2025年“人工智能+”发展现状、未来趋势及典型行业应用分析报告.pdf

行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5“人工智能+”发展现状、未来趋势及典型行业应用分析报告 内容目录内容目录 1.AI 应用高地：当前已经发展到了什么阶段？应用高地：当前已经发展到了什么阶段？.4 1.1.数十年技术浪潮持续叠加，当前已来到 AI 应用关键时刻。.4 1.2.大模型使用成本快速下滑.5 1.3.AI 应用使用量持续上行.6 1.4.大厂持续加码资本开支，AI 应用收入验证.7 2.AI 应用的未来：去向何方？应用的未来：去向何方？.8 2.1.AI 应用的四象限发展格局.9 2.1.1.通用/集中：通用大模型实现全场景的大模型平权.10 2.1.2.专用/端侧 AI 应用：垂直大模型是 AI 应用的房梁.10 2.1.3.通用/端侧大模型：以 Tesla FSD 为代表的跨领域通用大模型.11 2.1.4.专用/集中：AI Agent 或称为新时代的数字代理人？.11 3.AI+：基于我国国情与全球：基于我国国情与全球 AI 产业链特征的人工智能战略产业链特征的人工智能战略.12 3.1.中美 AI 产业逻辑差异.12 3.1.1.美国：站在全球的知识产权金字塔顶端，掘金全球.12 3.1.2.中国：下游应用是我国核心优势与 AI 产业的关键突破口.12 3.2.以通用大模型为基，以垂直大模型为梁，打造 AI+行业应用.15 3.2.1.通用大模型：扎根.16 3.2.2.垂直大模型：梁柱.16 3.3.AI+的核心意义：与传统行业的双向赋能.19 3.4.典型行业应用.20 3.4.1.AI 医疗：最快落地的 AI 下游应用.20 3.4.2.AI 教育：教育体制变革.24 3.4.3.AI 能源：从生产管理到市场交易.26 3.4.4.AI 文旅：从“技术试水”到“场景深耕”.29 3.4.5.AI 金融：可信数据与可信模型的双向促进.29 3.4.6.AI 交通：从感知智能到决策智能的跃迁.31 图表目录图表目录 图 1：企业的生命周期来看，AI 应用行业即将进入快速成长期.4 图 2：数十年技术浪潮叠加下，目前已具备发展 AI 应用的技术先决条件.5 图 3：ChatGPT 历史版本每百万 token 价格.6 图 4：DeepSeek 训练成本大幅缩减，性价比优势显著.6 图 5：ChatGPT 周活动人数快速增长.6 图 6：25M5 AI 应用前十名 MAU 几乎全部同比增长.6 图 7：四大厂 Capex 快速提升，2025 年主要用于 AI 相关基建（单位：十亿美元/季度）.7 图 8：AI 应用收入情况持续好转.8 图 9：传统软件价值集中在应用层，我们认为这一特征将在 AI 赛道复刻.9 图 10：AI 应用的“四象限”发展格局.10 图 11：特斯拉 FSD 实际路况表现卓越，正在不断拓展应用范围.11 图 12：全球云基础设施服务市场几乎被美国垄断.12 图 13：美国企业垄断全球 AI 算力芯片市场.12 图 14：我国超 80%数据尚未被开发，且未开发数据总量仍在不断上升.13 图 15：2024 年我国制造业增加值占全球制造业比重达 28.9%.13 图 16：中国具备巨大市场潜力（单位：亿人）.14 图 17：我国具备多样化的下游应用场景.15 图 18：垂直大模型是解决应用层面专业问题的最佳途径.17 图 19：我国高质量数据集建设持续推进，助力构建垂直大模型.18 图 20：AI+与传统行业双向赋能模式.19 图 21：AI 医疗应用占 AI 行业比重持续提升.20 图 22：AI+大幅提升药物从研发到上市的效率.22 