本文来自微信公众号： 反熵 ，作者：一笑
2025年以来，人工智能行业接连出现了几个重要节点。
年初，DeepSeek迅速走红，全球科技行业重新评估中国大模型的技术进展。此后，OpenAI、Anthropic、Google等企业继续加码智能体，越来越多产品开始尝试直接操作电脑、调用软件并完成多步骤任务。与此同时，AI手机、AI眼镜进入密集发布期，人形机器人也频繁出现在工厂、展会和资本市场中。
这些变化看起来分属不同赛道。DeepSeek属于基础模型，智能体属于软件应用，AI眼镜属于消费电子，人形机器人则涉及机械、控制和制造。但如果把它们放在同一条技术演进线上，会看到其实它们指向了一个共同方向：人工智能的能力边界正在从生成内容扩展到执行任务，并进一步延伸到现实环境中的感知和行动。
过去几年，人工智能行业的主要任务是把模型做得更聪明。接下来的问题则更加具体：这些能力怎样进入工作流程、怎样形成稳定产品、怎样转化为可以计算的商业价值。
人工智能由此开始进入下半场。
01从ChatGPT开始，AI第一次真正走向大众
2022年底，ChatGPT发布后，人工智能第一次以自然、直接的方式进入普通用户生活。在此之前，AI已经广泛存在于搜索、推荐、语音识别和机器视觉等系统中，只是这些能力大多隐藏在产品后台，用户很少直接感受到机器正在参与判断。
ChatGPT改变了人与AI的交互方式。用户不需要理解代码和算法，只需要用自然语言提出要求，模型就能生成文字、翻译内容、整理知识，甚至辅助编程。生成式AI迅速从技术圈扩散到教育、办公、内容创作等大量场景，大模型也由此成为全球科技产业的竞争中心。
2023年的行业关键词是百模大战。互联网企业、创业公司和科研机构密集发布基础模型，市场首先关心的是谁拥有自己的大模型。到了2024年，竞争进一步转向能力比拼，参数规模、上下文长度、推理能力、多模态水平和榜单成绩成为最常见的衡量标准。
这两年完成了一次重要的能力迁移。过去的AI擅长识别和预测，大模型则让机器拥有了更强的语言理解、内容生成和知识处理能力。人工智能开始从后台算法走向前台工具，也让各行各业看到了重新设计产品和流程的可能。
问题随之而来。模型越做越大，训练和推理需要的算力越来越多，研发门槛和运行成本持续上升。一个模型在榜单上提高几分，可能需要更多芯片、数据和资金投入。行业逐渐意识到，如果每一次能力提升都要依赖成倍增加资源，AI的普及速度和商业空间都会受到限制。
DeepSeek正是在这个阶段成为转折点。
02 DeepSeek出现后，大模型的游戏规则变了
DeepSeek引起全球关注，表面上看是因为模型能力接近国际头部水平，背后更深的影响则来自成本和效率。
在它出现之前，大模型行业普遍沿着规模扩张的路径推进。更多参数、更大训练集和更强算力，被视为提升模型能力的主要方式。美国头部模型公司依托芯片、云计算和资本优势，不断把训练规模推向新的高度。这条路径推动了AI能力快速增长，也让基础模型越来越接近一场重资产竞赛。
DeepSeek给出了另一种解法。通过架构、训练方法和工程体系上的优化，高性能模型可以在资源使用效率上实现明显改善。它没有消除算力的重要性，前沿模型的训练和大模型推理仍然需要强大的计算基础。但它让行业看到，算力投入并非唯一变量，算法效率、工程能力和软硬件协同同样能够影响最终结果。
这件事改变了大模型竞争的计算方式。
过去，行业常常把最强模型等同于最大投入。现在，企业还需要比较模型在单位算力、单位成本和实际任务中的表现。对于使用模型的公司而言，价格下降也意味着更多应用能够跨过商业化门槛。客服、编程、知识管理和数据分析等场景，只有在模型调用成本足够低、运行足够稳定之后，才有可能从试点走向规模部署。
与此同时，开源生态的重要性也被进一步放大。DeepSeek、Qwen等模型降低了企业和开发者使用先进AI能力的门槛，让更多公司可以在自己的数据和业务环境中进行部署、微调和二次开发。模型能力开始从少数头部公司的专有资源，逐渐变成可以被广泛调用的技术底座。
当模型越来越强、越来越便宜，产业自然会提出下一个问题：有了这样的大脑，AI能不能直接把事情做完？
03从聊天助手到智能体，AI开始进入工作流程
聊天机器人主要围绕对话展开，用户提出问题，模型给出答案。企业真正需要的工作通常没有这么简单。
完成一次市场分析，需要收集资料、核对数据、归纳趋势并输出报告；处理一项客服任务，可能涉及查询订单、修改信息、发起退款和记录结果；完成一段软件开发，也包括理解需求、编写代码、测试和排错。单次生成内容只能覆盖其中一部分，剩余环节仍然需要人在不同软件和系统之间反复操作。
