中国人工智能各行业应用发展趋势2025ppt.pptxVIP

中国人工智能在各行业应用发展趋势2025

2025年1月

需求与应用驱动倒逼人工智能进化与发展，以行业特征与企业经营目标为导向，进入场景升级能力是发展关键

在过去的2024年，以AI作为核心技术来助力行业转型升级会由数字化朝着智能化推进。相比把所有精力都投入到大模型与AGI的演进之中，更应当同时留意行业和企业主体于数智化转型进程里的需求、难点以及有待解决的问题。在此过程中，需求和应用会变成推动人工智能发展与演进的重要因素。

一方面，纵然大模型有着广阔的应用空间，然而在实际的落地环节尚未跨越障碍，依旧遭遇技术限制、算力成本、安全合规等众多挑战，必须深入行业去进行技术突破和场景探寻，挖掘应用层的机遇来做垂直赋能。另一方面，人工智能正在促使众多行业的效率提升，不过仍有大量行业场景中AI的应用价值还没有被充分挖掘，需要深入行业的关键环节才能够发挥出人工智能在其中的价值。

在2025年，人工智能技术将持续深入发展，在中国各行业应用普遍程度将进一步提高，成为中国各行业人工智能技术全面革新的一年。

大模型落地应用核心挑战

技术局限尚需突破方能释放更大价值

·知识更新与自主学习能力，目前大语商模型仍然为静态数据驱动的学习范式，无法实现新知识的快速学习与迭代，尤其是涉及到时效数据与专有数据的场景下存在障碍，OpenAI正在通过Plugins生态来突破这一局限

·垂直领域泛化能力，通用任务的卓越施力已经显现，但是进入垂直细分锁域与知识体系下，大横型的性能与泛化能力仍然需要增强，行业大模型训练是当前挑战的破局之道之一

·长期记忆能力，目前正在通过增大上下文容量，数据向量化，以及Alagent等多种方式探素突破

巨大的模型训练与推理算力等成本拉低效益比

训练与微调成本，该训练成本仅针对企业应用基础模型结合行业知识与数据集进行训练与微调的成本，并非基础大模型训练成本，与上述“重直领域泛化能力”相对应，该成本仍然为行业知识壁垒显著的企业必须承担的成本，开源基础模型在一定程度上可以降低这一阶段的训练成本

·推理成本，大模型在参数体量巨大的情况下，仍然存在较高的推理成本，这方面可以通过模型压缩与剪枝等技术的发展进一步降低

·型能力与业务场景的适应成本，这部分成本虽然由于人机交互方式的变化显著降低，但是前期仍然需要考虑提示工程在特定场景的磨合成本

安全合规可信应用底线尚需刚性保障

模型安全与可控制性问题，这是人工智能普遍面临的问题，大模型井不能幸免，包括模型攻防、数据注入等问题：同时，横型能力来自于“涌现”,需要进行模型能力，尤其是生成结果的可控制，方能进入到生产环境

·对齐问题，既包括人工智能与人类社会价值观保持一致，也包括与不同国家价值观，不同类型企业经营以及商业法则相匹配等，前者最为关键，这也是目前最为关注的A不受控制的风险之一，目前在通过RLHF与RLAIF不同方式来实现

·隐私与数据安全问题，无论是大模型的训练推理，还是对话应用的过程中，都存在过多的趣私暴露与数据安全风险，这有赖于技术突破和监管合规的进一步建立

行业

环节

产品研发/设计

生产制造

供应健/资源管理

市场/营销

用户/客户运营

相织协同

软件工程

农业

能源

化工/机碱

先进制造

食品饮料

服装/服饰

家电

汽车

建筑与房地产

交通运输

盒融

教育

医疗健康

零售商翼

文化娱乐

餐饮服游

政府

猫观分析wwancn

2025/1/23激发科技与创新活力2

深入行业关键环节的Al价值渗透度

1

2

3

AI赋前效率升级程度

100

趋势1:零售行业AI应用将由点及面全面铺开，数据驱动重塑零售价值链

2025年，零售行业会把以“商品”为核心的“研→产→供→销→服”这种直线式价值链，朝着以“用户”为中心的闭环式价值链去升级。AI应用会从局部到整体全面展开，一方面在