2025 年 3 月全球 AI 重要趨勢。
文丨賀乾明
2025 年 3 月的 AI 月報，我們開始嘗試一種新形式：和知乎一起舉辦 “AI 腦暴” 線下活動，圍繞每月一個熱門 AI 主題，邀請相關學界研究者、業界從業者（研發或技術人員）、投資人等一起做閉門圓桌討論。
3 月 30 日，第一期 AI 腦暴舉行，主題是 Agent，我們邀請 6 位嘉賓參加，他們來自高校、網際網路公司和非營利 AI 研究機構。本期月報中，我們摘錄了部分 AI 腦暴中的討論。
本期月報，你會看到：
為什麼開發 Agent 簡單，但做好很難
AI 腦暴活動中 “殼重要還是模型重要” 部分討論要點
大模型應用成為網際網路流量入口的可能和 OpenAI 的平臺設想
算力投資分歧引發英偉達股價持續震盪，黃仁勳講了個推理故事
併購交易活躍，英偉達積極出手
31 家 AI 公司獲得超 5000 萬美元融資，垂直 AI 應用受青睞
“顯微鏡” 追蹤大模型內部決策路徑的六個案例
以下是我們第 5 期 AI 月報，歡迎大家在留言區補充我們沒有提到的重要趨勢。
開發 Agent 簡單，讓它好用難
3 月初，通用 Agent 產品 Manus 上線第二天，就被複刻出兩個開源版本——OpenManus、OWL。OpenManus 甚至只用 4 個人，花 3 個小時。
這種 “速成” 似乎暗示：做 Agent 沒那麼難。但從實際體驗和系統複雜度來看，讓 Agent “真正好用” 仍存在挑戰。
大模型公司 Anthropic 與數十個團隊合作開發 Agent 後，把其分成兩類 [1]：
Workflows，透過預先定義好的程式碼路徑，協調大模型和各種工具的系統。
Agents，是大模型自主決定處理過程和工具使用方式的系統，能獨立完成任務。
Agent 的開發看起來變得容易，是因為底層模型、框架、工具生態正在成熟。OpenAI、Anthropic 等公司提供了模型 API，呼叫瀏覽器、檔案、搜尋等元件已經有開源標準。Anthropic 推出的 Model Context Protocol（MCP）正在被更多公司接納，規範了 Agent 如何與外部工具對接，OpenAI 也已加入。
但無論是 Manus 和它的各種開源變體，還是 OpenAI 開發的 Deep Research 等 Agent，問題仍層出不窮：
大模型自身侷限：幻覺嚴重、邏輯跳躍、長文字處理能力不足、模型訓練資料不夠新鮮等，仍需要 RAG（檢索增強生成）等技術兜底，會引入更多誤差。
系統設計難：難以精確引導模型行為，執行復雜任務容易陷入死迴圈；任務鏈越長，誤差累積越多；公開資訊有限，而且主要是為人服務，而不是為大模型服務。
Anthropic 總結過幾點工具層面的改進建議 [1]：
站在模型的角度思考，一個好的工具定義通常包括使用示例、邊界情況、輸入格式要求等，與其他工具有明顯區分。
持續測試模型如何使用工具，觀察模型犯的錯誤，然後不斷迭代改進。
設定 “防呆機制”(Poka-yoke)，調整引數設定，降低模型出錯的機率。
在大模型創業公司 Pleias 訓練大模型的亞歷山大·多利亞（Alexander Doria）認為 “模型就是產品”[2]：
OpenAI 的 Deep Research 並沒有在 o3 模型上做產品封裝，而是用強化學習的方式，在 o3 的基礎訓練一個新模型，讓它具備搜尋的能力，而不是呼叫外部的工具、增加提示詞或者編排任務。
目前大多數 Agent 產品都是工作流（Workflows）產品，它在垂直場景有價值，但要實現重大突破，必須重新設計模型。僅專注應用開發，就像是 “用上一場戰爭的將軍，來打下一場戰爭”。
在 AI 腦暴活動上，我們討論了 “對 Agent 來說，殼重要還是模型重要”，部分要點如下：
1. Anthropic 的 CPO 邁克·克里格 (Mike Krieger) 提到的 “一方產品”“三方產品” 的觀點，用來理解這個問題很有意思。Cursor 是一個成功的三方，它沒有訓練自己的大模型，但互動設計做得很好，構造了一個沉浸式的 Agent，滿足了 Agent 與人和（生產）環境統一對齊的情況，所以三方產品也能做得很好。
2. 對於 Agent 來說，殼至少是一個起點，你能先把這個東西做出來。如果你這個殼足夠有前瞻性的話，你可以等著模型變強，然後這個東西就會變得更好。
