2025 年预测：AI 将深入挖掘行业数据湖

摘要：这些未被利用的数据约有 120 ZB，相当于数万亿 TB，是全球所有海滩上全部沙粒数量的 120 倍以上。现在，全球各个行业都在构建和定制大语言模型（LLM），使得这些未经开发的数据发挥出其应有价值。

NVIDIA AI 专家预测，智能商店、新型机器人将不断崛起，并且医疗健康、制造业等领域将实现突破性发展。

自计算机时代到来后，各行各业都存储了海量数据，但其中大部分数据都从未得到利用。

这些未被利用的数据约有 120 ZB，相当于数万亿 TB，是全球所有海滩上全部沙粒数量的 120 倍以上。现在，全球各个行业都在构建和定制大语言模型（LLM），使得这些未经开发的数据发挥出其应有价值。

随着 2025 年的临近，医疗健康、电信、娱乐、能源、机器人、汽车和零售等行业都在使用这些模型，并将模型与其专有数据相结合，为创建具有推理能力的 AI 做好准备。

在下文中，NVIDIA 专家介绍了多个行业，这些行业每年可在全球范围内带来价值 88 万亿美元的商品和服务。他们预测，能够在边缘驾驭数据并提供近乎瞬时洞察的 AI 即将进入人们周边的医院、工厂、客户服务中心、汽车和移动设备。

在此之前，让我们先来听听 AI 对 AI 自身的预测。当被问及“各行业在 2025 年首要的 AI 趋势是什么？”时，Perplexity 和 ChatGPT 4.0 均回答说，代理式 AI 与边缘 AI、AI 网络安全以及 AI 驱动型机器人将并列第一。

代理式 AI 是一种新的生成式 AI，几乎可以自主运行。它可以根据对大量数据集的持续学习和分析，做出复杂的决策和行动。代理式 AI 的适应性强，目标明确，可自我修正，而且还能与其他 AI 智能体聊天或向人类寻求帮助。

接下来，我们来听听 NVIDIA 专家对未来一年的期望：

Kimberly Powell NVIDIA 医疗健康副总裁

人机互动：从理解和响应人类指令，到执行和协助复杂的手术，机器人将以各种方式协助人类临床医生。

数字孪生、模拟和 AI 正在让这一切成为可能。这些技术可以在虚拟环境中训练和测试机器人系统，以降低真实世界试验所带来的风险。同时也可以对机器人加以训练，让其在几乎任何情况下做出反应，提高它们在不同临床情况下的适应性和性能。

用于训练机器人执行复杂任务的新型虚拟世界将会使自主手术机器人成为现实。这些手术机器人将能够精确地执行复杂手术任务，缩短患者的康复时间，并减少外科医生的认知工作量。

数字健康智能体：代理式 AI 和多智能体系统的出现，将缓解当前劳动力短缺和护理成本上升的挑战。

行政健康服务的形式将成为由数字人帮助您处理文本、预约等工作，由此迎来一个由软件提供服务的时代，并催生服务即软件的行业。

全天候的个性化护理服务将改变患者体验，而医疗健康人员将与智能体合作，从而减少文书工作，检索和总结患者病史，并为患者推荐临床试验和最先进的治疗方案。

药物发现和设计 AI 工厂：就像 ChatGPT 无需实际的书写进行试错即可生成电子邮件或诗歌一样，药物发现领域的生成式 AI 模型可以解放科学思考和探索。

在进行耗时且昂贵的湿实验室实验之前，科技生物和生物制药公司已经开始将生成、预测和优化分子的模型结合起来，来探索近乎无限的靶向药物潜在组合。

药物发现和设计 AI 工厂将使用所有湿实验室数据，完善 AI 模型并重新部署这些模型，从而通过学习前一项实验而改进随后的每一项实验。依托这些 AI 工厂，这些行业将从发现过程转变为设计和工程过程。

Rev Lebaredian NVIDIA Omniverse 和仿真技术副总裁

让我们拥抱物理 AI：为能够感知、理解物理世界并与之互动的 AI 模型做好准备，这是企业将要竞相应对的一项挑战。

大语言模型主要从人类反馈中进行强化学习，而物理 AI 则需要在仿效物理定律的“世界模型”中学习。通过加速物理 AI 模型的训练，并在各行业的机器人系统中持续训练，基于物理学的大规模仿真正在让全世界通过机器人实现物理 AI 的价值。

