2025年生成式AI技术成熟度曲线揭示重要创新领域

基于数据预训练的大语言模型（LLM）仍是生成式AI的技术基石，也是当前曲线中成熟度最高的模型技术。这类通用型基础模型可通过定制适配多样化的应用场景，且具备强大功能，因此占据核心地位。但开源LLM、垂直领域生成式AI模型以及大型推理模型等其他模型正在加速演进，成为企业的可行选择。

示例技术：多模态生成式AI

随着企业规模化部署生成式AI项目，构建、治理与定制生成式AI应用的能力变得至关重要。AI工程涵盖不断扩展的工具与技术生态体系，确保生成式AI应用有效支撑企业整体战略。这些工具可提供高效的应用程序编排框架，减少幻觉现象，遏制虚假信息并保障合规性。

AI工程还包含一系列专注于保障AI安全高效应用的专属工具和技术。

示例技术：AI信任、风险和安全管理（AI TRiSM）

生成式AI虚拟助手（如ChatGPT）依托LLM技术，在功能实现上已超越传统对话式AI，成为当前最知名的生成式AI落地应用。

从长期发展看，企业期望通过AI智能体实现复杂多步骤流程的大规模自动化，从而提升生产力、降低运营成本并优化客户体验。

目前获得高度关注的代理型AI，通过自主或半自主方式，运用AI技术在数字或物理环境中进行感知、制定决策、采取行动并达成目标。从被动式AI聊天机器人向代理型AI的范式迁移，标志着企业运用AI创造商业价值的模式发生根本性变革。

示例技术：具身智能

生成式AI的发展既依赖创新技术突破，也需融合传统基础性AI实践。诸如自监督学习等创新技术，减少了对大量标记训练数据的依赖，为生成式AI领域的实际应用难题提供了解决方案。当前，自监督学习主要应用于自动驾驶和医疗诊断场景，但越来越多的行业已开始对该技术进行试验。

专用基础设施在模型训练与推理过程中的价值也日益受到关注。专用AI芯片与工具可显著提升效率并降低相关成本。

示例技术：AI超级计算