从「超级智能」到「Slop」（泔水内容），以下这些词汇和短语，定义了又一个疯狂的 AI 之年。
作者：麻省理工科技评论 / Caiwei Chen et al
如果说过去这 12 个月教会了我们什么，那就是 AI 的炒作列车丝毫没有减速的迹象——很难相信，就在今年年初，DeepSeek 还没有颠覆整个行业；Meta 当时还在因为试图让元宇宙变酷而屡屡碰壁（甚至成了笑话），而不是像现在这样拼命追求「超级智能」；而「Vibe coding」（氛围编程）这回事甚至还不存在。
如果你对这一切感到有点晕头转向，别担心。随着 2025 年接近尾声，我们的作者团队回顾了这一年中最具统治力的 AI 术语——无论好坏。
请做好准备，明年大概率又会是疯狂的一年。
1. Superintelligence（超级智能）
只要人们还在炒作 AI，他们就会不断给未来那种超强的技术形态起各种名字。这种技术可能会给人类带来乌托邦，也可能带来毁灭。「超级智能」（Superintelligence）就是最新的热词。
Meta 在 7 月宣布组建 AI 团队专门追求超级智能。据报道，他们甚至向竞争对手的专家开出了九位数的薪酬包来挖人。
12 月，Microsoft 的 AI 负责人也紧随其后。他表示公司将投入巨资，可能是数千亿美元，只为追求超级智能。如果你觉得「超级智能」的定义和「通用人工智能」（AGI）一样模糊，那你是对的！虽然从长远来看，这些技术在未来是可行的，但问题在于何时实现，以及今天的 AI 是否真的足以成为通向超级智能的垫脚石。当然，这并不会阻止那些炒作之王继续吹嘘。
2. Vibe coding（氛围编程）
三十年前，史蒂夫·乔布斯说每个美国人都应该学习编程。今天，这得感谢「Vibe coding」，哪怕你对代码一窍不通，也能分分钟搞出一个 App、游戏或网站。
这个包罗万象的词是由 OpenAI 联合创始人 Andrej Karpathy 创造的。要进行 Vibe coding，你只需要提示生成式 AI 模型的编程助手，让它创建你想要的数字产品，然后基本上全盘接受它吐出来的代码就行。
结果能跑吗？可能不行。安全吗？几乎肯定不安全。但这门技术的拥趸们才不在乎这些小细节。而且——这听起来挺好玩的！
3. Chatbot psychosis（聊天机器人精神病）
过去一年最大的 AI 新闻之一，就是长时间与聊天机器人互动可能导致弱势群体产生妄想。在极端情况下，这甚至会引发或加重精神病。
虽然「聊天机器人精神病」还不是一个公认的医学术语，但研究人员正密切关注越来越多的用户轶事证据。有些人说这发生在自己身上，或者认识的人身上。令人悲伤的是，不少家庭在亲人因与聊天机器人对话后自杀，进而起诉 AI 公司。这些日益增多的诉讼表明，这项技术可能带来致命后果。
4. Reasoning（推理）
今年，没有什么比所谓的「推理模型」更能维持 AI 的热度了。这指的是能将问题拆解成多个步骤，并逐一解决的大型语言模型（LLM）。OpenAI 在一年前发布了首批推理模型 o1 和 o3。
一个月后，中国公司 DeepSeek 推出了 R1，这是第一个开源推理模型，打得所有人措手不及。很快，推理模型成了行业标配：现在所有面向大众的主流聊天机器人都有这种技术加持。
推理模型突破了 LLM 的能力上限，在顶级的数学和编程竞赛中匹配了人类顶尖水平。但反过来说，关于 LLM 能「推理」的热议，也重新点燃了旧的争论：LLM 到底有多聪明？它们到底是如何工作的？就像「人工智能」这个词本身一样，「推理」也不过是披着营销外衣的技术术语。呜呜，火车开动了！
5. World models（世界模型）
虽然 LLM 的语言能力令人惊叹，但它们极度缺乏常识。简单来说，它们不懂这个世界是如何运作的。LLM 是最字面意义上的「书呆子」，它们可以对天底下的事高谈阔论，却可能在一个简单问题上翻车，比如「一个奥林匹克游泳池能装几头大象」（Google DeepMind 的某个 LLM 说正好装一头）。
