1 大模型发布全景时间线
1.1 OpenAI
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.01.23 | Operator | 浏览器自动化 Agent，基于 CUA 模型。WebArena 58.1%，OSWorld 38.1%。7月并入 ChatGPT Agent，8月下线 |
| 2025.01.31 | o3-mini | 高效推理模型，对所有 ChatGPT 用户开放（含免费版） |
| 2025.02.27 | GPT-4.5 Preview | 代号"Orion"，最后一个非 CoT 模型。API $75/$150/M tokens。7月因 GPT-4.1 取代而弃用 |
| 2025.04.14 | GPT-4.1 / mini / nano | 三款同发。SWE-bench Verified 比 GPT-4o 高 21.4 百分点；100 万 token 上下文 |
| 2025.04.16 | o3 & o4-mini | o3 GPQA Diamond 83.3%；o4-mini AIME 2025 99.5%（使用 Python） |
| 2025.05.16 | Codex (codex-1) | AI 编码 Agent，基于 o3 优化。沙盒云环境，1-30 分钟完成功能开发 |
| 2025.05 | Sora 2 / Sora 2 Pro | 视频+同步音频生成。API 开放 v1/videos 端点 |
| 2025.06.10 | o3-pro | "最可靠模型"，AIME 2024 超越 Gemini 2.5 Pro |
| 2025.08.07 | GPT-5 / GPT-5 Pro | 重大里程碑。AIME 2025 94.6%，SWE-bench 74.9%，幻觉率降低约 6 倍 |
| 2025.11.12 | GPT-5.1 | 新增"购物研究"、8 种可定制个性风格 |
| 2025.12.11 | GPT-5.2 / GPT-5.2 Pro | 因 Gemini 3 发布加速推出。财务建模能力显著增强 |
| 2025.12.18 | GPT-5.2-Codex | 旗舰编码模型，上下文压缩改善长任务处理，新增 Windows 环境 |
| 2026.02.05 | GPT-5.3-Codex | 结合 GPT-5.2-Codex 编码 + GPT-5.2 推理，速度提升 25%。超 100 万开发者 |
1.2 Google / DeepMind
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.01.30 | Gemini 2.0 Flash | 成为默认模型。100 万 token 上下文 |
| 2025.02.05 | Gemini 2.0 Pro / Flash-Lite | 2.0 Pro 200 万 token 上下文，最强编码；Flash-Lite 最高性价比 |
| 2025.03.25 | Gemini 2.5 Pro (实验版) | 首款 thinking model，增强推理和编码 |
| 2025.05 | Veo 3 / Imagen 4 / Lyria 2 | Veo 3 视频+音频同步生成；Imagen 4 最先进图像生成；Lyria 2 音乐生成 |
| 2025.06.17 | Gemini 2.5 Pro/Flash GA | 2.5 系列正式商用 |
| 2025.10.15 | Veo 3.1 | 图到视频过渡、场景延伸（1 分钟+视频） |
| 2025.11.18 | Gemini 3 Pro / Deep Think | 20 项基准中 19 项领先，HLE 37.5%（Deep Think 模式 41.0%）。SWE-bench 76.2% |
| 2025.12.17 | Gemini 3 Flash | 替代 2.5 Flash 成为默认 |
| 2026.01.12 | Apple 合作 | Apple 宣布使用 Gemini 为下一代 Siri 提供支撑 |
1.3 Anthropic
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.01 | Claude 3.5 更新 | 新版 computer use 工具，新增 Citations 引用功能 |
| 2025.02.25 | Claude 3.7 Sonnet | 业界首款混合推理模型。SWE-bench 62.3%。同时发布 Claude Code 预览版 |
| 2025.05.22 | Claude Opus 4 & Sonnet 4 | 新一代旗舰。Opus 4 "世界最佳编码模型"。Claude Code 同日 GA |
| 2025.08 | Claude Opus 4.1 | 增量更新，后被 Sonnet 4.5 超越并弃用 |
| 2025.09.30 | Claude Sonnet 4.5 | SWE-bench 77.2%，OSWorld 61.4%，可自主运行 30 小时 |
| 2025.10 | Claude Haiku 4.5 | 最快最高性价比，匹配 Sonnet 4 编码性能 |
| 2025.11.24 | Claude Opus 4.5 | SWE-bench 80.9%。引入 effort 参数，80% 价格降低 |
| 2026.01 | Claude Cowork | 面向非技术用户的 GUI Agent 工具（研究预览），主要由 Claude Code 自身构建 |
| 2026.02.05 | Claude Opus 4.6 | 当前最新旗舰。100 万 token 上下文(beta)。新增 Agent Teams |
1.4 xAI (Elon Musk)
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.02.17 | Grok 3 / Grok 3 mini | Colossus 超算（约 20 万 GPU）训练，100 万 token 上下文。Elo 1402 |
| 2025.05 | Grok 3.5 Beta | 仅 SuperGrok 订阅用户（4月底宣布，5月初上线） |
| 2025.07.09 | Grok 4 / Grok 4 Heavy | ~1.7 万亿参数，AIME'25 95 分，HLE 44.4%。$300/月订阅 |
1.5 DeepSeek
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.01.20 | DeepSeek-R1 | 671B/37B 激活(MoE)，MIT 开源。~$558 万训练成本（V3基座GPU训练）震动行业，引发"DeepSeek 冲击波" |
| 2025.03.24 | V3-0324 | V3 升级版，推理和编码显著提升 |
| 2025.05.28 | R1-0528 | AIME 2025 从 70.0 提升至 87.5，GPQA 从 71.5 提升至 81.0 |
