2025年，人工智能領域迎來一系列密集突破。1月，DeepSeek R1橫空出世，以高效推理和開源策略引爆全球關注；春節期間，宇樹機器人亮相央視春晚，將具身智能推向公眾視野；3 月前后，一些中國公司在智能體方向集中引發關注：AI 智能體 Manus 走熱，Lovart 等創作型智能體進入設計工作流，智能體開始被視為具備結果交付能力的生產力。下半年的發展節奏也進一步提速：Claude 4、Gemini 3相繼刷新能力邊界， Nano Banana和Sora 2 上線并迅速出圈，生成式圖片和視頻創作領域迎來集中爆發。12月中旬，OpenAI 正式推出 GPT-5.2，將年度模型競賽繼續推向高潮。

回看這一年的重要節點，人工智能的變化已不再體現為單項能力的提升，而是在推理效率、智能體執行、多模態創作與具身智能等多個方向同時推進。每一次突破都在拉近人類與超級智能的距離，也引發了業界對技術演進方向、產業落地路徑和治理框架的深度思考。

在這一背景下，由騰訊新聞主辦的2025騰訊ConTech大會暨騰訊科技Hi Tech Day于12月18日正式播出，匯聚了中國工程院院士、知名專家和學者、頭部科技企業創始人及知名投資人，圍繞工業智能、物理AI、大模型進化、具身智能、AI治理等前沿議題展開深度對話，共同探討智能時代的機遇與挑戰。

騰訊新聞運營總經理黃晨霞在開場致辭中指出，智能浪潮從未像現在這樣澎湃，我們正處在范式重構的關鍵節點——當下的智能浪潮不僅是能力升級，更是一場關于應用方式和協同模式的范式重構，既關乎技術高度，也關乎落地深度與倫理尺度。

黃晨霞表示：“騰訊新聞與騰訊科技希望搭建連接前沿與落地、思想與實踐的平臺，匯聚學界、產業與技術力量，共同思考‘技術應為何所用’。在鼓勵創新突破的同時，始終保持對技術邊界的敬畏，推動智能技術轉化為真實、可持續的社會價值”。

中國工程院院士柴天佑：工業智能化，決定未來制造體系的競爭高度

中國工程院院士柴天佑從工業革命的歷史出發，系統闡述了智能化興起的根本原因。他指出，歷次工業革命的本質，都是物質流、能源流與信息流的協同變革：物質轉化依賴能源，而能源如何被高效利用，最終取決于信息流，即感知、決策與執行能力。比如蒸汽機、電力和數字計算機的出現，分別推動了比例控制、PID 控制以及自動化與信息化等體系的發展——信息流能力的提升始終是工業進步的關鍵。

柴天佑院士認為，新一輪工業革命正在發生，其核心并不只是能源變化，而是信息流的再次躍遷。由大數據驅動的人工智能、工業互聯網、數字孿生與元宇宙等技術，使工業系統首次能夠在數字空間中完成感知、決策與優化，再將結果安全地應用到真實生產過程。他特別強調，工業 AI 與通用大模型存在本質差異：工業場景要求“決策不能錯、感知不能錯、執行不能錯”，追求的是可驗證、可優化、可閉環的智能能力。

柴天佑以氧化鎂砂生產線為例，展示數字孿生與智能算法如何實現高危工藝無人化、自學習參數優化與顯著節能增效，說明工業智能化能夠重構生產方式，并推動產業體系持續演進。

小鵬汽車何小鵬：機器人、無人駕駛汽車與低空飛行器，或將成年輕人的“新三大件”

在本次大會上，小鵬汽車董事長、CEO何小鵬分享了對于“物理AI”的深度思考與實踐。

何小鵬認為，人工智能正在從數字世界走向真實的物理世界。他提出，AI 時代正在出現新的規律：一方面，數據、算力和模型會不斷相互強化，形成類似“黑洞”的效應，讓智能快速進化；另一方面，大量智能體可以像螞蟻一樣去中心化協作，各自思考、行動，卻能高效配合。

何小鵬回顧了不同年代的“三大件”變化：從自行車、手表、縫紉機，到彩電、冰箱、洗衣機，再到汽車成為重要消費品。他認為，隨著 AI 與物理世界的深度結合，年輕人的生活標配也將發生變化。何小鵬判斷，未來十年，機器人、無人駕駛汽車和低空飛行器，有可能逐步走入日常生活，成為新的“智能體三大件”。在他看來，汽車、機器人和飛行器在本質上是同源的物理 AI 系統，底層都依賴感知、決策和執行能力的融合。

他特別提到，人形機器人更容易融入以人為中心設計的現實環境，具備更廣泛的應用潛力；而自動駕駛與飛行汽車，將在不同場景下改變人們的出行方式。何小鵬強調，這些變化不會一蹴而就，但隨著技術成熟和場景落地，物理 AI 正在從概念走向現實生活。

