界产生影响，如具身智能、AI大模型驱动的人机协作等。
由此，我们可以将四类用户分别命名为：AI工具用户、AI助手用户、AI原生用户和AI创生用户。
2.4.5 分布：四类用户分布体现AI应用进展
根据甲子智库统计：
-
AI工具用户占比38%。
-
AI助手用户占比48%。
-
AI原生用户占比12%。
-
AI创生用户占比仅2%，说明AI在物理世界的实际应用进程还需要时间的培育。
2.4.6 行业：各行业用户分布体现各行业的AI应用进展
我们进一步发现，不同行业的四类用户分布也很不同，意味着不同行业的AI发展水平不同。
-
交通运输、物流仓储、医疗健康、互联网、教育、制造等领域都有AI创生用户，这些领域已经具有软硬融合的AI产品，例如智能汽车、教育机器人等。
-
环保、旅游休闲、生命科学、能源化工、IT软件等领域的AI原生用户占比较高。
-
其他行业大部分还是以AI工具用户和AI助手用户为主。
以上，是进击与普惠的情况。接下来，我们想进一步追问：
进击和普惠这两股力量是如何推动AI变革发展的？
China AI，是否已经形成了一种发展范式？
3.China AI双螺旋演化机制
3.1 AI改变世界的评估模型
在回答刚才的问题“China AI，是否已经形成了一种发展范式”之前，我们先来回顾一下甲子光年智库提出的一些概念。
2023年，我们提出了评估指标“信能比”，反映单位能源所能驾驭的信息量。
2024年，我们提出了AI发展进程的四个阶段：L1到L4。
如左图所示，AI改变世界有两大维度。
第一，AI主语化：AI的主导权逐渐增强；
第二，AI映射力：AI对物理世界的映射能力逐渐增强。
以这两条主线为X–Y轴，可以划分为四个象限：
-
左下角是L1-AI生产时代：人类为主， AI为辅， 位于这个阶段的AI主要是基础设施、算力、模型、算法等等，AI扮演的是数字生产力；
-
右下角是L2-AI原生时代：AI为主，人类为辅， AI渗透率将无限逼近直到超越人类在数字世界的行为边界。这个阶段已经产生了很多应用，比如AIGC、Agent等等；
-
左上角是L3-AI创生时代：人类为主，AI为辅，AI逐渐渗透逼近人在物理世界的行为边界，比如具身智能、智能制造、智能驾驶；
-
右上角是L4-AI文明时代：AI为主，人类为辅， AI在数字世界和物理世界都对齐甚至超越人类的行为边界，人类文明进入“双生时代”。
这四个时代的切分有着更宏观的意义。
2024年，甲子光年智库进一步提出：科技进步“大三角”模型。
如右图，能源、信息和运动是现代社会和自然界中三个基本而相互关联的概念——凡科技进步，就是三者之间转化能力加强的反映。
-
在传统工业时期，主要是将能源转化为运动，用生产率度量；
-
在信息时代和智能时代，主要是将能源转化为信息，用信能比度量，L1-AI生产时代和L2-AI原生时代都属于这个阶段；
-
伴随AI进入物理世界，主要是将信息转化为运动，用信产率度量，L3-AI创生时代就属于这个阶段。
-
这个三角形的右上方是物理世界，左下方是数字世界，随着AI在数字世界和物理世界能力的不断优化，将会在实践中构建一条AI影响虚实世界的动态平衡线——这条平衡线就是AI与人类的双生文明，也就是L4。
这个基本框架可以作为我们分析问题的底色。接下来，让我们用进击和普惠两个维度，去看看这四个阶段。
3.2 AI进击与普惠重塑四个阶段
四个阶段的AI都在经历着进击和普惠的交替发展，在不同阶段各有侧重。
L1-AI生产时代：AI基础设施的建设既要更强，又要更多人能用得起，所以进击与普惠要同步并举。
L2-AI原生时代：更注重AI应用的广度和通用性，故以普惠为主，进击为辅。
L3-AI创生时代：首先还有大量技术问题要解决，故以进击为主，普惠为辅。
L4-AI文明时代：进击和普惠都发展到了相当水平，AI真正做到了全民可享，无处不在。
每个阶段，我们都用了向上和向右的箭头来表达其演进方向，箭头长短区分每个阶段的侧重点。
3.3 China AI双螺旋演化机制
接下来，我们用曲线代替这些箭头，可以拟合出一条美丽的双螺旋曲线。
无论是哪个阶段的AI技术，都在进击普惠这个双螺旋中生长。二者是互相成就的关系：技术进击为应用普惠带来可能，而普惠的应用又反哺技术的进击，形成螺旋状的飞轮。
纵向进击、横向普惠，一纵一横两股势能如螺旋般共生共长——沿着这样的双螺旋曲线，一场AI的多层次变奏曲已经响起。
3.4 点题：“AI共潮生”
这就是为什么本届2025甲子引力X科技产业新风向大会，我们选择以“AI共潮生”为主题。
从算力基建到终端应用，这一次，站在全新的历史起点上，我们将共同绘制AI价值落地的“第一性原理地图”，我们将探寻科技创新与产业变革的融合脉络，我们将见证东方科技大国的崛起，投身人与AI共生的时代。
春江水暖，时不我待。明月当空，共潮而生。