| 2025.08.21 | V3.1 | 混合架构 thinking/non-thinking 切换，比 V3/R1 高 40%+ |
| 2025.09.29 | V3.2-Exp | 引入 DeepSeek Sparse Attention (DSA) |
| 2025.12.01 | V3.2 / V3.2-Speciale | 685B 参数。号称"GPT-5 级性能"。API 仅 $0.28/M tokens。Speciale IOI/IMO 金牌级 |
1.6 Meta Llama
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.04.05 | Llama 4 Scout | 109B/17B 激活，1000 万 token 上下文（业界最大），单张 H100 可运行 |
| 2025.04.05 | Llama 4 Maverick | 400B/17B 激活，100 万 token 上下文 |
| 未发布 | Llama 4 Behemoth | ~2T/288B 激活，仍在训练 |
1.7 阿里 Qwen 通义千问
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.01 | Qwen2.5-VL / Qwen2.5-Max | 多模态视觉语言模型；Max 号称超越 GPT-4o |
| 2025.03.26 | Qwen2.5-Omni-7B | 全模态：文本+图像+视频+音频输入输出 |
| 2025.04.28 | Qwen3 全系列 | 稠密+稀疏模型，36 万亿 token，119 种语言 |
| 2025.07-08 | Qwen3-Coder | 480B-A35B(MoE)，256K 至 100 万上下文 |
| 2025.09 | Qwen3-Max / Qwen3-Next | 超稀疏 MoE + 多 token 预测新架构预览 |
1.8 Mistral AI
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2025.06.10 | Magistral Small/Medium | Mistral 首批推理模型 |
| 2025.12.02 | Mistral Large 3 | 675B/41B 激活(MoE)，开放权重(Apache 2.0)，多模态 |
| 2025.12.10 | Devstral 2 | 编码模型，24B 超越 Qwen3 Coder Flash |
1.9 Amazon Nova
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2024.12 | Nova 第一代 | Micro/Lite/Pro/Premier/Canvas/Reel 六款模型，AWS Bedrock 独占 |
| 2025.12 | Nova 2 Lite/Pro/Omni/Sonic | Nova 2 Omni 首个支持文本+图像+视频+语音输入、同时原生生成文本和图像的推理模型。支持 MCP |
| 2025.12 | Nova Act | 浏览器 Agent 服务，基于 Nova 2 Lite，90% 可靠性 |
1.10 Microsoft Phi 系列
| 时间 | 模型 | 关键信息 |
|---|---|---|
| 2024.12 | Phi-4 | 14B 参数，MIT 开源 |
| 2025.02 | Phi-4-mini / multimodal | 3.8B mini + 5.6B 多模态（语音+视觉+文本），NPU 端侧部署 |
| 2025.04-05 | Phi-4-reasoning / reasoning-plus | 14B 推理模型，部分基准超越 DeepSeek-R1（671B） |
Phi-4 家族是 2025 年小模型（SLM）效率优先趋势的标杆——14B 参数在部分任务超越 671B 模型。
1.11 其他重要模型
| 公司 | 时间 | 模型 | 关键信息 |
|---|---|---|---|
| 2025.03 | Gemma 3 | 1B/4B/12B/27B 开放模型，基于 Gemini 2.0 技术，多模态+128K 上下文。200M+ 下载量，60K+ 社区变体 | |
| IBM | 2025.10 | Granite 4.0 | 混合 Mamba/Transformer 架构，内存节省 70%+，ISO 42001 认证。Apache 2.0 开源 |
| IBM | 2025.10 | Granite 4.0 Nano | 350M-1B Edge 推理模型，可在浏览器内运行 |
| Cohere | 2025.03 | Command A | 企业 RAG 旗舰模型，取代 Command R/R+ |
1.12 中国大模型
| 公司 | 时间 | 关键事件 |
|---|---|---|
| 字节 · 豆包 | 2025.12 | 1.8 版本，日均 token 超 50 万亿，同比增长 10 倍 |
| 百度 · 文心 | 2026.01 | ERNIE-5.0：统一全模态+超稀疏 MoE，>2.4T 参数 |
| 腾讯 · 混元 | 2025.12 | HY2.0：MoE 406B-A32B，发布三天调用 1.2 亿次 |
| 月之暗面 · Kimi | 2026.01 | K2.5：32B 激活/1T 总参（业界最大开源总参） |
| 智谱 · GLM | 2025.12 | GLM-4.6V 多模态 MoE 混合推理开源 |
| 华为 · 盘古 | 2025.06 | 盘古 5.5：五大基础模型，旗舰 Ultra 7180 亿参数 |
| 讯飞 · 星火 | 2025.11 | X1.5：MoE 全国产算力，推理效率比 X1 提升 100% |
| 小红书 | 2025.06 | dots.llm1：1420 亿参数 MoE，中文 C-Eval 92.2 超越 DeepSeek-V3 |
| 零一万物 | 2025.03 | 宣布停止大模型预训练，转向使用 DeepSeek 提供企业方案——DeepSeek 冲击波标志性事件 |
2 突破性架构与学术进展
2.1 MoE 架构演进
| 创新点 | 来源 | 描述 |
|---|---|---|
| Multi-head Latent Attention (MLA) | DeepSeek-V3/R1 | 压缩 KV 缓存，大幅降低推理内存 |
| 无辅助损失负载均衡 | DeepSeek-V3 | 首创不需额外损失函数的专家负载均衡 |
| 激进专家扩展 | DeepSeek-V3 | 每层路由专家从 160 增至 256 个（增长 60%） |
| FP8 训练 | DeepSeek-V3 | 资源受限下使用 FP8 精度完成训练 |
| 普及化 | 全行业 | DeepSeek、Llama 4、Qwen3、Mistral Large 3、混元 HY2.0、盘古 5.5 均采用 MoE |
