开发新药物是一个复杂且昂贵的过程，通常需要耗费十年时间和十亿美元资金。虽然成功的回报不可估量，但前提是你要能抓住正确的目标。
未来，AI将通过上下文数据训练，成为用户日常工作的“记录系统”。例如，销售人员可以通过AI仪表盘识别关键客户，获得后续操作建议；财务分析师基于实时数据快速完成预测分析。短期内，AI输出仍需人类审阅，但随着信任逐步建立，数据驱动的决策最终可能完全由AI主导。
商务部：中澳双方主管部门近期已在进行技术沟通，以解决澳龙虾输华检验检疫问题
过去，典型的软件公司往往基于已有的记录系统构建下游工作流；而今天最具抱负的创业者开始重新构想这些核心系统。AI推动“交互式系统”的崛起，使人类从执行者转变为主要的审阅者。
目前，AI已经能从电子邮件、电话记录中提取被忽视的数据。这些数据的自动化处理主要用于减少重复性任务。下一步，AI将根据这些数据直接建议行动序列。
此外，自身免疫疾病的治疗也迎来了革命性进展。德国科学家Georg Schett提出，针对B细胞癌症的CAR-T细胞疗法或许可以有效治疗由B细胞驱动的自身免疫疾病。最新研究显示，15名无其他治疗效果的患者在接受此疗法后，均取得显著改善。他将其形容为“按下电脑的重启键，使免疫系统重获正常功能”。如此令人瞩目的疗效，连同新药的商业成功，正激发着一波聚焦重大疾病的新生物科技创新浪潮。
我们每天都在产生大量数字信息，例如短信、邮件、浏览记录等。借助LLMs，这些数据可以被整合为一个“数字大脑”，帮助我们更好地理解自己、与他人沟通，并提高工作效率。在未来，AI将成为一个无限记忆库，记录我们的想法，提供建议，指导个人成长。AI可以整理总结信息，生成数字日记，帮助我们进行更明智的决策。
六年前，a16z合伙人Benedict EvansDoes曾在《AI make strong tech companies stronger?》一文中提出：未来不会出现更多的AI创业公司，它们将是工业流程分析公司、法律平台公司或销售优化公司。曾经，沃尔玛利用SQL管理库存和物流获取成功。今天，如果你创办零售公司，不会将SQL当作护城河——因为SQL已经成为必要的一环，然后就在话语体系中消失了。
小区一楼住户竟向下挖出“两室一卫”！整栋楼都居民慌了：“危房”还能住吗？
我们即将看到利用AI原生叙事格式的新一代“皮克斯”，它将模糊电影与电子游戏的界限。
特别是，2025年对以下职业的需求会加速增多：电气工程师、控制工程师、机械与机电工程师、制造工程师、射频工程师、工业工程师、测试工程师、质量工程师以及各类高技能技术员/机器人远程操作员。这些领域的增长速度可能会在未来十年内超越“传统”软件工程领域。机器人时代正在来临，而总需要有人负责建造、训练和维护它们。
未来的AI伴侣设计可以借鉴视频游戏的成功经验。正如游戏中任务驱动的玩法一样，你与伴侣的互动也应该有明确目的性。伴侣会提及其他角色，为你介绍朋友，并讨论它们的世界中的地点、话题和问题。有时它们会给你发信息，或打电话进行长谈，而有时则仅以简短的反应出现。当AI伴侣相信自己拥有一个值得生存的世界时，它们将显得越来越真实。（P.S.是谁在期待乙游版AI伴侣）
随着星舰助推器的成功回收，快速重复使用超过150公吨载重能力的运载工具越来越接近现实。我们或许即将迈入太空新时代。
通过隐匿身份，创作者可以利用AI工具，用非母语和非母语口音创作内容。一位印度创作者完全可以制作一段关于卢浮宫的视频，用法语口音讲解，并用笔记本电脑生成效果媲美400美元播客设备的音质。
我认为，未来5—10年，一个世界级超中心需要开发3—6吉瓦的装机容量，才能在AI前沿领域占有一席之地。虽然这种规模今天尚未完全实现，但多个国家（包括美国、中国、日本、新加坡和沙特阿拉伯）正在以100—150兆瓦为单位逐步迈向这一目标。
2025年，搜索引擎垄断将结束。Google目前控制约90%的美国搜索市场，但其统治地位正在动摇——除了针对Google的反垄断裁决，生成式AI也在颠覆搜索模式。
从本质上讲，销售的职责是帮助客户学习如何评估和购买软件。随着生成式AI推动开发者生产力提升，我们将看到大量新软件进入市场，这意味着需要更多销售人员帮助买家了解这些软件如何解决问题。