图 23：当前 AI 赋能医药行业药物研发年限下降 2-3 年，未来有望提升至 4-5 年.22 图 24：我国 AI 医疗器械市场规模持续提升.23 图 25：AI 医疗器械已被应用于多个医疗领域.23 图 26：AI 医疗助理打造智能化就医流程，大大提高就医与医院管理效率.24 图 27：AI 应用已被广泛用于教育的各个细分赛道.25 图 28：未来 AI+教育的 B 端市场规模有望持续提升.25 图 29：AI 应用在不同教育阶段与场景中成熟度存在一定差异.26 图 30：我国能源行业已推出多款优秀的大模型.27 图 31：大模型在协调控制器实时控制、优化负载策略方面效果显著.28 图 32：AI 推进储能设备与电网之间的协调与优化控制.28 图 33：AI 大模型用于内部运营至终端支付的多种金融场景.29 图 34：金融行业大模型+多模态金融大数据打造金融 AI 应用.30 图 35：金融领域大模型主要分为知识增强型与任务增强型.31 图 36：金融领域 AI 应用有望实现可信数据与可信模型相互促进.31 图 37：AI 已能够充分赋能智慧交通.32 图 38：AI 将助力交通运输业实现综合交通运输大模型智能化平台的构建.32 表 1：我国中央至地方的 AI 应用相关政策.18 表 2：我国优秀医疗大模型成果举例.21 1.AI 应用高地：当前已经发展到了什么阶段？应用高地：当前已经发展到了什么阶段？从企业的生命周期来看，从企业的生命周期来看，AI 应用已来到加速上行前夕。应用已来到加速上行前夕。从企业生命周期来看，一家公司/一个新生行业会经历：种子期初创期快速成长期成熟期衰退期。种子期初创期快速成长期成熟期衰退期。对于AI 企业而言，从创始到成熟对应的企业特点主要包括：种子期（成本下降）、初创期（渗透率快速提升）、快速成长（ROI 兑现）、成熟期（平台统一、合规完备）。我们认为，当前我们认为，当前 AI 应用已来到快速成长前夕。应用已来到快速成长前夕。AI 应用当前已实现成本腰斩、渗透率快速提升、收入验证带动 ROI 落地，基本符合快速成长期的特征。图图1：企业的生命周期来看，企业的生命周期来看，AI 应用行业即将进入快速成长期应用行业即将进入快速成长期 数据来源：东吴证券研究所绘制 1.1.数十年技术浪潮持续叠加，当前已来到数十年技术浪潮持续叠加，当前已来到 AI 应用关键时刻。应用关键时刻。AI 发展的先决条件已成熟。发展的先决条件已成熟。自 1960 年代半导体产业兴起伊始，人类在信息技术领域的探索就在不断加速。经过数十年的浪潮堆叠式积累，现已具备强大的算力、高速网络传输能力、大数据、渠道以及人才储备，这一切都将信息技术推向 AI 这一“最终幻想”。当 AI 落实至传统产业中，应用带来的是历史性机遇、颠覆性变革，迅猛程度远超以往任何一次技术浪潮。初创期初创期渗透率提升快速成长期快速成长期收入验证成熟期成熟期平台统一化合规完备衰退期衰退期种子期种子期快速降本时间时间 图图2：数十年技术浪潮叠加下，目前已具备发展数十年技术浪潮叠加下，目前已具备发展 AI 应用的技术先决条件应用的技术先决条件 数据来源：2025 红杉资本 AI 峰会，东吴证券研究所 1.2.大模型使用成本快速下滑大模型使用成本快速下滑 API 价格快速下探价格快速下探+DeepSeek 开源，大幅降低开源，大幅降低 AI 应用开发成本。应用开发成本。自 2023 年 API 首发以来，ChatGPT 经过多次迭代，目前 token 处理价格目前已降至$2/百万 token（输入端，GPT-4.1）、$8/百万 token（输出端，GPT-4.1）。DeepSeek 开源后模型训练成本大幅下滑，R1 模型商用 API 价格仅￥0.52/百万 token，输出仅￥8/百万 token。