2025年，全球科技发展的关键词是什么？麦肯锡刚刚发布的《技术趋势展望2025》（Technology Trends Outlook 2025）报告，试图用13个前沿技术趋势，勾勒出企业、国家、产业如何在下一轮科技浪潮中决胜未来。

以下重点分享报告中的六大技术发展趋势与企业在技术浪潮中如何把握机会。

一、三大趋势群组，十三项关键技术

板块一：AI革命（AI Revolution），包括：

1. 代理型 AI（Agentic AI）：能自主规划执行多步骤任务的“虚拟同事”；

2. 人工智能：进入规模化部署阶段，78%的企业已在业务中应用AI。

板块二：算力与连接（Compute & Connectivity），包括：

1. 专用芯片（如亚马逊Trainium AI芯片）
2. 先进连接（5G-Advanced/6G、低轨卫星）
3. 云与边缘计算
4. 沉浸式现实（AR/VR）
5. 数字信任与网络安全
6. 量子技术（计算/通信/传感）

板块三：工程前沿（Cutting-edge engineering），包括：

1. 机器人（人形机器人、工业协作机器人）
2. 未来出行（自动驾驶、电动垂直起降飞行器eVTOL）
3. 生物工程（基因编辑、3D生物打印）
4. 太空技术
5. 能源与可持续技术

二、AI 的核心作用：技术融合的催化剂

报告指出，AI 是贯穿所有趋势的“基础性加速器”，它不仅独立发展迅猛，更成为推动机器人、生物工程、能源系统优化等领域的底层力量。

1. 代理型 AI：最值得关注的新秀

2024年投资额达11亿美元，相关职位需求暴增985%，尽管当前应用规模较小，但已展现生产力提升潜力。报告中提到的相关应用包括：

• OpenAI Operator：自动订票、购物的网页助手
• Manus AI：自动完成写作、调研任务的“数字队友”
• Salesforce Agentforce：为客服、销售等业务嵌入智能代理
• Darktrace：以AI代理模型为基础的网络安全自动防御系统
• McKinsey QuantumBlack Labs：帮助银行自动生成信用备忘，效率提升60%

2. 通用AI趋势：基础模型小型化、多模态、产业化

报告显示，全球近八成企业使用过AI，但仅1%实现全面部署。AI落地的挑战是：数据隐私、治理、安全与人才缺口。企业从追求万亿参数大模型转向高效专用小模型，成本降低90%的同时保持性能，推动AI在手机、工业设备等边缘端落地。

• 小模型浪潮：10亿参数以下模型快速增长，使AI落地手机、家电等低功耗设备；
• 多模态AI：支持文本、图片、音频、视频等跨模态输入输出（如Gemini 2.5、Claude 4、GPT-4.1）；
• 推理与自动化提升：AlphaFold 3、代码生成工具（Claude Code、Codex）展示了AI跨越“逻辑—行动”的能力；
• 成本大幅下降：模型推理价格年降50倍。

我们之前也介绍过国内两家做端侧模型的公司，非常推荐关注下：

国内宝藏 AI 公司 ｜ 本智激活：端侧原生模型初创公司

三、技术发展和行业应用的六大趋势

1. 自主系统崛起：AI代理和机器人从“辅助”走向“合作”

AI 代理和机器人正在从传统的“执行任务”角色，逐步转变为“协作伙伴”。以前，机器人和自动化系统主要执行单一、规则明确的任务，比如流水线上的物品搬运或生产环节的单一操作。而现在，AI代理不仅可以自主学习、调整决策，还能与人类进行实时协作，完成更为复杂和多样的任务。重要特征包括：

• 学习与适应能力：自主系统能够通过感知和互动逐步改进自己的行为，而不再依赖固定的规则集。例如，机器人能够在动态环境下自我调整工作策略。
• 多步决策与协作：AI代理通过深度学习和多步推理能力，能够处理更复杂的任务链条。例如，自动化的客户服务代理不仅能回答问题，还能管理订单、处理物流等，成为虚拟同事。
• 跨领域应用：从工厂自动化到医疗健康、金融服务等行业，AI代理和机器人正在执行越来越复杂的跨功能工作。