对于初创公司来说，如何应对这种竞争？2025年的关键在于拥有“独特秘密”：对新兴靶点的独到见解，或在热门靶点采取差异化策略。技术和AI是获取并保持这一秘密的重要工具。初创公司必须快速、隐秘、果断地行动，抢占“成熟的牛油果”市场，才能避免落后于人。
生物学靶点就像牛油果：太早、太早、太早……现在——太晚！靶点的出现充满不可预测性。一旦某个靶点被验证有效，便会引发公司之间的激烈竞争。随着中国企业的强势加入，全球制药巨头和投资者都在关注这一领域。
自驾领域的崛起为Scale AI铺平了道路，该公司通过为感知系统标注数据而声名鹊起。而生成式AI的爆发则转向了全新类型的数据采集，包括基准测试、偏好数据和安全性验证（如“红队测试”）。这些方法跳过了直接与训练策略相关的数据采集，走向更复杂、更昂贵、更困难的任务。
美国活力（American Dynamism）是一种投资理念，专注于支持解决国家重大问题的创始人和公司。a16z设立的美国活力基金，旨在投资航空航天、国防、公共安全、教育、住房、供应链、工业和制造业，推动关键技术创新和进步。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Claude、Grok、Meta AI、Poe等chatbots也在瓜分搜索市场。60%的美国消费者在过去30天内使用chatbots研究或决定购买。而对于深入研究，专业人士也在借助领域专用平台，如Causaly（科学）、Consensus（学术研究）、Harvey（法律）和Hebbia（金融服务）。
在2000s和2010s，如果你不会编程，就会被淘汰。由此，计算机科学专业的学生人数激增，而机械工程和电子工程等专业相对萎缩。
虽然许多人预测这将开启传统私募股权的新时代，但更大的潜力在于由AI驱动的垂直服务初创公司。结合AI与定制化工作流自动化工具，这些公司能够彻底重塑传统服务行业。
随着人工智能的快速发展，美国的能源需求正在飞速飙升。电力消费多年未见的上升趋势正在让老化的电网不堪重负，促使人们重新寻求可靠的新能源来源。以清洁、稳定能源为目标的大型数据中心，已经开始重启退役的核电站，包括宾夕法尼亚州曾经声名狼藉的三哩岛核电站，计划于2028年重新上线年发生三哩岛核泄漏事故，简称TMI-2事故）
妈妈给宝宝喂辅食，宝宝：妈呀！太好吃啦，啊～快喂我 网友：我家的嫌这样一口一口喂着慢，直接端碗喝
随着大语言模型（LLMs）、网页代理和多模态模型的崛起，我们可以将非结构化数据与量化信息结合，形成更加全面的理解。我预测，这种转变将催生新一代分析工具，无缝融合数字与实时外部语境。未来的分析不仅仅是数字化的，更是动态和语境化的。
推动这一转变的三大力量包括：生成式AI正在大幅降低虚拟内容的制作成本；先进的3D捕捉技术将现实环境数字化（即“数字孪生”）；以及下一代XR设备让沉浸式体验更加实用。
同理，各行各业正在被AI技术高速且深度地渗透。因此，虽然在这份报告中，我们看不到单独拎出来的“AI领域”，但每个领域的变革都与AI息息相关。
目前，这些设备已经在机器人、自主技术和仿真领域发挥了重要作用。XR设备的广泛普及，再加上空间计算平台日益活跃的开发者活动，对于那些涉及大量物理世界数据、交互和基础设施的垂直领域尤其具有前景。
ChatGPT拥有超过2.5亿每周活跃用户；Perplexity每月用户增长超25%，改变了搜索交互形式：查询平均长度约为10个词，比传统搜索高出三倍以上，其中近半数会引发后续问题。
如今，我们正看到一场至关重要的转变——进入将AI最新技术与复杂硬件结合的职业领域。制造业回流的趋势、供水处理、商业HVAC和石油天然气等“冷门”行业中熟练工人大规模退休，以及国防、企业和消费者领域的自主化浪潮，正在推动这些技术领域复兴，跨越硬件与软件的界限。这些正是未来的热门职业。
“不露脸创作者”指的是隐藏外貌，专注于内容创作的视频创作者。其定义广泛：包括仅通过声音表达的创作者；采取替代人格掩盖身份的创作者；用虚拟化身（如VTuber）完全展示自我的创作者。