基础大模型成本快速下探，显著优化 AI 应用开发成本、加快国内 AI 应用发展速度。时间时间 图图3：ChatGPT 历史版本每百万历史版本每百万 token 价格价格 图图4：DeepSeek 训练成本大幅缩减，性价比优势显著训练成本大幅缩减，性价比优势显著 数据来源：ChatGPT 官网，东吴证券研究所 数据来源：SuperClue，东吴证券研究所 1.3.AI 应用使用量持续上行应用使用量持续上行 大模型的不断成熟，用户数量与月活均呈加速上升趋势。大模型的不断成熟，用户数量与月活均呈加速上升趋势。GPT 自 2022 年 11 月发布后，5 日内用户数量突破 100 万，至 2023 年 11 月 WAU 达 1 亿，2024 年 8 月 WAU 达2 亿，2025 年 2 月 WAU 达 4 亿，第二轮翻倍时间较第一轮缩短 3 个月；DeepSeek 上线20 天即斩获 1000 万用户，上线 2 个月 MAU 达 2 亿。以 GPT 与 DeepSeek 两大最热门大模型来看，用户数量与使用数量均呈现加速上升的态势。图图5：ChatGPT 周活动人数快速增长周活动人数快速增长 图图6：25M5 AI 应用前十名应用前十名 MAU 几乎全部同比增长几乎全部同比增长 数据来源：AI 产品榜，东吴证券研究所 数据来源：AI 产品榜，东吴证券研究所 05101520253035402023/3/12023/11/12024/5/132025/4/142025/4/142025/4/14GPT-4(8K)GPT-4 TurboGPT-4oGPT-4.1GPT-4.1 miniGPT-4.1 nanoInput($/1 M)Output($/1 M)0.010.2523480%2%4%6%8%10%12%01234567892022/112023/12024/82024/122025/22025/6ChatGPT-WAU(亿用户)渗透率 1.4.大厂持续加码资本开支，大厂持续加码资本开支，AI 应用收入验证应用收入验证 大厂资本开支持续发力，大厂资本开支持续发力，AI 应用收入应用收入&盈利能力逐渐凸显。盈利能力逐渐凸显。（1）大厂）大厂 Capex：全球 2025 年企业 AI 支出规模预计达到 2024 年的 3 倍，其中42%的资金将投向生成式 AI 产品；2024 年谷歌、微软、亚马逊、Meta 合计 Capex 预计达到 2504 亿美元，同比+63%，2025 年 Capex 预计达 3400 亿美元，同比+35%，AI 算力需求持续扩张；图图7：四大厂四大厂 Capex 快速提升，快速提升，2025 年主要用于年主要用于 AI 相关基建（单位：十亿美元相关基建（单位：十亿美元/季度）季度）数据来源：Sherwood，东吴证券研究所 （2）AI 应用收入情况：应用收入情况：全球收入靠前的应用目前主要集中于大语言模型（ChatGPT、Grok、Claude 等）、套壳类文本生成（ChatOn、Chatbot 等）、音视频生成（Suno、Hula、Invideo 等）、垂直化应用（Speak、Plaud、Speechify 等）、图片增强（FaceApp、Remini、AirBrush 等）。当前 AI 应用盈利能力较上一阶段已出现显著好转。图图8：AI 应用收入情况持续好转应用收入情况持续好转 数据来源：AI 应用榜，东吴证券研究所 2.AI 应用的未来：去向何方？应用的未来：去向何方？我们认为我们认为 AI 的价值将在应用层面得以实现，的价值将在应用层面得以实现，AI 应用才是“星辰大海”。应用才是“星辰大海”。