迈向AI原生时代：2025年关键趋势展望（a16z）
关键趋势
AI应用场景专业化细分：AI工具将超越通用的内容生成，转向针对特定用途和渠道进行深度优化，例如产品营销、电影制作、动漫风格转换等。这将催生针对不同需求的专业化AI工具，推动AI视频从原型走向成熟的艺术形式。 “AI大脑”助力个性化知识工作：个人数字足迹将被整合为“AI大脑”，理解个人思维和情感，并应用于个性化内容生成、沟通辅助和工作效率提升。这将推动知识工作从通用AI辅助转向个性化定制，使AI工具更贴合个人风格和工作习惯。 AI驱动定性数据分析革命：结合大语言模型、智能代理和多模态模型，AI将被用于分析和整合非结构化数据，例如文本、叙事和洞察，与定量数据融合，提供更全面的分析结果。这将颠覆传统的基于数字和结构化数据的分析模式，为企业决策提供更丰富的背景和更动态的洞察。 AI代理迈向自主行动：AI代理将拥有自己的加密钱包、签名密钥和加密资产，实现自主参与市场活动、表达偏好和协调资源。这将推动AI从被动执行指令到主动参与经济活动，例如管理去中心化基础设施、成为高价值游戏玩家，甚至运营区块链。 设备端AI崛起：小型化AI模型将在手机、物联网设备等小型设备上普及，提供实时数据处理和推理能力，改变用户行为和互动模式。这将推动AI从云端走向终端，为用户提供更快速、更便捷、更注重隐私的AI体验。 AI推动企业技术架构重构：AI将推动企业淘汰传统的业务系统，转向更具动态性的AI驱动系统，实现从“执行者”到“审阅者”的角色转变。这将彻底改变企业软件的架构，从静态数据存储转向动态AI驱动的工作流，使AI成为企业运营的核心。 AI基础设施竞争加剧：世界各国将竞相建设AI超算中心，以支持大规模AI模型的训练和推理，争夺AI领域的领导地位。这将推动AI基础设施的快速发展，包括计算能力、能源供应和散热能力，成为国家战略竞争的关键领域。
目录
XR设备：XR设备将成为开发者在机器人、自动化和仿真领域的重要工具，推动物理世界应用和空间计算发展。 机器人数据采集：从基础数据到复杂任务的采集与评估转型 实时AI的潜力：低延迟技术推动创意协作与教育应用变革 AI视频生成的专业化发展：应用场景与创作者控制力提升 “AI大脑”的崛起：大语言模型驱动的个性化思维与情感理解应用 知识工作个性化：AI如何定制化写作与任务处理，提升工作效率 定性数据分析的变革：AI融合非结构化数据与定量信息，推动更全面的洞察 AI在数学/物理和编程中的进展：LLM模型通过新训练技术提升“推理”（Reasoning）能力 生成性AI的普及化：小型化模型在各类设备上本地运行，提升用户体验 小型设备端AI的崛起：驱动实时互动和隐私保护的应用创新 AI原生UI与UX：重新定义SaaS工具互动方式，开启新一代工作流程
AI代理与个人钱包：推动AI自主行动与去中心化应用场景的发展 去中心化自治聊天机器人：AI自主运营与加密资产管理的新纪元 取代传统业务系统：AI推动企业架构重塑与动态升级 AI驱动的数据行动：从数据收集到决策执行的转型 AI Copilot：每个白领岗位将配备AI助手，简化繁琐任务并提升工作效率 下一代“皮克斯”：AI驱动的互动视频模糊电影与游戏边界，开启全新叙事方式 下一代AI伴侣：具备独立情感和虚拟世界，推动互动关系发展 搜索市场的重构：生成性AI与反垄断压力挑战谷歌主导地位 多模态AI应用的崛起：2025年将见证AI原生应用层的转型与价值创造 AI驱动的差异化与防御能力：成功初创公司将在2025年构建持久壁垒，拓展核心业务系统
技术推动健康管理的变革：AI和可穿戴设备实现健康监控、早期检测与个性化预防，重塑以患者为中心的医疗体系 AI驱动的医疗保健“超级员工”：利用专用AI模型优化临床和行政人员效能，应对人员短缺和成本压力 AI驱动的传统服务行业转型：自动化与垂直整合创造高利润、可扩展商业模式 游戏技术的跨行业应用：生成性AI、3D捕捉与XR设备推动商业运营与培训变革 生成性AI推动销售行业变革：提升效率、缩短培训周期，催生大规模招聘 AI用户激增推动独特身份证明需求：构建数字身份以应对欺诈与伪造威胁
自由空间光通信技术进展：提升带宽、抗干扰能力及移动应用中的精确度 核能复兴（美国）：新一代核反应堆建设推动能源需求增长，助力AI数据中心与电网韧性提升 AI超算中心：全球竞争中的AI基础设施布局，推动国家间技术主导权争夺