清華大學教授梁正：全球人工智能治理進入空前活躍階段，但面臨四個結構性矛盾

本次大會上，清華大學人工智能國際治理研究院（AIIG）發布了年度報告《邁向可衡量的治理：2025年度回顧與行動建議》。作為獨家合作媒體，騰訊科技將于 2026 年與清華大學人工智能治理研究院持續推出系列內容，共建人工智能治理 IMA 知識庫。

清華大學教授、清華大學人工智能國際治理研究院副院長、清華大學中國科技政策研究中心副主任梁正在此次大會上也解讀了這份研究報告。

他指出，2025 年是人工智能發展與治理的關鍵節點——隨著 AI 從單一工具走向具備自主行動能力的智能體，并逐步進入自動駕駛等物理世界場景，現有治理框架正面臨新的挑戰，包括隱私保護、責任界定以及風險外溢等問題。

他強調，當前 AI 發展面臨算力與能源瓶頸、地緣政治疊加競爭以及低成本模型濫用等多重壓力。在工業、醫療等垂直領域，準確性、可控性與人機信任已成為影響應用落地的關鍵因素。梁正認為，全球 AI 治理正進入空前活躍卻高度分化的階段，治理倡議多、實際行動少，多邊共識約束力不足。

在此背景下，他總結了四個結構性矛盾：技術快速演進與靜態治理方式的矛盾；發展與治理被簡化為二元選擇的思維定勢；國家競爭導致全球公共產品供給不足；以及缺乏系統性、可衡量的治理框架與工具。梁正提出，應推動“敏捷治理”，通過監管沙盒、負責任設計和國際協作，構建一套可衡量、可審計、可驗證的 AI 治理體系，以更好的治理支撐人工智能的健康發展。

2025 年，隨著大語言模型的能力迭代不斷，正在快速接近或超越人類水平，人工智能的核心問題已然從“能不能做出來”（即技術可行性和前沿突破），轉向“能不能長期跑下去”（即可持續性、可靠性與規模化產業落地），這也成為產業界展望2026年AI發展的核心關注議題。

圍繞這個方向，本次大會也設置了三場圓桌論壇：

第一場聚焦大模型自身的演進方向，討論“模型如何變強、變省、變可用”；

第二場回到更底層的算力與基礎設施，追問“通向 AGI 需要哪些不可替代的底座能力” ；

第三場則直面產業落地，拆解 AI 在真實組織與流程中落地所遭遇的結構性阻礙和機會。

模型能力層：高效模型與開源生態，正成“中國新路徑”

2025年，大模型的競爭不再只看規模，而是開始圍繞效率、結構與生態展開的一場博弈。

在首場圓桌論壇《2025，大模型再進化》中，華中師范大學助理教授熊宇軒，北京智源人工智能研究院院長王仲遠，清華大學長聘副教授 、面壁智能聯合創始人兼首席科學家劉知遠以及峰瑞資本投資合伙人陳石，從技術、產業與投資多重視角，系統梳理了2025年大模型演進的關鍵變化。

熊宇軒指出，2025 年大模型已從“規模突破”進入“能力進化”階段，單純堆算力、堆參數的邊際效益正在下降。當下，入場的諸多中國公司們正通過高效模型、端云協同與開源生態，探索一條不同于傳統路徑的原創發展路線。

王仲遠也認同這一判斷，表示大語言模型在文本維度正進入相對成熟階段，受限于互聯網數據天花板，性能提升趨緩，但多模態模型正迎來新的突破窗口。他強調，大模型的學習范式正在從“Reading from Text”走向“Reading from Video”，視頻與物理世界數據所蘊含的時間、空間和因果信息，將推動人工智能加速從數字世界邁向物理世界。

在模型形態上，這一變化進一步催生了新的演進規律路徑。劉知遠提出，大模型發展正在呈現類似摩爾定律的“密度法則”——通過技術創新，在更小參數規模中壓縮更高能力。小模型并非能力退化，而是向高密度、高效率演進。他認為，端云協同將成為長期結構：端側負責實時感知與行動，云端承擔深度規劃與知識整合。

從產業與投資角度，陳石認為，2025年大模型競爭的護城河正在重構，不再是單一算力或參數優勢，而是由算力組織能力、模型能力上限與生態厚度共同構成。其中，能否通過應用與合作伙伴形成持續的數據反饋閉環，將成為拉開差距的關鍵。

圍繞智能體與具身智能，嘉賓一致認為該領域仍處早期階段，但人工智能進入物理世界是不可逆趨勢。在此過程中，開源生態、高效模型與端側創新，被視為中國公司們參與全球競爭的重要現實路徑

