2025 年，全球 AI 格局以令人屏息的速度發生了轉向。
人們對通用人工智慧（AGI，Artificial General Intelligence）的神秘濾鏡開始褪色，而超級人工智慧（ASI，Artificial Super Intelligence）則走上舞臺，成為更關鍵、更具決定性的下一道前沿。
Anthropic 高管 Jack Clark 發出嚴厲警告：鉅變正在逼近——AI 可能把世界撕裂成兩個平行現實。
這一刻並非源於某一次單點突破，而是長期累積的結果：技術、資本、工作崗位與日常生活在同一時間被重塑，形成一輪疊加式的變化迴圈。
模型能力大幅躍升，但 “AGI” 這一標籤依舊存在爭議。2025 年的研究普遍顯示，推理、多模態理解與智慧體行為出現顯著進步；與此同時，關於這些系統是否真正具備“通用智慧”的討論也仍在持續。
投資浪潮進一步推高了基礎設施擴張。全球 AI 融資繼續加速，生成式 AI 吸引了 339 億美元資金，科技巨頭的資本開支逼近 4000 億美元。熱潮之下，泡沫擔憂再度升溫，能源消耗問題也受到更嚴格的審視。
職場變革同樣提速，既帶來機會，也帶來壓力。AI 工具越來越像是“基本配置”而非加分項，尤其在競爭激烈的求職環境裡更是如此。
與此同時，AI 更深地滲透進日常生活，但並未徹底顛覆它。智慧體與機器人進入製造業、醫療與運營等領域，在可見層面提升效率；但許多人仍覺得變化是漸進式的，而不是革命性的。
一個觀點在行業裡反覆出現：AGI 不是終點線——超級智慧才是真正故事的起點。
如果真正的 AI 競賽始於 AGI 之後，那麼 2025 很可能會被記住：這是人們第一次清晰聽見“發令槍聲”的一年。
AI 一年，人類千年
迄今為止，自然界的一切智慧都屬於生物智慧——碳基、進化而來、依附於實體之中。
但現代大語言模型（LLM）可能代表著一種前所未有的形態：一種由人類創造、而非在自然中發現的全新智慧類別。
在 2025 年年終回顧中，Andrej Karpathy 直言不諱：這是他（以及他認為整個行業）第一次開始以更直觀的方式，內化理解 LLM 智慧的“形態”。
在推理、多模態處理與智慧體方面，進展是毋庸置疑的。OpenAI 的 o3 系列與 Google 的 Gemini 3 展示了能力的“躍遷式”提升。雖然在現實部署中依然存在限制，但“AGI 近在地平線”的共識，已在許多行業圈層形成。
在越來越多的任務上，領先模型開始超越人類基準。
斯坦福《2025 AI 指數報告》指出，AI 在 7 項評估中超過人類基線，覆蓋的能力包括：
影像分類
視覺推理
中等難度閱讀理解
英語語言理解
多工語言理解
競賽級數學
博士級科學問題
最頑固的差距仍在多模態理解與推理——即跨圖片、圖表、示意圖與文本等多種格式、跨學科進行推斷的能力。
即便如此，這一差距也在快速縮小。
MMMU 基準測試（用於評估需要大學學科知識的跨學科推理能力）成為關鍵參照。它具備四大特點：覆蓋面廣（6 大學科、30 門課程、約 11,500 道題）、影像型別高度多樣、圖文交錯需要跨模態推理，以及要求紮根深厚領域知識的專家級感知與推理。
成績提升非常迅速：
到 2023 年末，Google Gemini 得分 59.4%。
2024 年，OpenAI o1 達到 78.2%。
2025 年，Gemini 3 Pro 在更難的 MMMU-Pro 上達到 89.8%。
與此同時，新模型釋出節奏變得極其緊湊。前沿實驗室幾乎每 8–12 周就推出一次重要更新。
OpenAI 的 o3 系列（包括 o3-mini）因“先思考再回答”的推理風格受到關注——經常使用多達 10 倍的 token 來提高“智慧密度”，但也同步推高成本。
Google 的 Gemini 3 被廣泛認為是多模態能力的高點，能夠處理文本、影像、影片與音訊，並進行更深層的跨模態推理。
線上社群對“開放性”議題高度關注。年初，Reddit 上關於前沿模型開放獲取的討論迅速升溫。