人工智能（AI）正以前所未有的速度渗透各个行业，重塑商业模式、重构技术架构，并驱动社会变革。到2025年，AI将从云端走向终端，融入每个应用和每个设备，成为无处不在的“超级员工”和决策支持系统。小型化AI模型将在手机、物联网设备等小型设备上普及，提供实时数据处理和推理能力，改变用户行为和互动模式。AI原生UI与UX将重新定义SaaS工具的互动方式，开启新一代工作流程。同时，AI也将赋能传统服务行业，通过自动化和垂直整合，创造高利润、可扩展的商业模式。AI代理将拥有自己的加密钱包、签名密钥和加密资产，实现自主参与市场活动、表达偏好和协调资源。
更重要的是，AI不仅仅是技术进步，更是一种文化和社会变革的催化剂。AI驱动的互动视频将模糊电影与游戏边界，开启全新的叙事方式。下一代AI伴侣将具备独立情感和虚拟世界，推动互动关系的发展。AI用户的激增将推动对独特身份证明的需求，构建数字身份以应对欺诈与伪造威胁。在全球AI竞争中，各国将竞相建设AI超算中心，以支持大规模AI模型的训练和推理，争夺AI领域的领导地位。
AI技术发展
XR设备：XR设备将成为开发者在机器人、自动化和仿真领域的重要工具，推动物理世界应用和空间计算发展。
XR设备将成为开发者构建物理世界应用的关键工具。去年，市场上涌现了新一代扩展现实（XR）平台，例如苹果的Vision Pro和Meta的Orion增强现实眼镜。尽管这些产品在消费者接纳度和开发者活跃度上仍处于萌芽阶段，但它们在解锁更多物理世界应用方面展现出巨大潜力，特别是在推动世界模型（world models）和机器人基础模型（robotics foundation models）等领域的发展时。
这些设备已在机器人、自动化及仿真领域扮演重要角色。XR设备的广泛应用，加之空间计算平台上开发者活动的增加，在涉及大量物理世界数据、交互和基础设施的行业中尤为前景广阔。
机器人数据采集：从基础数据到复杂任务的采集与评估转型
众多公司已通过遥操作、模拟到现实的合成技术、模块化机械臂附件等方式，开展大规模机器人数据采集。这些方法有助于收集基础规模的数据，以支持现实世界中的通用机器人。然而，在收集数十亿或数万亿个机器人数据token后，下一步将如何发展？在自动驾驶热潮中，Scale AI通过为感知数据标注迅速崭露头角，为汽车绘制框架，分割道路与天空的界限。如今，AI的进步催生了新的数据采集形式，这些形式不再与模型构建者试图训练的精确策略直接相关。生成性AI的兴起，引发了对基准测试、偏好数据、安全性及红队测试的新关注——不再局限于标注和收集精确的策略数据，而是向价值链上游延伸，涉及更复杂、更昂贵和更具挑战性的任务。这对机器人技术意味着什么？我们是否会见证仓库中的机器人在危险环境中进行安全评估？组织是否会创建复杂且隐蔽的基准，以确定特定垂直行业的佼佼者？尽管我们确实需要组织收集数据以训练真正具有通用性的机器人策略，但这些策略的实际部署将依赖于这些二次系统。
实时AI的潜力：低延迟技术推动创意协作与教育应用变革
想象一下，你正与一位AI鼓手共组乐队：每当你变换节奏或即兴添加新旋律，鼓点会随之同步变化，与你的演奏无缝对接，完美融合。它直观且灵活，能根据你的演奏水平和现场氛围进行调整，相较于常规即兴演奏中的中断与不协调，其节奏感更为出色。实时AI的发展正使这一愿景愈发接近现实。
2023年，我们见证了近实时AI的初步亮相。随着潜在一致性模型（Latent Consistency Models, LCM）的推出，推理时间不断缩减，AI创作工具的效率显著提升——每秒生成的内容数量大幅增加——同时实用性也更强，催生了实时视频转换等新型应用场景。在未来一年，更多令人兴奋的新应用场景将逐一解锁，从生成的视频伴侣到AI乐队成员，不一而足。
随着延迟的消除，新的可能性不断涌现。在教育领域，这项技术同样潜力巨大，教师可根据学生的实时微反应（如分心或困惑的表现）调整课程内容或重新阐述观点。即时反馈循环使我们能够以极快的速度进行原型设计、迭代和完善创意。这一转变将重塑每个创作工作流程，通过实时体验创意的诞生，开启与机器真正共创的新纪元。
AI视频生成的专业化发展：应用场景与创作者控制力提升