4.30条判断
4.1 L1-AI生产时代
判断1：China AI，从追随者走向定义者，中国方案成为事实标准
2025年，中国人工智能领域迎来历史性突破——DeepSeek以“开源、低成本、高性能”的技术革新，彻底改写了全球AI产业的规则。DeepSeek在发布第5天日活用户超过ChatGPT，第15天日活用户达其2倍，成为全球增速最快的AI应用。
根据甲子智库调研，DeepSeek以63.9%的支持率跃居国内C端用户偏好第二位，这表明，DeepSeek不仅技术领先，更在市场认可度上取得了全面突破。
DeepSeek爆红后，在140个国家和地区的应用商店下载量登顶，并迅速迎来各行各业的“接入潮”，全球开发者积极参与其生态，衍生出无数垂直行业版本，让整个行业从“技术壁垒竞争”转向“生态协同竞争”……这就是开源战略的颠覆性——“以开源换标准”，让“中国方案”成为了事实意义上的标准，China AI也从“算力追随者”转型为“算法定义者”。
判断2：开源模型，将AI平民化进程从L2跃升为L3-L5
甲子光年将AI的平民化进程分为五个阶段：看得见AI、看得懂AI、用得上AI、用得好AI，以及形成中国范式的AI。
过去，AI的平民化进程停留在看得懂到用得上之间，而DeepSeek推动AI成为了全民可用、全行业可享的技术，用得上AI、用得好AI、形成中国范式的AI同时发生，这让AI的平民化进程纵身一跃，直接从L2跃升到了L3-L5。
判断3：端侧模型，正在定义AI终端的新一代操作系统
从2023年开始，主流厂商就陆续发布端侧模型，2024年则进入密集发布期，端侧模型数量显著上升。端侧模型不仅推动AI更广泛地应用于各种硬件终端，也在重新定义AI终端的新一代操作系统。
未来智能操作系统将突破传统静态规则和预定义逻辑流程体系，转向以AI为核心的动态化、自主化架构。通过将大模型与智能体深度植入系统内核，可构建AI原生操作系统。AI原生操作系统将从被动工具进化为可超前思考、自主进化的智慧伙伴。
判断4：物理AI打破“缸中之脑”，强化学习+合成数据+数字孪生，推动AI走入现实
在AI大模型预训练之初，数据集都来自于互联网，例如GPT-3的训练用数据集100%都是互联网数据。基于互联网数据训练出的AI模型，本质上是 “互联网记忆体”，对物理世界了解有限，容易违背物理常识。
在甲子光年的调研中，互联网数据已经不能满足企业部署AI的需求。在智能制造、医疗健康、自动驾驶等行业，企业部署AI所需的数据有超过一半是物理数据。
当AI进入物理世界，我们称之为物理AI。物理AI能够理解我们居住的三维世界的空间关系和物理行为，利用物理 AI，自主机器能够感知、理解并在现实世界中执行复杂操作。
物理AI的实现与数字AI方法不完全相同，需要合成数据、数字孪生、强化学习等技术。
合成数据：在AI训练过程中，3D训练数据由高度精确的计算机模拟生成，这些合成数据包含与现实世界的空间关系和物理规则有关的信息，既充当数据源，也作为AI训练场。
数字孪生：物理数据的生成始于某个空间 （例如工厂） 的数字孪生。在这个虚拟空间中，添加传感器和自主机器 ，模拟现实世界场景，传感器会捕捉各种交互，如刚体动力学或光在环境中的交互作用。
强化学习：借助强化学习，自主机器可以在模拟环境中通过数千甚至数百万次试错行为，最终发展出现实世界应用所需的精巧运动技能——例如灵巧地给箱子打包、帮助制造车辆，或独立完成环境导航，为在现实世界中运行做好准备。
物理AI让AI打破“缸中之脑”，走向现实世界。
判断5：算法变革，AI技术路线尚未收敛，下一条“鲶鱼”仍会出现
过去几十年，人工智能的创新一直围绕算法、数据、算力动态循环。但目前大多数算法创新，仍是基于Transformer架构体系下的路径创新。这是否是终局最优解呢？
不一定。目前，非Transformer架构仍在快速发展中，部分算法已经表现出了超越同等规模Transformer模型的能力。
所以，AI技术路线尚未收敛，年轻的挑战者层出不穷，“鲶鱼效应”始终存在。我们也很期待下一个DeepSeek。
判断6：算力，杰文斯悖论再次印证，算力需求不减反增，但“算力效率”成新共识
2025年，人们对算力的认知有了很大的改变。DeepSeek让“算力规模至上”的传统认知被挑战，达到同等性能模型的预训练端所需算力正在下降。但从总盘子看，算力的需求不减反增。
为什么？一方面，Agent的核心是推理，相比于之前ChatGPT类产品的一次性回答，推理模型会把问题分解为若干步骤，我们会看到长长的思维链和反复自我检查的过程——token数量会急剧增多，这是对算力的需求；
另一方面，我们又希望AI生成token的速度进一步加快，这也是对算力的需求；
此外，随着物理AI、生命AI等分支崛起，Scaling law依然有大量发挥空间，这都是对算力的需求。
