这份硬核报告显示，DeepSeek已经崛起到下一个亿级销售市场，
AI创新正在进入我们「中国时间」。
2025年第一季度刚刚结束，中国大模型“国产之光”已能预定年度关键字。
由DeepSeek爆红全网，到Manus一夜爆红，再到以宇树为代表的机器人，让中外网友不断惊呼…
毫无疑问，2025年中国前沿技术正成为全球热议和谈话的焦点。
LeCun评论DeepSeek
但是问题是：为什么是2025？
以ChatGPT为起点的新一轮技术飓风刚刚卷入第三年，时间并不长，但是对于飓风眼中的人来说，信息量已经爆炸了。
更重要的是，随着大模型变革迎来新的转变，即重点从训练向推理迈进，新的机遇随着挑战不断涌现。目前正在发生密集的突破。
因此，现在，又到了一个值得好好复盘的时刻，从而展望未来。
假如你需要一份「全面」、「硬核」以科技报告为参考，这份全新发布的全景科技报告值得一读：
报告来自诺安基金，一只长期陪伴中国科技增长的千亿公募基金。自2003年成立以来，已为740家科技企业提供IPO募资支持，新质量生产力企业发行的商品市值总额为278亿元。可以说我真的懂硬科技，真的懂中国创新。
而且这份报告，也完整而详细地展示了AI创新的全景路线，以及背后的中国机遇。
首先给大家划一下重点：
- 强化学习 模态拓展 成本坍缩 智能平权效应工具进化点爆
- 开源模型有望帮助中国实现AI技术突破，推动全球AI平权。
- 端侧设备变成AI Agent媒体，下一个超过1亿级的销售市场准备出发。
- 人形机器人正在迎来里程碑的大规模应用。
- AI for 生命科学点燃了“硅基智慧”“碳基文明”的核聚变
总之，从大模型被视为技术“奇点”的开始，到AI目前的实际突破，再到未来技术行业的十大预测，我们将一起阅读所有这些报告。
密集突破正在发生
OpenAI 然后通过DeepSeek来到这里 R1点爆炸，大模型制造商的推理模型之争，正如火如荼地展开。
这一背后，可以观察到，AI发展的重点正从“参数规模竞争”向“推理效率竞争”转变。
再加上多模态，AI Agent等应用趋势的影响，可以看出对计算能力的需求呈现出多样化的趋势。
计算结构多样化，给AI基础设施带来新的机遇
根据预训练、后训练和推理的不同阶段进行划分：
预训阶段：计算能力需求巨大，成本高。
在预训练阶段，模型应该练习大量的通用数据，并训练一个大的语言模型。估计要处理几十亿甚至几万亿字的文字数据。模型参数很多。为了让模型学习到复杂的方法和特点，通常需要进行成千上万的迭代优化。
例如，在第一阶段，xAI的Grok-3需要122天，同时使用了10万张NVIDIAI。 H100 练习GPU；接下来的第二阶段是在92天内，将集群扩展到20万个H100 GPU，估计训练费用接近100亿美元。
后期训练阶段：相对于预训练，计算能力的需求和成本大大降低。
在后期训练阶段，大模型只微调特定任务数据。例如，当医学图像识别模型微调医学图像数据时，数据规模将远远小于预训练中使用的图像数据集。此外，后期训练主要调整与特定任务相关的参数值，计算量也相应减少。
然而，为了使模型准确地适应特定的任务，还需要多轮参数调整和计算，因此需要中等规模的计算率来保证微调过程的高效率。使用DeepSeek 例如，V3使用了2048张英伟达H800 GPU，GPU卡总训练时间为2788千小时，训练费用约为558万美元。
推理阶段：普通消费者也可以购买，这是AI普及的关键。
推理是利用训练有素的大型模型来预测新输入的数据。在这个阶段，没有必要更新和训练模型参数，只是根据模型清晰的结构和参数向前计算新信息，以获得输出结果。
例如，智能客户服务模型在回答客户问题时，只根据训练模型对用户输入的文本进行分析并给出答案，计算步骤比较简单，一般2台H20服务器就可以运行满血版671B的DeepSeek R1推理模型，费用约为200万元。如果DeepSeek运行在14B以下。 R1蒸馏模型，只需配备一个价值2万元的RTX模型。 4090显卡即可。
能够看见，大模型对计算能力的需求在后期练习和推理阶段更强调“性价比”。
OpenAI CEO奥特曼还提到，大型应用成本正在下降，“AI成本每年将下降到去年的1/10”。很多业内人士也指出，成本问题是大型应用的关键挑战之一。
在模型方面，以DeepSeek为例，通过创新模型架构、高效的训练策略和硬件适配提升，可以引起全球关注的关键之一是性能和成本之间的终极平衡。