2.2 Transformer 替代架构
Mamba / SSM（状态空间模型）
| 模型 | 关键特性 |
|---|---|
| NVIDIA Nemotron-H | 8B/47B/56B 混合 Mamba-Transformer，92% Mamba2 块替换注意力，吞吐量快最高 3 倍 |
| 微软 Phi-4-mini-flash | 3.8B，SambaY 架构（Mamba+滑动窗口+GMU），吞吐量提升最高 10 倍 |
| IBM Granite V4 | SSM + Transformer 混合架构 |
| AI21 Jamba | 首个大规模 Transformer-Mamba-MoE 混合（注意力:Mamba = 1:7） |
RWKV（Eagle → Finch → Goose）
| 版本 | 时间 | 创新 |
|---|---|---|
| v5 Eagle | 2024 | 多头矩阵值状态 |
| v6 Finch | 2024 | 数据依赖时间混合，14B 比 Eagle 7B 提升 12.5%+ |
| v7 Goose | 2025.03 | 动态状态演化 + 广义 Delta 规则，3B 规模 SOTA |
扩散语言模型
| 模型 | 时间 | 突破 |
|---|---|---|
| LLaDA | 2025.02 | 首个 8B 从零训练的扩散 LM，质量匹配同规模自回归 LLM |
| Block Diffusion | ICLR 2025 Oral | 解决扩散 LM 无法超出训练上下文长度的限制 |
| Gemini Diffusion | 2025.05 | 首个商用级性能，1479 tokens/秒（同类 5 倍） |
2.3 新型注意力机制
| 机制 | 来源 | 描述 |
|---|---|---|
| Native Sparse Attention (NSA) | DeepSeek-AI (ACL 2025) | 三分支并行：压缩+选择+滑动，27B 预训练损失低于全注意力 |
| TurboAttention | 微软 | FlashQ + SAS，预填充加速 1.8 倍 |
| 差分 Transformer | 2025 | 两注意力图相减消除噪声 |
| FlashMask | FlashAttention 扩展 | 列式稀疏注意力掩码 |
2.4 推理时扩展（Test-Time Compute Scaling）
| 模型 | 时间 | 成就 |
|---|---|---|
| DeepSeek R1 | 2025.01 | 通过 RLVR + GRPO 验证范式有效性 |
| OpenAI o3 | 2025.04 | AIME 2024 91.6%，比 o1 减少 20% 重大错误 |
| OpenAI o4-mini | 2025.04 | AIME 2025 99.5%（使用 Python 解释器） |
| OpenAI o3-pro | 2025.06 | 最强推理模型 |
| Qwen3-235B | 2025 | AIME 2025 89.2%，双模式切换 |
2.5 训练方法突破
强化学习与 LLM
| 算法 | 描述 |
|---|---|
| GRPO | DeepSeek 提出，消除 PPO 中的独立评论者模型，内存高效 |
| RLVR | 带可验证奖励的 RL，2025 年主导训练范式 |
| R1-Zero | 完全跳过 SFT，纯 RL 自发产生推理能力 |
| REINFORCE++ | 2026.02 ProRL V2 用其训练 SOTA 级 1.5B 推理模型 |
| ReTool | 将"调用工具 vs 继续思考"建模为 RL 决策，AIME-2025 40% 提升至 67% |
范式演进：RLHF+PPO (2022) → DPO (2023-24) → GRPO/RLVR (2025) → REINFORCE++ (2026)
可解释性：Anthropic 电路追踪
| 时间 | 进展 |
|---|---|
| 2025 年初 | 发布归因图方法——追踪模型内部从输入到输出的转换路径 |
| 2025.04 | 分析越狱提示中模型行为机制 |
| 2025.06 | 开源电路追踪 Python 库 |
| 关键发现 | Claude 存在跨语言共享概念空间；有时"反向推导"中间步骤（动机推理） |
2.6 长上下文处理
| 模型 | 上下文窗口 | 备注 |
|---|---|---|
| Llama 4 Scout | 1000 万 tokens | 业界最大 |
| Gemini 2.0 Pro | 200 万 tokens | |
| Claude Opus 4.6 | 100 万 tokens (beta) | 2026.02 |
| Gemini 3 Pro | 100 万 tokens | 128K 召回率 77.0%，1M 仅 26.3% |
| GPT-5.2 | 40 万 tokens |
关键发现：宣传上下文窗口与实际可用性能间存在显著差距。未来方向从"扩大窗口"转向"提高窗口内检索和推理质量"。
2.7 World Models
| 项目 | 团队 | 进展 |
|---|---|---|
| Marble | Fei-Fei Li / World Labs | 2025.11 首个商用世界模型，文本/图片 → 3D 环境 |
| World API | World Labs | 2026.01 大型世界模型 API，"3D 的 GPT-2 时刻" |
| AMI Labs | Yann LeCun | 2025.12 离开 Meta，基于 JEPA 架构，寻求 5 亿欧元融资 |
| Genie 3 | Google DeepMind | 首个实时交互式世界模型，24fps 持久 3D |
| Cosmos | NVIDIA (CES 2025) | 物理 AI 平台，2026.01 下载量超 200 万次 |
2.8 硬件突破
AI 芯片
| 芯片 | 关键参数 |
|---|---|
| NVIDIA B200 | 192GB HBM3e, 18 PFLOPS FP4, 约为 H200 的 2.5 倍 |
| NVIDIA GB200 NVL72 | 36 Grace + 72 Blackwell, 1.4 EFLOPS, 比 H100 推理快 30 倍 |
| NVIDIA Blackwell Ultra | 15 PFLOPS NVFP4，比 H100 提升 7.5 倍 |
| NVIDIA Vera Rubin (2026-27) | 首款自研 CPU + Rubin GPU 288GB，50 PFLOPS |
量子计算
| 芯片 | 关键突破 |
|---|---|
| Google Willow | 105 量子比特，量子纠错突破（30 年挑战），比超算快 1025 年 |
| 微软 Majorana 1 | 全球首个拓扑量子比特处理器，架构可扩展至 100 万量子比特 |
光子计算
