拾象2025AIBestIdeas:20大關鍵預測

出品:拾象投研團隊
預測新一年趨勢是拾象投研團隊的傳統:釐清關鍵問題、找到研究主線才能在動態變化的世界裡增強確定性。
2024 年, LLM 競賽關鍵詞是大基建:LLM 競賽格局基本確定,下半年,隨著 Sonnet 3.5  驚豔的 coding 能力、 o1 模型以及 RL 新正規化的接連出現,LLM 不再是單一的基建競賽,Coding 和 Agent 成為最大的主題。
2025 年,LLM 會在哪些方面上獲得突破?從研究和投資配置的角度,最值得 bet 的關鍵方向有哪些?作為拾象投研團隊 「2025 AI Best Ideas」 特別策劃,我們既預測趨勢,也提出關鍵問題與解題思路,希望能為市場和投資者帶來啟發。
在拾象 2025 AI best ideas 釋出之外,我們還計劃在下週組織一場 「2025 AI Best Ideas」 線上討論會,圍繞 2025 AI potential winners & losers、最值得關注的關鍵 AI 趨勢碰撞思考與靈感。如果您有興趣參與我們的線上閉門討論,請點選連結參與報名(備註:因活動名額有限,我們會結合問卷回答進行定向邀請參與)

Idea 
01

微軟轉投 Anthropic,

模型和雲的格局徹底改變

微軟和 OpenAI 的關係緊張已不是秘密,也許是 OpenAI 的公司架構,以及和微軟的結盟方式太不同尋常,讓多方利益制衡而緊繃的弦終會有斷的一天。作為對照,Anthropic 和 Amazon 的關係就更開放、健康。Anthropic 也已和三大雲中的兩朵雲(AWS、GCP)都達成了合作。
2025 年 OpenAI 會變成盈利組織,微軟也很有可能會投資 Anthropic,這將徹底改變模型和雲的格局——Anthropic 會與 Azure 合作,OpenAI 也因為終結了和微軟的獨家關係,而與其他雲合作。最終所有模型會在所有云上,所有云也會支援和投資所有模型。
當然這個格局變化還充滿不確定,但至少,Anthropic 會在這次震盪中獲益。
Idea 02
Google 手握幾張王牌逆轉頹勢,成為“最領先的追隨者”
Google 在 LLM 訓練進展上一直落後於 OpenAI 和 Anthropic,從 transformer 和 RL 的提出者變成了一個 AI 追隨者,但 Google 是“最領先的追隨者”,等待 OAI 和 Anthropic 破風,再投入資源趕上。目前 Google 在模型、 Agent 進展上和前兩名縮短了差距,Q4 釋出的一系列 AI 產品也有很好的口碑。
另外,Google 手上有幾張王牌:
TPU 代表著無限算力資源,
Andorid/Chrome 代表著最強的分發渠道,
• Deepmind 代表全球最高 AI 人才密度,
從現實進展上:
• RL 是 Google 的看家本領,並且 Agent 進展很快,今年 9 月釋出的 Agent 白皮書裡,Google 就提出了由模型(Language Model)、工具(Extensions, Functions, Data Stores)和編排層(Orchestration Layer)組成的 Agent 框架,
• Gemini flash 2.0 已經展現出超越 GPT-4o 的能力水平,
• Deep Research、 NotebookLM、Learn About 等一系列 to C AI 產品的釋出,不僅充分展示了 Gemini 多模態的優勢,也藉助更多創新互動獲取使用者,
• 硬體平臺儲備:在 Meta 眼鏡之後,Google 也有希望在今年釋出 Google glass 2,成為新一代消費級平臺的重要力量。
目前市場主要擔心的是 Google 最關鍵的搜尋被顛覆,從實際情況來看,Meta、Amazon、ChatGPT、Perplexity 都在搶 Google 的搜尋市場,而 ChatGPT 和 Perpelxity 開始廣告探索後同樣會給 Google 帶來影響。
Idea 03
下一代 Mega 7  已有雛形,OS 才是最高護城河,模型公司進入 Agent OS之爭,Agent 是 LLM OS 上的 App
Satya 最近在公開採訪中明確表示下一代 Mega 7 雛型已經出現,會圍繞 OpenAI、Anthropic 等 LLM-players 中間產生。
今天主流模型廠商之間的競爭是 80s Windows/DOS 戰爭的重演,本質上是在圍繞開發者心智份額、生態系統、專有標準和 API 的之間的競爭。微軟的商業生態是在 Windows 根基之上建立的,OS 是微軟安身立命之本,對於今天的模型廠商來說,擁有 OS 才是最高的護城河。
在所有模型廠商中 Anthropic 構建 OS 的決心要更明顯、更強,從 computer use 到 MCP,持續嘗試搭建資料和工具的連線層,MCP 就是這個時代的 TCP/IP。我們預計在 Agent 大爆發後,其他 LLM 供應商大機率也要推各自的協議。
Idea 04
Agent 是新軟體,是 2025 年投資核心中的核心。Agent 整體會漸進式演進,Coding Agent 最先落地。
Andrej Karpathy 在 2017 年提出的 Software 2.0 設想就是今天的 Agents。軟體的本質是對人類行為、workflow 的數字化對映和自動化,當模型/Agent 有了 tool use 的能力之後就可以實現從 1.0 rule-based 到動態編排軟體 2.0。