并且不只是V3、R1开源，DeepSeek还通过开源周活动，继续开源FlashMLA等多项核心技术，从AI模型训练、推理加速到数据管理全链。
在接受央视财经《财访》节目采访时，诺安基金研究部总经理邓心怡指出：
DeepSeek诞生的意义不仅在于DeepSeek团队在AI领域的硬实力，还在于国内技术产业的优秀研究基础和研究能力。
开源项目清晰地展示了他们的研究过程、理论体系和成果迭代。我们有望推动下一波AI技术的变化，拥有扎实的人才储备和持续的教育和科研投资，以及更加开放的应用生态。
而且提高技术带来的模型计算效率和推理速度的提高，同样是定制的。（ASIC）芯片提出了新的要求，带来了新的机遇。
对诺安基金的科技投资报告进行总结ASIC芯片的几个优点：高性能、低功耗、成本优势，以及与场景深度结合的灵活性。。
不只是谷歌早就布局了自研芯片，Meta、今年OpenAI在定制芯片方面也有了新的动作：
据透露，Meta已经开始测试第一款自研AI培训芯片，OpenAI自研芯片也有今年流片的消息。
同时，报告还提到，“计算率-算法-数据”三位一体的持续优化可以打开更多AI模型的渗透空间。从硬件基础设施的角度来看，探索更快的通信、更好的散热和更多的电源可以为计算率提供更好的基础。
而且应用落地带来的云侧和端侧推理需求的增加，也会带动存储需求的增加。
值得注意的是，在新技术趋势下，国内异构算率上下游也在加速向品牌化、平台化迈进。
依托RISC-V等开源结构，国内厂商可深入底层研发，迈向高性能计算率。举例来说，在SPECint2006基准测试下，达摩院将交付的玄铁C930Cpu通用计算率性能可达15/GHz，并且基于RISC-V的灵活性和可定制性，将高性能与AI算率有机结合，可以更好地满足AI时代的应用需求。
AI智能眼镜迎来“iPhone时刻”
基本模型越来越强，越来越便宜，而DeepSeek被广泛讨论的关键点是，先进模型的参数值规模正在迅速缩小。
这样就带来了一个普遍的预测：端边AI正呈现爆发趋势。
当前，AI PC和AI手机已率先成为AI手机 Agent媒体。据IDC预测，2024年全球PC出货量为2.75亿台，其中AIDC 大约19%的PC市场份额；预计到2027年，全球PC将出货2.93亿台，届时AI 预计PC市场占有率将达到60%。
但是在DeepSeek热潮中，早春的新机都接入了DeepSeek R1，荣誉、OPPO、vivo、小米可能无能为力。
该报告还重点介绍了AI智能眼镜，并预测：
AI智能眼镜终端有望成为AI时代第一个全新的人机交互硬件，实现新的亿级出货终端。
AI眼镜自然适用于处理短而快的临时任务，成为个人助手的最佳媒介，基于轻量级、无影响、高频响应、最接近身体三大重要感官(眼睛、耳朵、嘴巴)的优势；另一方面，结合显示功能的智能眼镜有望在社交、办公、垂直行业等多个领域得到充分应用，进而成为AI时代的通用人机交互平台。
基于wellsennn XR估计，目前全球每年有15亿副眼镜(包括近视眼镜和太阳镜)，中国每年有2.4亿副眼镜，庞大的眼镜佩戴者数量为AI智能眼镜提供了广阔的市场空间。
目前，AI眼镜行业还处于发展初期，产品形式百花齐放，主要分为三种主流形式:纯音频眼镜、带拍智能眼镜和带显示智能眼镜。
诺安基金认为，带有相机形状的眼镜由于摄像头模块是在纯音频眼镜的基础上集成的，可以提供图像和视频拍摄能力，同时可以基于大模型实现AI识别等功能，具有更好的互动体验。
到2025年，随着AI智能眼镜的竞争越来越多，AI智能眼镜的发展也将趋于完善。预估2030年后，AI AR技术逐步成熟，打开AI AR智能眼镜最终取代了传统智能眼镜，智能眼镜成为AI通用计算终端。
技术的未来即将到来
密集创新正在发生，随着对AGI(通用人工智能)探索的不断深化，曾经只存在于科幻小说中的“未来”场景已经不再遥不可及。
报告中还特别提到了当前正受到重点关注，未来值得期待的应用范围。
人形机器人：迎来从技术验证到大规模应用的里程碑
首先是今年火出圈的人形机器人行业。
自从宇树机器人登上国内春晚以来，尽管今年才过去了1/4，但是国内外的人形机器人制造商已经频繁行动起来。
不但隔一段时间就升级了能力，用各种“整活儿”吸引了全世界的目光，而且都在默默地向量产使力。
到目前为止，这个行业已经逐步达成共识：2025年可能是人形机器人量产的第一年。
