2025年的春天，人工智能的热度不仅没有降温，反而沿着产业链条加速传导，从底层的算力芯片、中层的模型平台，到上层的行业应用，全线升温，更值得关注的是，一批头部企业和新锐力量不约而同地把目光投向了几个正在成形的新赛道：AI智能体、具身智能、AI for Science，以及面向垂直行业的深度数智化改造，它们不再满足于“大模型能聊天、能画图”的浅层应用，而是试图把AI嵌入到更真实的物理世界、更硬核的科研流程和更复杂的产业协作中去。
算力底座：从“堆卡”到“造脑”
产业链升温最直接的信号，来自算力层，过去两年，大模型训练催生了巨大的算力缺口，英伟达的GPU一度成为全球最紧俏的硬件，而今年，产业的重心正在发生微妙的变化：单纯买卡、建数据中心的模式边际效益递减,企业开始加码更贴合自身业务需求的AI基础设施。
多家云厂商和芯片公司公布了新一代AI芯片和智算中心方案，强调的指标不再只是峰值算力，而是“有效算力”——在真实训练、推理场景下，单位能耗能产出多少token、多少模型能力，一家头部云服务商近期发布的“智算集群操作系统”，把芯片调度、模型切分、故障恢复做成了像水电煤一样的公共服务，中小企业不需要自己养一支工程团队,也能按小时租用千卡级算力。
存力与运力成为新的竞争点，大模型参数规模突破万亿后，数据搬运的瓶颈比计算更突出，一些存储芯片企业和网络设备商开始推出专门适配AI训练的高带宽存储与超低延迟互联方案，产业链的“木桶短板”正在被一块块补齐。
模型层：从“百模大战”到“垂直深耕”
如果说2024年是中国大模型“百模大战”最喧嚣的一年，那么2025年市场明显冷静了下来，但资本的动作却更果断了，通用大模型的融资窗口收窄，而聚焦垂直场景、具备明确商业闭环的模型公司,反而获得了更高的估值溢价。
医疗、法律、金融、工业制造，成为这一轮加码最密集的赛道，以医疗为例，近期一家医疗大模型公司完成了新一轮融资，其核心产品不是面向患者的问诊助手，而是嵌入三甲医院影像科、病理科工作流的“AI医生助理”——能够自动生成结构化报告、标注异常区域、提醒可能的漏诊，这类产品的商业化路径清晰，医院愿意按年付费,因为确实能减少医生的重复劳动。
工业领域同样热闹，一家专注于半导体制造良率提升的AI公司，把模型训练在数亿条晶圆缺陷数据上，能够提前数小时预测光刻机可能出现的漂移，帮助产线减少非计划停机，这种“模型即服务”的模式,正在成为制造业数字化之后的新增量。
值得注意的是，开源与闭源的路线之争也在降温，头部企业开始采用“开源底座+闭源场景”的混合策略：底层模型开源以吸引生态，上层针对特定行业做微调、做数据飞轮，形成护城河，产业共识逐渐清晰——真正的壁垒不在模型本身，而在行业数据、工作流理解和客户信任。
新赛道一：AI智能体，从“助手”到“员工”
今年最热的关键词之一，是AI智能体（Agent），与只会回答问题的聊天机器人不同，智能体具备感知环境、制订计划、调用工具、执行任务的能力，可以在真实业务系统中扮演“数字员工”的角色。
多家企业开始把智能体作为新的战略方向，一家头部互联网公司近期发布了“企业智能体平台”，允许非技术人员通过拖拽配置，生成能够自动处理报销、招聘筛选、客服工单分派的智能体，另一家CRM厂商则推出了“销售智能体”，它不仅能从历史数据中筛选出高意向客户，还能自动撰写个性化邮件、预约会议、在通话后更新客户档案。
资本市场的反应相当积极，今年前五个月，全球AI智能体领域的融资额已经超过去年全年，投资人的逻辑很简单：如果说大模型是“大脑”，智能体就是“手和脚”，只有手脚能够进入企业系统,AI才能真正产生可量化的生产力。