| 项目 | 突破 |
|---|---|
| Lightmatter | 首个能运行 ResNet/BERT 的光子处理器，65.5 TOPS, 78W |
| 中国 LightGen | 200 万+光子神经元，比 GPU 快 100 倍以上 |
2.9 重要学术会议
ICLR 2025（4 月，新加坡）
| 数据 | 值 |
|---|---|
| 最佳论文 | "Safety Alignment Should be Made More Than Just a Few Tokens Deep"（安全对齐仅在前几个 token 生效的"浅层对齐"问题）；"Learning Dynamics of LLM Finetuning"（SFT/DPO 微调动力学）；"AlphaEdit"（模型编辑性能提升 36.7%） |
| 荣誉提名 | SAM 2；Faster Cascades via Speculative Decoding |
| Test of Time 奖 | Adam 优化器 |
ICML 2025（7 月，温哥华）
| 数据 | 值 |
|---|---|
| 投稿/录取 | 12,176 篇投稿，3,300+ 篇接收 |
| 最佳论文 | "Train for the Worst, Plan for the Best"（Masked Diffusion Models 超越自回归模型，Sudoku 6%→89%）；"Roll the Dice & Look Before You Leap"（证明 next-token prediction 限制创造力）；CollabLLM（Microsoft Research）等 6 篇 |
| Test of Time 奖 | Batch Normalization |
ACL 2025（7-8 月，维也纳）
| 数据 | 值 |
|---|---|
| 投稿 | 8,000+ 篇（创纪录），第一作者 51.3% 来自中国 |
| 最佳论文 | DeepSeek Native Sparse Attention (NSA)（梁文锋共同作者）；北大 "Language Models Resist Alignment"（LLM 微调后会回弹到预训练状态的"弹性"机制） |
NeurIPS 2025（12 月，圣迭戈）
| 数据 | 值 |
|---|---|
| 投稿 | 21,575 篇 |
| 录取 | 5,200+ 篇（24.5%） |
| 最佳论文 | Qwen 门控注意力（Gated Attention）等；最佳论文亚军：转导在线学习突破（解决 30 年开放问题）；自监督 RL 深度扩展（1024 层） |
| Apple 论文 | "思考幻觉"——推理模型超过特定复杂度后准确率崩溃 |
2.10 AI 能力测评体系
本报告多处引用基准分数（如 SWE-bench 80.9%、AIME 2025 99.5%）。以下是理解这些数字的关键测评框架。
| 基准 | 说明 |
|---|---|
| LMArena (Chatbot Arena) | 600 万+用户投票的众包 Elo 排名系统，已成为模型评估的事实标准。人类盲评两个模型输出后投票 |
| SWE-bench Verified | 软件工程能力基准——给定 GitHub issue，模型需自主生成修复补丁。Verified 子集由人工确认可解 |
| AIME 2025 | 美国数学邀请赛（高中竞赛级），测试数学推理。满分 15 题，o4-mini 达 99.5% |
| GPQA Diamond | 研究生水平专家问答，涵盖物理/化学/生物。专家间互评仅约 65% 一致性 |
| HLE (Humanity's Last Exam) | Center for AI Safety + Scale AI 联合创建。2,500 个跨 100+ 学科的专家级问题。GPT-5 仅 ~25%。旨在对抗基准饱和 |
| ARC-AGI-2 | 测量流体智能（抽象推理），人类平均 60% 而最佳 AI 仅 24%。2025 年 1,455 个团队参赛。四大实验室已在 Model Card 中报告 ARC-AGI 分数 |
| OSWorld | 真实操作系统环境的 GUI Agent 基准 |
| WebArena | 网页操作 Agent 基准（搜索、购物、论坛等真实网站） |
3 协议与标准生态
3.1 MCP（Model Context Protocol）
| 时间 | 事件 |
|---|---|
| 2024.11 | Anthropic 发布 MCP 开放标准，解决"M×N 问题" |
| 2025.03.26 | 规范更新：Streamable HTTP + OAuth 2.1。OpenAI 正式采用 MCP |
| 2025.04 | Google DeepMind 确认 Gemini 支持 MCP；服务器下载量 800 万 |
| 2025.05 | Microsoft/GitHub 加入 MCP 指导委员会；服务器数突破 4,000 |
| 2025.06.18 | 规范更新：OAuth Resource Server 分离 + 结构化工具输出 + Elicitation |
| 2025.11.21 | MCP Apps 扩展：Anthropic+OpenAI 合作，工具返回交互式 UI |
| 2025.11.25 | 一周年大版本：Tasks 原语 + 服务器身份 + 客户端身份 + 无状态默认 |
| 2025.12.09 | MCP 捐赠给 Linux Foundation AAIF |
9700万+
SDK 月下载量
16,000+
活跃服务器
300+
MCP 客户端
18亿$
全球市场规模
3.2 A2A（Agent-to-Agent Protocol）
| 时间 | 事件 |
|---|---|
| 2025.04.09 | Google Cloud Next 发布，50+ 合作伙伴 |
| 2025.06.23 | 纳入 Linux Foundation |
| 2025.07.31 | v0.3 发布（gRPC + 安全卡签名），150+ 组织 |
| 2025.08 | ACP（IBM BeeAI）与 A2A 正式合并 |
3.3 其他 Agent 协议
| 协议 | 发布方 | 定位 |
|---|---|---|
| ANP | 开源社区 | Agent 发现与身份验证（基于 W3C DID） |
| AG-UI | CopilotKit (2025.05) | Agent ↔ 用户交互（事件驱动，HTTP/SSE/WS） |
| A2UI | Google (2025.12) | 声明式生成 UI 描述格式（安全优先，框架无关） |
| UCP | Google (2026.01) | 通用商务协议（与 Shopify/Walmart/Target 联合开发） |
| AP2 | Google (2025.09) | Agent 支付协议（VDC 信任链，60+ 组织） |
| AGENTS.md | OpenAI (2025.08) | AI 编码 Agent 指令规范，60,000+ 项目采用 |