AI正推动企业重新审视其技术栈。今年早些时候，Klarna用自研的AI解决方案取代了Salesforce和Workday，这仅仅是一个开端。我预测，企业替换传统记录系统的趋势将进一步加速。
想象一下，如果你与“AI鼓手”组建乐队，无论你如何即兴演奏，AI总能精准地跟上你的节奏。这就是实时AI的魅力。
未来几年，通过算力、可持续能源以及前瞻性政策投资AI的国家，将在全球科学与经济进步中占据主导地位。
预计2025年，处于对带宽的刚性需求，自由空间光通信继续快速发展。这种通信方式相较于传统的射频技术，具有更高的比特率和更强的传输定向性。然而，现有技术在降低停机时间和干扰方面仍处于初级阶段，主要依赖诸如TCP协议的传输层纠错机制。
适道选取了其中7个领域内容（除加密行业）进行梳理和编译。想阅读原文的小伙伴，请关注【适道】，并回复“2025”，获取原文PDF。
生成式AI驱动的销售技术将大幅自动化销售代表的行政工作，使销售团队的效率和生产力显著提高——减少每位客户经理所需的支持岗位数量、缩短入职时间，让销售人员有更多时间专注于生成式AI无法自动化的高接触、顾问式销售。
今年，a16z综合50位合伙人洞察，盘点2025年消费者科技、企业服务、游戏行业等8大领域的重点关注趋势。
银行、保险和医疗行业在合规上投入了无数的时间和金钱。有了LLM，合规将变得像Google一样简单：“某行为是否合规？需要进行哪些修改？”
2025年，我们将见证核能需求的激增。监管改革、公众热情、资本涌入与日益增长的能源需求共同形成了一场“完美风暴”，驱动核能新反应堆的订单量实现数十年来的首次大幅增长。
未来的进展可能包括更先进的调制方案（类似于无线通信中的QPSK和OFDM创新），以提高数据传输效率。同时，我们预计光束控制和转向技术的改进将显著增强系统的抗干扰性。此外，更精确的定位、导航和定时系统（PNT）的集成将进一步优化光通信，特别是在移动应用中。
最成功的企业将与小型现有公司合作，显著提升盈利能力，并利用优越的经济模式和现金流整合更小的企业。这种方法在操作上充满挑战，但只要执行得当，我们或将见证服务行业运营模式的全新演进。
跨党派对清洁能源的支持和民间的广泛拥护，正推动核能重新走入主流。这不仅关乎能源本身，还关乎美国在全球AI竞赛中的领导地位、电网的更高韧性，以及未来美国繁荣的保障。
尽管大模型可能仍会带来更多收入，但小模型将在消费者和B2B用户体验中占据核心地位，其市场份额将显著提升。
仅仅解决一个问题不足以建立护城河，初创公司还需要扩展到其他工作流，将自己发展成核心记录系统。
这种定量与定性的融合不仅能提升现有流程，还将为未来AI原生公司创造战略突破口。
在争夺AI主导地位的竞赛中，算力已经成为关键的国家基础设施。然而，并非每个国家都具备参与竞争的条件。训练和推理大规模AI模型需要成千上万台高能耗的GPU，这要求充足的能源供应、有效散热数百兆瓦热量的土地。我称这些能够开发、训练并托管最先进模型的地方为AI“超中心”。
生产力越高，招聘的销售代表越多，收入也越高。只要每位销售代表带来的边际收益未显著下降，企业将争相招聘更多人员。更高的生产力带来更多人员，进而带来更高收入。想象一下，这些销售代表拥有AI赋能的教练、SDR和销售工程师，他们的效率和生产力将无可限量。
AI正在各行各业推动软件变革。2024年，许多初创企业通过处理复杂任务切入市场；2025年将成为从差异化到持久竞争优势转变的关键一年。
AI agents可以在任何现有记录系统之前插入，整合分散的数据源，优化重复任务。例如，虚拟销售代表（SDR）在创建客户记录前，完成对潜在客户的信息收集和初步沟通。
这类专业化工具会提升视频创作的深度和一致性，根据不同平台（如TikTok、YouTube、电影大屏幕）进行优化。每一个看似“小众”的视频工具都有潜力发展为庞大的公司。AI视频正在从“炫技原型”向“艺术形式”转变。
最终，观众将决定哪些内容值得关注。如果信息足够有意义、有趣或富有洞见，我们是否真的在意镜头背后的那张面孔？
AI作为“副驾”，会在需要时调用人类提供信息或校正结果，而非简单的一次性生成完整内容。这种动态协作将推动AI更深地融入日常工作。
