一、行业动态
（一）企业融资与投资
- 软银-OpenAI“星际之门”项目融资遇阻：软银集团原计划在美国投资1000亿美元建设AI基础设施的“星际之门”项目，因特朗普政府的关税政策带来的经济风险，项目融资谈判陷入停滞。同时，OpenAI自身的动荡也为项目增添了不确定性，但部分建设仍在推进。此外，软银对OpenAI的投资可能缩减至200亿美元。
- 沙特AI基建合作：沙特阿拉伯主权财富基金PIF旗下AI领域企业HUMAIN宣布与英伟达、高通、亚马逊AWS、AMD、思科等美国科技巨头进行AI基础设施合作。与AMD未来5年将投资至高100亿美元部署500MW规模的AI算力；与高通计划在沙特开发和构建基于高通边缘和数据中心解决方案的尖端AI数据中心等。
- 国家发改委资金投向：国家发改委联合多地政府成立首期规模1000亿元的“中国人工智能创新发展母基金”，重点投向AI芯片、机器人、生物计算等领域。
（二）企业产品发布与合作
- 百度：文心一言最新模型X1 Turbo｜4.5 Turbo上线；大模型方言发音人全面上线，有12款发音人、9种方言；OCR电子行驶证识别重磅上线，结构化识别正副页字段，月免费额2000次。此外，百度荣获两大AI项目“2025爱迪生奖”，萝卜快跑在无人车领域获最佳新产品奖金奖，“濒危物种AI守护官2.0”获可持续发展领域最佳新产品奖银奖。
- 火山引擎：在FORCE LINK AI创新巡展·上海站，发布豆包·视频生成模型Seedance 1 lite、豆包1.5·视觉深度思考模型，并升级豆包·音乐模型。
- 腾讯：混元宣布开源首个多模态统一CoT奖励模型，与上海AI Lab、复旦大学、上海创智学院联合提出全新研究工作UnifiedReward – Think，构建出首个具备长链式推理能力的统一多模态奖励模型。
- 昆仑万维：正式开源(17B+)Matrix – Game大模型，即Matrix – Zero世界模型中的可交互视频生成大模型，是工业界首个开源的10B+空间智能大模型，面向游戏世界建模。
- 小米：申请推理大模型MiMo商标，状态为等待实质审查。该模型专注于从预训练到后训练的全过程优化，旨在全面提升推理能力，小米在2025年4月30日将这一技术开源。
- 苹果：机器学习团队携手南京大学和香港科技大学，推出名为Matrix3D的3D AI模型，专注于从少数2D照片中重建真实世界的物体和场景，革新了摄影测量技术体系，为沉浸式技术带来实际应用潜力。
- 蚂蚁数科：旗下企业级AI产品全线出海，首次在海外市场展示全栈AI产品矩阵，主打的AI产品包括智能体开发平台Agentar、多端开发产品mPaaS以及安全科技产品ZOLOZ等。
（三）市场使用趋势
Poe发布2025年春季AI模型使用趋势报告显示，DeepSeek R1使用率从2月峰值7%降至4月底3%，下降超50%；OpenAI因GPT – 4o新增吉卜力风格等文生图功能实现使用率暴涨；快手Kling系列在文生视频领域迅速崛起，三周内占据21%份额。在不同领域具体情况如下：
- 文本领域：OpenAI的GPT – 4.1系列和谷歌的Gemini 2.5 Pro在现实世界的编程任务中表现优异，份额迅速增加，分别达到约10%和约5%；Anthropic的Claude系列份额下降约10%。
- 文生视频：快手Kling家族视频生成模型获得约30%的使用份额，Kling – 2.0 – Master三周后产生21%的份额；谷歌的Veo 2保持约20%的使用份额；Runway使用份额下降约40%，降至约20%。
- 推理模型：发送给Poe推理模型的所有文本消息份额从约2%增加到约10%。Gemini 2.5 Pro使用迅速增长，获得约30%的推理消息份额；OpenAI的推理模型中，订阅者迅速采用最新模型；xAI的Grok 3在推理模型使用中占比不足1%；混合推理模型共同使用约为1%。
- 文生图像：GPT图像生成（GPT – Image – 1）两周内达到17%的图像生成使用率；谷歌的Imagen 3家族使用增长稳定，从约10%增加到约30%；黑森林实验室的FLUX家族图像生成模型占有率约为35%，份额轻微下降。
- 音频领域：用户偏爱ElevenLabs，满足约80%的所有订阅者的TTS请求；Cartesia、Unreal Speech、PlayAI和Orpheus等新兴竞争对手竞争加剧，市场开始多样化。
二、技术突破
（一）模型技术
- 中国科学院Difface模型：研究人员开发出Difface新型AI模型，可通过分析少量DNA片段重建一个人的面部。基于近10000名志愿者的数据训练，学习DNA中影响面部特征的SNP片段，建立遗传标记与面部结构联系，借助“扩散”技术生成人脸图像。仅凭DNA输入，重建面部平均误差约为3.5毫米，加上年龄、性别和BMI等信息，误差可缩小到3毫米以下。目前仅适用于汉族人群。
- 苹果Matrix3D模型：苹果机器学习团队联合高校推出的Matrix3D 3D AI模型，能从少数2D照片中重建真实世界的物体和场景。革新摄影测量技术体系，一次性整合图像、相机参数和深度数据等过程，减少中间环节，降低人为错误风险，提高整体性能。采用掩码学习方法训练，强化适应性，小数据集或不完整数据也能有效学习关键特征。