| MCP Apps | Anthropic+OpenAI (2025.11) | MCP 交互式 UI 扩展（Canva/Figma/Slack 等） |
3.4 治理基金会
Linux Foundation AAIF（2025.12.09 成立）
| 类别 | 内容 |
|---|---|
| 三大创始项目 | MCP（Anthropic）+ Goose（Block）+ AGENTS.md（OpenAI） |
| 白金会员（8 家） | Anthropic、Block、OpenAI、AWS、Bloomberg、Cloudflare、Google、Microsoft |
| 治理模式 | 与 Kubernetes、PyTorch 同级别的 Linux Foundation 透明治理 |
3.5 协议生态分层图
┌─────────────────────────────────────────────────────────┐ │ 用户 / 前端应用 │ ├─────────────────────────────────────────────────────────┤ │ AG-UI (Agent↔用户) │ A2UI (生成式 UI) │ │ MCP Apps (交互式 UI 扩展) │ ├─────────────────────────────────────────────────────────┤ │ Agent 编排层 │ │ LangGraph │ CrewAI │ MS Agent Framework │ │ OpenAI Agents SDK │ Claude Code Skills │ AGENTS.md │ ├─────────────────────────────────────────────────────────┤ │ Agent 间通信 │ │ A2A (任务协作，含原 ACP) │ ├─────────────────────────────────────────────────────────┤ │ Agent 发现与身份 │ │ ANP (发现/身份/DID) │ ├─────────────────────────────────────────────────────────┤ │ Agent ↔ 工具/数据 │ │ MCP (上下文协议) │ ├─────────────────────────────────────────────────────────┤ │ 商业/支付协议 │ │ UCP (通用商务) │ AP2 (Agent 支付) │ ├─────────────────────────────────────────────────────────┤ │ 治理 / 基金会 │ │ AAIF (MCP+Goose+AGENTS.md) │ LF AI&Data (A2A) │ └─────────────────────────────────────────────────────────┘
3.6 开发者工具与框架
| 工具/框架 | 关键进展 |
|---|---|
| OpenAI Agents SDK | 2025.03 发布。Agent+Handoff+Guardrails 原语。Assistants API 将废弃 |
| LangChain 1.0 + LangGraph 1.0 | 2025.10.22 同发。IVP 领投（Sequoia 跟投）1.25 亿 B 轮。月下载 9000 万+ |
| CrewAI | 纯 Python 角色型多 Agent 框架，10 万+开发者认证 |
| MS Agent Framework | 2025.10 AutoGen + Semantic Kernel 合并，2026 Q1 计划 GA |
| Claude Code Skills | 2025.10 发布。YAML+Markdown 格式，160,000+ Skills |
| GitHub Copilot Agent Mode | 2025.02 预览，5月企业级 Coding Agent，可分配 Issue |
| Cursor | VS Code 分支，Pro $20/月 |
| Windsurf | 2025.07 被拆分——CEO团队转投Google（24亿人才协议），剩余资产被Cognition AI收购（OpenAI 30 亿收购失败后） |
3.7 推理框架与部署生态
推理框架是连接"模型训练"和"实际应用"的关键中间层——几乎所有生产环境 LLM 服务都基于以下框架。
| 框架 | 关键特性 |
|---|---|
| vLLM | 支持 218 种模型架构，周安装量超 100 万。PagedAttention 创新 + KVConnector（prefill/decode 分离）。每周 200-250 次代码提交 |
| SGLang | RadixAttention 实现 KV 缓存复用，吞吐量比 vLLM 高 17-29%。33 种注意力后端，高并发场景 6/8 项指标领先 |
| Ollama | 本地运行 LLM 的事实标准，2 条命令即可运行。Apple Silicon 首选框架 |
| llama.cpp | 底层推理引擎，支持 CPU/Metal/CUDA 推理。量化（GGUF）使消费级 GPU 可运行大模型 |
3.8 内容溯源与水印标准
| 标准/技术 | 关键进展 |
|---|---|
| C2PA | 内容来源和真实性联盟，300+ 组织参与。2025 年发布 2.1/2.2 规范，将成为 ISO 国际标准。三星 Galaxy S25、Leica、Cloudflare 已支持 |
| SynthID | Google DeepMind 不可见水印，已水印 200 亿+ AI 生成内容。2025.05 开放 SynthID Detector 检测门户 |
| 双层策略 | Google 同时使用 SynthID（像素级水印，抗编辑）+ C2PA（签名元数据，可审计链）。EU AI Act 第 50 条要求 AI 生成内容标注 |
4 安全、法规、伦理与合规
4.1 美国联邦层面
| 时间 | 事件 |
|---|---|
| 2025.01.20 | 特朗普撤销拜登 AI 安全行政令，转向"创新优先" |
| 2025.06 | 特朗普签署新 AI 行政令，修正前版 |
| 2025.07 | 白宫发布《美国 AI 行动计划》——"新太空竞赛" |
| 2025.09 | FTC 调查 7 家 AI 聊天伴侣公司对青少年影响 |
| 2025.12.11 | 重磅行政令：成立 AI 诉讼工作组，授权挑战州法律；点名科罗拉多州法为"问题法律" |
4.2 美国州法律
| 州 | 法案 | 生效日 | 核心内容 |
|---|---|---|---|
| 加州 | SB 53 | 2026.01.01 | 首部州 AI 安全法。覆盖年收入>5 亿 + >1026 FLOPS 的开发者。违规最高 100 万/项 |
