专注于数字技术的商业观察者
登录×
公司
2025-07-01

在挑战中重构创新:中国AI的“创新路径图”

时间: 2025-07-01 编辑:

2025年,生成式人工智能正在从“技术突破”走向“产业震荡”。中国AI市场正以前所未有的速度重构应用格局,...

2025年,生成式人工智能正在从“技术突破”走向“产业震荡”。中国AI市场正以前所未有的速度重构应用格局,从大模型开源潮涌,到企业自研趋势增强,再到智能体在各行各业的试点加速落地,AI不再只是实验室里的模型,而成为企业数字化转型的关键动力。算力受限、生态碎片、治理挑战、ROI难以量化等现实问题,反而在中国这个特殊市场中孕育出具有“适配性”的创新路径。

在这一背景下,Gartner首次发布《2025中国AI趋势》研究报告,从三个维度系统性地解析了中国AI发展的十大趋势:其一是在机遇中开展创新,在受限条件下的技术突围与系统性重塑;其二是利用成本可控的AI实现业务转型,聚焦AI如何从生产力工具演化为企业差异化优势的核心驱动;其三是B2C驱动的AI生态系统,通过中国在C端市场的敏捷试错、产品落地与供应链优势,进一步夯实AI普惠化基础。

这是Gartner首次聚焦中国本地市场的AI趋势研究,报告从宏观政策到微观实践,从开源模型到行业落地,从工程化能力到智能体试点,全面勾勒出中国AI的技术演进路线与应用版图。

在机遇中开展创新

“这是我们第一次针对中国市场发布专属的AI趋势研究,不仅仅是一次尝试,更是对技术与市场剧变的深度回应。”Gartner高级首席分析师费天褀表示,中国AI在近几年经历了资源限制与技术跃迁交织的复杂局面,从芯片、算力的现实掣肘,到地缘政治的外部挑战,再到国内政策与产业资本的持续加码,中国AI生态正处于“挑战与机遇并存”的关键转折点。

为此,企业与机构开始更主动地通过开放式生成式模型、自建技术体系以及代理式AI等方式探索创新路径。“没有算力、没有芯片,你没有别的办法。创新不再是一个选项,而是必须之路。”

具体来看,开放式生成式AI模型成为最具代表性的技术趋势之一。以DeepSeek为代表的国产开源大模型,不仅在技术指标上表现亮眼,也引发了全球对“开源模型是否能缩小与专有模型性能差距”的广泛讨论。“我们看到开源模型在性能、推理成本和易用性方面,已经逼近专有模型,甚至在某些任务上已经超越。”费天褀透露,在Copilot等场景下,DeepSeek的表现曾一度登顶Leaderboard,这种趋势正改变着企业选型逻辑。

与此同时,自研趋势在中国企业中愈发显著。特别是在大型国企、政企及制造业等对数据安全与系统耦合有高要求的行业,企业更倾向于掌握核心能力,实现差异化与深度定制。这不仅出于成本考虑,更是确保业务敏捷性与技术自主权的战略选择。“不必每一层都自研,但在基于大模型的应用开发与工程化部署上,企业展现出更强的主导意愿。”

代理式AI的崛起亦不容忽视。它标志着AI正从“内容生成”迈向“任务执行”,是生成式AI能力结构的一次重构。

“代理式AI强调的不仅是大模型,而是具备任务感知、执行能力、自主反馈和多轮交互的系统。”费天褀认为,代理式AI是一种方法论,而AI Agent是其实践落地的形式。两者高度关联,甚至存在涵盖与被涵盖的关系。

尽管当前市场对通用智能体的期待较高,但现实仍是“窄域智能体”占主导——它们聚焦具体任务,如翻译、编程、内容撰写、作业批改等,完成度较高却局限于单一场景。这也折射出代理式AI迈向规模化落地的现实路径仍需时间与技术积累。

利用成本可控的AI实现业务转型

在生成式AI快速渗透产业的过程中,中国企业展现出一种独特的务实倾向:AI不是“用不起”,而是必须“用得值”。

这种“节俭型AI”思路,在当前资源受限、算力紧张的环境下更显重要。企业更看重性价比,而不是极限性能,轻量部署、本地推理、边缘计算成为主流。尤其是在中小企业中,算力受限、预算有限的现实倒逼技术方案更贴地气。“别忘了,AI真正的成本往往是看不见的,比如提示语工程、数据治理、隐藏的算力开销,这些都需要企业从源头上做更好规划。”