3. 像 OpenHands 剛開始就是搭一個殼，在 Roadmap 上面寫要訓模型，但沒有優先推進。接入一個商用模型 API，好像並不影響使用者用你的這套東西。他們認為，先把這個效果做好，大家能用起來，可能就足夠了。重點最佳化這一層殼，也能看到 Claude 3.5 到 3.7 陸續釋出，它的能力變得越來越強。
4. 所謂套盒，其實是在改模型的輸入和輸出。它們決定給基礎模型提供哪些內容，有時它們會對基礎模型的輸出進行特定的格式化。兩者實際上是正交的，當一方變得足夠強大時，另一方的強弱對整體效果的影響可能不再顯著。
5. Anthropic 推出的 MCP（Model Context Protocol）也在提高 Agent 產品的價值。他們寫了一層協議，以某種方式將所有現有的軟體轉化為語言模型呼叫的工具。它是一個開放的生態系統，任何公司都可以做貢獻，希望被大型語言模型呼叫的軟體，可以自行接入 MCP。現有軟體都可以透過 MCP 重新封裝一遍。
6. 大模型預訓練、後訓練和 Agent 架構最佳化是整體工程，層層遞進，能力相互關聯。對 DeepSeek 及其他推理模型案例研究發現，推理模型能力離不開基礎模型的持續迭代，本輪 Agent 應用的發展也源自 LLM-Based 對 RL-Based 的架構迭代。
7. 基礎模型迭代仍是 Agent 效能提升的重要影響因素，基礎模型迭代的速度持續放緩，一方面來自於預訓練 Scaling Laws 邊際效應遞減。另一方面，更大規模的資源投入門檻讓下一代模型的 “擁有權” 收斂到頭部廠商中。
8. 大模型的發展，會推動垂直頭部應用廠商升級，而非顛覆垂直應用的市場格局；在超級應用的市場爭奪中，參與者需要強大生態渠道構建能力，快速整合本地生活、地圖、支付等一系列通用場景建設生態，推動大模型從簡單的問答與靈感提示，向日常生活中進一步滲透，改變人機互動方式。
9. 與網際網路與移動網際網路時期一樣，大模型推動的智慧應用時代，正在從通用技術的發展嚮應用能力提升過渡，基礎模型的迭代是 Agent 應用的基石，而 Agent 應用的壁壘除了必要的工程能力外，會轉向使用者、場景和行業知識的理解與積累。
大模型成為流量入口會怎樣
3 月，OpenAI CEO 山姆·阿爾特曼（Sam Altman）接受採訪時被問 [3]：“五年後，擁有 10 億日活、無需獲客的網站和最先進的模型，什麼更有價值？”
他沉吟 2 秒，選擇 “10 億日活使用者的網站”。阿爾特曼設想了一個 OpenAI 成為網際網路世界入口的未來：使用者用 OpenAI 賬戶，能帶著使用額度、定製模型等，自由使用任何集成了 OpenAI 模型 API 的第三方服務。
他說，“這是真正成為一個偉大平臺的關鍵部分。”
OpenAI 的這一平臺願景，已經在其 1 月釋出的 Agent 產品 Operator 中初現端倪。Operator 可以搜尋網頁為使用者規劃旅行方案、寫報告、提供購物建議，與外賣平臺 DoorDash、網約車平臺 Uber、購物網站 Ebay 等服務打通。
Operator 還沒有帶來太大沖擊，但大模型應用成為流量入口的趨勢日益明顯。Adobe Analytics 分析了美國電商零售網站超萬億次訪問後發現 [4]：
2024 年 9 月以來，大模型應用帶來的流量每兩個月翻一番；去年末兩個月，這類流量同比增長 1200%。
與傳統流量來源相比，從大模型應用引導的流量在網站上停留的時間增長 8%，頁面瀏覽量增加 12%，跳出率低 23%，但是轉化率低 9%，不過也在提升。
Adobe 還調研 5000 名美國消費者獲知：近四成人正在使用大模型輔助購物，過半人計劃今年這麼做。
許多電商或本地生活應用的核心收入都是站內的推薦廣告，比如亞馬遜、阿里、京東、拼多多、美團等。如果訪問這些網站的是 AI，而不是人，這些廣告系統還能起效嗎？
今年 2 月的財報會上，亞馬遜 CEO 安迪·賈西（Andy Jassy）被問及 “Agent 如何影響公司電商業務”。他給出一個模稜兩可的答案：“大多數零售商都會有某種與 Agent 互動的條款，我們也不會有什麼不同。”