| 科罗拉多 | SB 24-205 | 2026.06.30 | 高风险 AI 系统综合法。被特朗普行政令点名。违规最高 2 万/项 |
| 德州 | RAIGA | 2026.01.01 | 禁止 AI 用于鼓励自残/暴力/犯罪及生成 CSAM |
| 全美 | 1,000+ 法案 | 2025 年 | 各州共提出超 1,000 项 AI 相关法案 |
4.3 欧盟 AI Act 分阶段实施
| 时间 | 阶段 |
|---|---|
| 2025.02.02 | 第一阶段：禁止不可接受风险 AI（操纵性 AI、预测性警务、社会信用评分等） |
| 2025.08.02 | 第二阶段：GPAI 义务生效；罚款最高 3500 万欧元或全球营收 7% |
| 2025.11 | Digital Omnibus 提案可能推迟高风险合规至 2027.12 |
| 2026.08.02 | 预定高风险 AI 全面合规日（可能推迟） |
4.4 中国 AI 监管
| 时间 | 事件 |
|---|---|
| 2025.02 | 发布《AI 安全标准体系 V1.0》征求意见稿 |
| 2025.03.14 | 四部门发布 AI 内容标识办法，9 月 1 日生效 |
| 2025.07.26 | 发布《AI 全球治理行动方案》 |
| 2025.08.22 | 11 部门发布 AI 伦理管理办法征求意见稿 |
| 2026.01.01 | 新修订《网络安全法》生效，新增 AI 合规条款 |
4.5 其他国家/地区
| 国家/地区 | 关键政策 |
|---|---|
| 日本 | AI 促进法（2025.09 生效）——"世界上对 AI 最友好的国家" |
| 韩国 | AI Basic Act（亚洲首个综合 AI 框架法，2026.01.22 生效） |
| 新加坡 | 不制定综合法，AI Verify 自愿认证 + 行业特定监管 |
| UAE | Stargate 数据中心 + DIFC AI 许可 + K-12 AI 必修课 |
| 联合国 | 2025.08 通过决议：建立独立 AI 科学小组 + 全球治理对话 |
4.6 重大安全事件
| 类别 | 事件 |
|---|---|
| Deepfake 欺诈 | Arup 2560 万美元视频会议诈骗；意大利部长语音克隆近 100 万欧元 |
| AI 网络攻击 | 2025.09 Claude 被用于攻击 17 个组织；11 月 Anthropic 拦截大规模 Claude Code 攻击 |
| Prompt Injection | OWASP 2025 LLM Top 1；FlipAttack 对 GPT-4o 成功率约 98% |
| Deepfake 色情 | xAI Grok Aurora 争议；墨西哥 400+ 未成年人图像事件 |
| 整体趋势 | AI 恶意使用报告自 2022 年增长 8 倍；2025 仅 Q1 损失超 2 亿美元 |
4.7 AI 版权里程碑
| 案件 | 关键结果 |
|---|---|
| Bartz v. Anthropic | 15 亿美元和解——史上最大公开版权赔偿。覆盖近 50 万部作品。Anthropic 同意销毁盗版文件 |
| NYT v. OpenAI | 2026.01 法院命令 OpenAI 交出 2000 万条 ChatGPT 对话记录 |
| 裁定格局 | 目前 3 位法官裁决合理使用——2 位支持、1 位反对 |
| 趋势 | AI 版权案件从约 30 件翻倍至 70+ 件 |
| Suno / Udio 音乐版权 | 三大唱片公司（Universal/Sony/Warner）起诉。Warner 2025 年底和解，Suno 放弃"合理使用"抗辩。UMG/Sony 仍在诉讼中 |
4.8 AI 伦理与对齐
| 主题 | 进展 |
|---|---|
| Anthropic 新宪法 | 2026.01 发布约 80 页，CC 公共领域许可。首次承认模型可能具有道德地位 |
| OpenAI Model Spec | 2025 年 5 次更新。新增 Agent 行为准则、未成年人保护原则 |
| Anthropic RSP v2.2 | ASL-3 标准下发布大模型。SaferAI 评级降至 1.9（"弱"） |
| 弱到强对齐 | 0.5B-1B 引导向量可中和大模型危险行为 |
| OpenAI 非营利 → 营利争议 | 2025 年最重大治理事件。Elon Musk 起诉进入陪审团审判阶段；加州总检察长审查。2025.05 被迫转为 PBC（公益公司），非营利基金会保留约 26% 股权（约 1300 亿美元），成为世界最富有基金会之一 |
4.9 AI 就业影响
55,000
2025 AI 驱动裁员
12x
两年前的倍数
55%
雇主后悔因 AI 裁员
40%
员工担忧 AI 失业
| 指标 | 数据 |
|---|---|
| Amazon 裁员 | ~30,000 |
| Microsoft 裁员 | ~15,000 |
| IBM 裁员 | ~8,000（HR 部门被 AskHR 替代） |
| Klarna 案例 | AI 替代 700 人后质量下降，重新雇人 |
| 员工担忧 | AI 失业担忧从 28%(2024) 增至 40%(2026) |
5 现实世界应用与产业格局
5.1 AI Agent 产品格局
编码 Agent 对比
| 产品 | 用户量 | ARR | 特色 |
|---|---|---|---|
| GitHub Copilot | 2000万+ | ~20 亿$ | 微软分发优势，49% 市场份额 |
| Cursor | 100万+ | 5 亿+$ | 多 agent 架构，估值 293 亿 |
| Claude Code | 企业广泛采用 | ~10-20 亿$ | 终端原生，Agent Teams，Skills。GA → 10 亿仅 6 个月 |
| OpenAI Codex | 100万+开发者 | — | CLI+Web+IDE+桌面全覆盖 |
| Windsurf | ~100 万用户 | — | AI 原生 IDE。2025.07 被拆分——CEO团队转投Google，剩余资产被Cognition AI收购 |
| Devin | — | — | 全自主 AI 工程师，估值 40 亿 |
Claude Code 里程碑
| 时间 | 事件 |
|---|---|
| 2025.02 | 预览版发布 |
| 2025.05 | GA（与 Claude 4 同日） |
| 2025.07 | 单周 115K 开发者、1.95 亿行代码；ARR ~4 亿 |
| 2025.09 | Claude Code 2.0（检查点、IDE 扩展、并行 agents、hooks） |
| 2025.10 | Web 版发布 + Skills 系统 |
| 2025.11 | 突破 10 亿 ARR（GA 仅 6 个月） |
| 2025.12 | Anthropic 收购 Bun（JavaScript 运行时） |
