盘点2025：人工智能价值落地

　　即将过去的2025年，是中国人工智能发展不平凡的一年。年初，DeepSeek发布开源推理大模型DeepSeek-R1，掀起国内大模型开源浪潮。春节联欢晚会上，宇树科技人形机器人H1与真人共舞，加速具身智能产业化落地进程。3月，中国初创公司Monica推出全球首款通用智能体Manus，AI开始从“超级大脑”进化为“数字员工”……
        与此同时，随着“人工智能+”写入政府工作报告，并发布《关于深入实施“人工智能+”行动的意见》，有效推动了人工智能与各行业各领域的广泛深度融合。更进一步来讲，在人工智能技术快速演进、应用场景越发丰富的背景下，人工智能产业生态也逐渐从“单点竞争”走向“集群创新”。
        
        综合来看，2025年人工智能实现了全方位跨越式发展，技术上告别粗放式参数竞赛，以RLVR(可验证奖励的强化学习)、MoE(混合专家模型)稀疏化架构为代表的革新让模型效率大幅提升，原生多模态融合、AI智能体成熟化与具身智能落地成为核心突破;应用层面深度渗透产业与生活，金融、制造、农业、教育、旅游等领域实现规模化落地，人形机器人在制造、养老、应急等领域完成商业化闭环;生态上形成“政策—技术—产业”协同共振格局，“芯片+模型+应用”全栈自主生态逐步完善，算力基建化催生新经济形态。

认知智能成为主流

　　浪潮数字企业副总裁、首席科学家路宽表示，2025年，AI技术的关键跃迁主要集中在三点：高效模型工程化、原生多模态、Agentic架构。一方面，通过蒸馏、量化、稀疏化与推理加速，模型从“算力堆叠”走向“性能/成本可控”，让AI能在企业级场景长期稳定运行;另一方面，多模态从“看图说话”走向“跨模态理解+对齐+生成”，可直接处理文档、图表、语音、视频等生产资料。更重要的是，智能体架构将AI能力从“生成答案”升级为“理解任务—制定计划—调用工具—闭环交付”，行业对AI的认知从“内容生成工具”转变为“数字员工/数字专家”。

　　红帽亚太CTO办公室首席架构师兼大中华区CTO张家驹表示，2025年，大量的智能体，不同的应用场景快速涌现。我们注意到，这些新兴的领域，基本上都需要底层一个高效的模型推理引擎保障其高效率运行，因此专注于性能优化的推理引擎如vLLM(大模型推理加速框架)等受到广泛关注。

　　达索系统大中华区行业技术总监冯升华表示，2025年，“工业AI”趋于成熟，特别是在高效模型、具身智能和多模态融合领域。这种突破让行业认知从“消费级AI的幻觉”转向了“工业级AI的科学与精准”，即AI生成的必须是基于物理定律、可靠且可追溯的内容。

“小而美”模型快速崛起

　　2025年，大模型发展呈现从大而全向专而精转变的趋势，这意味着其不再单纯追求参数规模庞大、功能包罗万象，而是更注重在特定领域、特定任务上进行深度优化，以实现更精准、高效、专业的性能表现。

       “2025年，‘大模型越大越好’这种单一的暴力美学时代已经终结。这一年，开启了科学驱动与任务导向的智能新篇章。对于工业和垂直行业而言，盲目追求参数规模不仅带来了难以承受的算力成本，更关键的是，通用大模型无法满足工业场景对绝对可靠和知识产权保护的极致要求。”冯升华如此说道。

       在达索系统的实践中，他们发现与其用千亿参数的模型去猜测一个零件的疲劳寿命，不如用一个针对物理仿真数据训练的专精模型。这种“小而美”的模型在特定的科学领域(如流体力学、分子动力学)表现远超通用大模型。更重要的是，工业企业极其看重IP(知识产权)。小模型可以部署在企业私有云甚至边缘端，确保核心工艺数据不外泄。因此，在达索系统看来，未来的趋势是“大模型作为底座，专精小模型执行任务”，这种协同不仅解决了性价比问题，更解决了AI落地的安全性与专业性问题。

智能体开始嵌入企业工作流

　　2025年，智能体技术借助多模态推理、RAG(检索增强生成)优化、多智能体协同等技术突破，从单一工具进化为“数字劳动力”，加速嵌入企业办公、生产、客服、财务等核心工作流。

