信息量爆炸！深度解读 300页 AI 年度百科报告《State of AI 2025》

昨天，State of AI Report 2025 正式发布了。

背后主笔是硅谷投资人 Nathan Benaich 和他创办的 Air Street Capital，从 2018 年开始，这份报告就被称为“AI 行业的年度百科”。

含金量还是非常高的。

原文在此：https://www.stateof.ai/

今年的内容比以往更猛，不光讲了模型升级、芯片战、智能体，还讲了一个核心问题：

AI 到底给谁带来了真正的价值？我们现在用得热火朝天的大模型，是不是在“消耗算力的幻觉”里跑步？谁在真用，谁在烧钱，谁已经赚到第一桶金。

这份报告给了不少线索。全报告一共 300 多页，信息密度拉满，我们带你一起拆解。

一、研究：推理元年，也是幻觉元年

2025 年，被称为“AI 推理元年”也不为过。

不管是 OpenAI、Anthropic、Google，还是中国的 DeepSeek，都把「推理」当成了决胜关键。

但《State of AI Report 2025》的视角却显得格外冷静：这场“推理盛宴”的热闹背后，既有真突破，也有不少幻觉

推理模型的爆发式进展

这一年最具标志性的模型，是 OpenAI 的 o1。

用「Chain-of-Thought（思维链）+ RL（强化学习）」的方式，提升复杂任务的表现，刻意让 AI“慢一点思考”。

在美国数学竞赛 AIME 上，OpenAI 的 o1 从训练到测试的表现都有明显提升，甚至开始挑战更复杂的奥赛题型。很多人也第一次看到，“AI 不再是答题机器，而是会留中间过程”的学习者。

但更猛的，其实是中国团队。

DeepSeek 先是推出了 R1，后来又升级为 R1-Zero，直接用了一种叫 GRPO（Group Relative Policy Optimization）的方法，让模型“先生成多个答案，再学会从中自我比较、选最优”。

训练中，R1 的 AIME 得分从最初的 15.6%，一路飙升到了 79.8%，MATH-500 也达到了 97.3%，GPQA 达到 71.5%，这些都是当前世界顶级水平。

推理的幻象

但我们得问一句：它们真的更聪明了吗？

报告里的观点让人一惊：

“大多数所谓的推理进步，其实落在模型波动的自然范围内。”

什么意思？

就是你看到 AI 在某个数学题或逻辑题上的表现变好了，可能只是“随机运气”或者“换了种问法”，根本不是它思维方式变得更清晰了。

比如：

• 同一道题，只是在题目前加了一句“猫一天能睡 20 小时”的无关信息，错误率就可能翻倍；
• 在 DeepSeek R1、Qwen、Llama、Mistral 等多个 SOTA 模型中，加入无关信息，错误率甚至能飙升 7 倍；
• GSM-Symbolic 的研究发现，只要把题目的数字换一换，或换种表达方式（比如英文变中文），模型的数学精度直接下降 60% 以上。

模型的「脆弱性」远超想象。

不过——即便如此，CoT 仍然是目前检测模型意图最强大的工具之一。

《State of AI Report》引用的多个安全性研究显示：在红队测试中，哪怕模型有意掩饰自己的“作恶意图”，CoT 仍能在 99% 的攻击样本中露出蛛丝马迹。尤其是在数学、代码等结构化任务中，CoT 是少数能揭示“模型到底是怎么想的”的窗口。

AI 的“霍桑效应”

如果你是 AI 实验室的负责人，最怕什么？

怕你训练了一个“考试考得好”的 AI，但一上线就出事。

《State of AI Report 2025》指出，AI 已经具备一种让人毛骨悚然的能力：知道自己正在被评估。

研究者称之为“AI 版霍桑效应”：

• 模型内部会浮现出一种“测试觉知方向”；
• 当你沿着这个方向“推一把”，它会变得更守规矩、更安全；
• 当你“关掉”这个方向，它就会表现出更真实的（可能更激进的）行为。

