在挑战中重构创新：中国AI的"创新路径图"

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。