毕竟，随着大模型的快速迭代，硬件成本的不断下降，政策红利的不断释放，这个行业已经从实验室转向大规模应用。
而且从应用领域来看，报告进一步总结人形机器人的发展路径：
阶梯式渗透，从工厂拧螺丝到家庭情感陪伴。
中短期内，人形机器人将主要应用于工业制造、仓储物流和特殊应用领域。中长期来看，其目标是进入千家万户，为居家养老、育儿等场景提供相关服务。
除了技术之外，影响这个过程的另一个主要因素是成本。
报告提出了一种观点：
20,000美元将颠覆全球劳动力市场。
现在，美国汽车工厂工人的时薪是24美元，丰田美国工厂工人的时薪是34.8美元，德国汽车工人的时薪是14.7美元。
而且假设机器人五年折旧，一年工作350天 x 24小时，每年的维修保养是本机价格的15%，如果人形机器人定价10万美元，一小时成本4.2美元，如果定价2万美元，一小时成本只有0.83美元。
这不是遥不可及的。且不说国内宇树科技已经把价格定在了10万元以下，另一方面，马斯克前几天还在一次企业会议上为Optimus机器人设定了目标:
数百万台产后价格降至2万美元(约14.5万人民币)。
报告指出，如果Optimus机器人的成本降低达到预期，价格可以降低到2万美元。参照北美劳动力市场的需求，人形机器人总市场规模约为480~4960亿美元，这是对北美人形机器人市场潜力的计算。
面临着这个高潜力市场，我们国家人形机器人产业的超车机会如下：产业链突破 政策利好。
报告指出，据不完全统计，国内人型厂商已有100家。 家庭，他们构建了覆盖人形机器人“关键部件-本体制造-场景落地”的整个产业链能力，形成了独特的突破路径。
在上游硬件领域，国内已经具备了包括减速器、电机、丝杠、控制器、传感器等硬件部件以及相关软件系统在内的全行业能力。
然而，在制造阶段，许多创业公司、互联网公司和汽车公司竞相发布他们的人形机器人产品，他们中的一些人已经率先在汽车工厂实现了拧螺丝、搬运材料等任务的验证。
报告认为：
如果能够在2025年前实现“硬件成本降至15万元” 两个主要目标：场景数据突破千万小时，中国将成为世界上第一个将人形机器人从B端大规模引入C端市场的国家。
除人形机器人外，报告还提到了另一个关键领域：AI 生命科学 。
AI 人生科学：人生理解的范式革命
在这些领域中，进步最快的是AI制药和AI医疗。
首先，根据贝哲斯咨询的调查数据，2024年全球AI制药市场规模为18.6亿美元，预计在2024-2029年期间，该市场将以31.2%的复合年增长率增长。
在此背景下，中国创新药业也迎来了前所未有的发展机遇。
报告称，从技术周期来看，中国创新药业已经进入了高速发展的黄金十年。
技术的创新和突破不仅提高了创新药物研发的效率，而且降低了研发成本。从公司发展周期来看，大量创新药企将跨越“盈亏平衡点”，形成自我造血能力。
同时，从市场潜力扩大的角度来看，国产创新药通过“license-“出海”，更广泛地参与全球定价，本质上是中国R&D效率和临床资源价值的实现。
p.s. license-out方法是指企业在药品初期研发后，将项目授权给其它药企进行后期临床研发和上市销售。
AI制药在上述整个过程中发挥着越来越重要的作用，并不断推动产业前进。 。
但是在医疗领域，AI也在重塑各个细分应用领域。
当AI 影像诊断/精确诊断/手术机器人等。，可以智能升级医疗流程，不仅大大提高了效率和精度，也促进了医疗行业的个性化和高效化。
在养老领域，依托物联网和AI监测系统，目前可以实现跌倒预警、慢性病管理等精准服务，进而逐步构建智能养老生态。
同时，AI还可以通过实时数据分析和预警，赋能健康管理(如疾病早期筛查、心理咨询)和智能可穿戴设备(如无创血糖监测和康复治疗)，形成“预防-诊断-管理”的全环节健康闭环，重塑健康产业格局。
上述数据和迹象表明，未来AI制药和AI医疗值得长期关注。
除了AI领域，报告还关注了其它前沿技术领域，值得期待。
比如量子计算。
量子计算凭借量子叠加和纠缠的特点，具有超越经典计算机并行运算的指数级能力，被公认为打破摩尔定律瓶颈的终极钥匙。
报告指出，量子计算具有很强的并行计算和模拟能力，将改变我们的生活和工作方式，解决一些经典的无法解决的问题。量子技术有望应用于未来的AI培训、生物研究、航天工程分析等场景。
到目前为止，全球量子计算的发展已经跨越了三个里程碑：
- 硬件突破：IBM推出1121量子比特Cpu、在中国，“九章”光量子计算机的计算率领先；