此外,AI部署所带来的“隐性成本”也日益成为企业无法忽视的现实。除了模型调用、算力租赁等显性支出,企业还面临大量隐性投入:算力规模往往会在部署过程中不断膨胀,模型调优和提示工程对人力资源的要求高于预期,数据治理与质量优化也成为AI系统能否长期运行的关键环节。

“这些隐藏成本在后期反而成为影响AI项目成败的关键变量。”费天褀强调,正因如此,越来越多的中国企业在一开始就倾向于控制成本路径,在落地节奏、系统架构与人员配比上实现“低起点、稳步走”,以确保AI真正带来可持续的业务价值。

支撑这一趋势演化的,是中国企业长期积累下的“工程交付力”。从模型调优到数据平台接入,从Agent部署到多模态集成,中国企业凭借扎实的工程化基础设施,加快了AI从概念验证到生产部署的路径转化。

这种能力不仅体现在底层的算力与平台集成,也涵盖了模型工程、推理优化、数据流水线等关键环节。“很多时候决定AI能否真正用起来的,不是你买了多少卡,而是工程实现的能力。”

而在AI应用普及过程中,安全风险也日益成为企业关注焦点。员工私下使用AI工具、数据泄露、Shadow AI等问题层出不穷,使得传统安全体系面临挑战。

为此,企业急需构建端到端的AI安全治理框架。这不仅是技术问题,更是IT、安全、法务与业务部门协同的系统性任务。未来,跨部门协作、协同治理机制,将成为构建AI防火墙的重要支点。

B2C驱动的AI生态系统

从人才结构来看,中国在AI领域的研究力量已跻身全球第一梯队。据统计,2019年中国研究者在AI顶会论文中的占比为29%,而到2022年已增至47%,并在此后持续增长。

更重要的是,AI教育已渗透至中小学基础教育阶段,未来人才储备规模庞大。但对企业而言,更关键的是具备业务理解能力与AI应用经验的复合型人才。因此,越来越多的企业开始加强提示词工程、Agent开发等实战型培训,以提升团队整体AI素养。

中国的AI应用路径也呈现出独特的“终端驱动型”逻辑。与欧美市场优先在办公场景中落地AI不同,中国AI应用往往从消费者场景与端侧设备率先爆发,推动B2C场景快速普及。

从数字人在文旅导览、演唱会互动中的广泛应用,到AI银行App的语音操作与适老设计,从教育智能体自动批改,到工业领域的具身智能、机器人协作,中国AI正在终端率先实现“触手可及”。

这种现象背后,是中国完整的数字基础设施与供应链支撑——从5G覆盖、互联网生态,到智能硬件制造与产品快速迭代能力,中国形成了完整的从设计到交付的AI产品闭环。

值得一提的是,越来越多的中国厂商已经从单一的产品转向了一体化的生态布局,提供“模型、平台、工具、服务”一站式的能力。

例如,当前大量涌现的一体机产品就是这种生态演进的一个代表。这些一体机不仅集成了硬件与算力资源,更预装了模型、平台、推理工具及常用的企业AI应用服务,企业部署AI不再需要自行组装、调试各类工具,而是可以“开箱即用”。

随着大模型的快速发展,其成本和能耗持续下降,模型间的性能差异正在逐步缩小,触达门槛也显著降低。在这样的背景下,企业在生成式AI上的核心竞争力,逐渐从“选用哪个模型”转移到“拥有什么数据”。

也就是说,当模型的区别越来越小,真正能拉开差距的,就是企业自己的数据。这些独有的数据,成为企业通过AI实现突破和构建壁垒的关键。

“大模型本身的进化就是在数据上‘大力出奇迹’的结果。”费天褀强调,模型的训练、微调都离不开高质量的数据;而模型在应用过程中,为了实现更贴近场景的响应,也依赖于企业自己的非结构化数据、知识库、语义系统等底层能力的加持。

写在最后

AI并不遥远,它正在快速穿透各行各业,从手机银行的语音界面,到教育中的批改代理,从直播中的数字人,到制造业的具身智能,中国市场正以独有的方式让AI变得“无处不在”。

对于中国企业而言,这十个趋势代表了当下的分水岭,既是挑战,也是转机。那些能够快速吸收趋势、因地制宜落地的企业,才是真正有可能在AI时代脱颖而出的未来玩家。

标签:
版权声明:本文版权归数字商业时代所有,未经允许任何单位或个人不得转载,复制或以任何其他方式使用本文全部或部分,侵权必究。