Leonis Capital 昨天发出来了 Newsletter，《The State of AI in 2025》。
我们先看看他们去年预测的准不准，再决定看他的2025年预测。
| # | 预测 | 评估 |
|---|---|---|
| 1 | 一种新的 AI 范式超越 Transformer。 | 🤔 Transformer 仍然是主流架构，但面临扩展问题。新架构出现，但在生产环境中的可行性较低。 |
| 2 | AI 代理软件找到初步应用。 | ✅ 2024 年是 AI 代理（Agent）之年，但相关应用仍处于早期阶段。 |
| 3 | 随着企业探索更多用例，小型模型变得更受欢迎。 | ✅ 更小、更专用的模型在部署中得到应用，例如实时客户支持、代码辅助等。 |
| 4 | 模型开发者和用户将面临更多监管挑战。 | ✅ 更多知识产权诉讼。欧盟《AI 法案》生效。 |
| 5 | AI 热潮降温，但行业建设仍在继续。 | 🤔 初创公司炒作减少，更专注于客户。但基础模型公司仍然热门，VC 仍然大量投资 AI。 |
| 6 | 垂直 AI 初创公司发展出更成熟的应用。 | ✅ 垂直 AI 采用 SaaS 模式。医疗、法律和金融等行业开始广泛采用 AI。 |
| 7 | AI 领域的并购市场蓬勃发展，大公司寻求收购创新企业。 | ✅ 2024 年发生了重大收购，例如 Google 收购 Character.ai，Microsoft 收购 Inflection 等。 |
整体上还是对的多，看看他们今年咋说。
TL;DR 先看总结
2024年趋势
Scaling Law 黄金时代的终结 从 System 1 到 System 2 的转变 AI 原生初创公司的崛起 企业级 AI 进入执行阶段 SaaS 革命
2025年预测
生成式 AI 的首个“杀手级应用” AI 经济模型的成本危机 AI 商业模式的进化 能源危机 多智能体系统（Multi-Agent Systems, MAS）的崛起
再看细节
2024年趋势
Five Trends That Defined 2024
2024 年，AI 规模化训练遇到极限，传统的 Scaling Law（算力翻倍） 难以为继。未来几年，训练一个超大模型可能消耗相当于美国 GDP 的 2.2%，而到 2035 年，这一成本将超过 整个美国经济规模，已不可持续。
主要瓶颈：
算力消耗激增：xAI 的 Colossus 100,000 GPU 集群 显示出大规模计算的极限。 数据短缺：高质量训练数据 将在 2026-2032 年枯竭，影响模型性能。 成本 & 盈利困境：OpenAI、Anthropic 等公司 难以证明其高昂的投资能带来稳定收益。 未来方向：
新架构 & 训练优化：DeepSeek 通过 GRPO 技术，以极低成本训练出 媲美 GPT-4 级别的模型。 小型模型 & 蒸馏技术兴起，提升推理效率，而非仅靠扩展参数规模。
2025 年，AI 竞争将转向“智能扩展”而非“蛮力扩展”，更高效的模型训练方法将取代单纯依赖算力的增长模式。
AI 重大突破不再是更大模型，而是更深层次的推理能力。OpenAI o-1 通过逐步推理（System 2），超越了传统模式匹配（System 1），引发行业跟进（Claude、Gemini、DeepSeek R1）。
突破速度惊人：短短两个月内，AI 从大学生级别跃升至博士级别，尤其在数学、编程等符号推理领域表现卓越。 推理优先，改变 AI 发展方向：AI 开始优化逻辑能力，而非单纯增加数据，为理论物理、化学、生物等领域带来新突破。 计算需求转向推理：AI 计算的重点从训练转向推理（Inference），可能改变 AI 硬件生态，影响 GPU 需求结构。
2025 年，推理驱动 AI（Reasoning-First AI） 将取代传统大模型策略，推动更智能、更精准的 AI 发展。
