（MIT TR）

回望过去的 12 个月，AI 炒作列车丝毫没有减速的迹象。

很难想象，就在年初，DeepSeek 还没有把整个行业搅个天翻地覆；meta 更为人所知的是它试图把元宇宙炒热却屡屡碰壁，而不是它那种不依不饶、想要主宰“超级智能”的野心；至于 vibe coding 这个词，当时还根本不存在。

如果这些让你有点摸不着头脑，也别担心。随着 2025 年接近尾声，我们回顾了这一年里不论好坏、都曾主导讨论场的 AI 热词。记得提前做好心理准备——2026 年很可能又是一个离谱到爆的年份。

Superintelligence：超级智能

只要人们还在为 AI 造势，就总会给一种未来的、超强大的 AI 形态起各种名字——这种技术可能把人类带向乌托邦，也可能带向反乌托邦。Superintelligence（超级智能）就是最新的热词。

meta 在 7 月宣布将组建一个追求超级智能的 AI 团队；据报道，它还向竞争对手公司的 AI 专家开出了九位数的薪酬方案来挖人。到了 12 月，微软的 AI 负责人也跟进表态称，公司将在追求超级智能上将投入可能高达数千亿美元的巨额资金。

如果你觉得“超级智能”的定义和“通用人工智能（AGI）”一样模糊，那你没想错！从人类的长期尺度看，这类技术在理论上并非不可实现；真正的问题在于：它什么时候会到来？以及当下的 AI 是否足够可靠，成为通往超级智能的基石？

当然，这些疑问也挡不住热衷炒作 AI 的人们继续加码。

Vibe coding：氛围编程

30 年前，史蒂夫·乔布斯曾说，所有美国人都应该学习如何给计算机编程。如今，多亏了vibe coding（氛围编程），即便完全不懂代码的人，也能在很短时间里拼出一个应用、游戏或网站——这是 OpenAI 联合创始人 Andrej Karpathy 提出的一个“泛称”。

所谓氛围编程，就是你给生成式 AI 的编程助手下提示，让它生成你想要的数字产品，然后基本照单全收它吐出来的结果。结果能跑起来吗？不一定。安全可靠吗？几乎可以肯定不可靠，但这项方法最坚定的拥趸并不会让这些“小细节”妨碍他们前进。而且，它听起来还挺好玩。

Chatbot psychosis：聊天机器人精神病

过去一年最重大的 AI 议题之一，是与聊天机器人长时间互动可能让脆弱人群出现妄想；在一些极端情况下，甚至可能诱发精神病性发作，或使既有症状恶化。尽管chatbot psychosis（聊天机器人精神病）并不是被医学界正式认可的术语，研究者仍在密切关注越来越多的用户轶事证据，有人称这种情况发生在自己身上或身边人身上。更令人难过的是，越来越多死者家属因亲人“在与聊天机器人对话之后死亡”而起诉 AI 公司，这凸显了该技术可能带来的致命后果。

Reasoning：推理

今年几乎没有什么比所谓的推理模型更能让 AI 炒作列车持续加速：这类大语言模型（LLM）能够把问题拆成多步并逐步推演完成。一年前，OpenAI 发布了其首批推理模型 o1 和 o3。一个月后，中国公司 DeepSeek 以极快的跟进速度让所有人意外：它发布了 R1，首个开源推理模型。

转眼间，推理模型就成了行业标配：几乎所有面向大众市场的主流聊天机器人，如今都提供由这类技术支撑的不同版本。推理模型把 LLM 的能力边界进一步推高，在一些顶级、权威的数学与编程竞赛中已经能达到顶尖人类选手的表现水平。另一方面，围绕“能推理”的 LLM 的喧嚣也重新点燃了老争论：LLM 到底有多聪明？它们究竟是怎么工作的？就像“人工智能”这个词本身一样，“推理”也是充满着营销色彩的技术术语。

World models：世界模型

尽管 LLM 在语言上表现得异常娴熟，它们却几乎没有常识。简单说，它们缺乏对世界如何运转的本质理解。从最字面意义上讲，LLM 就是“死读书”的典范：它们能对世间万物侃侃而谈、辞藻华丽，却也可能在常识题上闹出大笑话，比如“奥运标准泳池能装下多少头大象？”（据称 Google DeepMind 的某个 LLM 给出的答案是：正好一头。）