| 2026.02 | Agent Teams 随 Opus 4.6 发布。约 90% 代码由 Claude Code 自身编写 |
5.2 AI 产品用户生态
| 产品 | MAU/WAU | 关键数据 |
|---|---|---|
| ChatGPT | 8-9 亿 WAU | ARR 100 亿+，市场份额 86.7% → 64.5% |
| Gemini | 7.5 亿 MAU | Q4 单季增长 1 亿，12 万+企业 |
| Meta AI | ~5 亿 MAU | — |
| Qwen App | 3000 万 MAU | 首周 1000 万下载，全球增长最快 |
| Perplexity | 2200 万活跃 | 月搜索 7.8 亿次，估值 180 亿 |
| Claude | 三位数增长 | 2025 年增长 190% |
5.3 人形机器人
13K-18K
2025 全球销量
~90%
中国份额
5,688
中国专利数
$131K
Optimus 排华成本
| 指标 | 数据 |
|---|---|
| 头部厂商 | 宇树(Unitree)、智元(Agibot) 各超特斯拉 5000 台目标 |
| 特斯拉 Optimus | V3 重新设计；排除中国零件成本从 $46K 增至 $131K |
| 中国专利 | 5,688 项（美国 1,483 项） |
5.4 AI 行业落地
制造业
77% 使用 AI，停机时间减少 23%。到 2035 年可增加 3.8 万亿 GVA
金融
全球年支出超 200 亿美元。机器人投顾管理 1.2 万亿+资产
医疗/药物
Insilico Medicine 首个 AI 全流程药物完成 Phase IIa。AI 压缩早期发现 30-40%
法律
40% 法律人士试验生成式 AI
教育
Coursera GenAI 课程注册突破 800 万，增长 195%
天气
NOAA 部署 3 套 AI 天气模型，仅需 0.3% 传统算力
自动驾驶
Tesla 2025.06 Austin 启动 Robotaxi（171 平方英里）；Waymo 扩展至 10 城；百度 Apollo Go 周 25 万+全自动驾驶订单，武汉单车已盈利
国防/军事
美国防部 GenAI.mil 覆盖 110 万+用户，与 OpenAI/Anthropic/Google/xAI 各签最高 2 亿美元合同
整体：72% 全球公司至少一个领域使用 AI
5.5 市场与资本
2025 年 AI 融资全景
2023亿$
AI 总投资
~50%
AI 占全球 VC
700万$
企业平均 LLM 支出
~1万亿$
三巨头私募市值
重大融资
| 公司 | 金额 | 估值 | 时间 |
|---|---|---|---|
| OpenAI F 轮 | 400 亿 | 3000 亿（10月二级市场另售66亿，估值达5000亿） | 2025.04 |
| Anthropic E 轮延伸 | 35 亿 | 615 亿 | 2025.03 |
| Anthropic F 轮 | 130 亿 | 1830 亿 | 2025.09 |
| Anthropic（进行中） | ~200 亿 | — | 2026.01 |
| xAI 多轮 | 累计 420 亿+ | 2300 亿 | 2025-26 |
| Anysphere (Cursor) | 23 亿 | 293 亿 | 2025 |
重大收购与合作
| 事件 | 金额 | 时间 |
|---|---|---|
| OpenAI 收购 Jony Ive io | 65 亿美元（史上最大 AI 收购之一） | 2025.05 |
| Windsurf | 2025.07 被拆分——CEO团队转投Google（24亿人才协议），剩余资产被Cognition AI收购（OpenAI 30 亿收购失败后） | 2025.05 |
| 迪士尼投资 OpenAI | 10 亿美元 + 200+ 角色授权 Sora | 2025.12 |
| Anthropic 收购 Bun | 未披露 | 2025.12 |
Jony Ive 的 io 团队并入 OpenAI，目标开发无屏幕 AI 设备（"第三核心设备"），预计 2027 年前发布。
5.6 AI 基础设施与能源
Stargate 项目
5000亿$
Stargate 总投资
7GW
总容量规划
10万+
创造岗位
1000亿$
初期投入
| 指标 | 数据 |
|---|---|
| 发起方 | OpenAI + SoftBank + Oracle + MGX，2025.01.21 特朗普宣布 |
| 旗舰站 | 德州 Abilene 已投入运营 |
| 扩展 | 2025.09 扩至 5 个新站点。国际扩展至阿联酋（1GW）、挪威、阿根廷（250 亿） |
AI 能源危机与核能复兴
| 指标 | 数据 |
|---|---|
| 数据中心用电 | 占美国电力 ~4%，预计 2030 年达 400 TWh（翻倍） |
| 三里岛重启 | Microsoft + Constellation Energy 20 年 PPA，重启 Unit 1（835MW），预计 2028 上线 |
| Google 核能 | 与 Kairos Power 签署首个企业 SMR 合同（500MW） |
| Amazon 核能 | 投资 200 亿+建设 Susquehanna AI 园区 |
| Meta 核能 | 与 Constellation 签 20 年 PPA（Clinton 核电站 1.1GW） |
| 行业总量 | 科技公司已签约超 10GW 核能容量 |
核能复兴：AI 的能源需求正在驱动一场"核能复兴"——这是 AI 对现实世界最深远的物理影响。
5.7 中美 AI 芯片博弈
| 时间 | 事件 |
|---|---|
| 2025.01 | 拜登 AI 扩散规则：三级国家分类 |
| 2025.03 | 特朗普加 42 个中国实体入清单 |
| 2025.04 | H20 对华销售需许可证 |
| 2025.05 | 废除国家分级，放松中东限制 |
| 2025.07 | 批准 H20/MI308 对华许可 |
| 2025.08 | 中国反制——推国产芯片，警告勿购 H20 |
| 2025.10 | 中美釜山协议：双方暂停部分限制一年 |
| 2025.12 | 允许 H200 对华出口（需缴 25% 费用） |
| 2026.01 | BIS 修改为"逐案审查"；25% 关税生效 |
中国 GPU 公司
| 公司 | 事件 |
|---|---|
| 摩尔线程 | 上海科创板上市，首日涨 400%+。腾讯、字节为股东 |
| 沐曦 MetaX | 上市首日涨 693% |
| 壁仞科技 | 港股上市首日涨 120%，零售超额认购 2300 倍 |
| 天数智芯 | 准备港股上市 |
6 综合时间线
| 时间 | 模型/产品 | 协议/标准 | 安全/法规 | 产业/市场 |
|---|---|---|---|---|
