2024年，全球人工智能産業持續發展，我國人工智能産業整體呈穩步增長態勢，市場規模不斷擴大，應用領域廣泛拓展。展望2025年，全球人工智能有望迎來行業應用大爆發，人工智能賦能工業等重點行業進一步“走深向實”。值得注意的是，人工智能賦能工業門檻仍較高、初創公司面臨生存壓力、投入與營收鴻溝巨大、訓練範式邊際效應漸減等問題亟待解決。爲此，賽迪研究院建議推進賦能應用提升市場認知，加強服務支撐鼓勵良性競爭，推動降本增效提升盈利水平，拓寬數據渠道創新模型範式。
2024年，全球人工智能産業持續發展，應用領域廣泛拓展，市場規模不斷擴大，預計2024年全球人工智能市場規模將達到16377億元，同比增長37.9%，我國人工智能核心産業規模將突破6000億元。大模型作爲推動人工智能加速發展的核心技術産品，其市場潛力正在加速彰顯。人工智能發展仍然面臨賦能工業門檻較高、初創公司生存壓力、投入與營收鴻溝巨大、訓練範式邊際效應漸減等問題和挑戰。展望2025年，人工智能發展有望迎來行業應用大爆發，塑造未來産業新模式、新業態，推動社會經濟全面升級。
當前全球和我國的人工智能産業均處于穩步增長期，市場規模持續擴大，其中，大模型作爲推動人工智能加速發展的關鍵技術産品，其市場潛力不容小觑。據工業和信息化部數據，截止2024年9月，我國人工智能核心産業規模接近6000億元，相關企業超過4500家。據PrecedenceResearch預測，2024年全球人工智能市場規模將達到1.6萬億元，同比增長37.9%。以大模型爲代表的生成式人工智能發展尤爲突出，據钛媒體國際智庫報告，預計2024年全球人工智能大模型市場規模將突破280億美元，我國大模型市場規模將達216億元。美國SAS大數據平台發布報告稱，當前中國生成式人工智能應用率高達83%，超過英美，居全球首位。
展望2025年，全球人工智能發展有望迎來行業應用大爆發。據PrecedenceResearch預測，2025年全球人工智能市場規模將達到2.3萬億元，同比增長38%。據前瞻産業研究院預測，2025年中國人工智能市場規模將超7000億元，行業大模型仍將成爲2025年人工智能發展的前沿熱點。
人工智能正全方位、深層次賦能新型工業化，成爲新型工業化的重要推動力。一方面，人工智能正從賦能工業研發設計、營銷服務、運營管理等環節先行，逐步深入到賦能工業中試驗證和生産制造環節，優化生産計劃和資源配置，支撐高端裝備、關鍵軟件、智能終端全方位升級，顯著提升産業發展質量效益，通過改進工藝流程、提高設備運轉效率、優化能源使用策略，有效推進工業綠色低碳發展。各地正通過推進共性技術平台建設、開展供需對接會等形式，加快推動人工智能賦能新型工業化。同時，人工智能正從營銷、銷售、IT等重點環節深入滲透賦能各行各業。《2024年生成式AI商業落地白皮書》指出，生成式人工智能正從營銷(78%)、銷售(79%)到IT(62%)、研發(34%)等環節，逐步滲透其在汽車、消費等領域的應用。
展望2025年，人工智能技術有望在研發設計、産品優化、服務延伸等方面實現更深層次的融合創新，在智能制造、工業元宇宙、醫療服務等新興領域實現重要突破，推動新業態、新模式經濟加速發展。
全球大模型性能正持續快速提升。以GPT系列爲例，2024年5月GPT-4o在主要評測指標MMLU上的得分達87.2%，較GPT-3提升44個百分點。同時，開源和閉源模型形成了雙線競爭態勢。一方面，閉源模型持續引領技術前沿。OpenAI的GPT系列、Anthropic的Claude系列等在泛化能力、推理能力等方面不斷取得突破，占據第一梯隊。國內百度、智譜等頭部企業的最新模型性能也已基本逼近GPT-4水平;另一方面，開源模型已在多個基准測試中展現出接近頂尖閉源模型的能力。Meta研發的Llama系列等開源模型通過開放社區協作、提升算法透明度等✅方式快速追趕。國內阿裏Qwen、百川智能Baichuan系列等也已成爲推動全球開源模型進步的重要力量。