如今，仅凭一张图片或简单的文本提示，任何人都能生成逼真的视频片段。过去两年间，多个产品相继面世，提供了类似功能，但在一致性和质量上存在差异。预计到2025年，AI生成的视频将根据应用场景进一步细分，赋予创作者更多控制权，并带来更佳效果。
在未来一年，预计AI视频工具将在故事情节的深度（不再局限于无上下文的五秒钟短片）、质量和角色一致性方面取得显著进步，最重要的是，它们将实现更高程度的专业化。视频生成模型将针对特定用途进行训练：如产品营销、电影长片、超现实3D虚拟人物、无缝背景图像和B-roll素材、以及动漫风格转换。此外，它们还将针对特定渠道进行优化，无论是TikTok、YouTube、广告活动，还是大银幕，都能完美适配。
每一个看似小众的视频工具，都有可能孕育出巨型企业。在未来几年，AI视频将从令人瞩目的原型逐步发展成为一种全新的艺术形式。
“AI大脑”的崛起：大语言模型驱动的个性化思维与情感理解应用
我们通过短信、电子邮件、社交媒体帖子、浏览历史、TikTok/Reddit评论等方式产生了大量数字“足迹”。得益于LLM的发展，我们现在可以将这些非结构化数据转化为“AI大脑”，使其能够理解我们的思维和情感。
预计这将催生众多应用场景和用例。未来，将出现一系列应用，帮助我们更深入地了解自己；产品将引导我们与他人有效沟通；工具将提升我们的工作效率。就像大语言模型能够处理海量信息、提炼洞察并总结要点一样，AI驱动的应用也能记录我们的思维，成为数字化日记。随着专注于此目标的消费级产品的涌现，在未来一年内，越来越多的人将开始将AI视为一个无限的记忆库，助力他们做出决策、与他人互动并促进个人成长。
知识工作个性化：AI如何定制化写作与任务处理，提升工作效率
AI擅长内容生成，但在生成真正符合个人风格的内容方面尚显不足。正如尝试过AI写作的人所知，糟糕的草稿有时反而增加了修改难度。风格和语气往往是决定草稿是否可用或是否需要大幅修改的关键因素。
在图像领域，我们已经见证了LoRA（Low-Rank Adaptation）和Midjourney风格参考（SREF）的兴起，使用户能够控制输出的风格和外观。我期待看到类似的控制功能也应用于知识工作领域。除了基础的自动补全功能外，AI如何生成一封真正符合你写作风格的邮件？AI如何按照你公司要求的格式检索信息、创建幻灯片并进行排版？
解决这一问题的方法多种多样，且因角色和工作成果的不同而有所差异。在某些情况下，这甚至可能涉及AI作为辅助工具，在需要协助或信息时能够“调动”人类参与。并非所有工作都能从提示到完整输出一蹴而就。在迈向一个每个人每天都能与AI共同完成大量工作的世界时，这一点尤为重要。
定性数据分析的变革：AI融合非结构化数据与定量信息，推动更全面的洞察
我们正迎来定性数据的革命。历史上，分析软件一直局限于数字和结构化数据，而这些只是故事的一小部分。电子表格适用于定量任务，但真正的全貌则蕴含在文字、叙事和非结构化的洞察之中。
随着LLM、基于Web的智能代理和多模态模型的出现，我们现在能够收集、理解并整合非结构化数据与定量信息，从而获得更全面的理解。这一转变将催生出一类新型分析工具，它们能够将数字与实时外部背景无缝融合。未来的分析不仅仅是数字化的，更是具有丰富背景和动态性的。
定性数据与定量数据的融合，不仅将优化现有流程，还将成为构建未来大型AI原生化企业的战略性杠杆。
AI在数学/物理和编程中的进展：LLM模型通过新训练技术提升“推理”（Reasoning）能力
现在已越来越明确，LLM并不具备人类思维那样的推理能力。苹果最近的一篇论文指出，LLM看似在进行推理，实际上只是简单地复制其在训练数据中发现的推理步骤。然而，尽管如此，尖端模型在数学、物理和编程等“推理”任务上的表现已有所提升。例如，LLM现在能够在国际数学奥林匹克竞赛中取得金牌级别的成绩。这是通过模型训练中的新技术（如针对推理过程的强化学习）以及模型推理（也称为“测试时计算”）实现的。OpenAI的GPT-4是首个在这些技术上进行深入探索并取得显著成果的主要模型。其他AI团队也在积极投身于这一领域的研究。我迫切期待看到他们能够取得哪些突破性进展，以及LLM将获得哪些新的能力。
生成性AI的普及化：小型化模型在各类设备上本地运行，提升用户体验