这是杰文斯悖论的再次印证：当技术进步提高了效率，资源消耗不仅没有减少，反而激增。例如，瓦特改良的蒸汽机让煤炭燃烧更加高效，但结果却是煤炭需求飙升。
当然，虽然算力总需求仍在增长，我们也看到“算力效率”成为新的共识。
DeepSeek R1系列大幅降低了预训练阶段的算力需求，各大厂也在纷纷跟进，这是对算力效率的追逐；另一方面，在推理端按照token计费的情形中，大家可以很容易算清楚账，就更关注算力的效率。
判断7：算力，高性价比算力供不应求，依然是中国算力生态的核心矛盾
虽然DeepSeek让很多国产卡可以用起来，但我们依然需要看到：高性价比算力供不应求，依然是中国算力生态的核心矛盾。
先看芯片。目前国内芯片和国际先进水平大概差1.5代。国内大多数芯片性能已接近英伟达A系列，最新一代接近H系列，但能否达到B系列水平仍不确定。国内主要受限于芯片制造供应链，尤其是制程和带宽。制程受限于代工能力，带宽受限于封装技术。如果国内供应链能突破瓶颈，吸收台积电的先进制程和CoWoS等先进封装技术，赶上英伟达是有可能的。
再看算力中心。假设，现在建一个算力中心，要达到同样能力，买英伟达的卡需要1亿，国产芯片需要1.5亿，那差距的50%谁来买单？消费者很难接受，只能由产业链分摊。
算力产业链的链条是“能源-建设-运营”，在产业链上，建设方和能源方都能赚钱，但运营环节的性价比却算不过来，这就会出现供需错配。
要解决这个问题，必须学会“算大账”——将资本投入、绿色能源、建设规划、平台运营、优质企业招引、本地经济增长、人才培养等通盘考虑，才能建设一个健康的算力生态。
判断8：一体机，释放企业私有化部署需求的三分之一
最近，国产一体机也迎来爆发式发展。根据甲子光年的调研，44.7%的企业部署AI的途径是基于定制化开发和私有化部署，而这其中约三分之一的企业对一体机有需求。
据甲子光年不完全统计，现在已经有60多家主流厂商推出一体机。国产一体机是目前满足企业部署AI需求的重要解决方案之一。
判断9：AI改变云厂商增长逻辑，“资源规模”+“智能密度”缺一不可
2025年，各大云厂商纷纷加大对AI的资本开支。
-
谷歌预计2025年资本支出750亿美元，资本开支增长42.9%。
-
微软计划2025财年投资800亿美元建数据中心，资本开支增长43.6%。
-
阿里巴巴宣布未来三年将投入3800亿元建设云与AI硬件基础设施，这一金额超过其过去十年的总和。
为什么云厂商要这么投入？因为AI已经成为云厂商收入增长的核心引擎。
在甲子光年的调研中，32.7%的企业倾向于以云服务集成模式来部署AI。这表明云厂商已经成为AI落地的重要途径，随着AI需求爆发，云计算市场将迎来可观的持续增长。
过去，云厂商的竞争力来自“资源规模”，未来，云厂商的竞争力还要加上“智能密度”——也就是云服务里AI的密度。
判断10：AI推动云生态结构性变化，数字生态拍扁，物理生态延长
伴随AI生态体系逐步与云服务生态体系融合，甲子光年认为，将会形成全新的【AI智能云服务生态体系】。
AI智能云服务生态体系将涵盖AI终端层、应用层、MaaS层、PaaS层、模型层、DaaS层和IaaS层。
右图从下往上看：
-
AI IaaS层：AI发展的底层支撑，包括AI芯片和AI算力基础设施；
-
AI DaaS层：提供数据支持；
-
AI 模型层：是“灵魂核心”，包括大语言模型、多模态大模型、行业大模型等；
-
AI PaaS层：支撑模型的微调开发，提供工具链和环境，使开发者甚至普通用户可以高效构建智能应用；
-
与之并行的还有AI MaaS层：将复杂模型服务化、接口化，使开发者可以按需调用AI能力；
-
AI 应用层：Agent、AIGC应用、各类行业AI应用等；
-
AI 终端层：AIPC、AI手机、AI眼镜、具身智能、智能汽车、无人机、智能家居、智能高端设备等。
AI将推动云生态结构性变化：数字生态拍扁，物理生态延长。
4.2 L2-AI原生时代
判断11：AI Agent，从“纯智力”到“能动性”，从“以指令为中心”到“以意图为中心”
当我们谈AI原生，第一个要谈的就是Agent。如今，AI Agent已经突破了chatbot模式，正带来人机协作方式的颠覆性变化。
这里有两个显著特点：一方面，AI Agent让大模型的“大脑”长出了“手脚”，从“纯智力”走向“能动性”，让AI不仅能说，还能做事；
另一方面，AI Agent让人机协作从“以指令为中心”发展为“以意图为中心”。用户只需要设立目标，提供相应资源，监督结果，Agent就自主完成策略规划、任务拆解、灵活运用多种工具和数据资源、控制进度，直至工作完成。