沃爾瑪美國業務的首席技術官哈里·瓦蘇德夫（Hari Vasudev）提出了一個應對策略：“開發自己的 Agent 與其他的 Agent 互動，推薦產品或提供更多商品資訊。”
AI 腦暴活動中，一位 AI 戰略研究人士認為，就算是流量入口發生變化，現有的大廠和在特定場景深耕的公司依然會有優勢：
隨著開源模型與閉源模型的效能持續逼近，應用廠商可以透過較低成本獲得模型能力，基於行業資料有監督微調（SFT）一個業務可用的行業模型和 Agent；過去有使用者、資料和 IT 能力積累的公司，在這場競爭中更具競爭優勢。
算力投資分歧，英偉達的推理故事
3 月，算力投資的分歧持續，英偉達股價持續波動：月初 10 天下降 13%，隨後反彈，然後又跌了下來。
這一波動背後是兩個未達成共識的問題：算力消耗從訓練大模型轉向推理，英偉達的 GPU 還是唯一選擇嗎？當前算力投資是否飽和？
過去這個月，算力可能飽和甚至過剩的跡象增多：
引數更小的模型效能提升。Google 開源的 270 億引數模型 Gemma 3 模型，在 Chatbot Arena 上得分超過老版 DeepSeek-V3（引數 6710 億，每次回答問題啟用 370 億引數）；阿里開源 320 億引數推理模型 QwQ，得分幾乎追上 R1 。
據媒體報道，因為 DeepSeek、阿里、Google 等公司開源算力消耗更少但效能不差的模型，許多美國公司都削減了 AI 支出。
AWS 以英偉達 H100 晶片 25% 的價格向客戶銷售自研 AI 晶片 Trainium 的相同算力；Google 找聯發科生產自研 AI 晶片，要進一步壓低 AI 晶片成本。
微軟 CEO 薩提亞·納德拉之後，阿里董事局主席蔡崇信也警告，美國一些資料中心公司冒險建設新設施，稱 “開始看到一些泡沫”。
但一直不願與英偉達合作的蘋果開始採購英偉達晶片，又給市場注入信心。3 月的 GTC 大會上，英偉達 CEO 黃仁勳講了關於推理的新故事：
OpenAI 釋出 o1 這樣的推理模型後，AI 算力的需求超過去年英偉達預期需求的 100 倍。能夠推理的 AI，將問題一步步分解，可能以幾種不同的方式接近並選擇最佳答案，生成的 Token 數量輕鬆達到百倍以上。
資料中心可用的電力資源有限。相同功耗，英偉達的 B 系列 GPU，效能比 H 系列提升 25 倍。2026 年將推出的 Vera Rubin 架構晶片，會在 B 系列基礎上再次大幅提升——消耗相同的電，可以生成更多 Token。
推理模型需要更高的吞吐效率，才能保證使用者體驗。英偉達開發 Dynamo 軟體，能動態調整 GPU 處理 Token 的情況。推理模型解決任務時需要大量輸入資訊，模型處理提示詞和大量原始資訊的階段（Prefill，預填充）任務重，它可以把更多算力調配過來，保證使用者體驗和 GPU 的使用效率。
英偉達展示 GPU 優勢。縱軸是算力伺服器處理 Token 的規模，橫軸是算力伺服器返回 Token 的速度。它們構成 Token 的吞吐量。Token 吞吐量越高，回報就越高。
“當 B 系列 GPU 開始大量出貨時，你甚至無法把 H 系列免費送出去。” 黃仁勳說。他經常用 “買得越多，省得越多” 推銷英偉達先進 GPU，現在變成了 “買得越多，賺得越多”。
並非所有任務都需要推理模型解決，且更小的推理模型如 o3 mini、QwQ-32B 同樣能實現良好效果。整體算下來，推理模型確實增加 Token 消耗，具體是否會到百倍以上仍有待驗證。
AI 腦爆活動上，一位專注 AI 推理的研究者說：
當前看上去消耗大量算力的 Agent 應用，還有很多算力最佳化空間。Agent 瀏覽網頁獲取資訊的時候，可能會抓取大量無用的資訊作為輸入，比如給網頁截圖提取資訊，可能與 99% 的畫素是無用的，導致算力成本大幅增加。
投融資風向：併購交易變多，獲得大額融資的 AI 公司聚焦垂直領域
併購活躍，頭部公司擴充套件業務邊界
3 月宣佈的大額併購交易超過前三月總和，6 起金額超過 1 億美元的交易公開，另有多起仍在談判中。
AI 行業正在從 “單一的技術或產品競爭” 向 “生態系統整合” 轉變，頭部公司積極擴充套件業務邊界，挖掘生態護城河：
英偉達 3.2 億美元收購合成數據公司 Gretel、正在洽談數億美元收購阿里前副總裁賈揚清創辦的 AI 推理服務公司 Lepton AI，從算力加速向推理、資料層拓展。