　　路宽表示，过去的对话式AI解决的是“信息查询与表达”，但企业真正需要的是“把事办成”：自动拆解任务、匹配流程与权限、调用系统能力(ERP、OA、工单、RPA、数据中台等)、可追溯地输出结果。2025年智能体商用加速的本质，是大模型+知识+工具+流程的组合成熟，以及企业更关注“可控、可审计、可运营”的上线标准。我们更看好“人机协同”的落地路径：智能体负责方案生成与执行，关键节点由业务人员确认，既提升效率也降低风险。

　　“2025年确实是AI智能体商用元年。达索系统推出了具备对话和行动能力的虚拟伴侣‘AURA’。它不再只是被动回答问题，而是作为‘虚拟分身’嵌入工作流，能够主动分析公司历史IP，引导新员工提升技能，甚至自动执行任务。这种从工具到‘虚拟伙伴’的转变，极大提升了集体智能。”冯升华说。

AI走向规模化落地

　　2025年，人工智能已从技术探索迈入规模化落地，“AI+应用”不再是空谈，而是扎根工业制造、金融决策、医疗健康、文化旅游等千行百业的务实实践。身处其中，阿里千问、华为盘古、字节豆包等头部大模型企业，以及智谱AI、MiniMax、百川智能、零一万物、月之暗面等大模型初创公司都在持续推动行业应用的深度落地，从“百模大战”到价值落地已成为行业共识。

       在路宽看来，2025年，AI在场景落地中最显著的变化是从“单点试点”走向“平台化复制”：企业不再为每个场景单独做一套，而是建设统一的模型与智能体平台、统一知识治理与工具接入标准，再把场景做成可复用的“应用包”。这一时期，真正的“人工智能+”不是将原系统“自动化一下”，而是把AI嵌入企业经营的主链路，并且以业务目标为牵引，能够实现数据—知识—模型联动，可执行、可闭环，可信可治理。
      
       冯升华表示，2025年，AI最显著的变化是从“辅助边缘任务”进入了“核心业务流”。对此，他举例说，实现规模化复制的场景首推生成式设计与制造。在汽车行业，过去设计一个轻量化的悬挂系统需要数周，现在AI结合仿真技术，能一键生成上千种符合强度标准的方案，并筛选出碳足迹最低的一款。

　　“在这一过程中，很多人误以为‘人工智能+’就是给老系统装个聊天插件或做点自动化，这其实是极大的浪费。在达索系统的愿景中，真正的‘人工智能+’应具备三个深度特征：第一，从‘生产产品’向‘生成体验’转型。AI不仅仅是把东西造出来，而是基于用户需求，自动生成最优的、可持续的、软件定义的整体体验。第二，从‘线性流程’向‘生成式组织’转型。企业不再依赖僵化的审批流，而是利用Agent进行敏捷协作，知识在虚拟空间中自动流动并产生新价值。第三，从‘实物资产’向‘知识资产(IP)’重构。企业的竞争力不再是厂房设备，而是它所积累的、可被AI调用的、数字化了的知识和技能。真正的‘AI+’是让企业的集体智慧资产化，让每一个新项目都能站在全公司历史智慧的肩膀上起跳。”冯升华如是说。

AI生态呈现多样性趋势

　　张家驹表示，开源或者闭源，两种不同的策略显示出AI发展过程中的多样化历程：美国头部企业也会开源新模型，但都不是SOTA(当前最佳)模型。开源的SOTA模型基本都来自中国，而且层出不穷，这种态势会有助于全球AI技术的快速演进。我们相信AI的未来一定是开源的、普惠大众的。在此背景下，会有越来越多的AI应用涌现出来，并且借助于开源的优势，快速普及。

　　路宽则表示，闭源路线通常更强调“极致能力与安全边界”，开源路线则显著降低试用门槛，推动生态繁荣与行业创新，尤其利于本地化部署、成本控制和垂直场景的快速试错。长期看，两者会形成互补：技术演进上，闭源推动上限，开源推动扩散;应用普及上，开源加速“千行百业”落地，但企业级仍需要与安全合规、权限审计、数据隔离、运维体系一起交付。因此我们更认可“开源生态+企业级治理”的融合路线。
        
        冯升华认为，这其实是创新速度与主权安全之间的平衡。闭源策略倾向于构建高度集成的生态壁垒，开源策略则促进了技术的快速民主化。这种态势迫使全球企业思考“AI主权”。达索系统既拥抱开源的灵活性，也极其尊重工业客户对闭源安全的需求。通过与MistralAI等公司合作，旨在为客户提供一种“可信、可控、可持续”的AI环境。开源策略加速了底层算法的普及，让中小企业能快速上车，而闭源或定制化的专业模型则保证了企业核心工业IP的安全。这种“双轨制”实际上促进了全球AI生态的多样性。

(本文不涉密)
责任编辑：路沙

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。