买的越多，省的越多：除了是否足够智能之外，成本负担是阻碍人形机器人普及的一大因素。不过，随着代理式 AI 为机器人带来新型智能，机器人的数量将会增加，成本也将大幅下降。工业机器人的平均成本从 2010 年的 4.6 万美元大幅降至 2017 年的 2.7 万美元，预计到 2025 年将降至 1.08 万美元。随着这些设备的价格大幅降低，它们将像移动设备一样在各行业普及。

Deepu Talla NVIDIA 机器人与边缘计算副总裁

重新定义机器人：今天，当人们想到机器人时，脑海中通常会浮现出自主移动机器人（AMR）、机械臂或人形机器人的图像或内容。但是，未来的机器人将会是一套能够感知、推理、计划和行动、以及持续学习的自主系统。

在不久的将来，从手术室、数据中心到仓库和工厂，机器人将无处不在。甚至交通控制系统，又或整个城市，也将从静态、人工操作的系统转变为基于物理 AI 的自主交互式系统。

小语言模型的兴起：为了提高在边缘运行的机器人功能，预计小语言模型将会崛起，它们不仅节能，而且还能避免因向数据中心发送数据而带来的延迟问题。边缘计算向小语言模型的转变将为汽车、零售和先进机器人等多个行业带来更强的推理能力。

Kevin Levitt NVIDIA 金融服务全球总监

AI 智能体提升公司运营：AI 驱动的智能体将深度融入金融服务生态系统，以改善客户体验，提高生产力，并降低运营成本。

将有各种形式的 AI 智能体来适配每家金融服务公司的特定需求。类人的 3D 化身将接受请求并直接与客户互动，而基于文本的聊天机器人将在数秒内汇总数千页的数据和文件，继而为所有业务职能部门的员工提供准确、定制化的洞察。

AI 工厂将成为行业标配：行业内的 AI 用例正在激增。这些用例包括为满足反洗钱和“了解客户”监管要求而改进身份验证，减少交易欺诈的误判，以及生成新的交易策略以提高市场回报。AI 还能实现文件管理自动化，从而帮助消费者和企业在金融之路上缩短融资周期。

为了抓住这样的机遇，金融机构将构建 AI 工厂，利用全栈加速计算，尽可能提高性能和利用率，建立能够为成百上千项用例提供服务的 AI 驱动的应用，从而在竞争中脱颖而出。

AI 辅助数据治理：由于金融数据的敏感性和严格的监管要求，企业在使用数据创建可靠、合法的 AI 应用时，数据治理将成为优先事项，包括欺诈检测、预测和预报、实时计算和客户服务等。

企业将在 AI 模型的帮助下构建、控制、协调、处理和利用金融数据，使遵守法规和保护客户隐私的过程更加高效、简便，并降低劳动强度。在了解行业内大量未充分利用的非结构化数据并从中获得可付诸行动的见解方面，AI 发挥着至关重要的作用。

Richard Kerris NVIDIA 媒体和娱乐业务副总裁

通过 AI 享受娱乐：AI 将继续变革娱乐行业，从电视节目到体育直播，AI 为每块屏幕带来超个性化的内容。利用生成式 AI 和先进的视觉语言模型，各平台将根据个人品味、兴趣和情绪，提供沉浸式的个性化体验。不妨想象一下，预告图片和宣传短片可以捕捉到新节目或直播活动的精华内容，并建立即时的个人联系。

在体育直播中，AI 将提高可访问性和文化相关性，提供语言配音、个性化评论和本地化改编。AI 还将通过实时调整节奏、质量和互动选项来提升连续观看时长，从而吸引粉丝。这种新的互动水平将把流媒体从被动体验转变为引人入胜的旅程，拉近人们与情节以及彼此之间的距离。