DeepSeek-R1 及其開源蒸餾版本佔據話題中心，但使用者也指出一個關鍵取捨：本地可執行的釋出版是蒸餾模型（8B 或 32B），並非完整的 671B 版本，效能往往更接近 GPT-3.5，而非最前沿的 SOTA 水平。
更深層的吸引力在於 DeepSeek 的開放策略——尤其是在其訓練效率據稱大幅提升的背景下。
隨後研究者聲稱，他們在一個 3B 引數模型上，用不到 30 美元復現了 DeepSeek-R1-Zero 風格的強化學習訓練方案，讓“成本壁壘究竟能降到多低”的討論再次升溫。
“通用智慧”相關的基準也在演化。ARC-AGI-1 上的最佳成績逼近 90%，ARC-AGI-2 上 AI 已超過人類平均水平。
但懷疑也仍然存在。Yann LeCun 繼續強調，自迴歸 LLM 在結構上存在侷限，需要更豐富的感官資料與更紮實的現實世界錨定。
整體而言，2025 的一個明確轉折是：AI 正從“聊天機器人”走向“智慧體”——能夠更自主地規劃、執行與協調任務的系統。
關於 AGI：有人說只剩 2–3 年，也有人更謹慎
如果說過去幾年是“把模型做大”，那麼 2025 更像是在“把模型落地”。
圍繞程式碼、推理、多模態、長上下文與企業可用性，AI 巨頭們加速衝刺、寸土必爭。
同時，AI 未來的討論變得更宏大也更具體：科技領袖們越來越頻繁地談論 AGI，甚至把 ASI 視為終極目標。
一般來說，AGI 被定義為能在廣泛任務上匹敵人類智慧的系統；ASI 則是進一步超越人類能力的系統。
一些標誌性事件體現了這種轉向：
6 月，扎克伯格成立 Meta 超級智慧實驗室，瞄準“個人超級智慧”。
9 月，奧特曼提出社會應為 2030 年前可能出現的 ASI 做準備。
Anthropic CEO 認為，到 2027 年 AI 可能在“幾乎所有領域”超越人類。
馬斯克更激進，預測 AI 甚至可能最快在明年就超過最聰明的人類。
含義很明確：沒有任何一家大公司願意錯過這波浪潮。
扎克伯格說，他寧願冒著誤投數千億美元的風險，也不願在超級智慧時代落後。
據報道，在淨資產達到 6320 億美元后，馬斯克對 xAI 員工表示：如果公司能挺過未來兩到三年，就有望成為 AI 贏家。
有人（如 Databricks CEO）甚至認為行業已實現 AGI；另一些人（如 DeepMind 聯合創始人 Demis Hassabis）則更謹慎，把 AGI 放在“5 到 10 年內”的視窗。
時間表不同，但共同信念一致：AI 進步正在加速，並且在疊加式加速。
這種速度很難否認。
單在一年內，OpenAI 就釋出了 30 多項重要產品與更新：
年初：高效模型與智慧體（如 Operator、o3-mini）
年中：多模態與智慧體工具（如 Sora 2、AgentKit），以及開放權重模型與 GPT-5
年末：面向專業任務的效能最佳化（如 GPT-5.2 系列）與創意工具（如 ChatGPT Images）
Google、Anthropic 與 xAI 也各自貢獻了“高光時刻”。
一月看似魔法的能力，到十二月就成了日常。
中國開源浪潮：DeepSeek 的爆發之年
2025 年的開源 AI 不只是活躍——而是被點燃了。
圍繞 LLaMA、DeepSeek、Mistral 以及更廣泛的模型棧，一個密集生態迅速成形：微調框架、推理加速、簡化本地部署的工具鏈不斷完善，門檻幾乎以月為單位下降。
中國開源動能顯著提升——在這一敘事裡，LLaMA 逐漸被描述為失去“舞臺中心”。
DeepSeek 成為年度最大黑馬。
DeepSeek-R1 被描述為首個通過同行評議並登上《Nature》封面的“大模型”，其創始人梁文鋒也入選《Nature》年度“10 位重要人物”。
與此同時，其他架構的熱度開始降溫。
Mamba 在早期走紅後，逐漸淡出研究之外的應用視野。討論普遍認為，Transformer 已在軟硬體生態裡被深度最佳化，要在經濟上證明“用未經充分驗證的新架構重新訓練超大模型”是合理的，難度極高——尤其當實際效果與現有模型相當甚至更弱時。