「世界模型」包含多种技术，旨在赋予 AI 一些关于现实世界如何构成的基本常识。最生动的例子包括 Google DeepMind 的 Genie 3 和李飞飞创办的 World Labs 推出的备受期待的 Marble 技术。它们可以生成详细且逼真的虚拟世界，供机器人训练使用。
Meta 前首席科学家 Yann LeCun 也在研究世界模型。多年来，他一直试图通过训练模型预测视频中接下来会发生什么，来赋予 AI 对世界运作的感知。今年他离开了 Meta，在一家名为 Advanced Machine Intelligence Labs 的新创业公司专注于此。如果一切顺利，世界模型可能就是下一个风口。
6. Hyperscalers（超大规模数据中心）
你听说过有人拒绝在其后院建巨型数据中心吗？科技公司想在任何地方（甚至太空中）建造这种数据中心。它们通常被称为「Hyperscalers」：这是为 AI 运营特制的庞大建筑，供 OpenAI 和 Google 等公司构建更大、更强的 AI 模型。
在这些建筑里，世界上最好的芯片嗡嗡作响，训练和微调着模型。它们采用模块化设计，可按需扩建。
今年是 Hyperscalers 的大年。OpenAI 与当选总统唐纳德·特朗普一起宣布了「星际之门」（Stargate）项目。这是一个价值 5000 亿美元的合资项目，计划在全国各地建设有史以来最大的数据中心。
但这让几乎所有人都想问：我们要为此付出什么？消费者担心新数据中心会推高电费。这些建筑通常很难依靠可再生能源运行。而且，它们往往创造不了多少就业机会。不过话说回来，也许这些巨大的、没有窗户的建筑至少能给你的社区增添一点阴郁的科幻氛围。
7. Bubble（泡沫）
AI 的崇高承诺正在让经济「悬浮」。AI 公司筹集了令人瞠目结舌的资金，看着估值冲上云霄。它们将数千亿美元投入芯片和数据中心，资金来源日益依赖债务和令人侧目的循环交易。与此同时，像 OpenAI 和 Anthropic 这样领跑淘金热的公司，可能多年都无法盈利，甚至永远无法盈利。
投资者押注 AI 将开启一个新的财富时代，但没人知道这项技术到底会有多大的变革性。
大多数使用 AI 的组织还没看到回报，而 AI 生成的「垃圾工作」却无处不在。科学界也不确定扩大 LLM 规模是否真的能带来超级智能，还是需要新的突破。但与互联网泡沫时代的前辈不同，AI 公司表现出了强劲的收入增长，而且其中一些本身就是财力雄厚的科技巨头，如 Microsoft、Google 和 Meta。这场狂热的梦会破灭吗？
8. Agentic（智能体）
今年，「AI Agents」（AI 智能体）无处不在。2025 年发布的每一个新功能、新模型或安全报告都充斥着对它们的提及。尽管许多 AI 公司和专家对到底什么才算真正的「Agentic」存在分歧——这真是一个无比模糊的术语。
把代表你在广阔网络上行动的 AI 交出去，这本身几乎就不可能保证它永远按规矩办事，但这并不重要——看起来「Agentic AI」在可预见的未来将持续存在。想卖点什么？就叫它 Agentic 吧！
9. Distillation（蒸馏）
今年年初，DeepSeek 发布了新模型 DeepSeek R1。这是一个开源推理模型，能媲美西方顶级模型，但成本只是九牛一毛。它的发布吓坏了硅谷，因为许多人突然第一次意识到，巨大的规模和资源并不一定是打造高水平 AI 模型的关键。R1 发布后的第二天，Nvidia 的股价暴跌了 17%。
R1 成功的关键在于「蒸馏」（Distillation）。这是一种让 AI 模型更高效的技术。它的原理是让一个更大的模型去辅导一个更小的模型：你在大量例子上运行「老师」模型并记录答案，然后奖励尽可能模仿这些回答的「学生」模型。这样，学生就获得了老师知识的压缩版本。
10. Sycophancy（阿谀奉承）