2025年，生物医药领域将掀起新潮流，即回归对常见重大疾病的研究与攻克。这一趋势受到GLP-1类药物带来的市场动力推动，预计到2030年相关市场规模将超过1000亿美元。
传统服务行业，如保险、法律、房地产和IT一度因低利润率和难以规模化受限。如今借助LLMs，通过自动化语音、邮件和消息等流程，这些行业实现了高利润率和可扩展性。
AI原生的互动视频可以即时生成整个游戏内容，无需游戏引擎或预先构建的素材。基于玩家输入，图像生成模型能够实时推断出下一帧画面，打造个性化且无限的游戏体验，将影视的可及性与游戏的动态性融合。未来，我们有望见证一家新兴的标志性媒体公司，通过互动视频重塑叙事体验。
2024年是多模型市场成为现实的一年，2025年将是AI原生应用层崛起的一年。
AI技术正在帮助医疗行业实现转型。2025年，专业化AI模型将成为医疗环境中的“超级员工”平台。通过自动化低级任务，释放现有劳动力的高价值潜能，这些平台将以指数级速度放大医疗服务规模，并解锁前所未有的商业机会。
游戏领域一直引领着技术突破——从英伟达的图形处理技术到Unreal Engine的实时3D渲染——这些工具正在解决关键的商业问题。例如，基于Unreal Engine构建的公司Applied Intuition，通过虚拟模拟来训练和测试自动驾驶汽车。
根据OpenAI和宾夕法尼亚大学的一项研究，LLMs可使15%的工作任务效率显著提升。而结合构建于LLMs之上的软件和工具后，这一比例将提高到47%-56%。
六旬菜贩在车内烧炭取暖身亡，一旁蔬菜摆得整整齐齐，附近商户：为了占位置，天没亮就来了
尽管这一转变需要面对巨头公司的资源壁垒，以及数据护城河，但它还是代表了软件领域中最令人兴奋的挑战之一。
下一代AI伴侣将更加生动逼真。它们会拥有自己的虚拟朋友、对新闻的反应和情感。它们会有自己的动机、使命和愿望，并会与用户探讨他们的动机和目标。
目前已经明确，LLMs“推理”并不像人类思维那样运作。近期，苹果的一篇论文也表明，LLMs只是简单复制训练数据中的推理步骤，看起来像是在推理。
这种转变的应用已然显现：Anduril利用游戏引擎进行国防模拟；特斯拉用虚拟世界训练自动驾驶系统；宝马将AR整合到未来的抬头显示系统中；Matterport通过虚拟漫游彻底改变了房地产行业；Traverse3D则帮助企业实现虚拟互动式员工培训。
过去一年，一系列新一代扩展现实平台问世，包括Apple Vision Pro、Meta Orion。尽管这些产品在激发消费者、开发者活动仍处于早期阶段，但它们在推进物理世界应用方面具有巨大潜力，特别是在世界建模和机器人基础模型等前沿领域。
哪些AI应用将胜出？许多客户企业已从“我们需要AI”的初期采购热潮转向更注重ROI。因此，在大多领域内，最佳的创始团队本质是应用AI的工程团队。他们探索与模型互动的最佳方法，以解决客户“最后一公里”难题。
用户需要“深挖”信息，渴望答案与深度。但如果Google用AI内容满足这一需求，也将付出短期利润的代价。
2023年，潜在一致性模型（LCM）展示了实时AI的雏形。随着推理时间缩短，AI创意工具变得高效和实用，催生了实时视频生成等新应用。2025年，实时AI将解锁更多激动人心的场景：从生成视频伴侣到AI乐队成员。实时AI将颠覆创意工作流程，开启机器与人类真正协作的新时代。
数百万人都在玩的AI伴侣体验仍有限——仅对用户发起的对话作出反应，缺乏虚拟朋友或外部情境。换句话说，它们没有“内心世界”。
2025年将成为“AI副驾”（AI copilots）普及的里程碑——每个白领都将有一个AI助手帮助处理繁琐任务，让人们专注于更具创造性或战略性的工作。
P.S.潜在一致性模型（LCM）能够精简原始模型，使其只需4-8步就能生成图像；而最初的稳定扩散（SD）模型则需要25-50步来生成图像。
目前，许多公司正通过远程操作、合成仿真、模块化机械手等方式大规模采集机器人数据。这些方法为实现通用机器人的基础数据积累铺平了道路。然而，在获得数十亿，甚至数万亿条机器人数据后，下一步该如何做？
