（來源：MIT TR）

回望過去的 12 個月，AI 炒作列車絲毫沒有減速的跡象。

很難想象，就在年初，DeepSeek 還沒有把整個行業(yè)攪個天翻地覆；Meta 更為人所知的是它試圖把元宇宙炒熱卻屢屢碰壁，而不是它那種不依不饒、想要主宰“超級智能”的野心；至于 vibe coding 這個詞，當時還根本不存在。

如果這些讓你有點摸不著頭腦，也別擔心。隨著 2025 年接近尾聲，我們回顧了這一年里不論好壞、都曾主導討論場的 AI 熱詞。記得提前做好心理準備——2026 年很可能又是一個離譜到爆的年份。

Superintelligence：超級智能

只要人們還在為 AI 造勢，就總會給一種未來的、超強大的 AI 形態(tài)起各種名字——這種技術可能把人類帶向烏托邦，也可能帶向反烏托邦。Superintelligence（超級智能）就是最新的熱詞。

Meta 在 7 月宣布將組建一個追求超級智能的 AI 團隊；據報道，它還向競爭對手公司的 AI 專家開出了九位數的薪酬方案來挖人。到了 12 月，微軟的 AI 負責人也跟進表態(tài)稱，公司將在追求超級智能上將投入可能高達數千億美元的巨額資金。

如果你覺得“超級智能”的定義和“通用人工智能（AGI）”一樣模糊，那你沒想錯！從人類的長期尺度看，這類技術在理論上并非不可實現；真正的問題在于：它什么時候會到來？以及當下的 AI 是否足夠可靠，成為通往超級智能的基石？

當然，這些疑問也擋不住熱衷炒作 AI 的人們繼續(xù)加碼。

Vibe coding：氛圍編程

30 年前，史蒂夫·喬布斯曾說，所有美國人都應該學習如何給計算機編程。如今，多虧了vibe coding（氛圍編程），即便完全不懂代碼的人，也能在很短時間里拼出一個應用、游戲或網站——這是 OpenAI 聯合創(chuàng)始人 Andrej Karpathy 提出的一個“泛稱”。

所謂氛圍編程，就是你給生成式 AI 的編程助手下提示，讓它生成你想要的數字產品，然后基本照單全收它吐出來的結果。結果能跑起來嗎？不一定。安全可靠嗎？幾乎可以肯定不可靠，但這項方法最堅定的擁躉并不會讓這些“小細節(jié)”妨礙他們前進。而且，它聽起來還挺好玩。

Chatbot psychosis：聊天機器人精神病

過去一年最重大的 AI 議題之一，是與聊天機器人長時間互動可能讓脆弱人群出現妄想；在一些極端情況下，甚至可能誘發(fā)精神病性發(fā)作，或使既有癥狀惡化。盡管chatbot psychosis（聊天機器人精神?。┎⒉皇潜会t(yī)學界正式認可的術語，研究者仍在密切關注越來越多的用戶軼事證據，有人稱這種情況發(fā)生在自己身上或身邊人身上。更令人難過的是，越來越多死者家屬因親人“在與聊天機器人對話之后死亡”而起訴 AI 公司，這凸顯了該技術可能帶來的致命后果。

Reasoning：推理

今年幾乎沒有什么比所謂的推理模型更能讓 AI 炒作列車持續(xù)加速：這類大語言模型（LLM）能夠把問題拆成多步并逐步推演完成。一年前，OpenAI 發(fā)布了其首批推理模型 o1 和 o3。一個月后，中國公司 DeepSeek 以極快的跟進速度讓所有人意外：它發(fā)布了 R1，首個開源推理模型。

轉眼間，推理模型就成了行業(yè)標配：幾乎所有面向大眾市場的主流聊天機器人，如今都提供由這類技術支撐的不同版本。推理模型把 LLM 的能力邊界進一步推高，在一些頂級、權威的數學與編程競賽中已經能達到頂尖人類選手的表現水平。另一方面，圍繞“能推理”的 LLM 的喧囂也重新點燃了老爭論：LLM 到底有多聰明？它們究竟是怎么工作的？就像“人工智能”這個詞本身一樣，“推理”也是充滿著營銷色彩的技術術語。

World models：世界模型

盡管 LLM 在語言上表現得異常嫻熟，它們卻幾乎沒有常識。簡單說，它們缺乏對世界如何運轉的本質理解。從最字面意義上講，LLM 就是“死讀書”的典范：它們能對世間萬物侃侃而談、辭藻華麗，卻也可能在常識題上鬧出大笑話，比如“奧運標準泳池能裝下多少頭大象？”（據稱 Google DeepMind 的某個 LLM 給出的答案是：正好一頭。）