随着技术的进步，更多行业会引入自主系统，特别是在无人驾驶、智能制造、智慧城市等领域。这些系统不仅能提高效率，更能在面对未知任务时灵活应对，从而大大降低人为干预。

2. 人机协作新范式：语音、感应、沉浸式界面（AR/VR）重塑人与机器之间的交互逻辑

人机交互正在经历一场根本性的转变。从传统的鼠标和键盘到语音识别、触控、甚至手势操作和脑机接口，新型交互方式使得人与机器的互动更加自然、直观和无缝。重要特征包括：

• 语音与感应技术：语音助手已经开始进入日常生活，未来的智能系统将不止能“听懂”语音命令，还能“感知”用户的情绪、意图，并做出相应反馈。
• 沉浸式技术：增强现实和虚拟现实让用户不仅是与机器交互，而是“身临其境”地参与到虚拟环境中，提升了沉浸感和参与度。例如，在制造业中，VR/AR可以让技术员在远程环境下通过虚拟引导完成设备修理。
• 多模态交互：AI 不仅能“听”和“看”，还可以结合触觉、味觉等感官，带来更全方位的交互体验。人类和机器间的界限逐渐模糊，合作模式更加复杂和灵活。

这一范式的突破，将推动智能家居、教育、医疗等领域的深度变革。例如，通过语音控制和AR技术，医生可以在手术过程中实时获取数据或指导，极大提升了工作效率与安全性。

3. 全球基础设施瓶颈：算力、电力、网络与人力限制成了AI规模化落地的新挑战

随着AI和大数据等技术的快速发展，全球对算力和基础设施的需求急剧上升，尤其是在训练大模型和支持边缘计算的应用中，算力瓶颈已经显现。重要特征包括：

• 算力需求爆炸：AI模型，尤其是大规模的生成式AI和深度学习模型，需求的计算资源极为庞大。云计算与边缘计算的基础设施建设正面临巨大的压力。
• 能源和电力限制：AI的普及需要巨大的电力支持，尤其是数据中心和训练超大模型时，能源消耗成为制约规模化发展的关键因素。
• 全球网络建设：AI应用普及需要强大的网络基础设施支持，尤其是在5G、6G等技术的发展中，全球网络覆盖的瓶颈依然存在。
• 人才短缺：AI技术的快速发展对于高端人才的需求持续增加，尤其是在数据科学、机器学习、算法优化等领域，人才供给仍难以跟上行业需求。

面对基础设施的瓶颈，企业和政府将加大在数据中心建设、清洁能源创新以及5G/6G网络的投入。同时，全球对AI专业人才的竞争将愈加激烈，人才培养和合作成为国家竞争力的重要因素。

4. 国家技术竞争白热化：芯片、云计算、量子、AI模型成为“主权技术”争夺的核心

随着全球技术竞争的加剧，尤其是中美在AI、半导体等领域的博弈，技术已经成为“主权”的一部分。各国不仅争夺先进技术的领先地位，也在积极推动本国的技术自主可控。重要特征包括：

• 芯片制造与自主可控：半导体是支撑现代AI技术的基础，国家间的芯片竞争愈发激烈。
• AI技术主导地位：AI技术成为全球产业发展的核心，尤其是在制造、金融、医疗等行业的应用，决定了一个国家在全球市场的竞争力。
• 量子技术的战略性：量子计算被视为未来技术革命的关键，能够颠覆现有的计算能力。各国纷纷投入量子计算研究，力图在未来的“量子战争”中占据领先地位。

国家层面的科技自主化和技术主权将推动更多本地技术投资与研发，不仅在硬件领域，也在基础设施、AI系统、网络安全等技术层面。

5. 本地化与超大规模并存：一边是百亿参数大模型，一边是嵌入终端设备的小模型生态

在全球范围内，AI技术的应用呈现两极分化趋势。一方面，云计算平台依赖百亿参数的大模型进行训练和推理；另一方面，嵌入终端的小模型（如手机、智能硬件等）也开始崭露头角。重要特征包括：

• 大模型：大规模预训练模型（如GPT-4、Claude 4）在推理能力、语言生成等方面表现出色，但需要庞大的算力支持。
• 小模型：为了降低能耗和实现本地化部署，小型、优化的AI模型（如Inflection 3.0、Meta的Llama 3）开始走向终端设备。它们不仅能完成复杂任务，还能降低云计算的负担。

这种趋势促使企业在AI应用中寻找“混合模式”，既可以利用云端的大模型强大计算能力，又能在边缘设备上使用小模型提供实时响应和低延迟服务。

6. 负责任的技术创新：治理、透明、可控成为技术是否能快速落地的“信任门槛”