但热闹之下也有隐忧，智能体的可靠性、安全性、责任归属问题尚未解决，一个失控的智能体可能误发邮件、误操作订单，甚至泄露敏感数据，一些先行企业开始建立“智能体治理”机制，为每个智能体设定权限边界、操作日志和人工复核节点，这本身又催生了一个新的细分市场：AI安全与治理工具。
新赛道二：具身智能，给AI一副身体
产业链升温的另一个显著方向，是具身智能——让AI拥有物理载体，能够感知、移动、操作真实世界，人形机器人是其中最受关注的形态,但并非全部。
今年几家头部人形机器人公司相继进入小批量产阶段，目标场景集中在工业搬运、危险环境巡检、养老服务等，与几年前演示性质的“跳舞机器人”不同，现在的产品强调的指标是“连续工作时间”“抓取成功率”“故障自恢复能力”，这意味着，具身智能的竞争不再只是机械结构和运动控制，而是“大脑”与“身体”的协同。
产业链配套也在快速成熟，灵巧手、力矩传感器、高能量密度电池等核心零部件的成本，在过去一年下降了30%以上，一些原本做工业机械臂的企业，开始转型做人形机器人的关节模组；一些汽车零部件供应商，把在新能源车上积累的电机、电控技术,平移到机器人领域。
政策层面也在加码，多个城市出台了具身智能产业发展专项政策，从研发补贴、应用场景开放到标准制定，全方位扶持，业内普遍认为，具身智能的大规模商业化可能还需要三到五年,但产业链的卡位战已经开始。
新赛道三：AI for Science，科研范式之变
比具身智能更安静、但潜在影响更深远的，是AI for Science，它指的不是用AI写论文，而是用AI加速科学发现本身：材料设计、药物研发、气候模拟、蛋白质结构预测等。
今年，一家AI制药公司宣布，其利用生成式AI设计的候选分子进入临床一期，从靶点发现到进入临床只用了18个月，而传统流程需要4到6年，这个时间差，就是AI价值的直接体现，另一家材料公司则通过AI预测了上万种新型固态电解质结构，并从中筛选出三种进行实验合成,其中两种表现优于现有商用材料。
这些案例揭示了一个更深层的趋势：AI正在改变科研的底层逻辑，传统科研是“假设—实验—验证”的循环，而AI带来的是“数据—生成—筛选—实验”的新范式，科学家不再是孤独的探索者，而是与AI系统协同工作的“指挥者”。
多家高校和科研机构开始设立“AI科学家”岗位，一些大型实验室把AI计算资源作为与实验设备同等重要的基础设施来建设，企业也在加码：制药公司、化工巨头、能源企业纷纷组建自己的AI科研团队,或与AI公司成立联合实验室。
从“热度”到“厚度”
AI产业链的升温，已经持续了三年多，但今年的升温，与前两年的“概念热”“资本热”有明显不同：企业开始把AI真正嵌入到业务流程中，追求可量化的效率提升和成本优化；资本开始向有明确商业闭环的赛道集中；政策则从鼓励创新转向鼓励落地。
多家企业加码新赛道，本质上是在回答同一个问题：AI到底是另一个泡沫，还是一场真正改变生产方式的革命？答案正在浮现，当AI智能体能自主完成一个完整的工作流，当人形机器人能在真实车间里持续工作八小时，当AI设计的新药进入临床试验——AI的价值就不再只是技术演示,而是产业现实。
产业链的升温不会一直以陡峭的曲线上升，但那些真正解决问题的企业，会在每一个转弯处找到新的加速度，对于身处其中的每一家公司、每一个从业者来说，重要的不是追逐热度，而是构建厚度——把技术扎进场景，把能力沉淀为壁垒,把暂时的关注转化为持久的价值。
版权声明
本文系作者授权念乡人发表，未经许可，不得转载。
