核心观点 - 生成式AI正在深刻改变中国企业 显著提升员工能力并催生跨部门应用场景 同时将AI治理推到新高度 但企业普遍对AI投资回报率缺乏信心 仅13%对算清AI的ROI非常有信心 36%信心较低 核心问题在于难以量化AI带来的具体价值[2] 开放式生成式AI模型 - 中国开源大模型核心目标聚焦合规自主可控和产业安全 而非单纯技术领先 DeepSeek开源事件引领全球开源浪潮 改变市场格局[2] - 开源与私有模型性能差距快速缩小 开源模型在文本生成 网页开发 Copilot等任务表现优异 推理成本更低 企业开始优先考虑开源方案以提升自主性[3] 自建策略 - 中国企业普遍采用自建策略以实现定制创新 掌握核心技术并保护数据主权 在政企 国企和工业领域尤为明显[3] - 自建策略分层实施：基础设施层依赖云服务或私有化部署 大模型层主要选择市场稳定模型进行微调 工程工具层倾向自研或外包 应用层自研最广泛 如智能客服和HR助理[3] 代理式AI与AI智能体 - 代理式AI强调任务感知 执行和自主反馈能力 将生成式AI从内容生成升级为任务执行 改变交付模式[5] - AI智能体具备更强自治性和学习进化能力 目前以聚焦型智能体为主 专精特定任务 中国企业AI智能体落地试点占比42% 生产落地已达15% 超过去年全球平均10%[5] 节俭型AI - 中国企业追求AI应用性价比 而非绝对性能 强调轻量部署 本地推理和边缘计算 降低中小企业使用门槛[5] - 需关注AI隐藏成本 包括算力投入超预期 提示工程投入和数据治理优化投入 这些长期成本显著影响性价比[5] 工程能力 - 工程能力是中国企业AI落地关键加速器 通过自动化微调平台 数据流水线和多模态框架加速原型到业务系统转化[6] - 工程能力分三层：模型侧通过工程化调优提升性价比 应用数据侧实现数据平台与大模型解耦 基础设施侧优化算力租赁和一体机合作[6] - 在开放模型 节俭AI和工程能力推动下 中国生成式AI生产落地率从2024年8%跃升至2025年43%[6] 协同式AI安全防御 - 生成式AI普及带来安全问题 如员工私下使用导致数据泄露和影子AI问题 需IT 法务和业务部门协同构建端到端治理框架[6] AI人才储备 - 中国AI人才储备丰富 顶级AI会议论文占比从2019年29%跃升至2022年47% AI教育已下沉至中小学[7] - 企业需求从学术人才转向懂业务和场景创意人才 加大提示工程和智能体培训投入[7] 无处不在的AI - 中国AI落地以B2C场景和消费者导向为主 通过终端载体如汽车 穿戴设备和手机APP实现 依托5G 数字生态和高效制造供应链优势快速产品化创新[8] - 实践案例包括数字人 演唱会增强 具身智能 无人机 AI手机银行和教育智能体等[9] 包容式AI生态系统 - 中国厂商从单一产品转向模型 平台 工具 服务一站式生态 一体机大量出现 平台强调场景适配和数据整合[10] - 横向包容体现为大厂集成同行模型 纵向包容体现为硬件厂商推出一体机整合硬件软件模型和算力[10] - 用户更关注AI输出效果而非具体模型 厂商需加强合作消除技术衔接障碍[11] 数据到AI生态体系 - 企业独有数据成为AI成功核心壁垒 数据产业与AI产业在生成式AI时代深度融合[12] - 形成闭环演进：数据管理侧治理非结构化数据 大模型进化侧提升数据处理能力 生成式AI赋能数据侧用AI管理治理数据[12]