传统应用产品中，从应用类型来看，终端应用（包括 Tiktok、Zoom、Airbnb、Palantir 等）占据软件市场的最大版图。从 AI 应用的视角来看，当前终端应用仍处在相对蓝海时期，尽管2025 年以来空白市场相对缩减，但仍存在海量机会。传统应用中，应用层占据了软件行业收入与现金流的顶层，我们认为，这一趋势同样将在 AI 领域复刻。图图9：传统软件价值集中在应用层，我们认为这一特征将在传统软件价值集中在应用层，我们认为这一特征将在 AI 赛道复刻赛道复刻 数据来源：2025 红杉资本 AI 峰会，东吴证券研究所 凯文凯利在未来 510 年，AI 改变世界的四大路径与机会主题演讲中，从两个维度出发对未来 AI 应用的形态进行展望：一方面，从智能的生物存在形态来看，既有可能是一种通用智能，又有可能是一系列智能的集合（规划、判断、注意力、记忆、推理、演绎等）。从这个角度来看，人工智能既可能指向通用智能，又可能指向专用智人工智能既可能指向通用智能，又可能指向专用智能；能；另一方面，从智能的应用端口来看，人工智能既可以是中心化的集中式计算，又有人工智能既可以是中心化的集中式计算，又有可能是去中心化的端侧计算。可能是去中心化的端侧计算。因此我们结合这两个方面的智能形态，认为 AI 应用未来可能走向“四象限发展格局”。2.1.AI 应用的四象限发展格局应用的四象限发展格局 我们认为未来我们认为未来 AI 应用将向着四个不同的象限发展。应用将向着四个不同的象限发展。其中 x 轴指向通用化/专用化，y 轴指向端侧计算/集中式计算。四个象限分别有他们的代表应用：第第 I 象限（专用象限（专用/端侧）：端侧）：各行各业的专用/垂直应用；第第 II 象限（通用象限（通用/端侧）：端侧）：Tesla FSD 等；第第 III 象限（通用象限（通用/集中）：集中）：ChatGPT、DeepSeek 等；第第 IV 象限（专用象限（专用/集中）：集中）：AI Agent 等。图图10：AI 应用的“四象限”发展格局应用的“四象限”发展格局 数据来源：东吴证券研究所绘制 2.1.1.通用通用/集中：通用大模型实现全场景的大模型平权集中：通用大模型实现全场景的大模型平权 我们认为，未来通用大模型的发展将逐渐走向基础设施化。我们认为，未来通用大模型的发展将逐渐走向基础设施化。通用人工智能已进入第三代研究，成本呈对数级增长，但边际性能提升区域平缓，无法确定“模型越大、性能越好”的规律是否会持续演绎，想要通过一个通用大模型解决千百业的 AI 应用问题，在可预见的将来或难以实现。前文提到，在基于通用大模型的基础上，叠加行业的垂直化数据可以打造出有深度的行业 AI 应用。因此我们认为，未来通用大模型可能成为一因此我们认为，未来通用大模型可能成为一种种 AI 应用的基础设施，通用大模型的探索依然具有价值，但或不值得投入指数级增长应用的基础设施，通用大模型的探索依然具有价值，但或不值得投入指数级增长的成本以获得式微的边际产出，持续优化算法、降低训练成本、易于行业化改造或成通的成本以获得式微的边际产出，持续优化算法、降低训练成本、易于行业化改造或成通用大模型的发展关键。用大模型的发展关键。2.1.2.专用专用/端侧端侧 AI 应用：垂直大模型是应用：垂直大模型是 AI 应用的房梁应用的房梁 通用大模型作为根基，垂直大模型是构建在通用大模型底座上的“房梁”。通用大模型作为根基，垂直大模型是构建在通用大模型底座上的“房梁”。当前DeepSeek 开源+市场主流大模型 API 价格持续下降，算法已几乎实质上实现平权，而通用大模型本身在成本、通用性、专业性“不可能三角”的限制下只有两种清晰的发展路径：ToC（如用户直接向 DeepSeek 提问），或成为垂直大模型底座或成为垂直大模型底座大模型平权背景下，真正能将 AI 渗透进专业领域应用场景的是垂直领域的 AI 应用：在已有大模型的基础上叠加特定应用场景的垂直数据，才能真正将 AI 实现从通用大模型训练成垂直大模型，成为 AI 应用的房梁。