从 DeepSeek 到 OpenClaw：2025 AI 进化的第一性原理观察

人脑有 850 亿神经元，但工作时只有 2-5% 同时激活，功耗 20 瓦。

GPT-4 有万亿级参数，推理时几乎全部激活，训练功耗以兆瓦计。

这个差距，就是 2025 年 AI 进化的原动力。

一、DeepSeek：向大脑靠拢

DeepSeek R1 出来那天，我看到 600 万美元的训练成本，第一反应是数字少写了个零。

后来看 MLA（多头潜在注意力）的论文，才明白本质：这不是省钱，是在模仿大脑的稀疏激活。

• 人脑：需要时只唤醒相关区域
• MLA + MoE：推理时只激活部分专家和压缩后的注意力
• 结果：同样的智能，十分之一的成本

（算法突破一旦被公开，护城河就失效了）

二、2025 年的三条收敛线

1. 算法：稀疏化成为主流

DeepSeek 证明 MoE 可以既稀疏又高效。随后 Phi、Gemma 等小型模型在特定任务追平大模型。

趋势清晰：从”一个模型做所有事”到”多个专家按需唤醒”。

（更像大脑了）

2. 产品：从说到做

• Claude 3.7：代码能力质变
• Manus：首次完整任务闭环
• OpenClaw：本地自主执行

关键转折：AI 从”信息处理器”变成”行动执行者”。

智能的价值不在”知道”，在”做到”。

3. 基础设施：算力民主化

Mac Mini M4 全球断货六周，不是在买电脑，是在买”个人 AI 服务器”。

当模型可以本地高效运行，智能从”云服务”变成”基础设施”。

（边界消失，成本归零）

三、收敛的本质

2025 年干了三件事：

维度	变化
形态	中心化 → 分布式
激活	稠密 → 稀疏
能力	匹配 → 推理
角色	工具 → 代理

共同指向：人工智能正在向生物智能的形态靠拢。

四、未来预测

基于上述原理，推演三个必然方向：

1. 持续学习（2026-2027）

当前模型是冻结的，无法像人脑一样在线学习。下一阶段的突破口：交互中实时更新权重。

2. 原生多模态（2026）

人脑没有”单模态”概念。2025 年的多模态还是文本中转，2026 年将出现真正的统一感知模型。

3. 智能环境化（2027-2028）

OpenClaw 只是开始。终极形态：智能像电一样无处不在。

“AI 设备”这个概念会消失——就像今天不会说”芯片设备”一样。

---

2025 年追 AI 追得挺累，回头看脉络倒很清晰：

把成本打下来，把边界拆掉，让智能自己长出来。

（Agent 领域没有护城河：）