展望2025年，隨著算法創新和算力提升，大模型性能將繼續突破，開源與閉源模型將保持互相博弈和競爭的格局，閉源模型將繼續突破技術邊界，開源模型則將憑借靈活定制、成本優勢在垂直場景加✅速落地，兩者共同推動大模型在各行業領域深化應用，爲經濟高質量發展提供強勁動力。
一方面，雲計算業務加速向MaaS轉型。微軟推出AzureOpenAI，谷歌推出VertexAI，國內阿裏、百度、字節跳動等均已推出基于自有雲服務的MaaS，將大模型能力部署在雲端，或以私有化部署方式提供給企業用戶。Canalys發布最新報告稱，今年三季度客戶對超大規模企業人工智能産品投資推動全球雲基礎設施服務支出同比增長21%，達820億美元。另一方面，大模型應用正以智能體(AIAgent)的主流形式賦能終端設備。11月初，李彥宏在百度世界大會上稱智能體是大模型應用的最主流形態，即將迎來爆發點。智能體將重塑手機、PC等終端應用生態。繼蘋果在WWDC上發布AppleIntelligence後，華爲、小米等手機相繼上線AIAgent，手機應用生態將從以應用商店+APP的模式轉變爲AgentStore+Agent的模式。谷歌也將Gemini大模型內置在其雲端辦公套件Workspace中。同時，大模型正推動具身智能的感知、決策、控制等技術加速叠代。特斯拉完全自動駕駛技術(FSDV12)由一個大模型實現從感知到控制的端到端架構。英偉達發布基于“ProjectGR00T”人形機器人通用模型的Issac機器人平台。
展望2025年，一方面，上雲率將因大模型降價等趨勢進一步提升，如，字節、阿裏雲、百度等已相繼宣布降價策略。另一方面，大模型將進一步拓展在AR/VR智能眼鏡、智能家居等設備端的應用，如小度AI眼鏡將于2025年上半年上市，蘋果將于明年3月推出AI智能居家設備。
一是工業場景多樣性、複雜性等特點拔高人工智能賦能應用門檻。工業生産制造等核心場景精度高、容錯率低，各細分行業的流程環節高度差異化，當前生成式人工智能對行業專業知識理解不足，且本身在可靠性、可解釋性方面難以勝任，無法在各種情境下都能持續提供准確、一致、真實的結果，難以規模化複制和推廣。例如，一項針對99個工業大模型應用案例的統計數據顯示，大模型在研發設計和經營管理領域的應用相對更多，而在生産制造環節的能力和性能還需進一步提升。二是市場對生成式人工智能行業應用的認知存在顧慮過高和預期過高等偏差現象，可能引起管理者對生成式人工智能技術應用的抵觸或失望，難以在落地應用過程中實現經濟性、泛化性和專業性的平衡，影響生成式人工智能模型的行業應用與推廣。
一方面，生成式人工智能模型的創建和維護成本高昂，新玩家進入該賽道的門檻不斷擡升，在大型科技公司的巨額投入面前很難保持競爭力。例如，今年5月，百度、阿裏、騰訊、字節等大廠連番掀起大模型價格戰，搶占市場先機，對于一些無法承受持續低價競爭的初創企業，一旦資金跟進乏力，將失去持續發展的能力。另一方面，大量人工智能初創企業因獨立發展空間有限進而尋求並購，引發市場資源加速向頭部聚焦。如，2024年以來矽谷人工智能領域多家明星公司被巨頭收購，3月，人工智能應用公司Inflection團隊被微軟以6.5億美元收購；6月，開發人工智能驅動的Adept團隊被亞馬遜收購；8月，聊天機器人初創公司Character.ai模型授權被谷歌以25億美元獲得。此外，還有更多的人工智能獨角獸被曝正在尋求並購，人工智能領域面臨巨頭主導的行業整合。
