行动，而非对话

在人工智能加速演进的2025年，大模型技术已悄然跨越“能说会道”的初级阶段，迈入“能思会做”的新纪元。从通用智能体（Agent）的自主任务执行，到端侧设备的实时交互革命，再到模型架构对Transformer范式的突破——技术变革正以前所未有的速度重塑产业格局与用户习惯。

本文基于国信证券最新发布的深度研究报告《大模型发展趋势复盘与展望》，系统梳理过去一年大模型领域的三大关键跃迁，并前瞻性解读2026年AI竞争的核心战场。

无论您是技术从业者、投资人，还是密切关注AI浪潮的观察者，这份融合产业洞察与技术前沿的复盘，都将为您提供一份清晰的“未来导航图”。

---

一、通用Agent：从“提供建议”到“交付结果”

过去几年，Chatbot类产品虽能对话、写作、编程，但始终停留在“建议层”——用户仍需手动执行后续操作。而2025年，真正的AI Agent开始登场。

最具代表性的案例是 Manus——一款于2025年3月发布的通用Agent。它不仅能理解用户目标（如“做一个公司官网”），还能自主规划路径、调用工具、操作浏览器、生成代码，并直接交付可用成果。无需人工干预，真正实现“设定目标，坐等结果”。

•

5月开放注册首日用户破百万；

•

10月Manus 1.5上线，任务完成时间从15分钟缩短至4分钟以内；

•

12月ARR（年度经常性收入）超1亿美元，累计处理Token超147万亿；

•

12月30日，被Meta以数十亿美元估值收购，创始人肖弘出任Meta副总裁。

Manus的商业模式采用“订阅+积分”双轨制：

•

Standard（$20/月）：适合日常研究与轻量任务；

•

Extended（$200/月）：支持批量生产与数据分析；

•

Team版则面向企业，提供安全合规与协作管理。

这标志着AI产品正从“功能型工具”向“生产力代理”跃迁。

二、Perplexity：AI搜索进化为AI Agent平台

另一条路径来自搜索领域。Perplexity AI自2022年推出以来，一直以“答案而非链接”为核心理念。2025年，它进一步升级为AI Agent平台：

•

7月推出AI浏览器Comet（基于Chromium），可自动摘要网页、描述图像、撰写邮件、甚至完成电商购物；

•

10月全球上线后流量激增，但因OpenAI等竞品快速跟进（如SearchGPT），用户留存承压；

•

2025年末ARR接近2亿美元，估值达200亿美元。

然而，高速增长也带来法律风险——《纽约时报》于2025年12月起诉其“非法复制数百万篇文章”，版权问题成为行业共性挑战。

Perplexity的下一步，是深耕医疗、教育、企业服务等垂直领域，打造深度研究与可信引用的闭环。

---

三、端侧爆发：手机与眼镜成AI新战场

当大模型能力足够强大，终端设备便成为争夺用户注意力的关键入口。

1. 手机Agent：操作系统级的智能助手

字节推出的豆包手机助手已搭载于中兴nubia M153，具备系统级权限，可跨应用操作、自动订餐、比价购物。其技术架构分为两层：

•

云端：30B级大模型，处理复杂任务；

•

端侧：13B分组模型（1B路由 + 12B工作组）+ 多个1B编解码模型，实现低延迟响应。

但挑战依然存在：复杂界面识别易出错，部分APP的安全机制会干扰AI操作（如微信登录验证码）。

2. AI眼镜：2025拐点，2026放量

据Omdia预测：

•

2025年全球AI眼镜出货510万台（+158%）；

•

2026年有望突破1000万台，中国市场占12%（约120万台）。

典型案例：雷朋眼镜在接入Llama AI功能后，销量三个月内从5万部飙升至50万部，增长10倍！

目前Meta占据**75%**市场份额，但苹果、谷歌正加速入局。2026下半年，Meta将推全彩弹幕式Halo升级版，谷歌也将发布多款AI眼镜，Gemini 3将落地其中。

国内方面，阿里夸克AI眼镜整合通义千问、高德、支付宝、淘宝等生态，支持“扫一扫支付”“搜同款”“出行提醒”等场景，展现本土化优势。

---

四、模型架构：后Transformer时代开启

性能与成本的双重压力，正推动模型架构创新。

1. Google Titans：让AI拥有“长期记忆”

Google在NeurIPS 2025发布 Titans + MIRAS 架构，核心突破在于：

•

推理时动态更新权重，实现“持续学习”；

•

支持超200万Token上下文；

•

但代价是幻觉率略高、单Token算力消耗大，依赖TPU部署。

2. Mamba系列：速度与成本的颠覆者

•

Mamba（2023）：基于状态空间模型（SSM），推理速度远超Transformer，显存占用更低；

•

Mamba-2（2024）：通过“结构化对偶性”理论，兼容GPU Tensor Core，训练效率大幅提升；

•

混合架构成主流：如AI21的Jamba（Mamba+Attention交错）、IBM的Granite 4.0（Mamba-2 + MoE），在长文档处理、代码理解等企业场景中显著降本。

以DeepSeekV3.2为例：128K上下文输入成本仅0.2美元/百万tokens，远低于传统方案。

---

结语：Agent × 端侧 × 新架构 = 下一代AI范式

2025年，我们见证了AI从“被动响应”走向“主动执行”；2026年，这一趋势将在手机、眼镜、浏览器、操作系统中全面渗透。

未来的竞争，不再是“谁的模型更大”，而是：

•

谁能构建最可靠的Agent工作流；

•

谁能在端侧实现低延迟、高精度的跨应用操作；

•

谁能在新架构上平衡性能、成本与可控性。

大模型的下半场，属于行动者，而非说话者。

如何学习AI大模型？

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