原版Artificial Analysis State of AI of Q3 2025报告链接：https://artificialanalysis.ai/downloads/state-of-ai/2025/Q3-2025-Artificial-Analysis-State-of-AI-Highlights-Report.pdf

三、 图像与视频模型：随着音频支持和质量的改进，视频模型的进展继续转向视频，而图像和视频的开放权重模型进展放缓

四、语音和音乐人工智能的进步正在加剧竞争，并实现更自然、更强大和更具成本效益的语音代理

五、NVIDIA 继续主导 AI 加速器市场，尤其是在前沿级训练方面，但越来越多的挑战者现在提供了材料差异化

2.模型采用趋势 根据2025年H1的AI采用率调查（N=591）：OpenAI (GPT/o) 保持领先 (84%) ；Google Gemini 的使用或考虑使用率激增了49个百分点，达到80%；DeepSeek (+53个百分点) 和 xAI Grok (+31个百分点) 增长迅猛；Meta Llama (-6个百分点) 和 Mistral (-15个百分点) 的需求有所下降。
3. AI 智能体 (Agents) AI智能体被定义为“由LLM驱动的自主系统”，能够规划、使用工具并采取行动以实现目标。

4️⃣全模态竞争加剧：各大实验室在智能、效率和速度上的竞争持续升温，且覆盖所有模态（语言、图像、视频、语音）。
5️⃣图像编辑与视频生成主流化：随着Gemini 2.5 Flash等模型的发布，图像编辑和视频生成技术正迅速普及。

二、 语言模型：智能竞赛与智能体崛起
1.算力需求与效率：“杰文斯悖论”——尽管模型效率不断提升（例如，GPT-4级别的智能现在比最初便宜100倍 ），但新的应用（如AI智能体和推理模型）正推动总算力需求持续增加。

6️⃣ 个人产品规划
- 暂时搁置

11月目标：
1️⃣ 推特陪跑衍生付费项目陆续推出
2️⃣ 和生财合作，出内部课程
3️⃣ 社群运营学习和内部资料持续输出
4️⃣ 线下结识更多独立开发或者可以合作项目的人

（3）增长本身就是最大壁垒
当算力、算法和数据的壁垒都被削弱时，商业竞争回归其本质——占领用户心智。
衡量成功的指标也在演变：从早期的月活跃用户（MAU），到后来的用户时长，再到现在的Token消耗量。Token消耗多，意味着用户正在用你的产品高频地解决实际问题，这成为了新的核心指标。

（4）AI出海，借势而为
对于AI创业，直接进军全球市场，无需国内“练兵”。通过借势全球化的云服务和顶尖技术，能够更高效地触达和服务全球用户。

原文链接：https://www.geekpark.net/news/355111

5️⃣ 新增长引擎：构筑动态壁垒
（1）猥琐发育，闷声发财
数据壁垒虽然存在，但并非牢不可破。当前最大的壁垒，是找到一个巨头看不见的细分市场，保持低调，缓慢而扎实地发育。

（2）巧用杠杆，不造轮子
Agentic时代强调的是加速创新。创业者应学会借力，利用全球最好的云服务、算力和算法，来提供顶尖服务，而不是重复制造底层工具。

3️⃣ 组织变革：学会“借势”，先人后事
成功的组织转型需要自上而下进行：
（1）思想变革：首先要改变团队自身的思维模式，才能真正利用好AI工具。
（2）组织变革：将研发体系重构成AI Native的原生组织。
（3）产品变革：最后才是将传统工具进行AI化改造。

4️⃣ 增长引擎：出海是必选项
在全球化的AI浪潮中，出海是必经之路。

2️⃣ 生存哲学：动态壁垒与极致执行
远离大厂，聚焦垂直行业：工具类产品在早期有机会，因为巨头无暇顾及。然而，一旦大厂反应过来，创业公司很容易被“团灭”。因此，明智的选择是深入垂直细分领域，直接交付价值与结果。

速度即壁垒：当底层技术（如大模型能力、MCP协议调用、Agentic AI开发工具链）趋于成熟和开放，真正的壁垒变成了极致的执行力和创新速度。

3. 隐私背叛
那些曾承诺“绝不使用你的聊天数据来训练模型”的公司，有一天可能会因为巨大的利益而改变主意——仅仅因为它们觉得用户已经离不开了。

3️⃣ AI自己也承认：风险真实存在
有趣的是，当我把这个问题抛给GPT-5时，它坦然承认：“多克托罗的‘垃圾化’框架，如果激励机制失控，将非常精确地映射到AI系统上。”
是的，你没看错。AI自己都认为，“垃圾化”的风险真实存在，甚至还列出了几种可能的方式。