举个例子，当用户希望在飞行途中继续观看视频剧集，过去，他需要告诉手机上的AI智慧助手逐步执行“打开某视频平台”、“找到某视频”、“下载第5~8集”等操作。但在“以意图为中心”的理念下，用户只需要告诉 AI Agent“我坐飞机时想看我正在追的剧”，AI Agent 就能够自动处理如下任务:
1.检索到用户第二天有一班从北京飞深圳的航班，飞行时长为3小时。
2.发现用户近期正在某视频平台上看某视频，看完了第4集，每集视频时长约40分钟。
3.推理出3小时飞行时长需要下载5集。
AI Agent会主动规划并执行上述步骤，同时确保视频下载时手机处于Wi-Fi连接状态。
在不远的将来，AI Agent将接管人类世界的绝大部分规则性操作。
判断12：多智能体协作，从“零和博弈”到“正和博弈”，Data吸引Data，服务吸引服务，Agent吸引Agent
进一步，我们将进入多智能体协作时代。如右图，目前国内外关于多智能体的研究呈显著上升趋势。
再看左图，前阵子大家都看到了Manus。Manus是多智能体协作的一个样本：用户发起需求后，模型首先进行任务拆解与规划，生成结构化待办清单；调度器随即分配子任务至专用Agent群，驱动虚拟机中的浏览器和Python执行数据抓取、API调用等操作；执行结果实时回传，并进一步进行任务规划……依次类推，最终完成任务。
多智能体让智能体之间从“零和博弈”到“正和博弈”，成为了合作伙伴：Data吸引Data，服务吸引服务，Agent吸引Agent，让智能以更丝滑、更丰富的服务满足用户需求。
判断13：入口争夺战的矛盾性，从“超级入口”到“入口无处不在”，入口将不再成为AI产品的价值核心
2012年，微信之父张小龙曾发朋友圈说：PC互联网的入口在搜索框，移动互联网的入口在二维码。那么，AI时代呢？
从现状看：
互联网巨头都在重金砸向超级入口：夸克超级框、豆包、元宝；
创业公司也在呈现新的入口：智谱清言，DeepSeek，还有AskManyAI这样的新工具；
还有其他很多新入口形态：浏览器插件、手机上的悬浮球；
此外，硬件本身也在力争做入口——苹果、华为等手机巨头已全面押注AI，期望手机成为AI的超级入口。
然而，不知道大家有没有一种和我一样的体验？我从春节到今天，已经切换了七八个入口，每个入口出现，我就试一试，如果这里有一个知识库，我可能用久一点，另外又有了一个入口有知识库，我就又会换……我作为一个AI用户，没有粘性。
为什么AI时代入口会出现这种矛盾性？
一方面，技术民主化导致入口碎片化。
当AI技术变为各大平台的标配，点子可以被快速复制和落地，流量也将被迅速分化——也许这就是DeepSeek似乎不在意入口的原因之一。
在互联网经济鼎盛时期，移动支付、社交网络、搜索框都曾扮演过“超级入口”的角色。传统入口竞争的本质是用户高频需求的垄断权，这种范式在AI发展初期同样奏效，一个惊人的技术会让大家沸腾一阵子，流量陡然冲高，但AI的扩散速度实在太快了——当每个应用都能嵌入AI能力，入口的垄断价值便土崩瓦解，导致“处处皆入口，无处可淘金”的商业困局。
另一方面，多智能体正在实现“去节点化”服务，击穿不同产品服务的边界，把很多入口变成了接口。
甲子光年认为：在AI原生时代，价值创造的逻辑将从 all in one 到 all for one。
移动时代的App是割裂的，彼此互不打通，Supper App的逻辑是all in one——这个one是这个Supper App，这个App要有很强的场景整合能力和商业闭环能力；
而AI时代的逻辑是all for one——这个one是用户。用户的需求是至上的纲，AI入口需要调用尽可能精准的产品和服务，多个Agent主动理解用户需求，跨产品调用、跨平台协作。而入口本身将不再成为AI产品的价值核心。
甲子光年大胆猜测：最终，AI原生时代的入口形态将是“无处不在的轻量级Agent入口+分布式服务”。
这些轻量级的Agent入口可能是一个“框”，或者是手机本身。但它只是一个起点Agent，自主调用该调用的产品和服务，自动进行交易履约，每个产品和服务获得相应的收益。
这个判断是否准确，是2025年的一大看点——AI时代是否收敛到某个超级入口？还是，入口将不再成为AI产品的价值核心。
判断14：C端产品竞争力改写，从入口到接口，极致的开放倒逼极致的能力
AI原生时代给了所有企业一次重新争夺生态位的机会。用户都不愿意在不同入口跳来跳去，只希望一个Agent一站式接入，到那时，大量的入口就会变成接口，原来的C端APP很可能在三年内减少一半。
不同于移动APP时代的孤立性，开放成为AI原生时代的基本精神，当所有“墙”都被拆掉，C端产品的竞争力是什么？
在2020年的甲子引力主题报告里我曾经提到，一个公司的大小取决于三件事：
第一，你所在的生态系统本身够不够大？
第二，你离这个生态的控制节点有多远？
第三，在你所在的环节，有多少家公司在做这件事，能做这件事？越多公司能做，你能做大的可能性越小。