而在此过程中，大模型并非稀缺资源，而是律所判例、客服本报告来源于三个皮匠报告站（）,由用户Id:349461下载,文档Id:730712,下载日期:2025-07-18 对话、企业知识图谱这类外界无法轻易复制的数据资产。2.1.3.通用通用/端侧大模型：以端侧大模型：以 Tesla FSD 为代表的跨领域通用大模型为代表的跨领域通用大模型 特斯拉特斯拉 FSD 是一种典型的通用是一种典型的通用+端侧大模型。端侧大模型。采用纯视觉+Transformer 大模型的感知+决策一体化架构，通用性：通用性：涵盖物体检测、轨迹预测、占用网络、路径规划等多任务功能；端侧计算：端侧计算：特斯拉车内的 FSD 计算机（HW4）搭载专用 AI 芯片，算力高达约 144TOPS，支持在本地处理多摄像头传感器数据，实时决策，无需依赖云；同时，车辆数据回传+Dojo 超算训练，形成自循环优化模型，成为通用+端侧计算大模型的标志性产物。图图11：特斯拉特斯拉 FSD 实际路况表现卓越，正在不断拓展应用范围实际路况表现卓越，正在不断拓展应用范围 数据来源：Tesla 官网，东吴证券研究所 2.1.4.专用专用/集中：集中：AI Agent 或称为新时代的数字代理人？或称为新时代的数字代理人？Agent 或将成为未来技术发展的重要趋势之一。或将成为未来技术发展的重要趋势之一。目前业界尚未对 Agent 形成统一定义，但最恰当的理解方式或许是将之视为一种交互接口。当用户与人工智能系统对话时，其本质上就是在与代理进行交互。然而，代理并非孤立存在，而是构成了一个协同运作的代理网络体系。用户可能仅与某个表层代理直接对话，而该代理会在后台与其他功能代理进行交互，这些次级代理则分别承担着不同的专业化任务。换言之，整个系统通过代理网络的分工协作机制，实现复杂功能的有机整合。Agent 的价值不仅在于信息查询，更体现在处理多环节的复杂任务链上。的价值不仅在于信息查询，更体现在处理多环节的复杂任务链上。以票务服务为例，理想的代理系统不仅能提供票务信息，还应能完成从查询、预订到改签的全流程服务。这就要求代理系统具备任务分解、责任传递和专业化操作的能力，能够自主协调完成包含纠错机制在内的复杂操作流程。虽然构建此类具备责任链管理能力的系统存在显著技术挑战，但其潜在价值同样巨大。目前，Nvidia、OpenAI、Google 等科技企业都在积极推进相关研发工作。尽管尚未出现成熟的代理系统，但预计在未来五年内，这一技术有望取得实质性突破。3.AI+：基于我国国情与全球：基于我国国情与全球 AI 产业链特征的人工智能战略产业链特征的人工智能战略 3.1.中美中美 AI 产业逻辑差异产业逻辑差异 人工智能的技术路径没有收敛，因此我们需要发挥我们的比较优势。人工智能的技术路径没有收敛，因此我们需要发挥我们的比较优势。中美中美 AI 产业发展逻辑存在显著差异，导致路径选择上两国有截然不同的战略规划。产业发展逻辑存在显著差异，导致路径选择上两国有截然不同的战略规划。3.1.1.美国：站在全球的知识产权金字塔顶端，掘金全球美国：站在全球的知识产权金字塔顶端，掘金全球 美国位于全球美国位于全球 AI 产业链的最顶端，掌控云服务与芯片市场的垄断地位。产业链的最顶端，掌控云服务与芯片市场的垄断地位。