智源发布2025年AI趋势：Emu3实现三模态统一，具身智能迎突破

智源发布2025年AI趋势：Emu3实现三模态统一，具身智能迎突破

近日，北京智源人工智能研究院发布《十大人工智能技术及应用趋势》报告，对2025年AI技术发展趋势进行了预测和分析。报告指出，随着大模型的能力涌现加速通用人工智能（AGI）时代的到来，原生统一多模态、具身智能、AI for Science等技术将进一步深化人工智能对世界的感知、理解与推理，驱动科学研究创新突破。

在多模态大模型领域，智源研究院自主研发的Emu3模型展示了强大的视频、图像和文本处理能力。该模型基于下一个token预测，无需扩散模型或组合方法，即可完成文本、图像、视频三种模态数据的理解和生成。

Emu3提供了一个强大的视觉tokenizer，能够将视频和图像转换为离散token。这些视觉离散token可以与文本tokenizer输出的离散token一起送入模型中。与此同时，该模型输出的离散token可以被转换为文本、图像和视频，为Any-to-Any的任务提供了更加统一的研究范式。

Emu3一经上线便在社交媒体和技术社区引起了热议。有网友指出，“这是几个月以来最重要的研究，我们现在非常接近拥有一个处理所有数据模态的单一架构。”甚至有网友评价：“也许我们会得到一个真正开放的 OpenAI v2？”

2025年，“具身智能”将继续从本体扩展到具身脑的叙事主线。在行业格局上，国内近100家的具身初创公司或将迎来洗牌，厂商数量开始收敛；在技术路线上，端到端模型继续迭代，小脑大模型的尝试或有突破；在商业变现上，我们也必将看到更多的工业场景下的具身智能应用，部分人形机器人迎来量产。

据统计，2024年，接近半数的科研人员使用AI，并认为AI将对其工作领域产生积极影响。随着诺贝尔奖物理学、化学奖都颁给了AI赛道，推动科学研究与AI技术不断结合，从聚焦优化特定任务向更复杂、更动态、更交叉的问题发展。2025年，多模态大模型将进一步融入科学研究，将赋能多维数据的复杂结构挖掘，辅助科研问题综合理解与全局分析，为生物医学、气象、材料发现、生命模拟、能源等基础与应用科学研究开辟新方向。

日本发布的《AI for Science路线图》确定了11个科学研究领域作为AI for Science的重点应用方向，包括纳米科学、能源、生命科学等。并展示了AI在量子化学、结构优化、流体动力学和药物发现等领域的具体应用案例。

对于未来展望，多位行业专家纷纷表示，他们期望在2025年能够见证像GPT-5这样的下一代大模型的诞生，并在大模型的安全性和理论可解释性方面取得重大进展。

事实上，AI 作为新质生产力的重要引擎，不仅代表了科技的前沿趋势，更是未来经济发展的关键驱动力，目前已产生明显的经济效益和社会效益。研究机构IDC最新数据显示，随着 AI 应用持续走深向实，行业大模型在金融、医疗、教育、零售、能源等多个行业领域实现初步应用，到2025年，全球 AI 支出将达2270亿美元。预计到2030年，AI 将为全球经济贡献19.9万亿美元，推动全球GDP增长3.5%。而目前，几乎98%的企业领导者将AI视为其组织的优先事项。