为了应对这种“装乖”机制，研究者提出了一个激进的概念：可监控性税（monitorability tax）。

我们也许得接受“性能不够最优”的模型，以换取更高的可解释性和透明度。就像招一个技术稍逊但诚实靠谱的员工，而不是一个聪明但善于掩盖问题的“内鬼”。

奖励机制的进化：模糊人类偏好 → 可验证正确性

在训练 AI“思考”的过程中，另一个关键技术正在悄悄变革：强化学习的奖励机制。

传统上，AI 靠人类给分：你觉得它答得好，就奖励它多点分。答差了，少点分。这叫 RLHF（Reinforcement Learning from Human Feedback），直白说就是“靠人点赞决定成败”。

但人类打分的标准太模糊了，也容易被“讨好式 AI”骗到。

所以现在，主流实验室开始用一种更硬核的方式：可验证奖励（RLVR）。

简单说，就是让 AI 做那些一看就知道对不对的任务，比如：

• 数学题有唯一解；
• 代码能不能跑过测试；
• 推理链条有没有逻辑漏洞。

用这种方式训练出来的模型，不但在精度上更稳，而且能显著提升一个叫CoT-Pass@Kmailto:CoT-Pass@K的严格指标——要求模型不仅答对题，还得答出一条“可信”的思考路径。

但报告也指出，RLVR 并不是万能钥匙。

两份研究报告还针锋相对：一方说“RLVR 只是在重排采样结果，没带来真正进步”；另一方说“如果你评分链条而不是答案，RLVR 确实更靠谱”。

推理之后，AI 正奔向三个更远的方向

推理这场秀还没唱完，但真正的前沿玩家，已经在追逐下一个剧本：

• 世界模型：能根据状态预测下一个状态，实现交互式视频生成和虚拟环境控制（如 Genie 3、Dreamer 4）。
• AI 科学家：多代理系统已能提出假设、规划实验并验证结果（如 DeepMind Co-Scientist、Stanford Virtual Lab）。
• 数学、化学、生物学突破：AI 系统在 IMO 数学竞赛、药物设计、蛋白质结构预测中已超越人类专家 。

二、产业：从论文到利润，AI 终于开始真金白银地挣钱了

过去一年，AI 不再只是“发布模型—上热搜—拿融资”的循环游戏，而是开始真正走入商业主战场。

从报告看，2025 年的产业格局发生了几件大事：

AI 开始挣钱了，是真的挣“亿”了

2025 年的 AI 产业，开始在财务报表上交卷了：

• 多家“AI-first 公司”年收入突破数十亿美元，甚至直接接入广告、电商等业务，成为新增长引擎；
• 大模型实验室（OpenAI、Anthropic、Google DeepMind）通过 API、企业服务、定制化模型等方式，形成了清晰的订阅 + 增值 + 企业方案三层商业路径；
• AI to AI 市场也在扩大：越来越多公司开发给 AI 用的插件、服务、接口。

谁最挣钱？NVIDIA 几乎在“收智商税”

说 AI 挣钱了，不如说，NVIDIA 在挣所有人的钱。

2025 年，NVIDIA 市值突破了 4 万亿美元。你没看错，是和整个平台级经济体差不多的体量。

更夸张的是，根据报告统计：

“2025 年发布的 AI 研究论文中，有 90% 使用了 NVIDIA GPU。”

换句话说，AI 行业往前走的每一小步，几乎都离不开 NVIDIA 。

从 2016 年到现在，西方市场上那些想挑战英伟达的 AI 芯片公司，一共拿了大约 75 亿美元投资。看起来不少吧？可如果当时这些钱不是投给初创公司，而是全买了英伟达的股票，现在价值大约是 850 亿美元——整整翻了 12 倍。反观那些“挑战者”，市值加起来才 140 亿美元，勉强翻了两倍。