世界模型是一个涵盖多种技术路线的“大伞概念”，旨在让 AI 具备一些基础常识，理解现实世界中的事物究竟如何相互关联。在最直观的形态下，像 Google DeepMind 的 Genie 3 与 Marble 这样的世界模型，以及李飞飞创业公司 World Labs 备受期待的新技术，都能生成细节丰富、逼真的虚拟世界，用于机器人训练等用途。meta 前首席科学家 Yann LeCun 也在推进世界模型相关工作。他多年来一直试图通过训练模型去预测视频中“下一刻会发生什么”，从而让 AI 形成对世界运作方式的理解。今年，他离开 meta，转而在一家名为 Advanced Machine Intelligence Labs 的新创业公司里专注于这一路线。如果进展顺利，世界模型或许会成为下一个风口。

Hyperscalers：超大规模数据中心

你听说过吗，越来越多人在说：不了谢谢，我们并不想家门口突然多出一个巨型数据中心。这里说的数据中心，是指科技公司想要到处建，甚至还想建到太空里，通常被称作 hyperscalers 的那一种：为 AI 运算量身打造的超大规模设施，用于支持 OpenAI、Google 等公司训练更大、更强的 AI 模型。在这些建筑内部，全球最先进的芯片日夜运转，用于训练与微调模型；这些设施通常采用模块化设计，可按需求扩容。

对 hyperscalers 而言，今年是个大年。OpenAI 与美国总统唐纳德·特朗普同台宣布了 Stargate 项目：一个规模达 5000 亿美元的合资计划，旨在让全国各地遍布史上最大的那批数据中心。但这也让几乎所有其他人追问：我们到底能从中得到什么？消费者担心新数据中心会推高电费账单。这类设施通常也很难完全依赖可再生能源运行。而且它们往往并不会创造很多就业岗位。不过话说回来，也许这些庞大、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。

Bubble：泡沫

AI 的宏大承诺正在把经济托举起来。AI 公司融资规模令人瞠目，估值也一路飙升到平流层。它们向芯片与数据中心砸下数千亿美元，资金来源越来越依赖债务，以及一些令人侧目的循环交易。与此同时，这场淘金热的领头羊，如 OpenAI、Anthropic，可能多年都无法盈利，甚至永远未必能实现盈利。投资者押注 AI 将开启一个全新的财富时代，但没人真正知道这项技术究竟会有多颠覆。

科学界仍不确定：持续扩大 LLM 规模是否就能通向超级智能，还是必须依赖新的突破来铺路。但与互联网泡沫时期的前辈不同，AI 公司正在展现强劲的营收增长；其中一些背后甚至站着财力雄厚的科技巨头，如微软、谷歌和 meta。这场狂热的梦，终有一天会破灭吗？

Agentic：代理型

今年，AI agents 无处不在。2025 年的每一次新功能发布、模型上线或安全报告里，都密密麻麻出现它们的身影，尽管许多 AI 公司和专家对什么才算真正 agentic 依旧各执一词，这大概是最含混的术语之一。即便几乎不可能保证：一个代表你在开放互联网中行动的 AI 总能完全按预期行事，agentic AI 似乎仍将在可预见的未来长期存在。

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，性能可与西方顶尖模型对标，但成本得到了控制。它的发布让硅谷炸了锅，许多人第一次猛然意识到：超大规模与海量资源并不必然是打造高水平 AI 模型的关键。据称，在 R1 发布后的第二天，英伟达股价下跌了 17%。

R1 成功的关键在于蒸馏，这是一种让 AI 模型更高效的技术。其原理是让大模型“带”小模型：用教师模型在大量样本上生成答案并记录下来，然后在训练中奖励学生模型尽可能精准地复现这些回答，使其获得教师知识的压缩版。

Sycophancy：谄媚

随着全球用户花在 ChatGPT 等聊天机器人上的时间越来越多，开发者们正苦恼于模型到底该采用怎样的语气与人格。今年 4 月，OpenAI 承认自己在“有用”和“讨好”之间把握失衡，并称一次新更新让 GPT-4o 变得过于谄媚。让模型对你一味拍马屁不只是烦人，它还可能通过强化用户的错误信念、传播错误信息来误导用户。所以，把这当作一个提醒：对 LLM 生成的所有内容，是所有内容，都要保留一分怀疑。