AI时代同理。在AI时代，大小企业的竞争力各有不同。
大企业的竞争力：
-
强大的基础设施（算力、数据）
-
基座模型能力
-
生态整合能力
小企业的竞争力：
-
极致的单点任务能力，精准的用户体验
-
用户场景数据沉淀
-
形成“越多人用→越懂需求→体验越精准”的闭环
-
锁定关键场景，与用户核心流程深度绑定，构成迁移壁垒
-
与尽可能多的入口绑定
-
丝滑融入任务链，让自己多“被调用”
极致的开放倒逼极致的能力，每个企业要牢牢构筑自己的核心竞争力。
判断15：C端商业化潜力，2025年光年象限场景比2023年增加一倍，从简单应用走向产业赋能
为评估哪些应用场景更具有商业应用潜力，甲子光年智库基于用户净推荐值【X轴】和满意度【Y轴】，将AI在C端应用场景划分为四个象限，形成甲子星空坐标系。
位于右上角光年象限的场景，是用户满意度高且愿意推荐给同行使用的场景，也是最具有商业化潜力的场景。
我们对比了甲子光年智库2025年和2023年的数据，2025年光年象限的AI落地场景相比2023年增加了一倍。
2023年，光年象限场景只有网站创建、3D交互内容生成、聊天机器人、数字孪生、直播带货和音乐生成。2025年则增加了药物研发、自动驾驶、智能家居、科研学术、绘画设计、虚拟社交、海报设计等七大场景。这些新增领域已经突破了消费级边界，向产业链核心环节渗透。
这说明AI正从“替代人力”的辅助工具，升级为“重塑产业”的核心引擎。
判断16：C端付费意愿，用户可接受价格相比两年前提升1.5倍
根据甲子光年智库调研，72.5%的C端用户愿意付费使用AI产品。
进一步，我们针对C端用户开展了价格敏感度测试。从结果看，2025年C端用户可接受的产品价格区间为每年500元到2万元之间，其中最优价格点为3000元/年。相比于2023年，最优价格从1200元提高到了3000元，用户可接受的价格增加了1.5倍。
判断17：企业级软件，AI Agent推动企业服务从“数字化”到“智能化”质变
刚才聊的都是C端，但AI Agent不仅在C端发挥作用，也正在通过三层重构重塑企业级软件：
第一是交互层，自然语言取代复杂界面；
第二是逻辑层，目标导向替代流程固化；
第三是价值层，从“人适应系统”转向“系统服务人”。
AI Agent将通过降低“数字化摩擦”推动企业服务的质变。
判断18：数字劳动力的觉醒，革新生产要素，重塑生产关系
我们都知道，官方定义的五大生产要素包括：土地、劳动力、资本、技术和数据。
在过去，劳动力指的是有劳动能力的人口，而今天，AI让劳动力的主角有了新的可能——人的劳动力、Agent驱动的数字劳动力、物理AI驱动的机器劳动力，三者叠加，让生产要素有了全新的含义。
根据甲子智库的调研数据显示，38%的用户可以用AI完成超40%日常工作任务。这是一种数字劳动力的觉醒，正在重塑生产要素和生产关系。
判断19：AI原生企业，正在重塑商业DNA
接下来我们看企业内部。从企业使用AI，到AI原生企业，是一个质变。
从定义看：AI原生企业是指将人工智能深度嵌入到企业各项业务活动中，使其成为常态而非偶尔的辅助工具。AI不再是技术工具，而是企业文化和日常操作中不可或缺的一部分。
AI原生企业的核心特征包括智能内生、持续进化和跨界融合。
例如：某电商平台用AI优化商品推荐，这是“AI+”；而AI原生企业会让AI推荐算法参与商品设计、供应链管理，甚至反向定义用户需求。
评估AI原生企业的层次时，可以从以下几个层面进行：
-
层次0：员工完全不使用AI。
-
层次1：员工利用各种AI工具完成工作。
-
层次2：AI自主完成工作流程的某些步骤。
-
层次3：AI自主完成端到端的工作流程。
AI原生企业的组织结构：
-
传统“金字塔”结构将被动态“蜂窝网”结构替代，每个员工成为网络中的“节点”，通过AI实时连接资源、数据和协作对象。
AI原生企业的办公形态：
-
员工变成超级个体：大部分需求和获得都是与AI产品的交互得到的，比如资料查找、素材生成。一线员工获得更大的生产能力和决策权，企业审批层级可以大大压缩。
-
AI成为看不见的指挥官：AI自主处理流程性工作，甚至参与决策。例如，甲子光年的日常会议，AI助手已能自动整理会议纪要并生成待办清单，代办清单直接分配任务，接管了大量行政工作。
数据表明，2027年，40%的中层管理岗位将因AI整合而转型。走向AI原生的企业领导者必须清楚地意识到，这一转型将深刻重塑公司。
判断20：看不见的AI指挥官，隐藏在数据洪流中的AI系统正在颠覆规则
“看不见的AI指挥官”可以做到什么呢？
以某电商企业为例：
1.供应链的“超感官”进化：通过分析过去五年7000万次交易数据，AI系统可以将补货准确率提升至95%。AI还能预判台风路径对物流的影响，提前72小时启动应急方案。
