今天读了华为在9月份发布的《智能世界 2035》这个报告。这篇报告展望了未来10年的 AI 的发展愿景，主要技术跃迁并深入探讨了技术融合将如何推动工业、服务智能等系统的转型。

全文分为三个部分：

• 通往智能世界 2035 的十大技术跃迁
• 加速生产与生活全场景跃迁
• 让可持续发展成为智能的本能

分别从技术、应用场景以及科技向善、AI可持续发展的角度描绘出了一幅蓝图。
这里我简单总结概括了报告中技术部分中阐述的AI领域未来十年可能的一些重要方向、挑战和发展的趋势，涉及到模型、智能体、AI应用和基础设施（计算、存储、网络等）相关。

2035的几大技术跃迁

数字世界与物理世界的融合在加速，数字智能正在不断突破虚拟边界，快速向具有物理载体的具身智能演进。当物理世界和数字世界交融时，有大量的数据产生、传输和处理，在这一过程中，ICT基础设施将是人工智能革命的关键底座，决定 AI 应用的社会渗透深度。未来十年，信息科技将会发生重要跃迁。

五大基础技术的融合走向超级智能体

1. AGI 形成的必由之路——走向物理世界

1.1. 核心挑战

作为人工智能发展的终极目标，AGI 在未来十年的发展之路上，仍面临诸多核心挑战。展望未来，其发展路径有以下三种可能：

• 规模主导
  Scaling Law 继续作为核心定律持续生效，算力、数据与模型规模的扩展红利未见衰减。技术沿现有轨道高速演进，最终量变引发质变。

• 架构革新
  当前基于 Transformer 的规模扩展路径触及天花板，Scaling Law 逐渐失效。然而，基础理论迎来突破，出现超越 Transformer 的下一代核心架构(如 Beyond Transformer)。发展动能由“规模驱动”转向“架构与理论驱动。

• 应用深化
  AI 技术发展进入一个漫长的平台期，在通向 AGI 的核心挑战上难以取得重大突破。行业的焦点从追求“通用智能”的宏大叙事，回归到对现有大型模型(LLM)产品化价值的深度挖掘与应用场景的精细化深耕，AI的发展主要表现为效率提升与成本优化。

1.2. 未来十年，AI还会发生一次大的突破

回顾过去三十年，人工智能按平均每10年一次大革命的速度演进。

• 第一个十年，统计学习崛起开启了AI复苏
  1995年 SVM(Support Vector Machine)、 1997年LSTM(Long Short-Term Memory) 与2006年 DBN(Deep Belief Network)的突破， 让机器通过数据驱动完成邮件过滤等基础任务，但智能仍局限于特定场景，泛化与复杂推理能力薄弱。
• 第二个十年，深度学习推动了感知智能突破
  AlexNet(一种深度卷积神经网络)等 技术的发展，赋予机器“感官系统”，AI 正式走到台前。推荐系统、视觉识别精准发力， AlphaGo和AlphaFold 拓展应用边界，但AI仍缺乏泛化性，难以灵活迁移经验。
• 第三个十年，Transformer 催生了认知智能萌芽。
  基于大模型的生成式 AI 得到发展，人类经历了 ChatGPT 时刻，AI在自然语言理解、多模态生成和推理能力上形成突破，并且开始探索生成与行动边界，AI 从理解世界走向改变世界。在这个阶段，内容生产、自动驾驶、机器人交互取得长足的进展，但 AI 在推理能力和创 造能力方面跟人类依然存在较大的差距，可解释性、准确度、推理效率、实时响应与环境适应仍是挑战。

回望人工智能的发展历程，技术革命往往在质疑与探索中孕育。从 SVM 到CNN再到Transformer， 每一次革命都是由新架构的出现而引发。因此我们有理由期待，未来十年将迎来一场新的 AI 技术革命，将跳出 Transformer 架构的固有框架，我们姑且将其称为Beyond Transformer时代。新架构的突破是全方位的。它不仅在基础性能(如算力开销、计算复杂度和长序列处理)和核心能力(如长期记忆力与自我演进)上取得了长足进步，更关键的是，在高级智能层面实现了巨大跃迁，包括逻辑推理、因果推理、可解释性、创新能力、情感识别与表达等。

1.3. 三大引擎联合形成世界模型推动智能走向物理世界

三大引擎包括：

• 数据驱动的经验引擎
• 思想规则驱动的理念引擎
• 行动引擎

经验引擎依托深度学习处理互联网与感知数据;理念引擎通过抽象验证深化认知;行动引擎涵盖目标管理、综合推理、约束规划等实践能力。
三大引擎联合形成的高保真世界模型推动智能走向物理世界。

2. AI智能体——从执行工具到决策伙伴

2.1. 智能体将发展为侧重实践的行动系统

智能体在 DeepResearch 深度研究领域、AI Coding 编程领域与Operation流程运作领域已经展现出了非常大的潜力。未来十年，智能体将发展为侧重实践的行动系统。 此时人机之间的决策权将发生实质性迁移，智能体获得更多直接与物理世界交互决策的能力，能够自主闭环执行多类任务。
这在10月6日举办的OpenAI DevDay 2025上已经可见一斑。在Keynote上展示的几个demo中，已经显示出AI Coding的惊艳效果。