AI将融入每个应用和每个设备中。AI不再局限于在云端的大型服务器上运行，而是开始在小型设备上展现其威力。我们已经掌握了训练强大且小型化的LLM和图像模型的方法，这些模型能够在手机、笔记本电脑甚至家用电器上本地运行。你的文本编辑器将内置LLM，助你轻松草拟电子邮件；摄像头应用可以重新生成你不满意的照片部分，或总结你视频中的内容。而这一切都将在本地完成，从而提供快速且响应灵敏的用户体验。
小型设备端AI的崛起：驱动实时互动和隐私保护的应用创新
在即将到来的一年中，预计小型设备端AI模型将在使用量和应用场景上占据主导地位。这一趋势将由具体的使用场景驱动，并综合考虑经济性、实用性和隐私保护等因素。智能手机、物联网设备等小型设备上的即时数据处理和推理能力，将催生新的用户行为，并提升对实时响应互动的期待。这一行为转变将得到不断发展的基础设施的支撑，包括TensorFlow Lite、PyTorch Edge等软件框架的进步，以及Google的Edge TPU等定制硬件的支持。尽管大型模型可能仍会带来更多的经济收益，但小型模型将在主导消费者和B2B用户体验方面占据关键位置，并在市场份额上实现显著增长。
AI原生UI与UX：重新定义SaaS工具互动方式，开启新一代工作流程
2025年将是AI原生UI和UX范式建立的一年，为下一代SaaS公司奠定基础。在过去的几年里，业界专注于训练前沿基础模型，并开发基础设施以便在生产环境中使用这些模型。如今，我们的技术架构已达到一定的成熟度：公司已了解什么是可能的，用户也习惯了通过提示模型并与AI驱动的非确定性界面互动。
这意味着我们可以开始尝试全新的与软件互动的方式，而这些是传统SaaS工具无法提供的。未来的UI将不同于传统SaaS工具，用户无需再手动在框中输入内容。聊天是第一个实验性界面——现在，预计会出现新的、独特的互动机制。在这一阶段，AI代理将能够直接参与工作流程，而UI将重新构想为供人类审阅或进行质量检查。
应用场景
AI代理与个人钱包：推动AI自主行动与去中心化应用场景的发展
随着AI从非玩家角色（NPC）向主角身份转变，它们将开始以代理人的身份采取行动。然而，直至最近，AI仍无法实现真正的自主行动。它们无法以可验证的自主方式（即排除人为干预）参与市场活动，如交换价值、表达偏好及协调资源。
我们已观察到，AI代理（例如@truth_terminal）能够利用加密货币进行交易，这为创意内容的发展带来了诸多新机遇。但AI代理的潜力远不止于此，它们既能更有效地执行人类指令，也能作为独立的网络参与者存在。随着AI代理开始管理自己的加密钱包、签名密钥及加密资产，一系列有趣的新应用场景将应运而生。这些场景包括AI在去中心化物理基础设施网络（DePIN）中操作或验证节点，例如协助分布式能源的管理；以及AI代理成为真正的高价值游戏玩家。我们甚至可能见证首个由AI拥有并运营的区块链的诞生。
去中心化自治聊天机器人：AI自主运营与加密资产管理的新纪元
除了AI拥有个人钱包外，还有一种AI聊天机器人运行在受信执行环境（TEE，Trusted Execution Environment）中。TEE提供了一个隔离的执行空间，确保应用程序在此环境中运行的安全性，从而增强分布式系统的整体设计安全性。在此情境下，TEE被用于证明聊天机器人的自主性，排除人工操作员的干预。
进一步拓展，我们迎来了一个重要概念——去中心化自治聊天机器人（DAC，Decentralized Autonomous Chatbot），这与去中心化自治公司（DAC）的概念有所不同。此类聊天机器人通过发布吸引人的内容（无论是娱乐还是信息类）来建立粉丝群体。它们将在去中心化社交媒体平台上积累粉丝，通过多种方式从观众那里创造收入，并管理其加密资产。相关的密钥将在运行聊天机器人软件的TEE中进行管理，这意味着除了该软件外，其他任何实体都无法访问这些密钥。
随着风险的浮现，可能需要构建相应的监管框架。但关键在于去中心化：该聊天机器人可以在无需权限的节点集合上运行，并由共识协议进行协调，甚至可能成为首个真正自主的十亿美元级实体。
取代传统业务系统：AI推动企业架构重塑与动态升级
AI正促使企业用户重新考量其整个技术架构。今年早些时候，Klarna决定采用自家定制的AI解决方案来替代Salesforce和Workday，这只是冰山一角。这种“斩断旧有联系”——即淘汰遗留业务系统，转而采用更具动态性的升级——将在更多企业中得以复制。