2.价格战的“量子纠缠”：当某3C卖家遭遇跟卖时，AI防御系统在凌晨2点启动“闪电战”——连续17次微调价格并同步更新广告策略，让对手的跟卖机器人陷入逻辑死循环。
3.用户需求的“读心术”：AI客服系统能通过语义分析识别83种情绪波动，会自动推送礼品并生成温馨祝福语，让客户满意度提升29%。
以苏州某服装卖家为例：
智能决策系统正上演着精妙博弈：它同时监控着TikTok上的潮流趋势、1688平台的原料价格波动，以及纽约时装周的设计元素，在0.3秒内生成2025秋季新款卫衣的生产方案。这让新品研发周期从28天压缩至72小时，爆款率提升至行业平均水平的3倍。
这两个例子可以看出，AI原生企业的核心将不再是IT系统，而是能连接所有资源的AI协调网络。
4.3 L3-AI创生时代
判断21：AI终端，从“设备为中心”走向以“场景为中心”，从“人找服务”，到“服务找人”
进入AI创生时代，我们首先要看的就是AI终端。手机、电脑、汽车、机器人、智能家居、眼镜等可穿戴设备都是AI终端。多设备、多场景已经成为我们使用AI终端的常态。当我们每个人都拥有多个AI终端时，它们之间应该是什么关系？
设想一下，如何确保“美妙音乐始终伴随用户左右”？当我们在户外跑步时，可以通过耳机聆听音乐，利用手表轻松控制播放；驾车时，音乐能够自动流转至车载系统；回到家中，音乐则无缝切换至智能电视的大屏幕上。
这个例子说明：我们期待的体验是自然连续、无缝衔接、跨端流转的。
当用户的终端设备变多、使用场景变多，用户的需求并非以设备为中心，而是以场景为中心，不是人找服务，而是服务找人，不是离散性服务，而是连续性服务——最理想的情况是“服务随人而动，体验无缝衔接”。
未来，AI驱动的服务分发将提供服务连续性体验——从设备孤岛到全面链接，从有限感知到全面感知，从单场景应用到多场景设备服务流转。
判断22：全局化智能，基于用户场景的端云协同AI将构筑真正强大的全局化智能
要想实现刚才描绘的场景，离不开技术的支持。
目前，业界在积极研究模型轻量化、低功耗高性能AI芯片、高性能系统优化等技术，使得在端侧部署的AI模型能力不断提升，但端侧模型性能仍然与云侧大模型有较大的差距。
端侧模型有着推理速度快、隐私数据不出端、离网可用的好处。然而，一些更复杂、更高阶的场景则需要交给云侧大模型处理。
因此，当未来围绕在用户周边的大大小小的终端设备都集成了AI能力时， 也需要强大的云侧AI能力进行统一的、跨端的、全局化协同——基于用户场景的端云协同AI将构筑真正强大的全局化智能。
判断23：人形机器人，当下细分市场，中期个人市场，远期星辰大海
人形机器人，从概念诞生以来，一直充满争议，最大的争议无非是人形机器人到底适用于什么市场？
首先，我们可以看到，人形机器人的关键硬件组件正持续迈向更高的成熟度与可靠性，而整体制造成本也在快速下降——这为大规模应用创造了基础。
其次，我们需要理解，人形机器人的商业化落地不是一蹴而就的。
当前阶段，人形机器人将在工厂生产、安防巡检、物流配送、服务引导等To B细分场景率先实现落地，以功能单一、任务明确的形态积累经验、优化性能；
随着技术能力的增强，人形机器人将逐步从专用向通用演进，拓展至家政陪护、教育助理等To C市场，逐步成为“人人可拥有”的智能服务终端；
更长远的未来，人形机器人还将代替人走向航天、深海、极地等极端环境，成为人类探索宇宙与未知世界的重要延伸工具。
所以，当下细分市场，中期个人市场，远期星辰大海，是我们对人形机器人的合理期待。
判断24：情感陪伴类机器人，刚性需求快速释放商业红利
今年在CES的现场，甲子光年的分析师发现，情感陪伴类机器人得到了非常多的关注。
为什么？首先，孤独是现代人的普遍现状。根据美国劳工局数据，从2003年到2022年，美国消费者独处的时间从平均每天5.3小时增加到7.4小时，增长了约40%。AI陪伴成为了对抗孤独的一种手段。
此外，数据显示：
-
儿童群体：70%的儿童日均与父母互动不足10分钟；
-
老年人：全球33%的老年人独居，其中超50%长期感到孤独，显著增加抑郁风险；
-
单身人口增加：中国适婚年龄的单身人口已超过2.4亿。
情感陪伴，对于他们是刚需。
据ARK Invest的预测，全球AI陪伴市场的复合增长率高达200%以上，刚性需求快速释放商业红利，情感陪伴类机器人市场将迎来高速发展期。
判断25：具身智能工业机器人，视觉AI工业机器人将重塑工业柔性智造场景
接下来我们看工业机器人。目前，具身智能落地最快的场景是相对封闭的工业制造场景。
具身智能工业机器人重构后的智能工厂，将彻底打通纵向管理体系，使得智能工厂中的数据决策层—生产计划层—数据监测层—现场管控层—设备层实现打通，重塑工业柔性智造场景。
