Madrona Venture Group成立于1995年，总部位于美国西雅图，以其“帮助创业者从无到有”的宗旨而闻名。Madrona专注于种子轮和A轮阶段的投资，致力于推动技术驱动型行业的创新，特别是在人工智能（AI）、云计算、软件即服务（SaaS）、大数据、物联网（IoT）和金融科技等领域具有深厚的专业积累。

这家机构的历史可以追溯到一群“超级天使”投资人的大胆举措：1995年，他们向当时名为亚马逊的一家在线书商投资了一笔资金。2022年在硅谷开设办公室来进一步拓展业务。其投资组合中不乏行业领军企业，包括Redfin、Smartsheet和Snowflake等。此外，Madrona还积极支持人工智能领域的新兴公司，例如Runway ML、OctoML和Bolt.new。

这家机构目前在#AI创投榜目前以23家AI投资案例排名第38位。

图片

2024 年，人工智能领域迎来了新一轮的爆发。OpenAI、Anthropic 和 Databricks（刚刚完成创纪录的 100 亿美元融资）等巨头继续攀登新高峰，而 Sierra、Cursor、Read AI 等新兴 AI 初创企业也逐渐崭露头角。虽然偶有失望（比如 Rabbit R1），但整体来看，AI 领域的创新步伐仍在加速前进。

那么，2025 年 AI 会带来哪些新变化？在这个几乎所有公司都宣称自己“AI 驱动”的时代，分辨什么是“真正的”AI 变得越来越难。然而，这不会阻止我们根据数据和直觉做出预测。以下五个关键趋势预计将在 2025 年对 AI 产生重大影响。

一、训练范式从“预训练”转向“后训练”

过去几年，AI 模型的进步主要依赖于预训练阶段的数据量。模型在预训练阶段摄取的数据越多，性能通常就越好。例如，GPT-3.5 采用了 1750 亿个参数，而 GPT-4 可能超过了 1 万亿个参数，这显著提升了模型的上下文理解和响应能力。然而，随着互联网数据逐渐接近上限，我们正进入“后训练”（Post-Training）时代。2025 年，AI 训练将从“大量数据堆砌”转向“更智能的优化策略”。

在 2024 年的 NeurIPS 大会上，Ilya Sutskever 提出：

“数据不会无止境增长，因为我们只有一个互联网。数据就像 AI 的化石燃料，我们已经达到数据峰值，未来需要学会高效利用已有的数据。”

这一观点表明，AI 发展正在从依赖大规模数据预训练，转向如何在已有数据的基础上提升模型智能和效率。

后训练时代的几个关键趋势包括：

  1. 监督微调（Supervised Finetuning）：利用标注数据对模型进行优化，提高学习效率和准确度。
  2. 两阶段后训练（Two-Phase Post-Training）：如 Qwen 2.5 采用的策略，先进行监督微调，再进行进一步优化。
  3. 长上下文训练（Long-Context Training）：增强模型对长文本的处理能力，提高上下文理解力。
  4. 直接偏好优化（Direct Preference Optimization）：利用二元交叉熵目标（binary cross-entropy objective），让模型更贴近用户需求，而无需额外构建奖励模型。

二、测试时计算（Test-Time Compute）成为新范式

AI 领域的一个新兴趋势是“测试时计算”（Test-Time Compute）。这种方法在推理阶段（即模型执行任务时）增加计算能力，以提升模型性能。与过去的“单次推理”不同，测试时计算允许模型生成多个答案，进行系统性评估，并选择最佳结果。测试时计算让 AI 能够“思考得更久”，从而提升智能水平。这一策略有望改变 AI 的交互模式，并推动针对推理优化的硬件（如专用 AI 芯片）发展。

测试时计算的主要实现方式包括：

  1. 自优化（Self-Refinement）：模型不断迭代优化输出，识别并纠正错误。
  2. 验证器搜索（Search Against a Verifier）：生成多个候选答案，并通过验证系统筛选最优结果。