2024 年，传统软件+AI 与 AI 原生应用 之间的差距愈发明显。微软 Copilot 和 Notion AI 由于 架构过时、产品体验割裂，用户体验不佳，证明 “AI 贴片”式改造行不通。
传统软件的局限：
架构落后：以人为中心的设计难以兼容 AI 原生工作流。 商业模式不匹配：微软等传统公司依赖许可证订阅，但 AI 需要数据驱动的持续优化。 AI 原生初创公司的优势：
AI 是核心，而非附加功能，数据库基于嵌入式搜索，API 设计适配流式输出和大上下文窗口。 自我优化的飞轮效应：用户使用 AI 提升模型，吸引更多用户，形成数据-模型-增长闭环。
2025 年，AI 原生公司将超越传统 SaaS 企业，凭借更智能、更高效的架构，重塑软件市场格局。
企业 AI 支出已从实验阶段进入全面执行。2024 年初，AI 相关交易同比增长 293%，远超软件整体 6% 的增长。超过三分之一的企业 正在使用 AI，每季度平均支出 $1,500，同比增长 138%。工程、HR 和财务部门 是 AI 采用的主要推动力，自动化后台流程成为关键应用。
质量优先，高成本 AI 依然受青睐
企业 愿意为高质量 AI 支付溢价，而不是冒险使用低成本但不可靠的系统。 法律、医疗等领域，AI 误判可能导致 数百万美元损失或生命风险，使得AI 质量成为采购的决定性因素。
AI 初创企业的策略变革
MVP 标准大幅提高，AI 需要极高精准度，“快速上线、后续优化” 的策略不再适用。 GTM（Go-to-Market）模式转向精准化，企业更倾向解决特定行业痛点，而非广泛泛化 AI 方案。
2025 年，企业 AI 采用将继续加速，精准、高质量 AI 解决方案 将成为市场核心竞争力。
AI 正在从工具型软件（SaaS） 转变为 直接执行任务的 AI 代理。传统 SaaS 依赖按用户计费，而 AI 代理按成果收费，逐步取代人类劳动。
效率革命：
传统商业分析师年薪 $150K，产出 200 份报告（$750/份）。 AI 代理年成本 $100K，可生成 20,000 份报告（$5/份）。 150 倍效率提升，推动企业预算从人力转向 AI。 行业变革：
医疗 AI 采用率 +131%，金融 AI 支出 +331%，企业愿为 AI 直接创造的 ROI 付费。 AI 代理威胁传统 SaaS，如 LinkedIn、Salesforce 依赖人力驱动的商业模式，难以适应 AI 取代人类的趋势。
未来展望：
传统 SaaS 迫使用户学习软件，而 AI 代理直接交付结果。 SaaS 订阅制正在被“按任务计费”模式取代，AI 代理将主导企业自动化时代。
2025年预测
Looking Forward: Five Predictions for 2025
AI 代码生成能力在 2024 年取得指数级突破，从辅助开发者进化到独立构建完整应用。Claude 3 等模型可理解代码库、推理架构，并生成生产级代码，而不仅仅是补全代码片段。
关键技术突破：
代码生成准确性大幅提升，可处理完整项目。 上下文窗口扩大，保证跨文件一致性。 支持多语言 & 复杂框架（Java、C++ 等）。
2025 年变革：
非开发者 也能用 AI 生成并部署应用，软件开发民主化。 首个真正市场竞争力的 AI 生成应用将诞生，不再只是技术实验，而是行业挑战者。
2025 年，AI 代码生成将颠覆软件开发格局，重新定义谁能构建软件。
AI 产业的高成本模式已难以为继。OpenAI 和软银宣布 $500B Stargate 项目 扩大算力投入，而 DeepSeek 仅用 $5.5M 训练出 SOTA 级模型，颠覆了大规模资本投入等于技术领先的逻辑。
AI 成本问题：
Meta GenAI 团队陷入“恐慌”，因 DeepSeek 低成本实现高性能，质疑自身巨额投资合理性。 OpenAI o-1 API 价格高达 GPT-4o 3-4 倍，即使 ChatGPT Pro $200/月 仍亏损。 核心挑战：