世界模型是一個涵蓋多種技術路線的“大傘概念”，旨在讓 AI 具備一些基礎常識，理解現實世界中的事物究竟如何相互關聯。在最直觀的形態(tài)下，像 Google DeepMind 的 Genie 3 與 Marble 這樣的世界模型，以及李飛飛創(chuàng)業(yè)公司 World Labs 備受期待的新技術，都能生成細節(jié)豐富、逼真的虛擬世界，用于機器人訓練等用途。Meta 前首席科學家 Yann LeCun 也在推進世界模型相關工作。他多年來一直試圖通過訓練模型去預測視頻中“下一刻會發(fā)生什么”，從而讓 AI 形成對世界運作方式的理解。今年，他離開 Meta，轉而在一家名為 Advanced Machine Intelligence Labs 的新創(chuàng)業(yè)公司里專注于這一路線。如果進展順利，世界模型或許會成為下一個風口。

Hyperscalers：超大規(guī)模數據中心

你聽說過嗎，越來越多人在說：不了謝謝，我們并不想家門口突然多出一個巨型數據中心。這里說的數據中心，是指科技公司想要到處建，甚至還想建到太空里，通常被稱作 hyperscalers 的那一種：為 AI 運算量身打造的超大規(guī)模設施，用于支持 OpenAI、Google 等公司訓練更大、更強的 AI 模型。在這些建筑內部，全球最先進的芯片日夜運轉，用于訓練與微調模型；這些設施通常采用模塊化設計，可按需求擴容。

對 hyperscalers 而言，今年是個大年。OpenAI 與美國總統唐納德·特朗普同臺宣布了 Stargate 項目：一個規(guī)模達 5000 億美元的合資計劃，旨在讓全國各地遍布史上最大的那批數據中心。但這也讓幾乎所有其他人追問：我們到底能從中得到什么？消費者擔心新數據中心會推高電費賬單。這類設施通常也很難完全依賴可再生能源運行。而且它們往往并不會創(chuàng)造很多就業(yè)崗位。不過話說回來，也許這些龐大、沒有窗戶的建筑，至少能給你的社區(qū)增添一點陰郁的科幻氛圍。

Bubble：泡沫

AI 的宏大承諾正在把經濟托舉起來。AI 公司融資規(guī)模令人瞠目，估值也一路飆升到平流層。它們向芯片與數據中心砸下數千億美元，資金來源越來越依賴債務，以及一些令人側目的循環(huán)交易。與此同時，這場淘金熱的領頭羊，如 OpenAI、Anthropic，可能多年都無法盈利，甚至永遠未必能實現盈利。投資者押注 AI 將開啟一個全新的財富時代，但沒人真正知道這項技術究竟會有多顛覆。

科學界仍不確定：持續(xù)擴大 LLM 規(guī)模是否就能通向超級智能，還是必須依賴新的突破來鋪路。但與互聯網泡沫時期的前輩不同，AI 公司正在展現強勁的營收增長；其中一些背后甚至站著財力雄厚的科技巨頭，如微軟、谷歌和 Meta。這場狂熱的夢，終有一天會破滅嗎？

Agentic：代理型

今年，AI agents 無處不在。2025 年的每一次新功能發(fā)布、模型上線或安全報告里，都密密麻麻出現它們的身影，盡管許多 AI 公司和專家對什么才算真正 agentic 依舊各執(zhí)一詞，這大概是最含混的術語之一。即便幾乎不可能保證：一個代表你在開放互聯網中行動的 AI 總能完全按預期行事，agentic AI 似乎仍將在可預見的未來長期存在。

Distillation：蒸餾

今年年初，DeepSeek 發(fā)布了新模型 DeepSeek R1，這是一個開源推理模型，性能可與西方頂尖模型對標，但成本得到了控制。它的發(fā)布讓硅谷炸了鍋，許多人第一次猛然意識到：超大規(guī)模與海量資源并不必然是打造高水平 AI 模型的關鍵。據稱，在 R1 發(fā)布后的第二天，英偉達股價下跌了 17%。

R1 成功的關鍵在于蒸餾，這是一種讓 AI 模型更高效的技術。其原理是讓大模型“帶”小模型：用教師模型在大量樣本上生成答案并記錄下來，然后在訓練中獎勵學生模型盡可能精準地復現這些回答，使其獲得教師知識的壓縮版。

