State of AI Report 2025 是 Nathan Benaich 与 Air Street Capital 团队制作的年度开放报告，覆盖研究、产业、政治、安全、从业者调查和预测。它擅长把分散事件组织成产业叙事，但不等同于中立统计年鉴或同行评审论文。
阅读这份报告的最佳方式，是把它当作一张“值得核验的假设地图”：先看作者认为哪些变化彼此相关，再回到原始论文、公司披露和公共数据验证具体判断。
四条主线
报告把模型、产品、基础设施和政策放在同一产业链中。四条主线相互影响，但它们包含不同类型的证据，不能用同一确信程度阅读。
| 主线 | 报告判断 | 阅读限制 |
|---|---|---|
| 推理模型 | 测试时计算和后训练成为前沿竞争重点 | 基准污染、方差和提示差异会放大表面进步 |
| 开放权重 | 中国开放权重生态加速，闭源领先模型仍保持能力和成本优势 | 开放权重不等同于开放训练数据或完全可复现 |
| 智能体 | 代码、科研和计算机操作工具开始产生真实用途 | 长流程可靠性、环境迁移和成本仍限制生产部署 |
| 基础设施 | 多吉瓦集群进入规划，电网与电力成为路线图约束 | 项目计划、已建成容量和实际利用率必须分开 |
推理成为产品能力，也成为测量难题
报告认为 2025 年的模型竞争围绕“先思考再回答”展开，OpenAI、Google、Anthropic 和 DeepSeek 等开发者交替领先。测试时增加计算与强化学习后训练，把推理能力直接带入产品。
但报告也收录了对推理增益的质疑：结果可能落在基线方差内，细微题目变化会导致显著退化，思维链也不一定忠实反映内部过程。能力展示与可重复测量必须分开。
开放权重竞争加速，但“开放”不是单一属性
DeepSeek、Qwen、Kimi 等中国模型推动开放权重生态快速发展，降低了开发者获得强模型的门槛。报告同时认为，最强闭源模型仍在能力成本比上保持优势。
比较时需要区分可下载权重、代码、训练数据、许可证和可复现性。把开放权重直接写成完全开源，会掩盖部署自由度、安全审查和供应商依赖之间的差异。
智能体开始实用，可靠性仍决定边界
代码、科研、医学和计算机操作工具从演示走向具体工作流。工具调用、环境反馈和任务分解让模型能够完成更长链条的任务。
与此同时，报告记录了环境迁移、奖励投机、长上下文、记忆和成本问题。一个智能体能完成某次演示，不代表它能在权限受控、输入变化和失败可恢复的生产环境稳定运行。
电力从成本项变成路线图约束
多吉瓦级数据中心计划、电网接入周期和供电地域开始影响模型训练与推理部署。算力竞争因此不仅是芯片采购，也涉及电力、建设周期、冷却和资本结构。
规划容量不是已经投产的容量。阅读基础设施数字时，应区分公告、选址、在建、并网和实际利用，并把作者的产业判断与项目级事实分开。
如何使用这份报告
它适合发现跨领域联系和下一步调查方向，不适合作为单一事实权威。报告由风险投资机构团队制作，作者背景有助于理解产业信息，也意味着读者需要主动识别投资视角与选择偏差。
对产品决策而言，最稳妥的做法是把报告结论拆成可验证问题：模型能力是否可复现、成本是否包含完整推理预算、基础设施是否已投产、智能体是否通过真实工作流测试。
方法论
本文依据报告的执行摘要和六个主题章节进行原创归纳，并以 State of AI 2025 官方页面核对版本。
State of AI 是分析型产业报告，不是统一方法的统计年鉴；本文把作者判断归因给报告，不冒充 AI3Radar 独立测量。
报告作者 Nathan Benaich 是 Air Street Capital 普通合伙人；本文将这一利益相关背景作为阅读限制公开。
本文不复制原报告图表，不沿用其中的预测作为事实，也未独立复现实验或项目容量。