（1）云服务：）云服务：北美四大云厂商（谷歌、亚马逊、Microsoft、Meta）2025 年规划投资超 3000 亿美元用于 AI 数据中心建设，云基础设施服务市场前八名中美国公司累计市占率超 70%；（2）AI 芯片：芯片：截止至 2023 年底，美国 AI 芯片头部企业（NVIDIA、AMD、Intel）累计市占率达 80-85%，形成技术壁垒与生态垄断。以 NVIDIA 为例，2024 年报净利润超 300 亿美元，净利率超 53%，壁垒高、具备极强议价能力。中国 AI 服务器市场外购美国芯片占比达 63%，无论产品端还是技术端都高度依赖美国芯片产业。图图12：全球云基础设施服务市场几乎被美国垄断全球云基础设施服务市场几乎被美国垄断 图图13：美国企业垄断全球美国企业垄断全球 AI 算力芯片市场算力芯片市场 数据来源：Statistia，东吴证券研究所 数据来源：Wind，东吴证券研究所 3.1.2.中国：下游应用是我国核心优势与中国：下游应用是我国核心优势与 AI 产业的关键突破口产业的关键突破口 中国中国 AI 产业优势体现在下游。产业优势体现在下游。中国 AI 产业上游云服务与芯片被美国卡脖子，尽管中国本土厂商持续实现技术突围，但由于行业网络效应显著，中国想在上游实现完全胜利难度极高。中国需要发挥自己的比较优势。中国需要发挥自己的比较优势。（1）数据优势：）数据优势：我国超 80%数据来自政府，尚处于未被开发的状态，具有极大经济潜力；对比美国超 80%数据来自头部大厂，在大模型训练过程中已经被相当程度转化为经济效应。图图14：我国超我国超 80%数据尚未被开发，且未开发数据总量仍在不断上升数据尚未被开发，且未开发数据总量仍在不断上升 数据来源：IDC，东吴证券研究所（2）产业链优势：中国具有全世界最完整的产业链。）产业链优势：中国具有全世界最完整的产业链。2024 年我国制造业增加值为3.6 万亿美元，占全球制造业比重 28.9%。图图15：2024 年我国制造业增加值占全球制造业比重达年我国制造业增加值占全球制造业比重达 28.9%数据来源：Statista，东吴证券研究所 （3）市场优势：）市场优势：我国具有超大规模市场的需求优势，有 14 亿多人口和 4 亿多中等收入群体的超大规模内需市场，拥有丰富的应用场景。我国具有产业体系配套完整的供给优势，是世界唯一拥有联合国产业分类中全部工业门类的国家，还有 6000 多万家各类企业优势互补、竞相发展。我国具有大量高素质劳动者的人才优势，有 7 亿多劳动力、2.4 亿多技能人才和每年 1000 多万高校毕业生的丰富人力资源。这些优势这些优势的背后是巨大的背后是巨大的市场潜力，将成为的市场潜力，将成为 AI 应用发展的强大后备力量。应用发展的强大后备力量。图图16：中国具备巨大市场潜力（单位：亿人）中国具备巨大市场潜力（单位：亿人）数据来源：求是网，东吴证券研究所（3）应用场景优势：）应用场景优势：当前，当前，“人工智能人工智能+”正深度融入人们生产生活等具体环境，在正深度融入人们生产生活等具体环境，在推动制造业、办公、家庭、消费等场景的智能化升级方面表现尤为突出。推动制造业、办公、家庭、消费等场景的智能化升级方面表现尤为突出。在制造业领域，传统的流水线模式正逐渐被柔性化和定制化的智能生产所取代；在办公场景中，人工智能技术推动着知识工作者效率的提升和能力边界的拓展；在家庭生活场景中，各类智能化产品让科技真正服务于人的需求；在娱乐消费场景中，人工智能助力体验经济等新型消费模式的发展。14.1472.40.13.31.351.70.0350246810121416人口总量中等收入群体规模劳动力人口总数技能型人才高校毕业生中国美国 图图17：我国具备多样化的下游应用场景我国具备多样化的下游应用场景 数据来源：大数据 AI 智能圈公众号，东吴证券研究所 3.2.