我认为AI不再仅运行在云端大服务器，也会运行在小型设备和应用上。你的文本编辑器会内置LLM，帮助你撰写电子邮件；你的相机应用可以重新生成照片中你不喜欢的部分，总结视频内容发生了什么。这一切都将在本地运行，提供快速且响应及时的用户体验。
生成式AI不会削弱销售行业，还可能推动其进入黄金时代，带来大规模的招聘热潮。
OpenAI o1是率先大胆探索的主要模型之一，结果令人鼓舞。其他AI团队也在开展相关工作。我很期待他们的进展，以及这些技术将为LLMs带来的新能力。
传统意义上，游戏主要是为娱乐而设计的虚拟世界；如今，游戏技术正在突破娱乐领域，变革企业的运作方式。
未来一年，我预计小型、端侧AI模型将在使用量、应用场景方面占据主导地位。这一趋势将由具体用例、经济性、实用性，以及隐私需求所推动。不断发展的基础设施能够支持这一转变，包括TensorFlow Lite、PyTorch Edge等软件框架，以及Google Edge TPU等定制硬件。
这为软件交互方式的创新打开了大门。未来的UI将突破传统SaaS工具中“人工输入数据”的框架。虽然聊天界面是最早的实验互方式，我预计更多新颖的交互机制将涌现。AI agents将直接参与工作流，用户界面会被重新设计，用于人类审查和质量保证。
如同LoRAs和Midjourney的风格参考，未来的知识工作将引入个性化控制：
适道交流群已开通，我们会定期分享行业资讯、干货报告，欢迎备注“姓名+职位”添加微信畅所欲言：AIGC114。
近年来，用AI分析血液生物标志物、可穿戴设备跟踪生物特征数据、全身扫描等技术让健康管理更加个性化和普及化。这些工具赋予患者前所未有的自主权，使原本仅限于临床环境的数据和洞察触手可及。这种健康民主化正在重塑医疗模式，将更多精力转向预防、早期检测和健康管理，让人们更长久地保持健康。
2025年将是AI原生UI与UX范式确立的一年。过去几年，企业专注于训练前沿模型并搭建基础设施。随着技术栈的成熟，企业摸清了AI的潜力，用户也逐渐适应了与这种“非确定性界面”的交互。
在他们看来，这样的关键技术进步包括：1903年-莱特兄弟成功飞行、1942年-曼哈顿计划、1947年-晶体管的发明、1984年-互联网诞生、2007年-iPhone发布、2015年- SpaceX首次成功回收火箭一级，以及2022年-生成式AI成为主流等等。那么，2025年有哪些值得期待的BIG IDEAS呢？
无论是通过虚拟环境训练自动化系统、用3D视觉帮助消费者购物，还是通过模拟扩展未来劳动力的规模，我相信2025年游戏技术将渗透到每个行业。
星舰的成功不仅让人类登陆月球和火星的能力更进一步，也使得建立微重力环境下的生物医学实验室成为可能。除此之外，它还能够让我们将人类和货物在40分钟内运送到地球的任何角落，开启前所未有的产业模式和接入方式。2025年，有可能是科幻照进现实的起点。
成功的AI应用可能会结合多个大模型+自训练的小模型，来优化客户的用例、速度和成本。这些应用还需尽可能地吸收客户数据（以及终端用户数据），提供从通用到有价值的AI体验。未来成功的AI应用公司，绝不会被简单视为“GPT套壳”。
不过，最先进的模型在数学、物理和编码等“推理”任务中的表现正在持续变好。例如，LLMs已能达到国际数学奥林匹克竞赛的金牌水平——得益于模型训练中的新技术（基于推理路径的强化学习）和模型推理阶段的技术（测试时计算）。
长期以来，分析软件主要处理数字和结构化数据，忽略了定性资料。然而，想要真正看清全局，我们需要解读文字、故事和非结构化见解。
此举还能直接惠及消费者。每年约有150万人因未及时支付抵押贷款而面临困境。如果他们与“熟悉Fannie Mae 1000多页服务指南”的AI对话，将很容易找到解决方案。
NBA杯-老鹰逆转尼克斯进四强将战雄鹿 特雷杨22+11唐斯19+19
未来，我们在机器人领域将看到：仓库中，机器人被放置于危险环境中进行安全评估；组织开发隐秘而复杂的基准测试，以甄别垂直领域的佼佼者。尽管训练通用机器人策略的基础数据采集是关键，但最终的落地还需依赖这些“二级系统”的支持。