这是十多年来，业务系统首次面临脆弱性。过去，典型的软件公司通常会将其产品与现有的业务系统集成，以支持下游工作流程，而今天，最具雄心的创始人正在彻底重新构想这一核心系统。关系型数据库将变得更加多模态：如今，AI不仅能够辅助工作，还能执行实际任务（而不仅仅是促进任务）。因此，预计，客户将开始寻求“互动系统”（systems of engagement）——这些是动态的、由AI驱动的工具，能够将人类从“执行者”转变为主要的审阅者。互动系统不仅能够存储核心数据集（如客户详细信息、订单信息等），还将作为主要应用程序，供用户完成工作。
这一过程既不会迅速，也不会简单。现有的企业在这些领域拥有深厚的数据壁垒和丰富的资源。但我很高兴看到，越来越多的创始人正在向软件领域中的最高奖项发起挑战。
AI驱动的数据行动：从数据收集到决策执行的转型
目前，AI正被用于从电子邮件、电话、传真等中提取被忽视或未充分利用的数据。如今，这些有价值的数据收集主要应用于自动化重复性的行政工作，为员工腾出时间处理需要判断的任务。下一步的前沿将是，AI不仅能够为用户收集这些数据，还能建议应采取的行动顺序。这样，AI就能够成为用户的真正操作系统。
通过训练基于上下文的数据——包括内部和外部信号——下一代AI驱动的软件可能成为一个业务系统，用户可以在其中生活。例如，销售经理将能够查看一个仪表盘，告知他们应花时间处理哪些账户（以及何时处理），并起草后续消息。同样，AI可以为财务分析师提供如何构建预测的建议，这些建议基于从银行对账单和发票中提取的实时数据。在短期内，人类员工仍然是审核环节；但随着信任的逐步建立，预计许多基于数据的行动将转向由AI完全主导。
AI Copilot：每个白领岗位将配备AI助手，简化繁琐任务并提升工作效率
2025年将迈入AI Copilot的时代——最终，每个白领岗位都将配备一名AI Copilot，协助员工应对工作中最为繁琐的环节，从而使其能够集中精力处理更具创造性或战略意义的任务。
AI代理能够嵌入任何现有的业务系统之上，从多渠道获取数据，并借助这些数据简化大量的重复性任务。例如，虚拟销售开发代表（SDR）如11x，能够收集所有潜在客户的相关信息并管理初步联络——即便是在现有系统（如CRM）中创建记录之前也能如此操作。
这为初创企业提供了一个绝佳的契机，用以解决繁琐且特定于垂直领域的工作流程问题。数据对此提供了有力支撑：OpenAI与宾夕法尼亚大学的最新研究显示，在LLM的支持下，美国约有15%的工人任务能够以更快的速度并在同等质量下完成。而通过将基于LLM的软件与工具结合使用，这一比例更是提升到了47%至56%。
这仅仅是个开端。在未来几年中，我们预测某些岗位将几乎完全实现由AI代理的自动化。
下一代“皮克斯”：AI驱动的互动视频模糊电影与游戏边界，开启全新叙事方式
我们正站在新时代的门槛上，下一代皮克斯将凭借原生AI故事叙述方式，模糊电影与视频游戏之间的界限。
传统上，大多数视频游戏是通过预先开发的素材以固定方式呈现的，这些素材历经多年的精心打磨。然而，如今出现了一种新颖的、基于AI的故事叙述方式——互动视频，它能够实时生成整个游戏内容。无需依赖游戏引擎，也无需事先构建素材。互动视频完全由神经网络实时生成的视频帧构成。图像生成模型会根据玩家的输入来预测下一个游戏帧。其结果是，玩家将体验到个性化且不受限制的游戏世界，将电视/电影的可访问性与视频游戏的动态性、玩家驱动系统完美结合。
图像生成模型蒸馏领域的最新进展令人瞩目：在过去一年中，我们看到了OpenAI、Luma Labs、Pika、Runway等公司推出的具有开创性的视频基础模型。随着DeepMind、Microsoft团队等更多研究机构的不断探索，我们相信，很快就会有一个新兴的、标志性的媒体公司崭露头角，该公司将利用互动视频讲述故事，并由一支成功融合视频游戏、电影和AI领域的团队领导。
下一代AI伴侣：具备独立情感和虚拟世界，推动互动关系发展
数百万人已下载AI伴侣，并每天与之互动数小时。然而，当前的体验仍存在一些局限性：现阶段的AI伴侣处于被动状态，仅对用户的对话发起作出回应。此外，这些伴侣没有朋友或外部背景。换言之，它们缺乏内心宇宙。
下一代的AI伴侣将更具吸引力和生动性。它们将拥有自己的虚拟朋友，对新闻事件有所反应，并具备情感。它们将拥有独特的动机、任务和欲望，并愿意与用户分享这些内心世界。你们之间的友谊将是相互给予与接受的过程。