举个例子：微亿智造独创了“眼手脑云”全栈一体架构，以自研超精细图像感知为“眼”，突破材质成像极限，以工业机器人智能控制为“手”，实时精准规划，以“人机交互式”模型工厂为“脑”，驱动实时决策进化，并依托云平台构建数据-模型双向闭环，推出系列跨场景、跨领域智能化产品。
目前，微亿智造已率先将具身智能理论落地工业实践，于2024国际工博会现场全球首发专为柔性生产设计的具身智能工业机器人，已覆盖工业质检、打磨、焊接、装配、上下料等核心工业场景。
判断26：智能机器人，从L2动作自主向L3任务自主演进
右边是梅卡曼德机器人的演示视频。这种能力对于智能机器人来说是什么阶段呢？
甲子智库认为，判断机器人智能程度的关键，是机器人的自主性，以及能够应对的环境和任务的复杂性。
甲子光年将机器人与AI融合进程划分为了L0-L5六个等级：
L0：完全固定动作。
-
L0的机器人只能重复执行事先编写好的动作。例如一些机器人写字的展示，其实就是固定动作。
L1：固定动作+微调。
-
L1的机器人通过加入简单的传感器，可以对固定动作进行少量的修正。这在工业上已经很成熟，有大量应用。
L2：固定任务，自主动作。
-
L2的标志是动作的自主性。L2仍然是执行固定任务，例如从货筐中拣选货品，搬运快递，或者从料筐中把随意堆放的物品抓取出来，但物品的种类和姿态相比L1要复杂很多，L2的机器人能应对比较复杂的环境，并自主规划动作。
L3：自主理解并完成任务。
-
L3的标志是更加开放的任务。不但动作是自主的，而且任务也可以是临时通过自然语言等方式告诉机器人的。刚才的视频就是梅卡曼德的L3级机器人。
L4：自主寻找任务并完成任务。
-
L4的机器人甚至不再需要人类来下达一个个具体的任务，而是可以自主寻找任务并执行。
L5：全自主，近似通用智能。
-
这个阶段的机器人是可以像人类一样存在的机器人。
甲子光年智库将L3及L3以上的机器人称为通用机器人。如今的机器人大多处于L0和L1的阶段，一些公司开始批量应用L2阶段的机器人，而L3则处于少量应用的前夕。例如，梅卡曼德率先实现了L2智能机器人大规模应用，已经在汽车、锂电、物流等行业部署了超过15000台L2级别的智能机器人系统，并且在L3上也有很好的进展，进入少量应用阶段。
判断27：AI医生，迎来“人机共诊疗”战略拐点
接下来看AI在医疗领域的应用。AI诊疗分为L0-L5六个阶段，目前，AI技术能力已经进入到从L1到L2过渡的阶段，AI从单点辅助开始扩展至多节点辅助。
如右图所示，目前，AI在部分场景的诊断水平已经超越人类医生的经验判断。这将形成“人机共诊疗”的新医疗范式——AI已不仅仅是医疗的工具，“AI医生”已成为可能。
判断28：AI安全，从数字世界到物理世界，安全的边界要始终对齐AI的边界
随着AI的广泛应用，AI安全越来越成为制约AI产业发展的核心要素。
根据甲子光年的调研，29.2%的B端用户将数据隐私与合规性作为核心服务需求，38.6%的C端用户认为数据隐私与安全性是购买决策的关键影响因素。伴随AI从数字世界进入物理世界，AI安全的边界要对齐AI技术渗透的边界，这是一场不会结束的陪跑。
4.4 L4-AI文明时代
判断29：AI重构文明秩序背后的隐忧
隐忧一：警惕“加拉帕戈斯现象”
加拉帕戈斯群岛由于千万年来与世隔绝，产生了与大陆极为不同的稳定生态系统，可一旦面对来自外来物种入侵，就面临被淘汰的危险。
同理，产业或产品在封闭市场内过度适应本土需求，与国际标准脱节，在孤立环境下“过度特化”，就会形成难以应对外部竞争的脆弱性。
这提醒我们：任何商业生态的长期生存都依赖于开放性与适应性。AI企业也需避免“技术优越性幻觉”，主动融入全球价值链。
隐忧二：繁荣未必增长，增长未必分配
过去GDP增长的逻辑是：人更多、干得更多、花得更多。GDP是以“人”为核心的增长体系，而AI将剥离“人”的角色，让很多工作流程不再依赖人。
一个内容工厂，从脚本策划到剪辑分发，甚至连观众评论都可由AI完成；一个初创公司，只需要一个创始人 + 多个AI模块，就能代替一个团队。这意味着什么？
-
企业增长但不扩招。
-
“无员工企业”将越来越多，雇员少，纳税少。
-
GDP可能看起来在涨，但“体感经济”却在冷却。
-
掌握AI的人、组织获得指数级增长，大多数人被排除在“增长模型”之外。
-
当劳动力不再是主引擎，传统个税与社保体系将面临空心化，很多现行制度会面临挑战。
如果AI创造的是这样的增长，增长的红利却不一定和你我有关。这会带来一个后果：繁荣未必增长，增长未必分配。
隐忧三：AI普惠并不意味着平等
首先是人的不平等。
在AI时代，人们会有三种角色：
-
AI控制者：掌握算力和模型，拥有AI企业；
-
AI合作者： 能写提示词、调模型、接API的人，他们成为了AI系统的“接口”；
-
AI被管理者： 各类知识工作者，编辑、分析师、程序员，他们的工作被AI流程安排和分配，AI成了人的+1。
