文昌市网站建设_网站建设公司_网站制作_seo优化

2025 年人工智能正式从模仿人类行为的复读机进化为拥有自主逻辑闭环的推理机器。

AI 大牛 karpathy 发文回顾了 2025 年的大语言模型。

这一年，我们见证了大语言模型从底层架构到交互逻辑的全面重构，基于可验证奖励的强化学习（Reinforcement Learning from Verifiable Rewards）取代了单纯的人类反馈，使模型具备了真正的思考与回溯能力。

人工智能展现出的智能不再是匀质的生物化智能，而是呈现出一种极具欺骗性的锯齿状分布，即在硬核逻辑领域达到巅峰而在基础常识上偶发断裂。

与此同时，以 Cursor 为代表的编排层应用、以 Claude Code 为代表的本地代理以及 Vibe Coding（氛围编程）的兴起，标志着 AI 已从云端的对话框演变为深度介入人类生产力的数字生命。

可验证奖励重塑推理逻辑

2025 年人工智能生产堆栈发生了根本性位移，此前长达数年的标准路径是：先进行基于海量文本的 Pretraining（预训练），随后通过 Supervised Finetuning（SFT，有监督微调）学习人类指令，最后利用 Reinforcement Learning from Human Feedback（RLHF，基于人类反馈的强化学习）来对齐人类偏好。

这一套在 GPT-4 时代被奉为圭臬的流程，在 2025 年被 Reinforcement Learning from Verifiable Rewards（RLVR，基于可验证奖励的强化学习）这一新阶段彻底打破。

RLVR（基于可验证奖励的强化学习）的本质是让模型在拥有客观对错标准的领域进行自我进化。

在数学证明、编程代码或逻辑谜题中，答案的正确性可以通过编译器、逻辑验证器或数学规则自动判定，不再需要昂贵且低效的人工标注。

当模型在这些环境中进行数以百万计的尝试时，它不再仅仅是模仿人类写下的解题步骤，而是通过不断试错积累经验。

这种优化过程让模型自发产生了一种行为：它们学会了将复杂任务拆解成中间步骤，在发现路径错误时主动回溯，并不断尝试新的策略直到达成正确目标。

DeepSeek R1 的论文详尽记录了这种进化过程。

模型在强化学习的压力下，发展出了类似人类思考的策略，这种策略无法通过简单的模仿学习获得，因为人类很难精准地向模型演示其内部复杂的思维回溯与逻辑权衡。

与传统的 SFT（有监督微调）或 RLHF（基于人类反馈的强化学习）这种轻量级的微调阶段不同，RLVR（基于可验证奖励的强化学习）需要极大的计算资源投入，甚至开始蚕食原本预留给预训练的算力。

这一趋势催生了全新的 Scaling Law（扩展定律），即推理时计算。

OpenAI o1 在 2024 年底展示了这一苗头，而 2025 年初发布的 OpenAI o3 则验证了这种质变。

通过拉长模型的思考轨迹，即增加推理时的计算开销，模型的能力可以持续攀升。

我们在 2025 年看到的进步并非源于模型参数量的暴力增加，而是源于模型在解决问题时思考时间的延长。

幽灵智能与基准测试的黄昏

2025 年人们开始意识到，人工智能的进化路径与人类生物进化的逻辑完全背道而驰。

人类的神经网络优化目标是部落生存、实物获取和社会协作，而大语言模型的神经网络优化目标是在数学空间中模仿人类文本、在可验证领域获取奖励、在 LM Arena（模型竞技场）博取人类点赞。