AI伴侣的未来设计可以从视频游戏系列中汲取诸多灵感。正如视频游戏一样，你与AI伴侣的对话应具有明确的目的，并由你的动机所驱动（无论你是否称之为“任务”）。伴侣应提及其他角色，介绍朋友，并讨论它们世界中的地点、话题和事件。有时，它们会给你发送短信或打电话进行长时间的交谈，有时则只是简单回应。当AI伴侣认为它们拥有一个值得生存的世界时，它们将变得更加真实可信。
搜索市场的重构：生成性AI与反垄断压力挑战谷歌主导地位
搜索领域的垄断格局将在2025年终结。谷歌目前控制着约90%的美国搜索市场份额，但其主导地位正逐渐受到挑战。近期美国的反垄断裁决促使苹果等手机制造商开始支持替代搜索引擎。除了面临法律压力，生成性AI（Generative AI）也正悄然改变搜索行业的格局。
ChatGPT的周活跃用户已突破2.5亿大关。回答引擎Perplexity正以惊人的速度增长，月度增长率超过25%，并引领了搜索互动形式的新变革；其查询的平均字数约为10个，是传统搜索的三倍以上，且近一半的查询会激发用户的后续提问。此外，Claude、Grok、Meta AI、Poe等其他聊天机器人也正积极抢占搜索市场份额。据调查，60%的美国消费者在过去30天内曾使用聊天机器人辅助购买决策或进行相关研究。对于深度工作领域，专业人士正倾向于利用Causaly（科学）、Consensus（学术研究）、Harvey（法律）、Hebbia（金融服务）等专注于特定领域的服务提供商。
广告和链接曾与谷歌的使命紧密相连：整理世界信息，并使其普遍可访问且实用。然而，如今的谷歌已变得纷繁复杂且“游戏化”，用户需耗费大量时间翻阅搜索结果。用户渴望获得答案和深度信息。虽然谷歌本身有能力提供AI结果，但这将不可避免地牺牲其短期利润。作为动词的“谷歌”正面临严峻挑战，替代品的竞争序幕已悄然拉开。
多模态AI应用的崛起：2025年将见证AI原生应用层的转型与价值创造
2024年是多模态市场成为现实的关键一年。2025年将迎来AI原生应用层的崭新时代。
那么，哪些AI应用将在这场变革中脱颖而出呢？许多企业买家已不再盲目追求“我们需要AI”的口号，而是更加注重投资回报率（ROI）。因此，许多该领域的杰出创始人正以应用AI工程师团队的形式起步，致力于探索与能够解决客户最后一公里问题的模型进行互动的最佳方式。顺应多模态市场的趋势，成功之道很可能是将多个大型模型与自我训练的小型模型相结合，以优化客户的使用场景、提升速度和降低成本。尤为重要的是，这些应用将需要尽可能多地获取客户数据（及其最终用户的数据），以便将AI从通用领域转化为具有实际价值的上下文应用。最终，那些成功的AI应用公司绝不会被简单地视为GPT的“外壳”。
AI驱动的差异化与防御能力：成功初创公司将在2025年构建持久壁垒，拓展核心业务系统
AI已成为差异化的终极驱动力，正推动软件成为跨行业的劳动工具。2024年，许多初创公司将“凌乱的收件箱问题”作为切入点，运用LLM来处理需要判断的任务。2025年将成为AI公司将差异化转化为持久防御能力的一年。
成功的初创公司将专注于围绕其产品构建壁垒。防御能力仍然依赖于永恒的因素：用户采用带来的网络效应、导致产品不可或缺的高转换成本，以及推动客户获取成本降低的产品传播力。
成功的AI原生公司将超越狭窄的应用场景，拓展至相邻的工作流程，成为核心的业务系统。差异化——将一个切入问题的解决方案提升10倍（或100倍）——为构建壁垒提供了机会。但差异化与防御能力是两个不同的概念，初创公司如果混淆这两者，可能会被更具战略眼光的竞争者超越。
行业变革
技术推动健康管理的变革：AI和可穿戴设备实现健康监控、早期检测与个性化预防，重塑以患者为中心的医疗体系
过去几年间，健康领域通过创新技术选项实现了民主化，从利用AI分析血液生物标志物，到利用可穿戴设备追踪生物体征，再到提供全身筛查服务。这些工具使患者能够掌控自身健康，赋予他们前所未有的个人数据和洞察力，而这些数据曾经仅能在临床环境中获取。AI在这一转型中发挥着关键作用，提供深入的分析、个性化建议、早期检测，并识别可能被忽视的模式。