Perplexity 是模型資訊處理能力的集中體現,“下一個 Perplexity會”沿著 Agent、模型 tool use 能力這條線誕生,OpenAI 前 CTO Mira 的新公司將會是 2025 年絕對的明星 deal。
和 LLM 一樣,Agents 的實現本身也是漸進式的,2024 年下半年在 AI Coding 的突破是我們從軟體時代走向 agent 時代的關鍵,AI agent 也會最先在 coding agent 落地,而不是 day 1 就實現 general agent:因為 coding 環境足夠清晰,商業價值和天花板都極高。
Idea 05
Task automation 成為關鍵詞,long horizon task 成功率是衡量 Agent 能力的核心指標
今天 Agent 定義尚不明確,但我們認為從實際落地場景出發,應該關注 task automation 的成功率。
目前的 Agent 還只是初級 Agent,透過編排組合把重複性高,但又需要一定靈活性的任務自動化,如客服、售前、遊戲測試等,這類 Agent 需要深入的業務理解和快速迭代的 engineer 能力,發展迅速。
能力更強的 Agent 一定不再是 LLM calling 的組合,而是更自主、更主動,能完成更多步驟的複雜任務。這類 Agent 需要強大的 reasoning 能力,long horizon task 處理能力,還要能深入理解 large context base,也是模型公司投入的重點。
Idea 06
Context layer 成為 Agent 的秘密武器:資料、推理、行動三元素重新組織的 context 是 Agent 落地基礎設施。
而為了讓 Agents 更好、更主動得完成多步驟複雜任務,簡單的 RAG 已經無法滿足需求,context 會成為這個場景下優先順序最高的 infra 能力。如何獲取企業 context,並更好得構建 context layer 的能力會成為 AI 應用或資料公司競爭的關鍵。
二級市場上, Palantir、Snowflake 都屬於很明確的 context layer 相關受益者。一級市場上,頭部公司圍繞也已經圍繞 context 需求進行積極投入,比如 Perplexity 最新收購的  Carbon 可以幫助 Perplexity 實現和 Google Docs、Slack、Notion 等生產力工具的資料連線。
Palantir 的 Ontology 層可以被視為一個企業的“數字分身(digital twin)”。每一個 ontology 物件都代表了一條明確了輸入和輸出的邏輯
Idea 07
訓練靠後,推理向前,ASIC 敘事逐漸減弱,NV 的算力份額和領導者地位依然穩固,市值將達到 4 萬億
以 o1 為起點,由於模型推理能力的增強,以及軟體公司用 LLM 開發新產品或進行自我改造的積極性提升,推理需求指數級增長讓今年下半年以來 CSP ASIC 顯著受益,CSP 離下游需要推理的客戶群體更近,Amazon、Google、微軟等大廠都在透過自有晶片研減少對 GPU 的依賴。
2025 年 Inference 作為硬體板塊的核心命題不會改變,考慮到整個算力市場需求比預期要更大,CSP ASIC 敘事會在明年逐漸走弱,而 NVDA 依靠 GB200 在 TCO/效能仍會在算力市場維持自身的領導者地位,相比之下 AMD 丟失的市場份額可能會更明顯。
Idea 08
Pre-training 、Post training、o3 融合一體化,large scale RL成為關鍵 bet
O 系列開始,inference time compute 的思路讓 post training 的重要性提高了很多,可提升的空間和消耗的算力層面都可能比 pretrain 更重要。
在這個趨勢下,post-training 和 pre-training 的界線會越來越模糊,post-training 會消耗更大的算力、解鎖更多能力,pre-training 會漸進式地用 RL 來漸近找到更好的 data recipe。類似從 AlphaGo 到 AlphaZero 那樣,模型能夠逐漸離開一部分人類資料,用合成數據來得到更多資料分佈外的高質量資料,解鎖更高天花板的智慧。
Idea 09
合成數據實現技術突破,規模化的合成數據能減緩資料撞牆焦慮
改寫、編排現有的資料雖然能提升資料質量,但不能提供增量資料和新知識。如何規模化地獲取合成數據是技術上重要的難點,也是我們期待的突破點。去年這個突破沒有實現,我們預測今年能夠取得進展,因為 pre train 的資料瓶頸今年愈發緊迫。
Idea 10
o3 驗證了 reasoning scaling law,但商業化落地遇到瓶頸
o3 在 ARC-AGI 和 Frontier Math 湧現式的能力突破定義了真正優秀的推理能力,這讓我們對 o 系列的成長上限有更強的信心:o3 帶來了 reasoning scaling law,強推理能力正是解鎖 agent 最必要的能力。2025 年,模型每 3 個月就會實現過去 1 年的能力進步。
Source:ARC-AGI
但 o1 的商業化確定性和前幾代模型相比要更低,因為強推理並不是大眾使用者的需求,只有少數使用者對這樣的高生產力、複雜推理問題有需求。因此現在 ChatGPT 產品中 o1 的使用率也不到 5%。同時 o1 query 的定價也很貴,所以需要 200 美金甚至 2000 美金/月的價格來支援更大的 inference time compute 需求。
Idea 11