Sycophancy：諂媚

隨著全球用戶花在 ChatGPT 等聊天機器人上的時間越來越多，開發(fā)者們正苦惱于模型到底該采用怎樣的語氣與人格。今年 4 月，OpenAI 承認自己在“有用”和“討好”之間把握失衡，并稱一次新更新讓 GPT-4o 變得過于諂媚。讓模型對你一味拍馬屁不只是煩人，它還可能通過強化用戶的錯誤信念、傳播錯誤信息來誤導用戶。所以，把這當作一個提醒：對 LLM 生成的所有內容，是所有內容，都要保留一分懷疑。

AI Slop：AI 泔水

如果說有哪個 AI 相關詞匯已經徹底走出極客圈、進入大眾語境，那就是 slop。這個詞本身很老（想想喂豬的豬食/泔水），但如今 slop 常用來指 AI 生成的低成本、批量化內容，往往為線上流量優(yōu)化而生。很多人甚至把它當作所有 AI 生成內容的統稱。過去一年里，它幾乎無處不在，令人避無可避：我們仿佛被它“腌入味”了，從虛假的名人傳記到“蝦仁耶穌”圖片，再到荒誕的人獸混合視頻。

不過，人們也確實在拿它找樂子。這個詞帶著冷嘲意味、又非常靈活，網民很容易把它當作后綴貼到各種詞上，用來形容一切空洞、平庸得離譜的東西，比如 work slop 或 friend slop。當新一輪炒作周期重新啟動，slop 也標記著一種文化層面的反思：我們該信任什么？我們如何評價創(chuàng)作勞動的價值？當我們被那些為互動而生、而非為表達而生的內容包圍時，這意味著什么？

Physical intelligence：物理智能

你是否刷到過今年早些時候那段讓人看得停不下來的視頻：一臺人形機器人在陰冷、灰度的廚房里收拾碗碟？那幾乎就是“物理智能”這一概念的具象化：AI 的進步能夠幫助機器人在真實的物理世界中更好地移動與操作。

確實，從手術室到倉庫，機器人學習新任務的速度比以往任何時候都更快。自動駕駛公司在道路仿真方面也有所提升。不過，即便如此，我們仍然有理由對“AI 已經徹底革新該領域”的說法保持懷疑。比如，許多被宣傳為“家庭管家”的機器人之所以能完成大部分任務，其實是因為背后有在菲律賓遠程操控的人工操作員在支撐。

物理智能的未來道路也注定會很怪。大語言模型主要用文本訓練，而互聯網文本極其豐富；但機器人更需要從人類做事的視頻中學習。這也是為什么機器人公司 Figure 在 9 月提出，愿意付費請人們在公寓里拍攝自己做家務的視頻。你會報名嗎？

Fair use：合理使用

AI 模型通過“吞食”互聯網上數以百萬計的文字與圖像進行訓練，其中包括藝術家與作家的受版權保護作品。AI 公司主張這屬于“合理使用”，這是一項法律原則：如果你將受版權保護的材料轉化為新的內容，且不與原作構成競爭，就可能在無需授權的情況下使用。法院也開始對此作出裁量與判斷。6 月，Anthropic 用書籍庫訓練其模型 Claude 被裁定屬于合理使用，理由是該技術具有“高度的轉化性”。

同月，Meta 也拿到類似的勝利，但關鍵在于作者們無法證明 Meta 的這場“文學自助餐”影響了他們的收入。隨著版權爭端持續(xù)發(fā)酵，一些創(chuàng)作者也開始在這場盛宴中變現。12 月，迪士尼與 OpenAI 達成一項高調合作，允許 AI 視頻平臺 Sora 的用戶生成包含迪士尼旗下 200 多個 IP 角色的視頻。與此同時，各國政府也在為這些“吞食內容的機器”重寫版權規(guī)則。用受版權保護作品訓練 AI 算不算合理使用？就像所有涉及巨額利益的法律問題一樣，這得看具體情況。

GEO：生成式引擎優(yōu)化

就在短短幾年前，還有一個完整的行業(yè)，專門幫助網站在搜索結果里拿到更高排名（好吧，基本就是在谷歌里）。如今，隨著 AI 熱潮來襲，搜索引擎優(yōu)化（SEO）正讓位于 GEO，即 generative engine optimization（生成式引擎優(yōu)化）：品牌與企業(yè)不得不爭相提升自己在 AI 場景中的可見度，無論是在 Google 的 AI Overviews 這類“AI 增強搜索結果”里，還是在 LLM 的回答之中。難怪他們會緊張到發(fā)慌。我們已經看到，新聞機構來自搜索的網頁流量出現了斷崖式下滑，而 AI 公司則在研究如何“繞過中間商”，讓用戶直接在平臺內訪問網站內容。要么適應，要么出局。

https://www.technologyreview.com/2025/12/25/1130298/ai-wrapped-the-14-ai-terms-you-couldnt-avoid-in-2025/