在2025 IDEA大会上，IDEA研究院创院理事长、美国国家工程院外籍院士沈向洋用五个维度梳理了智能演进的脉络：算法范式、智能载体、交互范式、计算架构与数据。

他表示，相比给出一个技术路径路线图，他更希望提出一个“识别机会”的思考框架，帮助创新者在智能演进中找到技术、产品与商业的切口。

算法范式维度：从模式学习走向目标驱动

AI 的算法演进的三个阶段：监督学习构筑表达与生成能力，强化学习引入因果与执行，自主学习迈向高层认知。技术本身从 Transformer 架构出发，向更高效、更稳健的体系演化；从自回归到扩散，再到混合式生成方法，这些变化共同推动智能的表达边界不断拓展。

智能载体维度：从符号空间走向物理空间

业界关注点已从语言和多模态模型转向世界模型与具身模型。这一变化反映出智能载体正从抽象符号空间迈向物理空间，“从理解世界，到改变世界”。世界模型理解物理规律与因果，具身模型则把感知、决策与行动闭环联通，使 AI 成为能在现实环境中施加影响的主体。

交互范式维度：技术与人的关系被改写

在人机交互维度上，沈向洋强调交互创新的重要性。过去 70 年，人机交互经历了命令行、图形界面、搜索、推荐到自然交互的多次范式迁移；每一次迁移背后，都对应着底层技术浪潮的变化。“今天的产品开发者必须看懂智能特性带来的交互机会。”他同时指出，自然交互内部也在分层：从被动响应，到交互式执行，再到具备提议能力的主动模式，交互方式从文本扩展到语音、手势乃至未来的脑机接口。

计算架构维度：性能、成本与能效的新平衡点

趋势是从通用走向专用、从单一走向多元。GPU刺激了深度学习的第一波爆发，但能耗与成本也不断攀升。随着应用多样化，推理、端侧、强化学习等专用芯片不断涌现；未来光子、量子、类脑等也可能在特定领域带来性能跃升。

数据维度：从静态教材、动态反馈到证据

在智能演进的三个阶段，数据扮演不同的角色：在模拟世界阶段，数据是静态教材；在探索世界阶段，数据是动态反馈；在归纳世界阶段，数据是验证假设的证据。他指出，从人类数据枯竭到合成数据兴起，再到 AI 主动探索并获取实验数据，这一过程代表着数据从限制模型能力的约束，逐步转变为推动 AI 主动学习的工具。

立于智能浪潮之中，机会并不仅仅来自技术本身，也来自理解技术如何改变载体、交互、计算与数据的方式，如何重新分布能力、资源与价值。

沈向洋说，IDEA研究院的定位是“从实验室中来，到产业中去”，建立前沿研究成果与产业规模化需求之间的建立通路。在技术高速演进与产业快速对接的交汇处，IDEA研究院希望提供一个服务于创新的思考框架，帮助创新者“去寻找和市场、和社会发展最契合的落点”。