我们享受着AI带来的便利，但也必须保持警惕。毕竟，没有什么午餐是永远免费的。

2️⃣ AI将如何一步步“垃圾化”？
1. 广告入侵
这是最显而易见的。未来，AI的推荐可能不再基于质量，而是基于谁付了钱。OpenAI最近刚宣布与沃尔玛合作，让用户可以在ChatGPT内部购物。你能想象这其中没有利益冲突吗？虽然Perplexity等平台承诺广告会有明确标记，但这种边界能守住多久？

2. 服务降级与涨价
看看亚马逊Prime Video，曾经的无广告服务，现在不付费就得看广告，会员费还不停上涨。AI也可能效仿：为了让你升级到更贵的付费版，免费版的智能水平可能会被“刻意”降低。

他认为，所有科技平台的发展都遵循一个三步走的腐烂过程：
- 讨好用户：平台初期会提供极好的服务来吸引和锁定用户。
- 压榨商家：一旦用户形成依赖，平台就会开始向入驻的商家或客户“抽成”，牺牲部分用户体验来变现。
- 收割平台：最后，平台会同时压榨用户和商家，将所有价值都收归自己囊中，此时的服务已经变得非常糟糕。
从越来越难用的谷歌搜索，到广告泛滥的亚马逊，这个理论精准地描述了我们每天都在经历的现实。

AI 现在既是信息的检索者，也是真相的仲裁者。
- 大模型的误导甚至可以影响到股市
- 案例：10月15日晚间，三花智控(002050)发布公告称，近日公司关注到网络媒体上有大量关于公司获得机器人大额订单的传言。经核实，该传言不属实，公司也不存在应披露而未披露的重大事项，2025年10月15日公司亦未接受任何媒体的采访。
- 案例原文链接（来自澎湃新闻）：https://mp.weixin.qq.com/s/WoJZkN_Hxb_N1qPYFt3uZQ

原文链接：https://www.aivojournal.org/who-decides-what-ai-believes/

2️⃣ “出身”决定一切的可见度偏见
AI会偏爱那些“出身名门”的信息。例如，一份在权威新闻通讯社发布的稿件，其在AI眼中的权重可能远高于你品牌官网上发布的相同内容。

3️⃣ 监管的真空地带
目前的法规（如欧盟AI法案、ISO标准）大多关注安全和歧视性偏见，却忽略了这种商业上的“信誉分配” 。

与AI的沟通是一门艺术，更是一门科学。掌握了这些技巧，你将不再是一个被动的用户，而是一个能够驾驭AI强大能力的“指挥家”。现在就开始练习吧，你会发现，AI能为你做到的，远超你的想象！

原文Lovable Prompting 1.1教程链接（更多高级提示技巧）：https://docs.lovable.dev/prompting/prompting-one

E - Explicit (明确): 清晰地说明你想要什么，不想要什么
- 反面案例：“给我讲讲狗。”
- 正面案例：“用项目符号的形式，列出关于金毛猎犬的5个独特事实。”
A - Adaptive (适应性强): 如果第一次的结果不理想，就迭代优化你的提示，可以把它想象成一场对话
- 示例：“你给出的解决方案缺少了身份验证步骤，请在代码中加入用户认证功能。”
R - Reflective (反思): 每次互动后，复盘哪些表达方式有效，哪些无效
- 示例：在完成一个复杂任务后，你可以让AI总结：“请总结一下我们最终的解决方案，并说明关键步骤。” 这能帮助你提炼出未来可复用的高效模板。

2️⃣ 核心原则：C.L.E.A.R. 框架
一个好的提示应遵循五个核心原则，记住这个单词：CLEAR（清晰）。
C - Concise (简洁): 直截了当，避免冗余
- 反面案例：“你能不能帮我写点关于科学的东西？”
- 正面案例：“写一段200字的摘要，总结气候变化对沿海城市的影响。”
L - Logical (有逻辑): 将复杂的请求分解成有序的步骤
- 反面案例：“给我做一个用户注册功能，顺便显示一些使用统计数据。”
- 正面案例：“第一步，使用Supabase实现一个包含电子邮件和密码的用户注册表单。第二步，在注册成功后，显示一个展示用户总数的仪表盘。”

原文链接：https://blog.google/products/google-nest/next-era-gemini-google-home-launch/