随着AI和其他新兴技术的迅猛发展，治理、透明度和责任问题成为技术能否广泛应用的关键因素。公众和企业越来越关注技术的道德使用和隐私保护问题。重要特征包括：

• 伦理和治理问题：AI模型和自动化系统的决策过程越来越复杂，如何保证其透明性、公正性，并防止算法偏见和滥用，成为企业和政府面临的核心挑战。
• 法律和监管框架：随着AI应用领域的扩大，新的法律和监管框架应运而生。比如欧盟的AI法案，要求AI系统具备高透明度和可追溯性。

企业在技术部署时将更加注重合规和伦理，全球范围内的技术监管和合作将促进可持续创新，减少技术带来的潜在风险。

四、给企业的启示：三点建议抓住未来五年

麦肯锡也为企业提供了三条切实的建议：选择匹配场景，不盲从大模型，让技术与业务深度融合；构建人机协作的组织架构，提升团队的创新能力和灵活性；以及在治理上做“第一锤”，确保AI技术的透明性、合规性和安全性。

1. 选择匹配场景，不盲从大模型

技术不是目的，应用才是核心。随着AI和其他前沿技术的发展，企业面临的最大挑战之一是如何将这些技术有效地转化为业务价值。麦肯锡强调，技术本身并非最终目标，而是解决实际问题的工具。特别是在AI领域，选择合适的技术和应用场景，而非单纯追求最新、最强的大模型，是企业成功的关键。

• AI+ 流程自动化：企业可通过AI技术优化日常业务流程，提升运营效率。例如，在供应链管理中，AI可以实时分析市场变化，调整库存策略；在财务领域，AI可以自动处理发票、账单等日常任务，减少人工干预。
• AI+ 开发：对于软件开发领域，利用AI工具（如自动化代码生成、Bug检测）能显著提升开发效率，但不是所有项目都需要复杂的大模型。小型的定制化AI模型在开发过程中同样具有较高价值。
• AI+ 客服：AI驱动的智能客服系统，尤其是基于自然语言处理的聊天机器人，能够在提高客户服务效率的同时，减少成本。

避免盲目跟风。许多企业容易陷入“追求大模型”的误区，认为只有最先进的技术才能带来竞争优势。然而，真正的价值来自于技术与业务的深度融合，特别是在细分行业的具体应用中。对于中小企业而言，可能不需要投入巨额资金在大规模计算资源上，而是应该寻找能够解决具体问题的小而美的技术方案。

2. 构建人机协作的组织架构

从单纯招聘程序员到打造“人+AI”混合工作方式。随着AI技术的普及，企业需要改变传统的组织架构，建立人机协作的混合工作方式。不仅是招聘更多的程序员，而是要引入新型的角色和工作流程，使人类与AI共同协作，提升整体效率。

• Prompt Engineer（提示工程师）：随着生成式AI的应用，Prompt Engineer成为了企业中越来越重要的职位。他们通过设计优化的提示（prompts），帮助AI生成更符合业务需求的结果。这一职位需要具备一定的AI理解和业务洞察力，能够桥接技术与业务之间的鸿沟。
• AI Coach（AI教练）：AI Coach的角色是帮助团队成员更好地理解和使用AI工具，提升工作效率。例如，在数据分析团队中，AI Coach可以指导团队如何有效利用AI进行数据挖掘和模型训练，帮助员工与AI工具形成更高效的合作关系。

3. 在治理上做“第一锤”

面对技术不透明与执行风险，建立AI治理机制。AI决策的黑箱问题、算法偏见、数据隐私泄露等问题可能对企业品牌和社会声誉带来严重影响。从一开始就建立健全的AI治理机制，是企业确保AI技术健康发展的基础。

麦肯锡特别指出，企业不能等到AI技术大规模应用后再去考虑治理，而是要从技术研发的初期就开始重视治理问题，确保技术落地时的合规性和安全性。建立专门的AI治理团队、制定内部治理政策、引入第三方审计和合规检查，都是企业必不可少的工作。

最后，麦肯锡《2025技术趋势展望》描绘了一个由AI主导、多技术交汇、治理决定成败的未来。这不只是“技术的进步”，而是组织范式、生产方式与全球竞争格局的重塑。

谁能将AI从“工具”变成“合作者”，谁就有可能在这场“智能工业革命”中占据先机。

希望看到这里的你，今天开心。