潜在影响：

  1. 数学、金融、工程领域的突破：AI 过去在这些领域表现较弱，主要因为难以进行多步骤推理和验证。未来，AI 在数学解题、欺诈检测、高级数据分析等方面可能迎来突破。
  2. 医疗、科研领域的进展：AI 可用于药物研发、临床试验和科学研究，例如优化分子设计、模拟实验过程等。
  3. 多模态推理增强：AI 可以像人类一样进行逻辑推理，将复杂问题拆解为多个步骤，并整合跨模态信息（文本、图像、数值等）。

三、AI 计算重点从训练转向推理

2025 年，AI 计算的重点将从模型训练转向推理。随着 AI 推理能力的增强，对专门优化推理的 AI 芯片需求将大幅上升。

目前，NVIDIA 凭借 H100 和 A100 GPU 在 AI 训练市场占据主导地位。然而，推理芯片更侧重于高效执行预训练模型，以便在实际应用中实时做出决策。相比训练芯片，推理芯片需要在计算能力与能耗之间取得平衡，以适应智能手机、物联网等设备。

图片

2025 年值得关注的推理芯片公司包括：

  1. Cerebras：专注于 AI 计算加速。
  2. Groq：开发高效推理芯片。
  3. SambaNova：提供 AI 推理优化硬件。

虽然 NVIDIA 仍将保持市场主导地位，但推理芯片领域可能迎来更多挑战者。

四、AI 代理（Agents）真正落地

2024 年，许多公司探索了 AI 代理（Agent）的概念，但大多数仍停留在试验阶段。2025 年，随着基础设施的成熟，AI 代理有望真正投入使用，特别是在企业内部应用场景中。

主要类别：

  1. 消费级代理：改进 UI/UX，例如语音助手、个性化推荐（旅行预订、健身计划等）。
  2. 通用代理：支持跨行业任务，如文档处理、信息提取、自动化执行等。
  3. 行业专用代理：专注于医疗、法律、金融等特定领域。

关键技术突破：

  1. 更先进的推理能力，使代理能够进行计划、优先级排序和自我验证。
  2. 统一的 API 编排框架，使代理能与多种数据源集成。
  3. 更强的安全性，如基于角色的访问控制和零信任模型。

五、早期 GenAI 公司的整合与新商业模式

2022-2023 年，大量 GenAI 初创公司涌现，其中许多公司只是“GPT套壳”，靠炫酷的演示吸引投资。然而，随着融资环境收紧，这些公司面临退出压力，2025 年可能迎来一波收购潮。同时，GenAI 领域将从“概念炒作”走向“真正的商业化应用”。

两种主要的收购模式：

  1. 技术和人才收购（Acquihires）：OpenAI、Anthropic 等 AI 巨头将通过收购吸纳优秀人才，向最优秀的 AI 人才支付数百万美元的薪酬。
  2. GenAI+ 业务增强（Gen-Enhanced）：即将 IPO 的公司可能收购 AI 初创企业，以增强 AI 叙事，提高市场吸引力。

图片

新商业模式探索：

  1. 基于结果的定价：按照 AI 交付的实际成果收费（如 Sierra 公司的实验）。
  2. “服务即软件”模式：AI 结合人类专业知识，优化业务流程，例如软件开发、客户支持、IT 安全等。

六、全文结论

2025 年，AI 领域将迎来新的变革。从训练转向推理、从预训练转向后训练、AI 代理的崛起、推理芯片市场竞争加剧，以及商业模式的创新，都会对行业产生深远影响。虽然我们距离通用人工智能（AGI）仍有一定距离，但 AI 的进步速度令人惊叹。

此外，2025 年可能在开源模型、小型语言模型、边缘计算和量子计算等方面迎来突破。监管与合规方面的讨论也将成为焦点，以确保技术发展与社会责任并行。

2025，AI 世界会更加智能、高效和实际应用化，让我们拭目以待！