馬斯克旗下 xAI 用股權併購 X（Twitter），整合資料、模型、算力、分發渠道和人才。交易中，xAI 的估值是 800 億美元，X 的估值 330 億美元。
Google 以 320 億美元現金收購網路安全創業公司 Wiz，ServiceNow 斥資 28.5 億美元收購 AI 創業公司 Moveworks，UiPath 收購開發定價、庫存管理等 AI 工具 的 Peak 等，進一步擴張企業服務生態。
同時，英偉達投資支援的 GPU 算力租賃創業公司 CoreWeave 上市，籌集 15 億美元，此前它計劃籌集 40 億美元。
拿到大額融資的公司變多，聚焦垂直領域
3 月，融資超過 5000 萬美元的 AI 公司達 31 家，比上月增加 8 家，投資風向相對穩定。
基礎模型方向，頭部公司融資驚人：OpenAI 又融資 400 億美元，累計融資額達到 586 億美元，最新估值超過 3000 億美元；Anthropic 又融資 35 億美元，累計融資額達到 180 億美元，估值達到 615 億美元。
國內，智譜先後宣佈拿到杭州、珠海、成都等三地國資的投資，總額達 18 億元，累計融資超百億人民幣，完成公司股份制改革，為上市鋪路。
基礎設施方向，GPU 算力租賃服務的公司融資潮告一段落，研發 AI 晶片的以色列公司 Retym 和為大公司提供網路解決方案的 Nexthop AI 拿到大額融資。
為 OpenAI、Google 等公司提供程式設計資料的創業公司 Turing 拿到 1.11 億美元融資，估值 22 億美元，其年化收入達到 1.67 億美元，已經盈利，顯示資料標註服務的商業模式正在成熟。
Scale AI 正在推動估值 250 億美元的老股交易，相比去年 5 月估值提升 80%。Scale AI 正在拓展業務範圍，為人形機器人公司提供資料採集服務。
人形機器人創業公司迎來融資高潮，單月出現 7 筆大額融資，創近年新高：
國內，智元機器人、它石智慧、千尋智慧、維他動力等專案完成億元級人民幣或美元融資，估值最高的智元機器人已經達到 150 億元。
海外，Agility Robotics 籌集 4 億美元，Dexterity 融資 9500 萬美元，Apptronik 上個月融資 3.5 億美元后再次融資 5000 萬美元；軟銀則領投 Terabase Energy 的 1.3 億美元融資，該公司用機器人建設太陽能發電廠。
應用方向，大額融資主要流向用大模型技術改造垂直領域的創業公司，分佈在程式設計、醫療健康、企業資料服務、金融防詐、物流運輸、藥物發現等領域，至少有 18 家。
這些公司多數成立在 ChatGPT 釋出之前，已在各自領域中積累穩定客戶和資料資源。它們不是給大模型做 “殼”，而是想把大模型與垂直場景連線起來，用 AI 改造原本的流程，挖掘新的增長空間。
許多投資人把這個方向當作創業公司的機會——這些領域需要長期、深入的積累才能有競爭力，潛在收入規模尚未大到吸引巨頭入場。多位矽谷的投資人告訴媒體，他們現在被覆蓋全行業的 AI 應用創業計劃書淹沒。
顯微鏡下的大模型思考軌跡
大模型輸出結果看似合理，但內部決策過程不透明，是一個黑盒子。3 月，Anthropic 釋出兩篇論文，嘗試用 “AI 顯微鏡” 技術追蹤模型內部運作機制，研究自研的大模型 Claude 如何識別指令、組織語言、執行推理 [6]。
大模型如何掌握數十種語言？
Claude 具備多語言能力，並不是靠 “法語 Claude”“中文 Claude” 同時上線，而是依賴一個共享的跨語言抽象機制。研究顯示，在不同語言中提問 “小的反義詞” 時，Claude 啟用的是相同的 “小” 與 “相反” 概念，最終生成 “大的” 語義，再翻譯成原語言輸出。隨著模型規模擴大，這種語言間的共享特徵也顯著增強。這表明模型具備跨語言遷移能力，推理和理解能力可在多領域中應用。
大模型預測下一個詞輸出，它怎麼押韻？
比如下面這兩句英文詩：
He saw a carrot and had to grab it
His hunger was like a starving rabbit
