写点什么

InfoQ 研究中心与中欧 AI 与管理创新研究中心联合发布《中国大模型落地应用研究报告 2025》

  • 2025-07-28
    北京
  • 本文字数:1577 字

    阅读完需:约 5 分钟

大小:839.68K时长:04:46
InfoQ研究中心与中欧AI与管理创新研究中心联合发布《中国大模型落地应用研究报告2025》

2025 年 7 月 25 日,上海 —— 在第二届中欧人工智能领导力论坛上,极客邦科技联合创始人兼 COO 司巧蕾正式发布了由极客邦科技旗下 InfoQ 研究中心与中欧 AI 与管理创新研究中心联合编制的《中国大模型落地应用研究报告 2025》,系统揭示了 AI 技术规模化落地的关键路径与核心挑战。

技术进入“推理纪元”但规模化落地仍存挑战


报告创新性提出大模型发展三阶段演进曲线:从早期的“技术酝酿-政策预热”(2023),到中期的“合规落地-资金投入”(2023-2024),直至当前“价值落地-场景扩散”新阶段。当前技术发展已进入“推理纪元”关键阶段,呈现出“推理成本普惠”的显著趋势,但企业在实际落地过程中仍面临“试点易、规模化难”的突出挑战。以 DeepSeek、通义为代表的国产模型正在金融、制造等垂直领域加速渗透,终端智能体等新型应用形态持续涌现。


 C 端大模型分化四大竞争赛道


报告全面揭示了 C 端大模型应用市场的动态发展格局,呈现出高增长与高淘汰并存的显著特征,C 端大模型产品数量较 2023 年底增长 65%,同时 12.3% 的产品已退出市场。通过存续率和新增率分析,市场可明确划分为四大竞争赛道:

  1. 机会成长赛道(低存续·高新增):以影像创作为代表,新增率达 650% 但存续率仅 50%

  2. 明星爆发赛道(高存续·高新增):包括 AI 写真、播客创作等新兴领域

  3. 存量竞争赛道(低存续·低新增):如商业设计、角色陪伴类应用

  4. 稳态增长赛道(高存续·低新增):编程助手、文档工具等企业级产品


这一市场分化趋势表明,AI 应用正从技术探索阶段转向价值深耕阶段,各赛道企业需采取差异化发展策略应对挑战。


行业应用呈现差异化发展特征


在各行业应用方面,调研发现:

  • 金融行业:智能交互与内部运营先行,研究辅助正在快速落地

  • 零售电商:内容生成、智能客服、投放推荐成为应用'先锋队

  • 汽车产业:辅助研发应用迈向成熟,智能座舱进展迅速

  • 教育领域:大模型多担任助手,决策型应用仍在探索

数字化基础良好的行业更易实现模型落地,因其具备现成的数据治理体系和业务流程接口。

战略认知与组织适配成主要瓶颈


值得注意的是,调研数据显示仅有 14% 的企业实现了大范围应用,绝大多数企业仍停留在试点阶段。企业普遍面临战略认知与组织适配的双重挑战,具体表现为管理层对 AI 价值的认知不足、传统组织架构与 AI 迭代需求脱节等问题。


“AI 规模化落地不是技术问题,而是管理革命,需要企业一把手推动资源与机制重构。”司巧蕾在演讲中强调。她指出,企业需要建立适应 AI 时代的新型组织架构,建议设立专门的 AI 转型工作组,从“单点试点”转向“系统嵌入”,构建包含技术架构、管理流程和人才体系的“AI 协同体”。

政策支持与未来展望


报告显示,我国大模型产业发展已实现全国覆盖,31 个省份均出台相关支持政策。其中,北京和上海凭借政策体系的完整性和前瞻性处于领先地位。面向未来,报告提出三大发展重点:持续优化推理成本效益、深化核心业务场景应用、探索构建 AI 原生组织创新范式。

产学研合作:技术与管理创新并重


AI 的成功离不开技术创新与管理变革的双轮驱动。极客邦科技与中欧 AI 与管理创新研究中心通过联合研究、标杆企业参访、最佳实践评选等多元化合作模式,已相继发布《中国软件技术发展洞察和趋势预测研究报告 2025》《中国大模型落地应用研究报告 2025》等重要成果,切实助力企业实现从“技术试点”到“价值创造”的转型升级。