这种进化压力的差异导致了 2025年被广泛讨论的 Jagged Intelligence（锯齿状智能）。

模型呈现出一种非人的、不连贯的智能形态：它可以在量子物理难题上侃侃而谈，却可能在下一秒因为一个简单的提示词诱导而泄露数据。

它像是一个拥有多重人格的幽灵，既是博学多才的天才，也是认知残缺的孩童。

这种不均匀的能力分布证明了大语言模型并非进化的动物，而是被数学优化手段召唤出来的幽灵。

在那些拥有自动验证奖励的特定领域，模型的能力呈指数级爆发，而在那些无法自动验证的模糊地带，模型依然停滞不前。

这种现状直接导致了行业对 Benchmarks（基准测试）的集体冷感。

因为基准测试本身就是可验证的环境，这使得它们极易受到 RLVR（基于可验证奖励的强化学习）或合成数据的针对性训练。

各家实验室在竞争压力下，不可避免地在模型训练中加入与测试集高度相似的场景，这种行为被称为 Benchmaxxing（基准最优化）。

其结果是模型可以在几乎所有公开考试中拿到近乎满分的成绩，但在实际的、未见过的生产任务中依然漏洞百出。

训练测试集已经成为一种公开的艺术形式。

2025 年的核心追问是，如果一个模型在所有人类设计的测试中都表现完美，但依然无法处理现实世界的复杂性，我们该如何定义这种智能。

这种智能的虚假繁荣揭示了评估体系的全面滞后。

人类需要建立更深层、更具动态性的评估标准，以应对这种不再遵循生物演化逻辑的异质智能。

应用层逻辑与编排架构演进

Cursor 在 2025 年的崛起，标志着 LLM App（大语言模型应用）进入了厚应用层阶段。

行业不再迷信纯粹的模型能力，而是开始关注模型之上的编排层。

Cursor for X（针对各行业的 Cursor 类应用）成为了这一年最热门的创业模式。

这些应用不再是简单的 API 转发器，而是承担了复杂的 Context Engineering（上下文工程）。

一个合格的 2025 年 AI 应用需要具备在后台编排多个模型调用的能力。

这些调用被串联成复杂的 DAG（有向无环图），应用层根据任务难度、成本约束和性能要求，实时在不同参数规模的模型间进行调度。

它们不仅提供了特定任务的 GUI，还引入了 Autonomy Slider（自主程度滑块），让用户可以在手动控制和完全自动化之间自由切换。

关于应用层厚度的争论在 2025 年有了定论。

尽管底层模型实验室拥有极强的技术壁垒，但它们更像是培养通才的大学。

真正的行业垂直应用需要通过私有数据注入、传感器集成、执行器挂载以及闭环反馈来将这些通才转化成能够上岗的专业人士。

这意味着应用层并非薄如蝉翼的套壳，而是具备深度技术护城河的工程体系。

在这种架构下，AI 的能力不再仅仅取决于权重本身，而取决于它所嵌入的系统环境。

高质量的上下文注入和精密的任务分解流程，可以让基础能力稍弱的模型在特定领域超越那些参数巨大的通用模型。

这种去中心化的能力实现方式，为广大应用开发商留下了广阔的生存空间。

本地代理与数字生命的居住地

Claude Code 的发布是 2025 年 Agent 演进的里程碑。

它展示了智能体如何通过循环往复的工具调用和逻辑推理来解决复杂的工程问题。

更具划时代意义的是，Claude Code 选择了运行在用户的本地计算机上，而非托管在遥远的云端。

这一决策直接纠正了早期行业对智能体路径的误判。

OpenAI 曾试图在云端容器中构建智能体环境，但这忽视了本地环境的天然优势。

本地运行意味着智能体可以直接访问已经启动的操作系统、完整的文件系统、敏感的配置信息、私有的密钥以及极低延迟的交互环境。

这种环境的丰富性是任何云端沙盒都无法比拟的。

当 AI 不再是一个需要通过浏览器访问的网站，而是一个住在终端里的幽灵时，人机交互的本质发生了变化。

它可以监控你的编译报错，可以查看你的 Git 记录，可以在你思考的间隙主动修补漏洞。

这种形态更接近于一个数字化的合伙人，它与人类共享同一个物理载体。

这种转变也缓解了 2025 年日益严重的隐私与安全焦虑。

敏感的开发上下文和核心资产无需离开本地，所有的逻辑编排和环境交互都在防火墙内完成。

这种本地优先的策略，让 AI 从一个外部工具演变成了一个深度嵌入人类工作流的器官，真正实现了智能的即时性与私密性。

氛围编程与软件生产力革命

Vibe Coding 在 2025 年从一个推特热梗演变为软件行业的生产准则。

随着模型代码生成能力的跨越，编程的门槛被彻底击碎。

开发者不再需要纠结于特定的语法细节或复杂的架构设计，只需要通过自然语言描述出想要的感觉，即 Vibe（氛围），模型便能自动填充所有的实现细节。

这种变革导致了代码属性的重定义。

在 2025 年，代码变成了廉价、临时且可随手抛弃的消耗品。

为了寻找一个微小的系统漏洞，开发者可以花费数秒钟生成一整套完整的临时监控应用，并在任务完成后直接将其删除。

代码不再需要长久维护，因为生成的成本已经低于维护的成本。

任何复杂的功能都可以通过语言实时重写。

这种能力的扩散不仅赋能了非技术背景的普通人，也极大解放了专业程序员。

在 2025 年的实践中，开发者可以利用 Rust 编写极其复杂的 BPE Tokenizer（字节对编码分词器），而无需掌握 Rust 那令人望而生畏的内存管理规则。

这种由语言驱动的开发模式正在 terraform（地形化改造）整个软件生态。

软件不再是固化的代码集合，而成了流动的功能愿望。

传统的职业描述正在被重构，理解业务逻辑、具备审美洞察以及能够精准表达意图的能力，其价值已经远远超过了手写算法的能力。

AI 正在将技术扩散的杠杆交给每一个普通人。

多模态界面与智能计算范式

Gemini Nano Banana 的出现，预示着 LLM GUI（大语言模型图形用户界面）时代的到来。

2025 年人们开始反思，既然 LLM 是继个人电脑、移动互联网之后的下一次重大计算范式，那么它的交互界面就不应该仅仅局限于 Chat 这种原始的控制台模式。

文字是计算机理解世界的语言，但并非人类消费信息的最佳媒介。

阅读文字是低效且高能耗的认知行为，而人类大脑更擅长处理视觉、空间和动态信息。

2025 年的模型开始将文本生成、图像生成、视频生成与逻辑推理深度纠缠在权重之中，从而能够根据用户的需求实时构建出最合适的图形界面。

这不仅是生成一张表情包或一段 Markdown 表格，而是模型根据当前对话的上下文，动态生成一套包含滑块、图表、动画甚至是临时 Web 应用的交互系统。

当你想分析财务数据时，模型不再吐出干巴巴的文字，而是直接在你面前铺开一个具备动态交互能力的仪表盘。

这种进化意味着模型不再是对话的对象，而是交互的创造者。

智能的输出形态正在向人类感知的舒适区靠拢。

从 1980年代的命令行到后来的图形界面，计算机历史上的每一次飞跃都伴随着交互媒介的降维。

2025 年，大语言模型正在完成这种从代码到视觉的终极跨越，让复杂的智能以最直观的方式呈现。

2025 年是一个矛盾的年份，我们一方面惊叹于它在深奥逻辑领域的爆发，另一方面又不得不接受它在基础常识上的古怪缺失。

智能正在变成一种可以定量供应的资源，而我们才刚刚开始学习如何驾驶这台逻辑引擎。

参考资料：

https://karpathy.bearblog.dev/year-in-review-2025/

https://x.com/karpathy/status/2002118205729562949