智能体的未来发展，关键在于攻克三大核心挑战:

• 多智能体协同(通信与协作)
• 云端环境交互(探索与执行)
• 长程推理认知(规避偏差累积与组合爆炸)

智能体能力的分级：

3. 人机协同编程

3.1. 解决人因所带来的软件复杂性难题

人类科技正在面临复杂性，软件产品越来越复杂，大规模软件编程协作的挑战越来越大。
人因问题是导致软件复杂性的重要根源， 软件生产效率随着规模的扩大急剧下降。当代软件工程主要是面对人因的复杂性而诞生的。软件架构围绕着不断分解和迁移复杂度、减少协作的难度而演进的。软件开发模式围绕着快速反馈 / 迭代、提升协作的效率而演进的。编程语言演进主要是围绕着提升编程的效率、理解、场景。

我个人做为一个超过10年的软件从业人员，对于这一部分确实感同身受、无比赞同。

随着大模型的出现，AI 编程出现了革命性的变化，大大缓解由人因所带来的软件复杂性难题，缓解软件开发的本质挑战，带来效率的极大提升。但 AI 编程在大规模复杂软件上依然存在较多的挑战，如何解决复杂软件的可信问题，以及如何解决大型软件工程的系统分解、对接和协作都将面临巨大的挑战。

我们相信未来机器在软件生产活动中占的 比例越来越高，将会对软件工程产生巨大的变 化，原来围绕着人因协作定义的软件活动、软 件开发流程和软件体系都会面临变革。人机协 同编程是消解大规模软件开发困境的根本之道。

3.2. AI Agent 编程将带来软件开发模式系统性重构

普通应用开发逐步由 Agent替代，用户通 过自然语言定义需求即可生成应用，形成“可 塑软件”。专业软件开发，如操作系统、金融核心系统、工业控制，仍由专业开发者主导， 但工具链深度嵌入 AI 以提升效率和验证能力。

3.2.1. 生态重构:

从 App 到 AI Agent。移动互 联网时代以 App为核心，未来则是 Agent 生态主导。用户通过智能体调用服务，而非逐个使用 App。软件开发重心将转向接口与服务化设计，谁能定义 Agent 调用标准，谁就可能掌握新一代生态入口。

3.2.2. 入口重构:

从代码到自然语言。未来开发入口将由自然语言主导。

3.2.3. 角色重构:

从“程序员”到设计师。AI 承担大部分编码与测试，人类开发者从“写代码” 转向架构规划、Agent 自组织策略管理、合规、治理。新的开发岗位包括“Agent 编排师”、 “Prompt 与 Goal 设计师”和“安全审计官”。价值重心从写代码转向治理复杂系统。

3.2.4. 流程重构:

从流水线到代理化SDLC。传统SDLC(软件开发生命周期)将被Agent代理化，AI可自动生成需求文档、产出代码、执行测试、提交 PR，人类则监督关键节点。开发流程将演变为人机协作流水线，强调回滚机制与可靠性保障。

AI进行代码review已经被大量应用在Github的很多项目中了：
OpenAI的Codex已经GA，国内的TRAE等编程助手工具也是迭代迅速。

3.2.5. 架构重构:

从微服务到 Agent 工作流。过度微服务带来复杂性，未来将回归“模块化单体” 降低接口复杂度、强化边界清晰与可观察性。同时，长事务和复杂流程将通过“工作流即代码” 实现，支持补偿与重试，天然适配 Agent 参与。

3.2.6. 语言与工具重构:

迈向 Agent 原生语言与 工具。传统语言以函数 / 服务为中心，难以表达 Agent的“感知 - 推理 - 行动”循环。未来可能出现 AOL (Agent Oriented Language) ，内建:Goal (目标)、Policy(策略)、Context(上下文)、 Capability( 能力 )、Coordination( 协作 )。 同时，工具链将具备语义建模、Agent 仿真验证、 行为审计、运行时沙箱等能力。Rust、WASI 等语言将在底层保障性能与安全，但高层语言将走向 Agent 原生化。

4. AI于镜像世界中升维

4.1. 交互方式:从平面到空间、从单模态到多模态

4.2. 感官体验:从视觉 + 听觉，到五感融合感知

4.3. 内容生成:从CG到AIGC

缺乏优质的 3D 内容是镜像世界最大挑战之一。在技术层面，内容生成将保持高速迭代。 自回归与扩散模型将凭借各自优势，形成“双 轨并进、长期协同”的发展态势。技术突破将集中体现为生成长度的大幅延展与时空一致性的精准控制，从而推动高质量内容进入工业化生产的新阶段。最终，AI对物理空间的理解将从粗糙走向精细，可控性持续增强，逐步走向 “世界模型”。