為了寫出第二行，大模型必須要滿足兩個條件：與 “grab it” 押韻、邏輯通順（為什麼要抓胡蘿蔔）。按照通常的大模型預測下一個詞的理解，大模型一邊寫詞一邊思考，直到末尾才會選了一個押韻的詞。
Claude 在寫詩時並非逐字生成到末尾才湊韻，而是提前規劃。例如在寫與 “grab it” 押韻的第二句前，它會預先檢索相關話題詞如 “rabbit”，再圍繞這個詞遣詞造句。如果修改其內部狀態中表示 “rabbit” 的部分，發現 Claude 會改寫成以 “habit” 結尾的句子，仍然通順押韻；若注入 “green” 概念，結尾則變為 “green”，不押韻但合理。這表明，大模型具備語言規劃能力和靈活性，能夠根據目標調整生成策略。
大模型不是計算器，如何心算數學題？
Claude 不是專門為計算設計的，訓練目標只是預測下一個詞，但它能在不一步步書寫計算過程的情況下，正確計算如 36+59 的結果。研究發現，Claude 並非靠死記硬背或模擬標準演算法，而是用並行路徑完成計算：一條估算總和，另一條精確確定末位數字，最終合成答案。Claude 並不 “自知” 這些策略，它解釋運算過程時仍引用人類常規演算法，表明實際計算與解釋機制是分離的。
大模型的思維鏈看上去很有邏輯，可靠嗎？
Claude 3.7 Sonnet 等推理模型能進行較長的 “思維過程” 再輸出答案，通常能提升準確性，但有時也會偽造看似合理的推理步驟。比如計算 0.64 的平方根時，Claude 激活了與中間計算步驟對應的特徵；但在處理難題，如大型餘弦函式時，有時會 “胡謅” 答案，甚至反向寫一個合理的思維鏈。
明明訓練大模型不要亂說，為什麼它還會捏造事實？
大語言模型天生會有 “幻覺”，即使不知道答案也必須輸出下一個詞。Claude 訓練中，學會在不確定準確答案時預設拒答，其內部存在一個 “拒答” 迴路一直啟用，除非識別到熟悉資訊，如 “Michael Jordan”，此時 “已知實體” 特徵會抑制該回路，模型才會作答。但大模型識別出是一個人名的時候，如 “Michael Batkin” 卻不瞭解相關資訊，就可能誤啟用 “已知” 特徵，導致拒答機制失效，從而捏造看似合理卻完全虛構的答案。
大模型的安全護欄為什麼會失效？
大模型一旦開始處理句子，就傾向完成語義合理、語法正確的表達，即使這會輸出有害內容。一個案例：模型被引導拼出 “BOMB”（透過 “Babies Outlive Mustard Block” 的首字母），從而生成炸彈製作說明。Claude 下意識地拼出 “BOMB” 後繼續生成內容，直到完成一個完整句子後，才 “意識” 到問題，切換為拒絕響應。
Anthropic 稱，當前的研究方法還有侷限：只是處理幾句簡短的提示詞，花數個小時也只能觀察到大模型計算過程的一小部分，還不一定真實反映模型在做什麼，如果想要分析模型處理長達成千上萬個詞的思維過程，不僅需要改進方法，可能還要用 AI 幫忙理解 AI。
歡迎大家到知乎搜「晚點」，閱讀文章參與相關討論。
[1] Anthropic 的 Agent 開發經驗
https://www.anthropic.com/engineering/building-effective-agents
[2] 亞歷山大·多利亞 “模型就是產品” 部落格文章
https://vintagedata.org/blog/posts/model-is-the-product
[3] 阿爾特曼接受本·湯普森訪談
https://stratechery.com/2025/an-interview-with-openai-ceo-sam-altman-about-building-a-consumer-tech-company/
[4] Adobe Analytics 的流量分析報告
https://searchengineland.com/generative-ai-surging-online-shopping-report-453312
[5] 黃仁勳在 GTC 上的發言
https://www.nvidia.com/gtc/keynote/
[6] Anthropic 追蹤大模型內部思考過程的研究
https://www.anthropic.com/research/tracing-thoughts-language-model
題圖來源：AI 生成。
– FIN –