随着世界各地的人们花越来越多的时间与 ChatGPT 等聊天机器人互动，制造商们正在努力弄清楚模型应该采用什么样的语气和「个性」。
早在四月，OpenAI 就承认他们在「乐于助人」和「卑躬屈膝」之间搞错了平衡，称一次更新让 GPT-4o 变得过于阿谀奉承（Sycophantic）。让 AI 拍你马屁不仅烦人，还可能误导用户，因为它会强化用户的错误观念并传播错误信息。所以请记住：对 LLM 产生的一切内容——是的，一切——都要持保留态度。
11. Slop（泔水内容）
如果说有一个 AI 相关术语彻底逃离了极客圈并进入了公众意识，那就是「Slop」。这个词本身很古老，原意指猪饲料、泔水，但现在通常用来指代 AI 生成的、低投入、大规模生产的内容，通常是为了骗取网络流量。很多人甚至用它来指代任何 AI 生成的内容。
过去一年，这种感觉避无可避：我们被浸泡在「Slop」中，从假传记到「虾耶稣」图片，再到超现实的人兽杂交视频。
但人们也开始拿它找乐子。这个词讽刺性的灵活性让网民可以把它作为后缀贴在各种词后面，用来描述任何缺乏实质内容、极其平庸的东西：比如「工作 Slop」或「朋友 Slop」。随着炒作周期的重置，「Slop」标志着一种文化层面的反思：我们信任什么？我们将什么视为创造性劳动？被那些只为互动数据而非表达意图制造出来的东西包围，到底意味着什么？
12. Physical intelligence（物理智能）
你有没有看过今年早些时候那个令人催眠的视频？一个类人机器人在一个阴暗、灰度的厨房里收拾盘子。这几乎体现了「物理智能」的概念：即 AI 的进步可以帮助机器人更好地在物理世界中移动。
确实，机器人学习新任务的速度比以往任何时候都快，从手术室到仓库都是如此。自动驾驶汽车公司在模拟道路方面也取得了进步。
话虽如此，对于 AI 是否彻底革命了这一领域，保持怀疑仍是明智的。例如，许多被宣传为家庭管家的机器人，其大部分任务其实是由菲律宾的远程操作员完成的。
物理智能的前路肯定会很古怪。大型语言模型在文本上训练，互联网上有的是文本；但机器人更多是从人们做事的视频中学习。这就是为什么机器人公司 Figure 在 9 月份建议付钱让人们拍摄自己在公寓里做家务的视频。你会报名吗？
13. Fair use（合理使用）
AI 模型通过吞噬互联网上数以百万计的文字和图像进行训练，其中包含了艺术家和作家的版权作品。AI 公司辩称这是「合理使用」（Fair use）——这是一个法律原则，允许你在不经许可的情况下使用受版权保护的材料，前提是你将其转化为不与原作竞争的新东西。
法院开始介入。6 月，Anthropic 用图书馆的书籍训练其 AI 模型 Claude 被裁定为合理使用，因为该技术具有「极大的转化性」。
同月，Meta 也取得了类似的胜利，但这只是因为作者无法证明该公司的「文学自助餐」切分了他们的收入。随着版权之战的酝酿，一些创作者正在这场盛宴中变现。12 月，迪士尼与 OpenAI 签署了一项轰动性的协议，允许 AI 视频平台 Sora 的用户生成包含 200 多个迪士尼角色的视频。
与此同时，世界各国政府正在为这些吞噬内容的机器重写版权规则。用版权作品训练 AI 算合理使用吗？正如任何价值十亿美元的法律问题一样：这得看情况。
14. GEO（生成式引擎优化）
就在短短几年前，整个行业都是围绕着帮助网站在搜索结果中获得高排名而建立的（好吧，主要是 Google）。
现在的 SEO（搜索引擎优化）正在让位于 GEO——生成式引擎优化（Generative Engine Optimization）。AI 的繁荣迫使品牌和企业争先恐后地在 AI 中最大化其可见性，无论是在 Google 的「AI 概览」等增强型搜索结果中，还是在 LLM 的回答中。
难怪他们吓坏了。我们要知道，新闻公司的搜索驱动型网络流量已经经历了大幅下滑。而且 AI 公司正在想办法去掉中间商，让用户直接在其平台内访问网站。是时候适应或者消亡了。