基礎設施層：算力、模型與基礎設施，共同決定AGI門檻

當模型參數不斷刷新紀錄，算力投入持續攀升，一個更根本的問題正在浮現：我們是否已經站在通向 AGI 的正確路徑上？是沿著既有架構持續演進，還是需要一次底層范式的重構？在行業分歧與共識并存的當下，第二場圓桌將視角拉回基礎層，圍繞算力形態、模型架構與基礎設施展開討論，嘗試回答——通向 AGI，究竟需要哪些真正不可或缺的“入場券”。

英諾天使基金合伙人、北京前沿國際人工智能研究院理事長王晟，硅基流動創始人兼首席產品官胡健，階躍星辰首席科學家張祥雨，沐曦高級副總裁孫國梁等多位業內嘉賓，深入探討通向 AGI 的底層支撐體系。

多位嘉賓指出，AGI 并非單點突破，而是由算力體系、模型架構、基礎設施與生態協同共同驅動的系統性躍遷。胡健從 AI Infra 角度強調，算力與模型之間亟需更高效、低成本的中間層基礎設施，以支撐模型訓練、推理與應用的快速迭代。張祥雨表示，下一代基礎模型正在從單一模態走向多模態原生融合，視覺、語言、語音乃至具身能力將統一于同一模型體系中，這是通向更高層智能的重要方向。

在被問及“開源、閉源”之爭時，硅基流動胡健強調這是一種“老二、老三”生存法則的博弈。“就像安卓對抗iOS。DeepSeek一出來，市場炸了，大家就都得跟進，這是一種低競爭倒逼的趨勢。”胡健表示，如果模型不開源，智能如果只掌握在少數企業手里，客戶不得不依賴這些巨頭，并為此承擔更高的成本與代價。而在算法側，階躍星辰首席科學家張祥雨拋出了一枚“深水炸彈”：現有的Transformer架構可能是一條死胡同。

王晟總結指出，當前技術范式正處在“穩態”與“躍遷”之間：一方面，既有架構仍在演進；另一方面，圍繞模型、算力與基礎設施的重構已經啟動。AGI 的到來，不取決于某一家公司或某一技術，而取決于底層引擎是否真正成熟。

產業落地層：AI 能不能落地，卡的不是模型，而是“隱性數據”

當AI大模型技術越來越強，一個更現實的問題正在浮現：它究竟能不能在企業里真正跑起來？第三場圓桌聚焦“AI+產業”的關鍵卡點，清華大學智能產業研究院（AIR）助理教授、智源學者趙昊，清華大學經濟管理學院可口可樂講席教授、清華大學經濟管理學院互聯網發展與治理研究中心主任陳煜波，明略科技創始人、CEO兼CTO吳明輝，蘇州明義微電子技術有限公司創始人朱從義，智平方科技有限公司副總裁邱巍，圍繞落地方面的難點展開拆解。

趙昊從產業與科研交叉視角指出，AI落地的共性瓶頸并非單一模型能力，而在于高價值數據與隱性知識難以外溢——無論是企業決策邏輯，還是高端制造中的關鍵工藝參數等方面，都會對AI構成核心約束，必須以系統工程思維統籌推進。

在企業實踐層面，明略科技創始人吳明輝進一步拆解了這一問題的內部結構。他指出，企業決策所依賴的信息至少分為三層：公開數據、企業私有數據，以及最難被系統捕捉的——決策者腦中尚未顯性化的隱性信息。這一層信息不僅存在“技術能否承載”的問題，更面臨“是否愿意交付”的現實障礙，直接決定了AI能否真正參與到企業的核心決策之中。

當 AI 進一步走向物理世界，技術挑戰與組織問題同時顯現。邱巍從具身智能落地經驗出發，總結出“聰明、快、隱私”三重門檻：模型泛化能力與“快慢系統”仍需持續迭代；與此同時，高端制造場景中的工藝流程數據具有極高保密性，引出了“數據治權”的現實難題——模型究竟應在客戶側訓練，還是在廠商側訓練。

在組織與協作層面，陳煜波以“騎馬打仗”作比喻指出，人機協同并非新命題，但AI正在重塑協作方式。問題的關鍵不在于“替代人”，而在于重新定義流程與技能分工，探索“人如何與AI協作、互補”。

不過，即便上層問題得到解決，AI落地仍受制于更底層的基礎設施約束。朱從義將視角拉回能源與供電層面，指出GPU功耗躍遷正在帶來效率、供電密度與“瞬態負載”等系統性挑戰。朱從義指出，隨著GPU功率密度持續攀升，電力正在成為AI算力體系的關鍵瓶頸。未來，只有通過系統級供電架構升級（如800V直流架構），才能在提升效率的同時保障穩定性，支撐AI在產業場景中的長期運行。