- AI在基因调控中的应用：国际科研团队利用深度学习算法，结合数千次血液细胞分化实验数据，设计出具有精准调控功能的合成增强子。可预测特定细胞类型中所需的增强子序列，设计出在目标细胞中特异性激活或抑制目标基因的合成增强子，为基因治疗和细胞工程提供技术支撑。预计到2027年，全球基因调控工具市场规模将突破20亿美元，AI技术将扮演核心角色。
（二）其他技术
- 美国威瑞森：生物科技公司Verseon在2025年IEEE人工智能大会上发表两项创新成果。首项技术通过新型插补方法使生物年龄预测误差降低22%；第二项AutoESSV技术改进了AI模型集成策略，在16个测试数据集上实现回归误差减少25%、分类误差降低12%，适用于医疗等数据不完善领域。
- AI万物迁移技术：2025年该技术掀起视觉领域变革风暴，主流工具如ComfyUI工作流（结合Flux套件）、StartAI（Photoshop插件）、在线工具、DrawThings（Mac专用）等，可实现图像、视频中的物体智能替换与融合，适用于电商、建筑设计、影视制作等多个行业。
三、应用案例
（一）天文研究**
- AstroAgents系统：美国国家航空航天局（NASA）戈达德太空飞行中心开发的“AstroAgents”系统，由8个“AI代理”组成，可在天体生物学领域自主进行研究，分析数据并生成科学假设，涵盖从阅读文献到撰写论文的全流程。开发者计划用该系统研究NASA将从火星带回的样本，以确定其中是否含有表明过去或现在生命存在的有机分子。
- 机器学习识别系外行星：NASA机器学习科学家与天文学家携手开展自动化项目，构建的机器学习程序ExoMiner识别出370颗此前未知的系外行星。
- SETI助力监测宇宙电磁信号：美国加州大学伯克利分校的搜寻地外文明（SETI）计划研究中心为甚大天线阵列（VLA）构建AI驱动的软件系统，每秒能处理2太字节（TB）数据，增加了新的搜寻目标。SETI还参与“突破聆听”计划，广泛扫描百万颗恒星和百个星系，寻找生命存在的证据。此外，AI也被用于探测地球附近更温和的生命迹象。
（二）医疗领域**
- Kimi布局AI + 医疗：月之暗面旗下产品Kimi近期对AI医疗产品进行布局，优化财经、法律、医学等专业领域的搜索信源质量，探索Agent等产品方向。
- 中山大学成果：中山眼科中心与华为合作研发首款眼科大模型ChatZOC，提升服务效率75%；运营管理的国家超级计算广州中心，将超算智算融合，赋能产业创新，以生物医药产业为例，药物设计及动物实验验证时间从2年缩短至49天。
（三）农业领域**
中山大学地理科学与规划学院教授石茜带领飞鸟团队试点“AI + 无人机”的智慧种植模式，通过遥感技术、无人机低空飞巡、AI识别作物长势等进行农情预警，再由大数据来指导种植，实现对果园的数字化管理。试点后的果园荔枝产量平均增长了20%，品质也有明显提升，今年该果园“AI智慧管家”被广东省农业农村厅列为新技术新模式，在全省的荔枝主产区推广。
四、发展趋势与挑战
（一）发展趋势
- 技术趋势
- 智能体崛起：以OpenAI o1/o3、微软Copilot为代表的Agentic AI正推动AI从“辅助工具”升级为“超级助理”，能解析复杂指令，在医疗诊断、代码开发等领域提升效率。预计到2028年，AI将自动化15%的日常决策。
- 小模型与合成数据崛起：微软Orca 2、DeepSeek R1等小模型通过优化算力效率，在端侧设备上实现媲美大模型的性能，为工业质检、金融风控等场景的本地化部署铺平道路。
- 生成式搜索发展：AI促使信息检索从传统的关键字搜索转变为生成答案的新模式，提升信息获取效率，但也带来原创内容版权保护、AI生成内容可信度等问题。
- 基础设施与主权AI投入增加：全球科技巨头持续加大对AI基础设施建设的投入，如微软投资800亿美元；各国推进“主权AI”战略，强化数据本地化与合规审查。
- 应用趋势
- “产业 + AI”模式推广：企业积极拥抱AI变革，“AI in All”模式下AI融入企业产品、服务和业务流程；“All in AI”模式从研发到客户体验全流程重塑，打造“AI原生”企业。
- 自动驾驶与Robotaxi商业化：自动驾驶技术迈向端到端模式，Robotaxi逐渐进入商业化落地阶段。
- AI4science发展：AI在科学研究领域发挥重要作用，如药物研发、材料科学、气候变化模拟等，开启AI4science的黄金时代。
（二）面临挑战
- 伦理与隐私问题：AI的快速发展引发算法偏见、数据滥用、个人隐私泄露以及“黑箱”问题等伦理和隐私担忧，需要制定明确的伦理准则，加强监管和技术手段保障数据安全。
- 就业与社会结构调整：AI技术的广泛应用可能导致大量传统岗位消失，加剧就业市场的技能不匹配问题，同时可能加剧社会结构不平等，政府和企业需提供再培训和职业转型支持。
- 安全与控制风险：AI技术带来新的安全威胁，如网络攻击、数据泄露等，甚至可能被用于军事和监视领域威胁个人自由和国际安全，需要加强国际合作，制定安全标准和规范。
- 法律与监管空白：现有的法律框架和监管机制难以适应AI技术的深入应用，如何界定AI系统的法律责任、保护数据安全和隐私以及规范AI在敏感领域的应用成为亟待解决的问题。