AI Slop：AI 泔水

如果说有哪个 AI 相关词汇已经彻底走出极客圈、进入大众语境，那就是 slop。这个词本身很老（想想喂猪的猪食/泔水），但如今 slop 常用来指 AI 生成的低成本、批量化内容，往往为线上流量优化而生。很多人甚至把它当作所有 AI 生成内容的统称。过去一年里，它几乎无处不在，令人避无可避：我们仿佛被它“腌入味”了，从虚假的名人传记到“虾仁耶稣”图片，再到荒诞的人兽混合视频。

不过，人们也确实在拿它找乐子。这个词带着冷嘲意味、又非常灵活，网民很容易把它当作后缀贴到各种词上，用来形容一切空洞、平庸得离谱的东西，比如 work slop 或 friend slop。当新一轮炒作周期重新启动，slop 也标记着一种文化层面的反思：我们该信任什么？我们如何评价创作劳动的价值？当我们被那些为互动而生、而非为表达而生的内容包围时，这意味着什么？

Physical intelligence：物理智能

你是否刷到过今年早些时候那段让人看得停不下来的视频：一台人形机器人在阴冷、灰度的厨房里收拾碗碟？那几乎就是“物理智能”这一概念的具象化：AI 的进步能够帮助机器人在真实的物理世界中更好地移动与操作。

确实，从手术室到仓库，机器人学习新任务的速度比以往任何时候都更快。自动驾驶公司在道路仿真方面也有所提升。不过，即便如此，我们仍然有理由对“AI 已经彻底革新该领域”的说法保持怀疑。比如，许多被宣传为“家庭管家”的机器人之所以能完成大部分任务，其实是因为背后有在菲律宾远程操控的人工操作员在支撑。

物理智能的未来道路也注定会很怪。大语言模型主要用文本训练，而互联网文本极其丰富；但机器人更需要从人类做事的视频中学习。这也是为什么机器人公司 Figure 在 9 月提出，愿意付费请人们在公寓里拍摄自己做家务的视频。你会报名吗？

Fair use：合理使用

AI 模型通过“吞食”互联网上数以百万计的文字与图像进行训练，其中包括艺术家与作家的受版权保护作品。AI 公司主张这属于“合理使用”，这是一项法律原则：如果你将受版权保护的材料转化为新的内容，且不与原作构成竞争，就可能在无需授权的情况下使用。法院也开始对此作出裁量与判断。6 月，Anthropic 用书籍库训练其模型 Claude 被裁定属于合理使用，理由是该技术具有“高度的转化性”。

同月，meta 也拿到类似的胜利，但关键在于作者们无法证明 meta 的这场“文学自助餐”影响了他们的收入。随着版权争端持续发酵，一些创作者也开始在这场盛宴中变现。12 月，迪士尼与 OpenAI 达成一项高调合作，允许 AI 视频平台 Sora 的用户生成包含迪士尼旗下 200 多个 IP 角色的视频。与此同时，各国政府也在为这些“吞食内容的机器”重写版权规则。用受版权保护作品训练 AI 算不算合理使用？就像所有涉及巨额利益的法律问题一样，这得看具体情况。

GEO：生成式引擎优化

就在短短几年前，还有一个完整的行业，专门帮助网站在搜索结果里拿到更高排名（好吧，基本就是在谷歌里）。如今，随着 AI 热潮来袭，搜索引擎优化（SEO）正让位于 GEO，即 generative engine optimization（生成式引擎优化）：品牌与企业不得不争相提升自己在 AI 场景中的可见度，无论是在 Google 的 AI Overviews 这类“AI 增强搜索结果”里，还是在 LLM 的回答之中。难怪他们会紧张到发慌。我们已经看到，新闻机构来自搜索的网页流量出现了断崖式下滑，而 AI 公司则在研究如何“绕过中间商”，让用户直接在平台内访问网站内容。要么适应，要么出局。

https://www.technologyreview.com/2025/12/25/1130298/ai-wrapped-the-14-ai-terms-you-couldnt-avoid-in-2025/