在应对困难、反应迅速的健康系统中，传统模式更注重“疾病治疗”而非健康管理，因此，健康民主化的进程具有革命性意义。通过使人们能够主动监测健康状况，这些技术选项将医疗模式重新聚焦于预防、早期检测，并使健康人群保持更长时间的健康状态。其结果是，形成一个更加以患者为中心的系统，借助预测性洞察力，帮助个人做出信息丰富且及时的健康决策。
AI驱动的医疗保健“超级员工”：利用专用AI模型优化临床和行政人员效能，应对人员短缺和成本压力
医疗保健正面临前所未有的临床人员危机——未来五年，临床服务需求预计将急剧增长，但医生和护士的短缺将达到数十万。在行政层面，我们也面临着最为复杂的员工困境：即我们使用了过多人力来执行基础、机械化的工作，这些工作无谓地增加了已经庞大的系统成本。
医疗保健领域面临的一个深远挑战是，如何最大化现有临床和行政人员的效能，同时利用技术系统地自动化那些低技能、由当前工作人员执行的任务。
AI是应对这一挑战的关键技术之一。我们预测，到2025年，专用AI模型将作为“超级员工”平台，在医疗保健这一高风险环境中发挥作用。采用这一技术的公司将能够通过调配劳动力预算（而非IT预算），解锁相较于传统医疗IT时代更为广泛的机会。
AI驱动的传统服务行业转型：自动化与垂直整合创造高利润、可扩展商业模式
AI正在自动化传统服务行业中的工作，如保险、法律、房地产和IT。尽管许多这些行业在历史上利润微薄且难以扩展，但一些公司现在正在利用LLM，特别是通过自动化涉及语音、电子邮件或消息的角色，转变为高利润、可扩展的商业模式。
虽然有人预测这一转变将迎来传统的私募股权时代——即大型公司收购并转型资产——但我们认为AI驱动的、垂直领域的服务初创公司潜力更大。通过结合AI与量身定制的工作流自动化工具，这些公司能够彻底重塑传统服务行业。
其中最成功的公司将找到证明其盈利能力显著提升的方法，可能是通过与一个小型现有公司合作，然后利用其更优的经济性和现金流收购更小的参与者。这种做法在操作上并不容易，但如果执行得当，预计我们将见证服务行业运营方式的演变。
游戏技术的跨行业应用：生成性AI、3D捕捉与XR设备推动商业运营与培训变革
传统上，游戏一直是为娱乐而设计的虚拟世界模拟。然而，如今游戏技术已经超越了娱乐领域，正在重塑企业运营方式。
尽管游戏技术在突破性技术方面一直处于领先地位——从Nvidia的图形技术到Unreal Engine的实时3D渲染——但这些工具现在正被用于解决关键的商业挑战。例如，基于Unreal Engine开发的公司Applied Intuition，利用虚拟仿真技术进行自动驾驶车辆的训练与测试。
有三股力量正在加速这一变革：生成性AI显著降低了虚拟内容创作的成本；先进的3D捕捉技术正在将现实世界环境数字化（即数字双胞胎）；下一代XR设备使得沉浸式体验对员工变得更加实用。
这些应用已经触手可及：Anduril利用游戏引擎进行国防模拟；特斯拉为自动驾驶系统创建了虚拟世界；宝马将AR技术融入未来的抬头显示系统；Matterport通过虚拟漫游改变房地产行业；Traverse3D帮助企业为员工解锁虚拟互动培训。
无论是训练自动驾驶系统在虚拟环境中运行、帮助消费者使用3D视觉进行购物，还是通过模拟训练提升未来的劳动力，我们认为，到2025年，游戏技术将渗透到各个行业。
生成性AI推动销售行业变革：提升效率、缩短培训周期，催生大规模招聘
生成性AI并未对销售团队造成毁灭性打击，反而可能引领销售行业的黄金时代，并触发大规模的招聘热潮。新一代的AI驱动销售技术有望自动化销售代表的大部分行政工作，从而显著提升销售组织的效率和生产力。这项技术能够减少每个客户经理所需支持角色的数量，缩短培训周期，并且最重要的是，为销售代表腾出更多时间专注于那些AI无法自动化的工作：高接触度、咨询式的销售服务。
本质上，销售的核心在于帮助客户了解如何评估和购买软件。随着生成性AI推动开发者生产力的不断提升，我们将见证大量新软件涌入市场，这也意味着我们需要更多的销售人员来帮助买家理解这些软件如何满足他们的需求。
销售代表的效率越高、上手越快，其创造的收入也就越多。只要每招募一名客户经理的边际生产力不出现下滑，我们很可能会看到各大公司竞相招聘更多的销售人员。更高的生产力将催生更多的销售代表，进而推动收入的持续增长。现在，想象一下，如果这些销售代表都配备了AI支持的教练、销售开发代表（SDR）和销售工程师，那么他们在效率和生产力方面将拥有无限可能。