一方面，基礎設施和研發投入較爲突出，投資收益差距較大。人工智能投資收益差距主要源于基礎設施成本高、研發周期不確定、技術創新與應用落地脫節等問題。根據紅杉資本近期調研，現階段人工智能基礎設施投入與産出之間的倒差已從1250億美元拉大至5000億美元。以全球生成式人工智能領軍企業OpenAI爲例，據《》預✅測，其2024年虧損將高達50億美元。另一方面，收入模式不清晰，變現面臨困✅難。生成式人工智能企業尚未形成成熟的盈利模式。當前，生成式人工智能企業加快探索訂閱服務、數據分析、銷售廣告等潛在商業模式，但運作並不順暢。據統計，當前超過八成的人工智能産品都向大量C端用戶群體開放，但有近一半的産品處于免費開放狀態，尚未找到可持續的盈利模式。
現有大模型絕大部分遵循擴展定律(ScalingLaw)，依賴擴大模型參數規模和增加訓練數據數量來提升性能。然而，這種演進路徑邊際收益正在逐漸放緩。一是優質數據資源日益稀缺。據研究機構EpochAI預測，高質量語言數據將在2026年耗盡。而當前通過大模型合成數據的方式，也存在增加新舊模型相似性的可能，降低性能提升幅度。二是Transformer架構固有特性使訓練成本指數級增長。Transfomer具有二次方的計算複雜度，訓練時算力消耗巨大。GPT-3使用算力爲640P，據預測GPT-5的算力或將達到10萬億級別。三是當前架構對于邏輯推理、規劃決策等高階認知任務的支持仍不足。Transformer架構大模型缺乏對內容語義的理解。OpenAIo1大模型稱可實現科學、數學方面的複雜推理，然而，部分專家認爲其仍是統計學習方式，沒有真正理解並掌握推理方法。
一是鼓勵行業企業、行業專家及研究機構加強協作，合力構建一批工業生産關鍵領域知識圖譜，緩解人工智能在落地應用過程中面臨的不可✅解釋、不可追溯問題，促進行業應用落地和規模化推廣。二是打通工業企業、産業鏈上下遊、供應鏈、合作夥伴等數✅據流，支持打造垂直細分領域工業大模型。三是打造企業大模型應用典型案例，開展大模型賦能優勢産業集群和重點行業示範應用行動，支持在國家先進制造業集群等重點集群培育人工智能賦能轉型標杆，構建行業生態合作體系。
一是推動建設服務中小創新企業的人工智能基礎設施，降低初創企業、中小企業參與人工智能市場的門檻，鼓勵形成百花齊放的市場競爭格局。二是聚焦高價值人工智能創新領域，支持建設一批共性技術研發平台、模型驗證“中試”平台等創新平台，完善企業人工智能技術工程化落地相關服務。三是推動制造業轉型升級基金等政府基金向高度依賴技術研發和資本投入的人工智能創新領域傾斜，如自動駕駛、智能制造等，支持相關企業技術叠代創新和商業模式探索。
一是提升研發效能。構建應用牽引創新的研發體系，圍繞産業鏈部署創新鏈，通過産學研協同創新平台整合高等高校、科研院所等創新資源，推動技術快速叠代。二是優化資源效率。持續推動算力中心共建共享，推廣國産化替代方案，探索彈性調度機制，優化基礎設施運營。三是開拓市場空間。借鑒海螺AI等優秀案例出海策略，針對北美等用戶付費意願高的市場輸出基于國內龐大用戶叠代優化後的大模型産品，推進海外市場拓展。
一是建立高效的數據獲取與處理機制。構建數據質量評估體系，建立數據交易平台促進優質數據共享。探索更高效的數據利用方法，如設計更精准的數據采樣策略、研究少樣本學習技術。二是支持對當前模型架構的改進。研發稀疏自注意力機制、自注意力機制替代架構等技術，突破Transformer架構部分局限，降低計算複雜度。三是鼓勵加強人工智能基礎理論研究。支持開展對神經符號融合、世界模型等多種理論路徑探索，發展模型深度語義理解與推理能力。支持開展認知科學與人工智能交叉研究，借鑒人類學習與推理機制，開發具有更強解釋性和推理能力的模型框架。
特別聲明：以上內容(如有圖片或視頻亦包括在內)爲自媒體平台“網易號”用戶上傳並發布，本平台僅提供信息存儲服務。
確認了：上海天氣轉折！今晚雨勢增大，一直下到初五，新一輪大範圍雨雪天氣來襲
昨天翻臉，今天就合作？英偉達官宣：DeepSeek R1正式上線NIM平台
國星宇航沖擊港股IPO，洪泰基金、深創投等爲股東，成功發射全球首顆在軌AI超分商業衛星
三星新專利顯示未來 Galaxy Buds 耳機有望配備 UWB 技術播放音頻