AI 驱动型平台还将根据个人偏好，量身定制推荐、预告片和内容，从而与观众建立更深层次的连接。借助 AI 的超个性化功能，观众将能够发现隐藏的内容，重新找回以前的最爱，并获得被理解的体验。对娱乐行业而言，AI 将推动增长和创新，引入新的商业模式并支撑全球化内容战略，以此满足观众的独特喜好，消除娱乐的边界感，使之充满吸引力和个性。

Ronnie Vasishta NVIDIA 电信高级副总裁

AI 连接：电信运营商将开始经由同一网络提供生成式 AI 应用和 5G 连接。AI 无线接入网（AI-RAN）能够让电信运营商将传统的单一用途基站从成本中心转变为能够为各类设备提供 AI 推理服务的营利资产，同时更高效地实现最佳网络性能。

AI 智能体挺身而出：电信行业将率先使用代理式 AI 来执行关键业务。电信运营商将使用 AI 智能体处理多类任务，例如向客户推荐省钱方案和排除网络连接故障、解答账单疑问和处理付款等事务。

更高效、更高性能的网络：为了提高效率、提供特定站点学习和降低功耗，AI 还将被用于无线网络层。作为一种智能性能优化工具，运营商可以通过 AI 持续观察网络流量，预测拥堵模式，并在故障发生前予以调整，从而实现最佳网络性能。

响应主权 AI 号召：各国将日益依赖在管理复杂的分布式技术网络方面拥有丰富经验的电信公司，来实现本国的主权 AI 目标。这一趋势将在欧洲和亚洲迅速蔓延，瑞士、日本、印度尼西亚和挪威的电信公司已经开始与领先的公司合作，建立 AI 工厂，利用专有的本地数据帮助研究人员、初创企业、企业和政府机构创建 AI 应用和服务。

吴新宙 NVIDIA 全球副总裁，汽车事业部负责人

踩下生成式 AI 的油门：随着开发人员利用生成式 AI 的进步成果，自动驾驶车辆（AV）的性能将变得更加强大。例如，借助基础模型（例如视觉语言模型），有机会利用互联网规模的知识，解决自动驾驶车辆领域最棘手的问题之一，即高效、安全地进行极端情况推理。

仿真开启成功之门：更广泛地说，基于 AI 的新工具将使自动驾驶汽车开发工作取得突破性进展。例如，生成式仿真的进步将能够以可扩展的方式创建复杂场景，用于对车辆进行安全性压力测试。除了可以测试异常或危险情况外，在生成合成数据以进行端到端模型训练方面，仿真也至关重要。

三台计算机方法：实际上，支撑自动驾驶车辆开发有三台关键计算机，AI 的新进展将促进这三台计算机上的自动驾驶车辆软件开发。在这三台计算机中，一台用于在数据中心训练基于 AI 的堆栈，另一台用于模拟和验证，第三台车载计算机用于处理实时传感器数据以实现安全驾驶。这些系统将共同实现自动驾驶车辆软件的持续改进，从而提高汽车、卡车、自动驾驶出租车及其他车辆的安全和性能。

Marc Spieler NVIDIA 全球能源行业高级总监

迎接智能电网：您知道家中每天的用电高峰是什么时候吗？随着世界各地的电力公司正在采用智能电表，利用 AI 广泛地管理大型发电厂、变电站、以及家庭的电网，您很快就能知道答案了。

随着智能电网逐步成形，曾被认为过于昂贵的智能电表将走入千家万户。智能电表融合了软件、传感器和加速计算功能，不仅能提醒电力公司后院的树木是否触碰到电线，还能指示何时通过购买屋顶太阳能储存的过剩电力可以提供大额折扣。

加速电力供应：对于能源行业而言，提供最佳的能源技术堆栈一直是核心任务。在生成式 AI 时代，电力公司将以减少环境影响的方式解决这一问题。

预计到 2025 年，核能作为清洁能源之一将在能源行业得到更广泛的应用。随着天然气替代煤炭和其他能源，人们对天然气的需求也将增长。加速计算、仿真技术、AI 和 3D 可视化的应用日益广泛，这些技术有助于优化设计、管道流量和储存，从而助力推动核能和天然气等能源复苏。在石油和天然气公司内，也将会发生同样的转变，这些公司正在设法减少能源勘探和生产所带来的影响。