引言

2025年，全球人工智能发展进入以通用性、自主性、可信性为核心特征的新阶段。大模型参数规模持续攀升，多模态融合不断深入，具身智能与科学智能成为前沿焦点。在这一背景下，人工智能基础软件不再仅仅是算法与硬件的“中间层”，而是决定技术上限、产业生态乃至国家竞争力的战略制高点。中国科学院自动化研究所王磊研究员团队长期深耕人工智能基础软件领域，本报告结合其最新研究与实践，系统梳理2025年人工智能技术发展的关键趋势，并重点探讨基础软件开发的突破方向与应用探索。

一、2025年人工智能技术发展的宏观图景

（一）从专用到通用：大模型进入“推理增强”与“世界模拟”阶段

2025年，大语言模型与多模态模型的能力边界进一步拓宽。单一文本生成已不再是竞争焦点，取而代之的是长程推理、因果推断与复杂任务规划。以思维链、思维树、程序辅助推理为代表的技术，使模型在数学证明、代码生成、科学假设验证等场景中达到专家辅助水平。世界模型（World Model）从游戏仿真走向物理世界建模，为具身智能和自动驾驶提供可预测、可干预的内部表征。

（二）具身智能从实验室走向开放环境

得益于基础软件对实时感知、运动规划与多模态对齐的统一支持，2025年具身智能体（Embodied Agents）开始在前沿工厂、家庭服务、危险环境作业中开展规模化验证。核心挑战已从“能不能动”转向“能不能持续学习、安全交互、人机互信”。

（三）科学智能（AI4S）成为基础软件的新战场

人工智能加速科学发现已从个案走向平台化。基础软件需要提供面向分子动力学、流体仿真、基因组学等领域的可微分编程框架、自动微分与高性能计算融合能力。中国科学院自动化研究所联合多家单位推出的科学智能基础软件栈，正逐步支持从微观到宏观的多尺度建模。

（四）可信与治理技术内化为软件标准

随着全球人工智能治理框架加速落地，公平性、鲁棒性、可解释性、隐私保护不再是事后插件，而需要在基础软件层原生支持。2025年，联邦学习、差分隐私、形式化验证与模型溯源技术被集成至主流人工智能基础软件中。

二、人工智能基础软件开发的战略意义与核心挑战

王磊研究员指出，人工智能基础软件是连接芯片、算力、算法与应用的“操作系统级”基础设施。其战略意义体现在三方面：

1. 性能杠杆：通过编译优化、算子融合、内存复用、分布式调度，可将同等硬件算力利用率提升数倍，直接决定大模型训练与推理成本。
2. 生态掌控：框架、编译器、运行时、工具链构成开发者入口，谁定义基础软件接口，谁就主导应用创新节奏。
3. 安全底座：基础软件是实现模型可控、数据可信、行为可审计的第一道防线。

当前基础软件开发面临多重挑战：

· 碎片化硬件适配：GPU、NPU、存算一体、光计算等异构算力并存，要求基础软件具备统一中间表示与自动调优能力。
· 超大规模并行效率：万卡乃至十万卡集群下，通信、容错、负载均衡成为瓶颈。
· 动态环境下的持续学习：现有软件栈多针对静态数据集与离线训练，难以支撑开放环境中模型在线更新而不灾难性遗忘。
· 工程化与科学性的平衡：基础软件既要追求极致性能，又要保证可复现、可验证、可维护。

三、王磊团队在基础软件开发方面的主要探索

（一）“玄武”通用智能计算框架：面向异构算力的统一抽象

团队研发的“玄武”框架，采用多层中间表示（Multi-Level IR）设计，支持张量、符号、控制流与通信原语的统一表达。其核心创新在于：

· 自动算子生成：输入高层数学表达式，自动生成适配不同芯片的高效算子代码，减少手工优化。
· 自适应并行策略：根据模型结构、集群拓扑与带宽动态选择数据并行、流水并行、专家并行或混合并行。
· 弹性容错训练：在千卡规模下实现秒级故障检测与恢复，训练中断时间降低90%以上。

（二） “灵毓”科学智能编程语言与编译器

面向AI4S场景，团队推出“灵毓”可微分编程语言，支持微分方程、概率图模型与神经网络的无缝混合编程。其编译器能自动识别可并行区域、生成伴随代码，并面向CPU/GPU/DCU进行联合优化。在计算流体力学与材料基因组等任务中，相比通用框架取得3-8倍加速。

（三） “磐石”可信人工智能运行时

为实现模型行为可解释、可干预、可追溯，“磐石”运行时提供：

· 细粒度数据与模型血缘追踪：每一条训练样本、每一个参数更新均可审计。
· 动态风险评估：推理时实时监测分布偏移、对抗样本与逻辑矛盾。
· 隐私增强计算：集成安全多方计算与可信执行环境，支持跨机构联合建模。

（四）开源生态与标准制定

团队坚持开源开放，已向多个国际社区贡献核心组件。王磊研究员作为主要专家参与国家人工智能基础软件标准体系起草，推动接口、测试与评测方法的规范化。

四、应用探索：从智能制造到生命健康

（一）智能制造：认知柔性产线

基于基础软件对多模态感知与实时决策的支持，团队与头部制造企业合作，构建面向小批量、多品种的认知柔性产线。系统可实时识别来料差异、自主调整装配策略，并将新技能通过基础软件的回放与微调机制快速迁移至其他工位。

（二）生命健康：多组学基础模型与临床辅助

利用“灵毓”与“玄武”联合支撑，团队训练了跨物种、跨模态的生命多组学基础模型。在早期肿瘤筛查与罕见病辅助诊断中，模型能够融合影像、基因组与电子病历，给出可解释的风险评分与建议。基础软件的可信运行时确保了患者隐私与医生最终决策权。

（三）科学发现：自动驾驶实验室

在化学与材料领域，基础软件支撑的自动驾驶实验室实现了“假设-实验-分析-迭代”闭环。机器人平台根据模型预测自主设计实验、执行合成与表征，并将结果反馈给基础软件进行模型更新。2025年，该平台已在新催化剂与电池材料发现中取得数项阶段性成果。

五、未来展望与建议

王磊研究员认为，2025-2030年将是人工智能基础软件从“支撑”走向“引领”的关键窗口期。他提出四点建议：

1. 强化顶层设计，将基础软件列为人工智能国家战略科技力量的核心方向。
2. 鼓励开源开放与长周期投入，避免低水平重复与短期考核导向。
3. 推动软硬协同创新，基础软件团队应深度参与芯片指令集与体系结构定义。
4. 建立高水平评测基准，不仅评测精度与速度，更要评测可信、能效与持续学习能力。

人工智能的竞争，表面是模型与应用的竞争，深层是基础软件与生态的竞争。中国科学院自动化研究所王磊团队的工作表明，只有筑牢基础软件根基，才能让通用智能真正走向千行百业、走向科学前沿。2025年既是检验，也是起点。面向中国人工智能基础软件需要更多“从0到1”的原始创新与“从1到N”的生态凝聚，方能行稳致远。