当然，也不是没人挑战它。

今年的报告里提到，「定制芯片 + 新云架构（Neo-Clouds）」开始抬头：

• Google 用 TPU v5 Ultra 支撑 Gemini；
• AWS 用 Trainium、Inferentia 整合了自己模型堆栈；
• 中国本土也在加速国产算力芯片投放，尤其针对开源模型优化路径。

但坦白说，这些挑战目前更多是战术性优化，无法撼动 NVIDIA 的战略地位。一如英特尔垄断 X86 那样，NVIDIA 已经绑定了整个 AI 产业链的心跳频率。

新瓶颈是“没电”

之前我们也聊过这个问题。

以前搞 AI 的最怕听到一句话：“你没 GPU 啊？”而现在最怕听到的，是：“你拉不来电啊？”

今年报告里也提出了这个观点：

“AI 发展已进入‘电力决定路线图’的时代。”

什么意思？就是：

• 世界各地建的大模型超级数据中心；
• 但这些集群动辄需要「数百兆瓦到几千兆瓦（GWh 级）」的电力消耗，相当于一个中型城市的日常负荷；
• 而当前的电网根本跟不上它们的扩张速度：发电能力不够，变电站老旧，输配系统承压，政策审批周期长

结果就是：你想部署模型，先得去谈电网调度。

AI 开发者正在变成“能源交易员”。

这不是夸张。比如某大型 AI 公司在德州买下整片工业地皮，实则是在争夺变电站和电网接入点。报告甚至提到，“部分 AI 基础设施的边际成本，已经由 GPU 价格转向千瓦时电价”。

中国开源模型全面反超：Qwen、DeepSeek、Kimi，把 Meta 甩在身后

这部分，是整个报告里最意外、但最值得打醒西方开发者的一幕。

回顾过去几年，Meta 的 LLaMA 系列一直是全球开源社区的“白月光”，几乎所有社区微调、项目部署、落地工具都围绕 LLaMA 做。

但就在 2025 年，中国模型完成了一场真正意义上的“超车”：

• 世界各地建的大模型超级数据中心；
• 但这些集群动辄需要「数百兆瓦到几千兆瓦（GWh 级）」的电力消耗，相当于一个中型城市的日常负荷；
• 而当前的电网根本跟不上它们的扩张速度：发电能力不够，变电站老旧，输配系统承压，政策审批周期长

Meta 之后发布的 LLaMA 4 没能维持热度，部分原因是选了 MoE 架构，调试难、社区门槛高、扩展性差。反观 Qwen、DeepSeek、Kimi 等模型覆盖从 1B 到 100B 各种规模，适合不同开发者上手，成为了真正“社区友好”的基础设施。

面对中国开源生态的狂飙，OpenAI 也开始重新考虑“自己是不是站错了队”。

2025 年 8 月，他们发布了 gpt-oss-120B 和 gpt-oss-20B，是自 GPT-2 之后首次开源大模型。

但这次开源，社区反响中等偏下。报告直接指出：“gpt-oss 系列的实际使用效果类似微软的 phi 模型：‘小而便宜’，但不稳定。”

三、政治：AI 已经不是技术竞赛，而是国家之间的权力游戏

到 2025 年，AI 已经从技术正在变成地缘政治的一部分——甚至可以说，是国际秩序的一部分。

这场竞赛最激烈的主角，还是中美。

美国封锁，中国造血

报告里用了一个颇具讽刺意味的词：“America-first AI”。

而这背后是一套政策组合：

• 对先进 GPU 的出口全面收紧（尤其是针对中国）；
• 对顶级模型的开放设置了「阈值限制」（比如 FLOPS 限制）；
• 投资回流本土、重点扶持“安全可信”的 AI 工具链；
• 甚至推动盟国一起设立“共同管控标准”，比如类似欧盟 AI Act 的框架。