Chatbot 競爭翻篇,

開始全新 AI產品形態競爭

Chatbot 的競爭在 2024 年結束了,2025 年 各模型公司要在全新的產品形態上競賽。Chatbot 仍將是包容性最強,使用者受眾最廣的前端互動,但 computer use、coding agent、artifacts 等更復雜,更跨軟體,更能捕捉使用者行為資料的互動會成為新的重點。
Idea 12
Memory 和 Online learning 問題在 25 年得到解決,LLM 更加主動和個性化
和推薦演算法比,LLM 的缺陷是不能即時更新 weights,所以模型無法千人千面。Memory 是 AI labs 和 Agent 公司花了很多精力解決的問題,我們認為 Memory 會在 2025 年有不錯的解決方案,onling learning 也能有一定突破,讓 LLM 和 Agent 真的做到更主動,更懂使用者。
Idea 13
多模態智慧得到突破,visual reasoning 湧現,使用者和 AI 互動可能性被拓寬,出現AI+IP 爆款
過去兩年多模態智慧能力發展不如語言,但 2025 年多模態智慧會得到更多投入。視覺推理和 Scaling Law 的湧現現象成為重要研究方向。尤其是 Google、Meta、Tesla 等大企業,有海量視覺資料,有處理視覺資料的完整 infra,也有更明確的多模態應用場景,相比 AI labs 會更重視多模態的研究發展。
雖然我們在 2024 年的預測中提到類 Character.ai 賽道會收斂在今年得到驗證,但 Character.ai 代表的底層需求不變。經典 IP 長盛不衰、Jellycat 的爆火本質上是“陪伴”。AI 時代的 Her 不是 chatbot,更有可能從經典 IP 嫁接而生:AI,尤其是多模態智慧會讓人類和已有 IP 的互動變得更真實、絲滑,例如迪士尼、任天堂等相關公司也會利用多模態推動新應用和經典 IP 喚新。
Idea 14
ChatGPT 和 Perplexity 跑通廣告變現模式,廣告超越訂閱模式成為主流
因為面向生產力場景,LLM startups 一開始透過訂閱模式嘗試商業化,但訂閱的增長曲線有限:ChatGPT 的 MAU 預計已經超過 5 億,年收入約 40 億美金,平均一個月活使用者只有~8 美元/年收入,而 Google、Meta 每個月活使用者 ARPU 都價值100美金起。訂閱無法支撐 AI 超級應用,廣告還是主流商業化方向。
從去年下半年開始 perplexity 和 OpenAI 都已經透露出試水廣告,透過問答的形式直連商品、服務搜尋,進一步有可能重組影片、電商、工作、酒旅、住房等供應鏈。
Idea 15
自動駕駛到達商業化拐點:Waymo 開始蠶食 Uber 市場份額,Waymo 可能會在 2025 年 IPO 
Waymo 在 2024 年 8 月佔 SF 網約車份額為 5%,到 11 月訂單金額市佔率快速上升超過20%,且出現一定網路效應,到 12月初 Waymo 在全美已經實現了17.5 萬次/周的付費出行。隨著監管放鬆 Waymo 的規模效應還會加速。
Idea 16
AI 領域 M&A 活躍:AI 應用、Coding 領域出現大的收購,中小 GPU 雲會被整合
2025 年,AI 領域的投資併購會繼續活躍,不過主題從大廠收購 foundation model 公司轉變為中大型公司收購 AI native 應用,帶來 M&A 的有 4 個角度的因素:
 硬體領域,2025 年 NV B 系列正式投入使用後,GPU 雲領域的成本和價格競爭會進一步加劇,很多中小 GPU 雲會破產,對於頭部公司而言是低價收購資產的好時機;
• SaaS 領域過去圍繞 Vertial SaaS 的 buy-and-run 會在 vertical AI 上重演,尤其 Sales、HR、Legal、Healthcare  等垂直領域會出現 AI start-ups 被大公司收購的情況;
• AI 搜尋、AI Coding、影片生成等領域作為 LLM 領域競爭的主線,大公司尤為重視,與此同時 Starups 估值增長過快,可能會先出現公司業務發展跟不上估值 hype,在這種情況下,big-techs 進行收併購可能帶來 win-win ;
• 頭部 Startups 為強化自身競爭力圍繞技術棧、場景進行收購。
Idea 17
電力短缺持續,核電重啟是明確趨勢 ,有機會出現 10x 股公司
不僅美國本土,超大計算叢集、再工業化帶來的電力短缺還在持續,全球範圍內電力需求到 2050 年會增加  1/3 到 3/4。核電的新建或重啟是全球範圍內確定性趨勢,但供給端還沒有做好相關準備,原料短缺、地緣政治的擾動等因素給整個產業鏈上的資產帶來價值稀缺性。
Idea 18
AI for science 發展迅速,各個科學領域有自己的 foundation model 
生命科學、材料、氣象和工業模擬等各個科學領域已經湧現出各自的 foundation model。與 LLM 不同,AI4S 領域不存在資料牆問題,在實踐中還可以透過第一性原理模擬生成無限的高質量合成數據,這一特性會讓 AI4S 各個領域的 foundation model 湧現,且模型能力迭代速度極快。
Idea 19
AI 技術紅利大部分流入大公司,
Mega 9 強者恆強
Mega 9 公司掌握著 AI 的關鍵資產:雲、算力、分發渠道。任何企業、個人買單 AI 的價值,他們都有機會“收稅”。隨著 AI 在 2025 年真正走向 massive adoption ,這些公司可以持續躺在 AI 富礦上賺取收益。
Idea 20
美股 2025 Q1 業績後因為 AI 進展緩慢大調整,但又會在年底前破新高
以 Agentforce 為代表的 SaaS 公司 AI 產品的表現推高了美股對於 AI 應用層的 hype,雖然企業側投入和推廣 AI 產品相較於 1 年前更加激進,但作為投資者需要對企業 AI 業務落地和盈利情況保持理性和警惕,一旦實際業績兌現略低於市場對 AI 故事的預期,就會出現大的回撥,我們預計 2025 H1 大機率會出現這一情況。到 2025H2,隨著 LLM 能力提升,尤其是 agent 在 tool use 和長距離複雜任務上的進步,AI 會重新帶來股價新高,重演 2024 H2 的情況。
One more thing:2023 年底我們提出了 16 條 LLM 猜想,其中有 9 個在 2024 年得到了印證,7 個還沒有完全實現,以下是我們的覆盤回顧:
↓點選檢視大圖↓
排版:楊樂樂
延伸閱讀

Agent 最全 Playbook:場景、記憶和互動創新

LLM 競賽 2025: 超越 Google 之路

Metronome:OpenAI、Anthropic背後的計費平臺,會是AI時代的Stripe嗎?

估值13億美金,Clay 用 AI Agent 幫企業找客戶

Bolt.new:AI Coding 領域的 Figma,2 個月實現近千萬美元 ARR

相關文章