司巧蕾在总结中强调:“产学研深度融合正在推动 AI 实现从认知工具到组织能力的质的飞跃。”极客邦科技期待与产业各方携手共进,将技术潜力转化为企业发展的核心战略优势。


目前,该报告全文已在 InfoQ 官网开放下载,并提供金融、汽车等重点行业的专项分析。作为领先的数智化人才学习发展平台,极客邦科技旗下拥有 InfoQ 极客传媒、TGO 鲲鹏会、极客时间、极客时间企业版等知名品牌,目前已服务 4000 余家企业客户及 300 多万个人用户,持续致力于推动技术创新与人才培养。


2025-07-28 18:304189

评论

发布
暂无评论

​虚幻引擎5更新:头部工作室如何使用Perforce Stream实现虚幻升级

龙智—DevSecOps解决方案

虚幻引擎 虚幻引擎5 UE5

技术分享| 如何快速实现音视频在线通话

anyRTC开发者

音视频 语音通话 视频通话 呼叫邀请 离线推送

Amazon Timestream 在车联网场景的典型应用和性能测试

亚马逊云科技 (Amazon Web Services)

分析

使用Amazon RDS for Oracle配合Oracle Active Data Guard建立托管的灾难恢复与只读副本

亚马逊云科技 (Amazon Web Services)

分析

互联网行业办理过等保业务,选择哪款堡垒机好?

行云管家

互联网 网络安全 堡垒机 云堡垒机

在线JSON转toml工具

入门小站

工具

直播预告丨和我们一起过圣诞吧!Hackathon 创意攻略等你查收

PingCAP

2022 用好这 8 个工具,提升前端工程师软技能

开源之巅

Web 前端开发

模块7作业

panxiaochun

架构实战营

Vue.js关于响应式部分的优化

编程江湖

前端开发

kafka的JavaAPI操作

编程江湖

大数据

如何摆脱机房教师控制?

喀拉峻

网络安全 安全 信息安全 计算机

通用数据保护条例的监管下,你的数据湖“断舍离”了吗?

亚马逊云科技 (Amazon Web Services)

分析

轻松搭建数据仓库,与FreeWheel一起“玩转”Amazon EMR

亚马逊云科技 (Amazon Web Services)

分析

体育锻炼的好处

Tiger

28天写作

Linux之head命令

入门小站

Linux

在Amazon SageMaker上快速、灵活构建TensorFlow模型的在线推理服务

亚马逊云科技 (Amazon Web Services)

分析

风云叱咤,尚硅谷云原生实战教程(下篇)发布

编程江湖

Java 开发

读《思辨与立场》-08设计你的人生

wood

28天写作 批判性思维 思辨与立场

外贸订单回暖,集装箱持续爆舱,低代码或将成外贸行业新财富密码

优秀

低代码 外贸管理

面对持续不断生成的流数据—— Amazon Kinesis Data Analytics 实现及时分析与处理

亚马逊云科技 (Amazon Web Services)

分析

Amazon Redshift ML现已正式推出——使用SQL创建机器学习模型并通过您的数据进行预测

亚马逊云科技 (Amazon Web Services)

分析

使用 Amazon Athena 做漏斗分析——实现更高效的数据湖检索

亚马逊云科技 (Amazon Web Services)

分析

大数据开发 Spark 模块之SparkSQL

@零度

大数据 spark Sparksql

通过Amazon SageMaker与Amazon Step Functions实现机器学习的CI/CD 方案

亚马逊云科技 (Amazon Web Services)

分析

借助Amazon EMR与外部KDC进行身份认证,有效集成业务场景

亚马逊云科技 (Amazon Web Services)

分析

Go 的 golang.org/x/ 系列包和标准库包有什么区别?

AlwaysBeta

golang Go 语言

使用 Python Poetry 进行依赖管理

华为云开发者联盟

Python Python Poetry 依赖项管理 Poetry

推出Amazon Kinesis Data Analytics Studio —— 与流数据快速交互

亚马逊云科技 (Amazon Web Services)

分析

2022 年最有前景的 5 个 Web IDE

开源之巅

开发者工具 WebIDE

“你最崇拜的人是谁”,从面试问题看标杆学习法

编程江湖

面试题

InfoQ研究中心与中欧AI与管理创新研究中心联合发布《中国大模型落地应用研究报告2025》_AI&大模型_极客邦科技_InfoQ精选文章