AI 竞争壁垒正在消失，研究成果快速扩散，技术优势难以长期保持。 美国 AI 监管收紧，但全球 AI 研究仍高度开放，创新难以垄断。
2025 年，AI 产业将迎来成本清算期，企业必须找到更低成本、更高效的 AI 训练方式，否则将难以维持竞争力。
AI 发展依赖的补贴时代即将终结，企业必须重新定价 AI 服务。传统 SaaS 边际成本接近零，而 AI 每次推理都有高昂计算成本，导致 API 费用侵蚀利润。
当前 AI 经济困境：
AI 推理成本未被真实反映，大厂与投资者人为压低价格。 API 成本高昂，若无补贴，AI 工具可能需要200- 2000/月，远超 SaaS 订阅价。 AI 计费模式的三阶段演变：
2024 - 高端订阅（Premium AI）：高级 AI 订阅，如 $20 ChatGPT Plus。 2025-2026 - 企业计费（Enterprise Scale AI）：按任务或价值收费，替代 SaaS 订阅。 2027-2029 - AI 经济体（AI Economy）：AI 代理自主交易、创造价值，成为独立经济单位。
2025 年，AI 计费模式将从 SaaS 订阅转向按成果计费，最终形成 AI 自主经济生态，AI 不仅服务经济，甚至成为经济的一部分。
AI 数据中心耗电激增，预计到 2030 年，每年 AI 相关电力消耗将增长 50%，达到 400 TWh，超2022 年英国全国用电量。本地电网已无法承受 AI 需求，特别是在 亚利桑那、德州、加州 等地，水资源短缺 也引发社区反对新数据中心建设。
2025 年将成为 AI 电力危机的临界点：
超大规模 AI 计算项目（如 Stargate） 加剧电网压力。 企业 AI 采用激增，推理计算需求超过电网增长速度。 公用事业公司开始警觉，能源供给无法匹配 AI 发展。 行业应对措施：
微软、亚马逊、谷歌 投资小型核电站等自有能源供应。 低功耗 AI 计算技术（如光子计算、稀疏计算、分布式计算）加速发展，减少 AI 能耗。
2025 年，AI 计算的电力消耗问题将成为产业发展的最大瓶颈，能源自给与计算优化将决定 AI 未来格局。
AI 不再依赖单一大模型，而是由多个专门化 AI 代理协作，高效完成复杂任务。2025 年将见证 AI 从单体架构向多智能体系统（Multi-Agent Systems，MAS）转变，微软 AutoGen 等框架已初步实现 AI 代理之间的交互。
多智能体架构层次：
检索代理：快速查找信息。 分析代理：模式识别与数据整合。 决策代理：执行复杂推理任务。 执行代理：自动完成具体操作，具备错误处理能力。 核心优势：
比单一 LLM 更高效，分工明确，减少计算冗余。 自学习优化，类似 VirSci（AI 科学家团队），能通过交互持续提升能力。 未来 AI 交互体验：用户使用单一 Copilot 界面，但后台由多个 AI 代理协作完成任务。
2025 年，多智能体系统将成为 AI 计算的标准架构，推动 AI 进入高效、协作、自学习的新阶段。
超越蛮力：AI 的下一个篇章
Beyond Brute Force: AI's Next Chapter
2025 年，AI 产业进入智能化与高效计算时代，不再依赖更大模型和更多算力，而是更聪明的架构、更优化的计算方式和可持续的商业模式。
关键趋势：
System 2 AI 推理能力增强，超越简单模式匹配。 多智能体系统（MAS） 取代单一大模型，提高任务执行效率。 AI 成本危机 促使更高效的计算方法，减少 GPU 依赖。 服务即软件（SaaS 2.0） 颠覆传统 SaaS，按任务收费取代订阅模式。 AI 产业的分水岭：
传统路径：依赖算力扩张，继续大规模基础设施投资。 智能路径：追求计算效率、优化架构、商业可持续性。
2025 年，AI 成功的关键不再是更大的模型，而是更聪明的计算、更精准的商业模式，以及真正解决现实问题的能力。