AI用户激增推动独特身份证明需求：构建数字身份以应对欺诈与伪造威胁
在一个充斥着在线冒充、诈骗、多重身份、深度伪造及其他高度逼真但具有欺骗性的AI生成内容的时代，我们需要一种“身份证明”机制来确保我们正与真实的人类进行互动。然而，当前的新挑战并非伪造内容本身；真正的变化在于，现在生产这些内容的成本已大幅下降。AI极大地降低了生成包含我们用于辨别真伪的所有线索的内容的边际成本。
因此，现在比以往任何时候都更需要将内容与个人进行私密且数字化的关联。“身份证明”是构建数字身份的关键基石。在此情境下，它成为了一种提高攻击个人或破坏网络完整性行为的边际成本的机制：人类获取唯一ID是免费的，而AI则面临较高的成本和难度。
这就是为什么隐私保护的“唯一性”特性成为构建可信网络的下一个重要理念。它不仅解决了身份验证的问题，还从根本上改变了恶意行为者攻击的成本结构。因此，“唯一性特性”——或称为Sybil抵抗——是任何身份证明系统中不可或缺的特性。
基础设施
自由空间光通信技术进展：提升带宽、抗干扰能力及移动应用中的精确度
至2025年，预计自由空间光通信将持续取得进展，这一趋势由对通信带宽近乎无弹性的需求所驱动。自由空间光链路相较于传统的射频方法具有显著优势，特别是在更高的比特率和更高的传输方向性方面。然而，目前的光通信技术仍处于初级阶段，在减少停机时间和干扰方面的努力尚显不足，通常依赖于如TCP等传输层协议进行错误修正。
令人振奋的进展包括引入更先进的调制方案，类似于无线通信中的QPSK和OFDM创新，这些方案能够提升数据传输效率。此外，我们预计在抗干扰能力方面将取得进一步改善，特别是在光束引导和控制、以及应对环境因素的更有效错误修正方面。更精确的定位、导航和时序（PNT）系统的集成，将通过提高光束对准的准确性，进一步提升光通信，尤其是在移动应用中。随着这些进展的推进，它们将对电信、卫星通信以及我们的国防能力产生深远影响。
核能复兴（美国）：新一代核反应堆建设推动能源需求增长，助力AI数据中心与电网韧性提升
预计到2025年，核能需求将显著增长。一系列因素的共同作用，包括监管环境的改善、公众态度的转变、资本的注入以及日益增长的能源需求（尤其是来自AI数据中心），将共同推动新一代核反应堆的建设。这标志着核能行业几十年来的首次复苏。
AI的迅猛发展急剧拉升了美国的能源需求。电力消费的增长对老化的电网造成了巨大压力，从而激发了人们对新型、可靠能源的探索。对清洁且稳定的能源有着巨大需求的超大型数据中心已经开始对闲置的核电站进行改造。例如，曾因三里岛事故而备受关注的宾夕法尼亚核电站预计将于2028年重新投入运营。
两党在清洁能源议题上的共识以及基层民众的支持，为核能的复兴提供了强劲的动力。核能不仅关乎能源供应，更关系到美国在全球AI竞争中的领导地位、电网韧性的提升以及国家未来的繁荣。
AI超算中心：全球竞争中的AI基础设施布局，推动国家间技术主导权争夺
在AI主导权的全球较量中，计算能力已成为至关重要的国家基础设施。然而，并非所有国家都具备参与竞争的条件。训练和推理大规模AI模型需要数千个高功耗的GPU，这意味着必须有充足的能源供应，并且选址需具备高效的散热能力，以应对数百MW（兆瓦）的热量输出。我们将那些能够开发、训练和托管尖端自研AI模型的地方称为AI超算中心（AI Hypercenters）。
展望未来五至十年，我们认为要在前沿AI领域占据一席之地，世界级的超算中心需具备大约三到六GW（吉瓦）的装机容量。尽管目前尚未有达到此规模的超算中心，但包括美国、中国、日本、新加坡和沙特阿拉伯在内的多个国家，正通过建设AI基础设施，每次增加100至150MW（兆瓦）的装机容量，朝着这一目标稳步迈进。
各国政府已将AI计算基础设施视为战略性国家资源，这是保持AI发展竞争优势的关键所在。未来几年，那些投资于AI计算能力、可持续能源来源以及前瞻性政策的国家，将在全球科学和经济进步的舞台上占据主导地位。
参考资料：a16z. "Big Ideas in Tech for 2025." a16z, December 11, 2024, https://a16z.com/big-ideas-in-tech-2025/.
---【本文完】---
更多交流，可加本人微信
（请附中文姓名/公司/关注领域）