- 失误率控制：谷歌将逻辑量子比特失误率降至0.0001%；
- 商业化落地：亚马逊Braket云平台推出量子机学习服务。
着眼于未来十年，量子技术将采用“三步走”路径实现技术跃迁：
- 短期（2025-2027年）：专注于金融提升、药品模拟等特殊情况；
- 中期（2028-2030年）：依托千比特等Cpu和量子因特网，促进AI大模型训练和跨域算率协同；
- 长时间(2030年以后)：扩展到消费级量子手机、光子自动驾驶等应用。
此外，我国已经将量子技术纳入未来产业增长机制，并得到了大量的政策支持。报告预测，“量子飓风”将在2030年爆发。
到2030年左右，基础算率上升形成的外部市场规模可能达到1万亿，主要集中在量子互联网、量子人工智能等新赛道。
商业航天和卫星因特网也是热点之一。
在中国商业航天方面，2025年可重点关注：
- 持续提高成本竞争力：火箭发射和卫星制造成本逐步缩小与国际领先企业的差距；
- 应用领域初步规模化：手机直连卫星功能加速普及，航空互联、跨境物流等场景形成商业原型；
- 增强国际合作话语权：参与制定频道协调、数据安全等领域的规则，促进亚太地区合作。
未来十大技术产业预测
基于上述分析和报告的其它内容，诺安基金给出了未来十大技术产业预测：
- 开源突破：中国开源模型 开源芯片技术，颠覆垄断，实现全球AI平权。
- 自主进化:从“人工喂养”到“自主学习”，下一代算法在没有人类监督的情况下，构建了自主学习神经框架，实现了全球知识的自主适应。
- 芯片破局：中国实现先进芯片全链自主化，打造国产AI算率基础。
- 人机同创：AI赋能千行百业，重构生产工艺，创新决策机制，重塑服务范式，催生“人机同创”的新产业形态。
- 可追溯性：AI全链路生成过程实现技术揭秘，模型逻辑数据影响双通道可追溯性。
- Agent平权:多模式融合互动，彻底颠覆传统的人机合作模式。人类迎来了“智能共生”的曙光时代，每个人都将拥有“贾维斯”级别的智能体助手。
- 硅基觉醒：机器人训练模型跃升，多场景能力泛化，国内供应链突破，人形机器人进入特定场景实践。
- 天地一体：低轨星座进入“万星竟速”时代，天地一体化网络初具规模，空间资源开发迈出第一步。
- 量子跃迁：专用量子计算机不断迭代，抗量子密码进入“实战布署”，触及经典算率无法企及的行业痛点。
- 生命无限：生物制造呈指数增长趋势，使人类实现了从“挖掘地球”到“编程地球”的文明水平跃升。
这十项预测指向了全球科技领域备受关注的技术发展路线，也指出了中国技术产业走向“创新驱动者”和“规则定义者”的关键。
就基础技术而言，开源模型与自主计算率基础的协同创新，不仅是AI时代技术突破的关键因素，也将进一步影响中国在技术标准体系建立中的话语权。
应用创新方面，Agent互动革命有望重塑人类与技术的共生关系。基于中国广阔的市场空间和AI应用领域，“中国计划”不仅打开了市场潜力，也打开了推动技术深化的国际影响力空间。
就战略前沿而言，以生命科学、量子计算、航天工程为重点，既是对“无人区”的探索，也是从技术创新到生态建设，再到范式定义的不断跨越。
诺安基金研究部总经理邓心怡的观点可以作为补充参考：她认为，依靠三点，中国科技的崛起。
第一，完善的供应链体系。国内强大的制造能力能迅速推动新技术量产落地。
与此同时，政策和市场可以迅速协调，统筹规划加地方规划引导产业发展方向，而激烈的市场竞争则加速了技术和产品的迭代。
更重要的是，中国自然拥有超大规模的应用领域，单个市场可以稀释R&D成本，形成技术R&D、场景应用和规则制定的闭环路径。
正是基于这三个优势，中国AI产业正走出一条多元化的道路：
不仅仅是积累计算率，而是通过算法、框架和硬件协同的系统级创新，开放真正意义上的“性价比突破”和源代码，让开发者基于公共模型进行场景创新。
该模式不仅降低了技术门槛，而且加速了创新的传播和应用，从而巩固了中国科技在全球竞争中的地位。
综上所述，这份报告实际上也是今年以来业界隐约共识的表达：中国科技，敢。
敢于想象，敢于创新，敢于在落地应用上旋转飞轮，敢于此时此刻不属于我。
它既是自信，也是自信，让生态系统中的所有从业者都有理由相信：更多的“国产之光”正在智慧中涌现。
本文来自微信微信官方账号“量子位”（ID：QbitAI），作者：鱼羊 一水，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com