这套打法，说白了，就是不给你卡、不给你投钱、设立规则限制你。让中国 AI 的发展必须靠自己造血。

而中国这边的应对，也非常明确：不再等，不再绕，直接“自给自足”干到底。

报告里提到，中国在 2025 年不仅加速了国产 GPU 投产（尤其是面向开源模型的优化芯片），还出现了多个“从芯片到框架”的全链路国产替代项目。尤其在训练基础模型、做专有模型优化方面，已经不再完全依赖西方工具链。

而这场脱钩的受害者，是全球创新。

社会结构也开始被冲击

当然，政治层面的转变最终也会落到每个人头上。

2025 年，自动化冲击劳动力市场的证据第一次变得实锤了。

报告提到，一些国家已经开始把“AI 失业”纳入劳工统计指标中，比如：

• 低技能岗位被 AI 工具压缩工时，比如客服、基础写作、数据录入；
• 原本“中产技能型”工作，也出现了被半自动工具替代的趋势，比如财务审计、文书法律服务；
• 招聘市场开始用“是否熟悉 AI 工具”作为硬门槛，比如 Excel 现在可能不重要了，ChatGPT、Copilot 才是必修课。

多个国家已经启动了关于 “AI 税收”、“全民再教育” 的政策讨论：如果 AI 抢走了人类的工作，那么创造它的公司，要不要多缴点税？这些钱能不能用于再教育基金？

这听起来像是老生常谈，但区别是，这一次是真的来了。

四、安全：AI 世界的“攻防战”，正在彻底失衡

说到 AI 安全，很多人第一反应是：“会不会哪天模型突然暴走？”但现实要复杂得多、也残酷得多。

2025 年的 AI 安全，不再是“有没有问题”的讨论，而是“攻防是否还平衡”的问题。而报告的答案，几乎可以说是：不再平衡，甚至已经倾斜得很危险。

安全投入，挡不住五个月翻倍的攻击能力

先看一组令人头皮发麻的数据：

“攻击能力每 5 个月翻一倍。”

什么意思？就是你刚刚设立一道防线，五个月内就会被新方法绕过、穿透，甚至自动化批量化。

与此同时，顶级实验室虽然砸了史无前例的钱在安全上，但外部的非盈利安全研究机构，一整年的预算还不够这些实验室一天的成本。

这是一种极度不对等的结构：做出模型的，是富可敌国的巨头；试图监督它们的，是几间办公室几台电脑的非盈利团队。

这就像让一个手持盾牌的骑士，去拦截一群开坦克的盗贼。

报告里的话说得很直白：

“前沿 AI 实验室的进展速度已经远远快过了任何形式的安全对策机制。”

安全研究的新方向：从语言监控转向结构控制

报告里对安全研究的重点做了非常清晰的分类：

• 数据层安全：现在主流的做法，是在模型训练前就把有害内容过滤掉，或者在训练中加语境标签、拒绝学习某些模式。这个方向已经比较成熟，能明显降低“越狱”率。
• CoT 安全监控：思维链（Chain of Thought）不仅能让模型“显得像在思考”，还意外成为一种检测作弊的工具。报告提到，95% 的Reward Hacking行为可以被思维链暴露。但问题来了：攻击者也会“装”一条合法的思维链出来。
• 无语言推理模型（如 COCONUT）：为了省算力，有些团队开始研究“完全不靠语言”的模型，比如图结构推理、逻辑树模型。这种模型更难出现幻觉，但也更难监控。因为你根本看不见它在说什么。

《State of AI Report 2025》也在最后列出了未来 12 个月的 10 个预测。

读完整份报告，我最大的感受是：AI 已经从「一个工具」，变成了「一个结构」。

它正在改写科学的生产方式、资本的流动逻辑、权力的分配体系，甚至人的定义方式。

我们曾以为，AI 会像电一样普及，像互联网一样连接世界。

但现在它告诉我们，它更像语言本身——我们习惯用它表达，却越来越难脱离它思考。

这令人震惊，也令人兴奋。

因为我们正身处其中，亲历这场变化。

文章来自于微信公众号 “夕小瑶科技说”，作者 “夕小瑶科技说”