5. 移动互联生态从 App走向多Agent协同

操作系统演进路径 随着 Agentic Web、Agentic Mesh 、Agentic AI以及MCP和A2A协议的出现，2025年可被视作多智能体协作的元年。未来，随着 AI Agent 技术的发展，移动互联网的百万 App不再是信息孤岛，而是变为智能体或元服务相互连接，突破单一智能体边界，完成复杂的任务， 形成多智能体协同的新生态。

5.1. App 时代:

生态以应用程序为中心。用户必须主动发现、下载、打开不同的App，并在其中手动操作来完成目标。每个App 是一个信息孤岛，数据和服务被封装其中。生态的本质是 “人找服务”。

5.2. 多 Agent 时代:

生态以智能体为中心。用 户提出目标，由一个主 Agent(如手机OS 中的超级AI助手)协同背后无数个垂直、专业的Agent(服务Agent)自动完成任务。用户 从“驾驶员”变为“指挥官”。生态的本质是“服务找人” 乃至 “服务自动执行”。

5.4. 交互界面:走向 SMUI 空间多模态交互

交互界面演进路径 交互方式将从以触控为主，升级为融合眼动、手势、体态、自然语言及环境信息的多模态协同交互。与此同时，界面形态不再追求统一标准，而是逐步转向基于具体场景和用户个性化需求的生成式界面。

5.5 用户体验:端到端任务执行成功率成为核心指标

“端到端 (E2E)任务成功率”将成为行动能力最核心的指标，直接决定 Agent 时代用户入口的掌控权。 多智能体协同的竞争力构建属于系统工程:
$多智能体系统的核心竞争力=强大基础模型\times (协同框架+专业分工+学习机制+安全信任)$

6. 突破冯 • 诺依曼架构，新型算力满足海量的算力需求

6.1. 算力需求爆炸性增长

后训练正从精调阶段走向与预训 练并列的核心阶段，未来后训练的算力消耗极有可能超越预训练。
2035年全社会的算力需求将达到惊人的1027 FLOPS，跟2025年相比，增长10万倍。

6.2. 突破算力成本奇点

算力需求随 AI 发展呈非线性增长，但其发展深度与广度受限于 Token 成本。AI 应用的价值与算力成本之间的天平，决定了技术渗透的进程。因此，实现 AI 普惠的核心关键在于持续降低算力成本。

6.3. 计算技术的演进与革命

传统的冯 • 诺依曼架构面临着存算分离导致的能效瓶颈。在摩尔定律放缓的背景下，单纯依赖硅基半导体提升算力已难以满足指数级的增长需求，同时成本上也很难满足要求。

计算架构:从“存算分离”到“存算协同”
当前冯 • 诺依曼架构的核心瓶颈——“存算分离”导致的数据搬运延迟与能耗，将在架构演进中被彻底突破。技术路径将呈现清晰的递进逻辑:

• 首先，当前计算架构正在将异构算力进行对等处理，消除多 XPU多部件之间的主从关系和调度带来的性能损耗，数据中心的算网融合和全光互联等技术将进一步提高计算效率;
• 其次，近存计算技术将推动计算单元向存储单元“靠近”，缩短数据搬运距离;
• 最终， 存内计算技术将实现“数据不移动、计算在存储内部完成”，从架构层面消除“内存墙”瓶颈，大幅提升计算速度与能效比。

7. Agentic AI 驱动存储范式改变

7.1 AI 驱动数据长留存，大量冷数据变温，并需要被高效处理

伴随数字孪生、具身智能与超级智能体的普及，预计到 2035年，存储容量需求将比2025年增长 500倍，AI数据占比超过70%。

7.2. 数据存储范式变革

• 数据关联性
  传统的文件系统将这些数据分别存储在孤 立的文件和文件夹中，它们之间的语义关联是 隐含的、未被记录的，需要耗费大量计算资 源在每次调用时重新建立关联。
  未来的存储范式会直接存储已经计算好的“关联”(如 KVCache、知识图谱三元组)，使数据天生就带有“上下文”。
• 数据的状态性
  智能体具有连续性的记忆，其价值很大程度上体现在其不断演进的状态上，如对话的历史、任务的执行进度、 从交互中学到的偏好等。
  未来的存储系统需要为这种细粒度、高频的状态更新而设计，直接管理智能体的“记忆流”。
• 数据的可演进性
  未来的存储范式需要能够高效地保存和检索权重增量，只记录变化的部分，从而实现模型知识的轻量化、版本化管理和快速回滚，这大大降低了模型迭代的成本和复杂性。

8. 从移动互联网跃迁至智能体互联网

未来十年通信网络的连接对象将从 90 亿人扩展到 9000 亿智能体，其价值将从服务于“人与人沟通”向构建“智能体互联”的下一代网络发展。

• PC 互联网的特征是 Time-On-Demand + 文件 / 图片，少数人生产，多数人消费。
• 移动互联网的特征是 Time-on-Line + 富媒体 (2D/3D 视频)，人人都是生产者和消费者。
• 智能体互联网的特征是 Time-In-Real + 超维空间(HD多维信息)，智能体和人是生产者，同时也是消费者。