成熟的 Transformer 工具鏈也帶來巨大的遷移成本。批評者還指出固定狀態記憶體方案的限制，比如難以選擇性檢索被跳過的 token。
在計算機視覺領域，“Vision Transformer 是否已完全取代 CNN”仍有爭論。
社群觀點傾向於認為：Transformer 在許多大規模任務上優勢越來越明顯，但 CNN 與混合架構在小資料集、醫學影像與特定領域仍具競爭力。有人提到 ConvNeXt 是強有力的替代方案，並強調資料集質量往往比架構選擇更重要，同時指出 Transformer 的現實代價：更高的記憶體需求，以及對可變解析度影像處理的挑戰。
為下一階段做準備
過去一年，記者 Lee Chong Ming 與 50 多位科技領袖進行了深入交流——從掌舵萬億級公司的巨頭，到押注未來的年輕創業者。
在董事會、行業峰會與播客訪談中，有三條觀點被反覆提及。
1）用好 AI，否則你可能被更會用 AI 的人取代
輝達 CEO 黃仁勳多次強調：
每份工作都會受到影響，而且是立刻受到影響。你不會被 AI 取代，但你可能會被更善於使用 AI 的人取代。
很多領袖都呼應這一點，並指出年輕員工可能更有優勢，因為他們早已把 AI 工具當成日常工作的一部分。
奧特曼在 8 月的 YouTube 節目《Huge Conversations》中表示，雖然一些崗位不可避免會消失，但應屆畢業生可能最有能力適應變化。
他說，如果自己現在 22 歲剛畢業，會覺得這是“史上最幸運的一代”。
但他也強調了更棘手的問題：隨著 AI 重塑工作結構，年長員工將如何適應。
斯坦福教授李飛飛表達了相近觀點——與學位相比，掌握新工具的能力可能更重要。
在她的創業公司 World Labs 中，她不會僱傭拒絕使用 AI 工具的工程師。
這種變化不再只是預測，而是已經進入日常工作流。
2）AI 時代，軟技能更值錢
另一個強共識是：AI 自動化越多，人類能力越重要，而不是越不重要。
Salesforce 首席未來官 Peter Schwartz 在 5 月告訴媒體：最重要的技能是同理心與協作能力，而不是程式設計知識。
如果家長問孩子該學什麼、是否要做程式設計師，他的答案很簡單：學會如何與他人合作。
領英亞太區首席經濟學家 Chua Pei Ying 在 7 月也指出：無論對資深員工還是應屆畢業生，溝通協作等軟技能都越來越關鍵。
當 AI 壓縮團隊規模、自動化任務，“人的那一層”反而成為差異化。
3）人類必須處在 AI 的核心位置
許多領袖反覆強調：在 AI 加速發展中，人類的掌控與自主性必須居於中心。
微軟 AI 負責人 Mustafa Suleyman 認為，超級智慧必須支援而非壓制人類自主性。
他在 11 月表示，團隊正在努力構建“人道主義的超級智慧”，並警告：比人類更聰明的系統可能很難控制，也很難與人類利益對齊。
Anthropic CEO Dario Amodei 強調誤用風險，認為先進 AI 降低知識工作門檻的同時，風險與回報會同步放大。
他表示，Anthropic 的“負責任擴充套件政策”聚焦三大風險領域：AI 自主性，以及化學、生物、放射性與核威脅——這些被誤用時可能危及數百萬人。
被稱為“AI 教父”的 Geoffrey Hinton 也在 8 月再次警告：當系統超越人類智慧後，保護人類將成為核心挑戰。
目標是確保當 AI 比我們更強大、更聰明時，依然“在乎人類”。
從炒作到現實：技術是工具，智慧在人
2025 年，AI 並沒有“顛覆一切”。
但它確實打下了難以忽視的基礎。
Karpathy 把這一年描述為 AI 跨過了“英語即程式設計”的門檻——意味著更多人可以用自然語言指揮機器，並獲得有價值的結果。
下一階段不只是更強的模型，而是建立以人為本的超級智慧：讓系統抬升人類，而不是邊緣化人類。
無論你是 AI 從業者，還是與 AI 共存的普通人，有一個結論越來越清晰：學會使用 AI 工具，正在變成必需品。
這一年，AI 從奇觀走向實用力量，並留下一個明確提醒：
技術是工具，智慧仍屬於人類。