| 2025.01 | DeepSeek-R1 震动全球；OpenAI Operator；o3-mini | — | 拜登 AI 芯片出口管制；特朗普撤销 AI 安全令；韩国 AI 框架法 | Stargate 5000 亿项目宣布；"DeepSeek 星期一"NVIDIA 蒸发 $5930 亿 |
| 2025.02 | GPT-4.5 Preview；Claude 3.7 Sonnet；Claude Code 预览；Grok 3 | — | EU AI Act 第一阶段生效；中国 AI 安全标准；微软 Majorana 1 | FDA AI 药物指南 |
| 2025.03 | DeepSeek V3-0324；Qwen2.5-Omni | OpenAI 采用 MCP；MCP 规范更新；IBM 发布 ACP | NYT v. OpenAI 撤案被驳；NIST AI 标准零草案 | Anthropic 35 亿融资；NVIDIA GTC（Blackwell Ultra/Vera Rubin） |
| 2025.04 | GPT-4.1 系列；o3/o4-mini；Llama 4 Scout/Maverick；Qwen3 | Google 发布 A2A（50+伙伴） | H20 对华需许可 | OpenAI 400 亿 F 轮 |
| 2025.05 | Claude 4 + Claude Code GA；Codex；Sora 2；Veo 3/Imagen 4 | AG-UI 发布；Microsoft 加入 MCP 指导委员会 | OpenAI 非营利 → PBC 转型；日本 AI 促进法；UAE AI 必修课 | OpenAI 65 亿收购 Jony Ive io；中国机器人投资爆发 |
| 2025.06 | o3-pro；Gemini 2.5 GA；Magistral | MCP 规范更新（OAuth 重构）；A2A 纳入 LF | Bartz v. Anthropic 合理使用裁定；特朗普新 AI 行政令 | OpenRouter 4000 万融资；Insilico Phase IIa |
| 2025.07 | — | A2A v0.3 | 白宫 AI 行动计划；Grok4 被越狱 | Claude Code ARR ~4 亿；Copilot 2000 万用户；ChatGPT ~7 亿 WAU |
| 2025.08 | GPT-5；DeepSeek V3.1；Claude Opus 4.1 | ACP 与 A2A 合并；AGENTS.md 发布 | EU AI Act 第二阶段；UN AI 治理决议 | Anthropic ARR ~50 亿；95% 组织 AI 投入零回报 |
| 2025.09 | Claude Sonnet 4.5 + Code 2.0；GPT-5-Codex；Sora 2 | Google AP2 支付协议 | 加州 SB 53 签署；Bartz 15 亿和解；Claude 被用于网络攻击 | FTC 调查 AI 聊天伴侣；Anthropic 130 亿 F 轮 |
| 2025.10 | Claude Haiku 4.5；Claude Code Web | LangChain 1.0 + LangGraph 1.0；Claude Skills；MS Agent Framework | 中美釜山协议 | NVIDIA GTC DC；Perplexity Comet |
| 2025.11 | GPT-5.1；Claude Opus 4.5；Gemini 3 Pro | MCP Apps（Anthropic+OpenAI）；MCP 一周年大版本 | AI 泡沫讨论；Anthropic 拦截大规模攻击 | Claude Code 突破 10 亿 ARR；Qwen App 爆发 |
| 2025.12 | GPT-5.2；DeepSeek V3.2；Mistral Large 3；Gemini 3 Flash；混元 HY2.0 | AAIF 成立；A2UI 发布；AGENTS.md 捐赠 | 特朗普联邦优先权 AI 行政令 | 摩尔线程/沐曦上市；NOAA AI 天气；迪士尼投资 OpenAI 10 亿；Anthropic 收购 Bun |
| 2026.01 | ERNIE-5.0；Kimi-K2.5；Claude Cowork | UCP 发布 | 法院令 OpenAI 交 2000 万 ChatGPT 记录；SB 53 生效 | Anthropic ~200 亿融资；xAI 420 亿+；壁仞上市 |
| 2026.02 | Claude Opus 4.6（Agent Teams）；GPT-5.3-Codex | — | — | Claude Code ~20 亿 ARR |
7 核心趋势总结
7.1 十大趋势
1
效率优先取代暴力扩展
DeepSeek 以 ~$558 万训练成本证明算法创新可弥补硬件差距，全行业转向效率优先
2
推理模型成为标配
几乎所有主流模型都发布"思考"变体，thinking/non-thinking 模式切换成为标准功能
3
Agent 元年
Operator、Codex、Claude Code、Copilot Agent Mode 密集发布。"Agent 基础设施的寒武纪大爆发"
4
协议栈快速成型
从 MCP 单一实验到覆盖工具连接/Agent 通信/用户交互/发现/支付的完整协议栈，竞争对手罕见合作
5
开源冲击波
DeepSeek-R1 MIT 开源 → Qwen 11.3 万衍生模型 → 中国开源生态全球扩张 → OpenAI 被迫首次发布开源模型
6
安全威胁现实化
Deepfake 欺诈、AI 网络攻击、Prompt Injection 从理论风险变为日常威胁。AI 恶意使用报告增长 8 倍
7
监管碎片化
美联邦创新优先 vs 州严格监管 vs EU 系统化 vs 中国强制标识 vs 日本友好化——全球 AI 法规"碎片化时代"
8
资本集中度空前
OpenAI+Anthropic+xAI 私募市值接近 1 万亿；AI 占全球 VC ~50%；但 95% 组织 AI 投入零回报
9
AI 算力基础设施大跃进
Stargate 5000 亿项目启动；核能复兴（科技公司签约 10GW+）；数据中心用电预计 2030 年翻倍至 400 TWh
10
小模型挑战大模型
Phi-4 (14B) 部分超越 DeepSeek-R1 (671B)；Gemma 3 (27B) 2 亿+下载；端侧部署成为主流方向
7.2 关键数字一览
2023亿$
2025 全球 AI 投资
8-9亿
ChatGPT WAU
7.5亿
Gemini MAU
80-85%
开发者使用 AI 编码工具
72%
全球企业 AI 采用率
6个月
Claude Code → 10 亿 ARR
9700万+
MCP SDK 月下载
16,000+
MCP 活跃服务器
~90%
中国人形机器人份额
55,000
AI 驱动裁员 (2025)
15亿$
Bartz v. Anthropic
1,000+
各州 AI 法案数量
5000亿$
Stargate 项目总投资
10GW+
科技公司签约核能容量
2亿+
Gemma 3 下载量
65亿$
OpenAI 收购 io