关闭引导
认知、形态、基建三重变革 智源发布2026十大AI技术趋势
2026-01-10 11:32:02
广州日报新花城

2025年,人工智能行业正处在一次关键的范式转折点。

1月9日,记者获悉,北京智源人工智能研究院发布年度报告《2026十大AI技术趋势》。报告指出,人工智能的演进核心正发生关键转移:从追求参数规模的语言学习,迈向对物理世界底层秩序的深刻理解与建模,AI开始从“生成符号”走向“理解现实”,行业技术范式迎来重塑。

据了解,“2026十大AI技术趋势”分别为:

趋势一:世界模型成为AGI 共识方向,Next-State Prediction或成新范式。

具体来看,基础模型正从模式识别迈向对真实世界的理解与模拟,构建可感知、预测并规划世界动态的世界模型成为共识。为突破多模态模型在泛化与认知深度上的局限,研究范式正由Next Token Prediction转向Next—State Prediction。该范式要求模型从多模态数据中学习世界运行规律,将高层意图转化为多步可执行行动,为具身智能等复杂任务提供认知基础。

趋势二:具身智能迎来行业“出清”,产业应用迈入广泛工业场景。

2025年,具身智能由资本驱动转向产业整合与商业落地。同质化技术路径暴露泛化不足问题,在高资金需求与资本趋紧背景下,行业洗牌加速。引入世界模型与强化学习、构建自进化闭环成为突破方向。商业重心由高校转向广泛工业场景,人形机器人销量破万台,多家企业获得亿元级订单并推进IPO,产业正迈向规模化应用阶段。

趋势三:多智能体系统决定应用上限,Agent时代的“TCP/IP”初具雏形。

智能体应用正由单智能体向多智能体系统演进,通过分工、协作与辩论应对复杂流程并降低幻觉。规模化MAS的关键在于协议标准化。MCP与A2A捐赠至Linux基金会后加速融合,Agent时代的“窄腰”协议层浮出水面,为多智能体生态与产业化应用奠定架构基础。

趋势四:AI Scientist成为AI4S 北极星,国产科学基础模型悄然孕育。

Al for Science正从辅助研究迈向可自主完成假设、实验与推断的AI Scientist,科学基础模型、代理工作流与自动化实验室的融合推动范式升级。该领域已上升至国家竞争层面。相较一些地区的系统性布局,我国存在应用强、基座弱特征,科学基础模型短板较明显。推动国产科学基础模型突破,是掌握科学智能主动权的关键。

趋势五:AI时代的新BAT趋于明确,垂直赛道仍有高盈利玩法。

随着基础模型能力跃升与推理成本下降,AI应用沿两条路径演进。一是巨头主导的超级应用,通过单一入口整合信息、规划与执行,争夺用户时间与流量,正催生AI时代的新BAT;二是多模态等高壁垒垂直领域,玩家依托行业Know—how与高价值能力,服务少数关键场景,实现低频高价值回报。实践表明,通用赛道之外仍存在可观盈利空间。

趋势六:产业应用滑向“幻灭低谷期”,2026H2迎来“V型”反转。

当前AI在B端多停留于试点阶段,复杂智能体尚不成熟。进入2026年,行业或滑入“幻灭低谷期”,大量项目难以产生可衡量商业价值。主要瓶颈在于数据质量、系统集成、MAS可控性与成本风险。通过“Data Gov先行,OTel/MCP并行”模式,预计2026年下半年将出现多个行业标杆案例,带动AI产业应用实现“V型”反转。

趋势七:合成数据占比攀升,有望破除“2026年枯竭魔咒”。

高质量真实数据在2026年面临枯竭风险,合成数据正成为战略性替代方案。“合成数据+强化学习”范式已在理论与工程中得到验证,高比例合成数据亦可实现顶尖性能。在自动驾驶等领域,合成数据显著降低成本。预测显示,到2030年,合成数据体量将超过真实数据,成为AI发展的核心驱动力。

趋势八:推理优化远未触顶,“技术泡沫”是假命题。

推理优化仍具巨大潜力,是AI规模化应用的关键支撑。顶尖能力可在一年内通过开源模型普及至消费级硬件,推理成本在约18个月内大幅下降。算法层面的量化、稀疏注意力与混合推理持续突破,硬件层面ASIC与存算——体架构加速发展。算法与硬件协同演进表明,该领域远未触及天花板。

趋势九:开源编译器生态汇聚众智,异构全栈底座引领算力普惠。

AI硬件向多样化专用处理器演进,碎片化带来软件适配挑战。以开源编译器为核心的生态正加速形成,覆盖模型开发、训练与部署的异构全栈方案逐步成熟。以Mojo、MLIR与IREE为代表的技术栈趋于统一,通过开源协作显著降低跨硬件适配成本,为算力普惠奠定技术基础。

趋势十:从幻觉到欺骗,AI安全迈向机制可解释与自演化攻防。

AI安全事件快速增长,智能体系统引入的新复杂性加剧风险。安全技术正沿两条路径深度演进。在外部安全领域,基于MAS的自演化攻防演练成为核心,通过红蓝智能体集群的持续对抗,自主发现新型攻击并进化防御。

在内生安全领域,研究从外部控制转向内在理解,通过机制可解释性技术定位并修正模型产生欺骗的具体神经回路。产业界则构筑场景化防线,推动可信互连等技术。安全正从补救措施内化为AI系统的本能防线。

文/广州日报新花城记者:文静

广州日报新花城编辑:杨维玲

@新花城 版权所有 转载需经授权