接着是行业的不平等。
高度结构化、流程化、数字化的行业和高算力的行业的利润指数级放大，低介入行业的边缘感持续上升——强者更强，弱者更弱。AI在行业之间造成了“利润密度差”。
然后是地缘关系不平等。
举个例子：
-
一家美国AI公司可通过API向50个国家提供医疗诊断模型；
-
本地医院支付模型费用、上传患者数据，模型训练持续进化；
-
数据和利润都流回“模型拥有国”，而本地医院只是“算力终端”。
这个例子背后的逻辑是：
-
核心国家掌握AI大模型；
-
弱势国家开放数据、输出劳动力、租用算力；
-
表面上是“技术合作”，实质上是“模型租赁与利益抽取”。
哈佛教授Niall Ferguson（尼尔·弗格森）称这种模式为 “算力殖民”。
隐忧四：数据洪流的失控风险
2024年亚马逊德国仓曾发生机器人集群“暴走”事件，导致24名工人紧急住院。事后查明是天气数据接口异常引发的决策紊乱。当75万台机器人的行动都依赖数据流时，任何细微的漏洞都可能酿成系统性危机。
隐忧五：世界秩序的改写，AI成为战略安全的主轴
在历史中，“基础技术的主导权”和国家地位相伴相生：
-
蒸汽机诞生后，英国成为全球海权中心；
-
核裂变成功后，美国在冷战中建立绝对制衡；
-
而今天，大模型的参数数量、推理速度、训练效率，已经成为国家级比较优势。
如果出现AI时代的战争，很可能出现这种情况：模型的更新频率=战略反应速度，AI成为战略安全的主轴。
隐忧六：人机信任和相关制度的建立是否跟得上AI的发展？
目前，虽然AI在很多方面的表现已经比人好，但大多数政府和企业在用AI时却陷入三种尴尬：
-
“装了AI，但不让它决定”
-
“加了AI，但没拆掉旧流程”
-
“激活了AI，但不信任”
核心问题是：人机信任和相关制度的建立能否跟得上AI的发展呢？今天的制度还无法回答以下三个问题：
-
AI生成的判断，谁来背书？
-
AI被错误采纳后的后果，谁来承担？
-
AI是否有“判断权”，而非仅仅“建议权”？
AI是一个有认知推理能力和能动性的新主体——如果你不承认它的主体地位，就无法构建合理的制度体系。
隐忧七：AI对世界“高阶相关性”的理解远超人类，或将创造出人类不理解的世界
很多人比喻AI像电力，但AI并不仅仅是基础设施，AI改变了认知结构。当AI的认知和判断充斥在整个社会运行的链路中，它的影响很容易外溢出来。
举个例子。万事万物间，存在千丝万缕的联系，再聪明的人也只能理解事物之间的“一阶相关性”或“二阶相关性”，而AI对世界的“高阶相关性”的认知远超人类。简言之：AI能看出关联的，人类看不出来，AI能联想到的，人类联想不到。
因此，人类对符号世界的理解很难跑赢AI，而AI也很可能创造出人类不理解的世界。
隐忧八：人类的价值体系和意义感将如何重建？
试想你的工作场景：
-
你还在岗，但你只管“确认”；
-
你还在写报告，但模型已经提前跑出结论；
-
你还在会议上发言，但AI助手的数据更可信。
这不是岗位的消失，更是价值感的溶解。而当面对我们不理解的世界，人类将不得不重建自身的意义系统——我活着的目的是什么，我应该怎么教育下一代，生而为人的意义是什么。
判断30：赛博墓碑，数字永生时代降临
最后说一个与人类生命息息相关的议题。人口死亡高峰的浪潮正席卷全球。中国人口老龄化进程正在加速推进，从现在至21世纪末，中国预计将经历总计12.3亿的死亡人口。
2023年3月，B站up主吴伍六运用AI技术成功“复活”了自己奶奶的虚拟数字人形象，当吴伍六提问时，“奶奶”对答如流，弥补了现实的情感缺失。
《2021中华遗嘱库白皮书》显示，80后人群的遗嘱中，涉及的财产有17.3%是“虚拟资产”；而在90后人群的遗嘱中，这个比例则更上升到了21.75%。
一些公司推出了“数字交互逝者”，可以模拟亲人向生者提供情感陪伴，这已经是技术完全可以实现的。
如果说，普通人的数字永生是一种情感需求，对另一部分人来说，数字永生更是一种突破生物寿命极限的方法。
马斯克的“脑机接口”项目试图通过神经科学与人工智能的结合，探索人类思维的数字化存续。
在更极端的设想中，未来个体的全部认知和记忆可以被转化为数据，并存储在量子计算机或太空卫星中，以超越生物载体的限制实现永生。
当AI可以突破生与死的界限，AI将远远超出历史上任何一次技术革命带来的影响。当生死界限在代码冲击下剧烈摇晃，技术创造的究竟是人性的救赎，还是赛博世界的潘多拉魔盒？
AI共潮生，不仅仅是技术和产业的议题，更是一场正在上演的文明演化大戏。当商业、人际关系、伦理、安全、生死观都随着这潮水般袭来的技术进展波动，人类永远不变的是什么？那些被改变的部分又将何去何从？
这是一个开放式的问题。那，不妨让我们看一个开放式的短片，作为今天报告的结尾：
谢谢大家。
（文：甲子光年）