智能体试图解决这段距离。
它建立在大模型之上，同时加入任务规划、记忆、工具调用和执行反馈能力。用户给出目标后，系统可以尝试拆解步骤，调用搜索、浏览器、代码工具或企业软件，并根据执行结果继续调整。AI由此开始进入工作流程，承担过去必须由人串联完成的一部分任务。
Anthropic推出Computer Use能力后，AI直接操作电脑界面成为行业热点。OpenAI、Google和国内厂商也在持续推进类似方向，银行、运营商和制造企业则开始尝试将智能体包装成数字员工，用于客服、审核、数据整理和知识服务。
这种变化已经超出了聊天机器人的范畴，但距离完全自主工作还有明显差距。任务步骤越多，错误累积的可能性越高；一旦涉及邮件发送、数据修改和资金操作，权限、安全和责任问题也会迅速放大。企业不可能只看模型能否完成一次演示，还要考察长期运行中的准确率、可追溯性和异常处理能力。
因此，智能体在较长一段时间内更可能承担边界清晰、流程明确的任务，人类仍然负责目标设定、关键判断和结果审核。AI首先改变的会是工作中的任务分配，随后才可能影响岗位结构和组织方式。
04 AI正在离开屏幕，进入真实世界
智能体让AI进入软件流程，终端和机器人则把这种能力带向更加具体的生活和生产环境。
过去，普通用户使用大模型，通常需要打开网页或APP，再主动输入问题。AI手机和AI PC希望把模型能力嵌入操作系统，让它参与文件整理、会议记录、图片处理、翻译和跨应用操作。AI眼镜进一步向前一步，它可以通过摄像头、麦克风和传感器持续获取环境信息，帮助用户识别物体、记录内容和获得实时提示。
这些产品的关键并不在于加入了多少AI功能，而在于能否建立新的交互入口。手机拥有用户、数据和成熟生态，仍然是最稳固的个人计算设备；眼镜更接近人的视觉和听觉，具备环境感知优势，但续航、重量、隐私和使用习惯仍然限制着它的大规模普及。
终端竞争解决的是AI如何进入个人生活，具身智能则试图让AI进一步参与现实劳动。
人形机器人近两年快速升温，与大模型能力进步有直接关系。传统工业机器人依赖固定程序和结构化环境，擅长在生产线上重复执行标准动作，却难以应对开放场景和临时变化。大模型、VLA和世界模型的发展，让机器人有机会理解自然语言指令、识别复杂环境，并根据目标生成动作。
这也是人形机器人重新受到关注的原因。现实中的工厂、仓库、办公室和家庭，大多按照人体尺度设计。如果机器人能够使用人类工具、通过楼梯和门廊，并完成多种任务，就有可能减少对既有环境的改造成本。
但从会走路、会跳舞到能够稳定工作，中间仍然隔着可靠性、成本和数据。数字模型可以通过互联网获取海量文本和图像，机器人需要的却是带有动作、力度和反馈的现实交互数据。一个杯子的位置、材质和重量稍有变化，抓取动作就可能需要重新调整。实验室里的成功演示，也很难直接等同于工厂的连续运行。
因此，具身智能目前最重要的指标已经逐渐从动作难度转向工作能力。机器人能否长时间运行，能否处理异常情况，能否在成本上优于人工和传统自动化，最终会决定这轮热潮能否形成真正的产业。
05从模型竞争到产业竞争，AI进入下半场
从ChatGPT到DeepSeek，从智能体到人形机器人，人工智能的每一次变化都在扩大技术的使用边界。
大模型解决了机器理解和生成信息的问题，DeepSeek推动行业重新审视能力与成本之间的关系，智能体开始把模型接入软件和业务流程，AI终端争夺个人入口，具身智能则把目标放在现实世界的任务执行上。
这条路径也说明，未来的AI竞争很难由某个单一指标决定。算力决定基础供给，模型决定能力上限，开源生态影响扩散速度，行业数据和业务流程决定应用效果，终端影响用户入口，制造和供应链则决定AI能否真正获得身体。
对模型公司来说，能不能把技术优势变成稳定收入，将成为长期考验；对传统企业来说，是否拥有可用的数据、清晰的流程和适合AI介入的场景，会影响转型效果；对不同国家和地区而言，芯片、能源、软件、人才和制造能力的组合，将共同决定AI产业的竞争位置。
过去三年，人工智能行业主要回答了机器能不能变得更聪明。接下来的几年，行业需要回答的问题将更现实：这些智能能力能否稳定工作，能否创造可计算的价值，能否进入每个人的生活和现实生产体系。
这就是人工智能下半场真正要解决的问题股票配资代理。
富华优配提示：文章来自网络，不代表本站观点。