以通用大模型为基，以垂直大模型为梁，打造以通用大模型为基，以垂直大模型为梁，打造 AI+行业应用行业应用 我们认为，未来我国将重点发展通用大模型通用大模型+垂直大模型垂直大模型以实现由面及点、由浅入深的 AI 应用发展格局。通用大模型是算法地基，垂直大模型是屋柱房梁，AI 应用是封顶大吉。换言之，换言之，AI 应用的根本问题在于解决通用大模型的基座与垂直大模型的骨架，应用的根本问题在于解决通用大模型的基座与垂直大模型的骨架，因为如果没有足够强大的模型做支撑，因为如果没有足够强大的模型做支撑，AI 应用只会是空中楼阁。应用只会是空中楼阁。AI 应用的“不可能三角”。应用的“不可能三角”。我们认为，AI 应用只能在“训练成本”“通用广度”“专业深度”三大方向中任选其二：在现实情况中，训练成本有限，通用性与专业深度无法在现实情况中，训练成本有限，通用性与专业深度无法兼顾。兼顾。通用大模型的底座过于庞大，少量数据或个别业务逻辑的资料用于训练或微调难以起到效果，重新搭建行业大模型成本又过于高昂，而基于通用大模型真正能赋能工作基于通用大模型真正能赋能工作的的 AI 应用只需要精简的底座具备基本的人机交互、推理逻辑和语义理解功能，同时用应用只需要精简的底座具备基本的人机交互、推理逻辑和语义理解功能，同时用所在领域的知识库进行预训练，再依据业务逻辑进行微调，才能真正赋能我们的工作。所在领域的知识库进行预训练，再依据业务逻辑进行微调，才能真正赋能我们的工作。3.2.1.通用大模型：扎根通用大模型：扎根 通用大模型将成为一切通用大模型将成为一切 AI 应用的基石，是算力平权的决定性因素。应用的基石，是算力平权的决定性因素。一方面，AI 大模型开始“飞入寻常百姓家”：AI 大模型调用价格的持续下探，大规模商业化应用成为可能，千百业可以通过通用大模型+专有行业数据集的模式构建行业专属的垂直大模型，真正服务细分场景；另一方面，通用大模型能力不断打破上限，大模型底座的智能性、稳定性、可靠性持续走强，实际任务解决能力愈发强大、更加容易为人所用。3.2.2.垂直大模型：梁柱垂直大模型：梁柱 通用大模型带来算力平权，差异焦点转向私域数据。通用大模型带来算力平权，差异焦点转向私域数据。开源模型和 API 价格曲线让“生成文字”价值迅速归零；真正稀缺的是各个细分场景无法为人所轻易杜撰的数据资产：如律所判例、客服对话、企业知识图等：通用大模型+数据资产=垂直大模型。从资源禀赋看，我国具有丰富的垂直应用场景。从资源禀赋看，我国具有丰富的垂直应用场景。前文提到，中国拥有全球最完整的制造业体系和齐全的下游应用场景，“人工智能+”通过人工智能技术与各行业深度融合，推动经济社会各领域的智能化升级，涉及技术创新、场景升级、产业发展等多个维度，并由此带来现代化产业体系的整体性跃升。赋能行业痛点明确。赋能行业痛点明确。通用大模型在较复杂工作场景或要求数据真实性的场景中很难实现实质性的工作赋能，而具体应用场景对大模型可靠性与专业性要求高，垂直模型通过深度融合特定行业数据库，通常使用任务相关数据进行预训练或微调，以提高在某一任务上的性能和效果。图图18：垂直大模型是解决应用层面专业问题的最佳途径垂直大模型是解决应用层面专业问题的最佳途径 数据来源：东吴证券研究所绘制 政府数据主导与专业化数据需求：政府数据主导与专业化数据需求：政府数据主导：政府数据主导：中国政务数据占全国数据资源超 3/4，但开放度不足美国的 10%，因此未来的潜力巨大。垂直模型可依托“国资云+行业数据”模式，在保障数据安全的前提下释放价值（如北京银行的智能风控系统）。中文高质量数据持续推进：中文高质量数据持续推进：大模型发展催生高质量数据集需求，专业领域更容易获取相关垂直赛道的高质量中文数据集，利于训练垂直 AI 大模型。我国现已采取多项举措服务高水平中文数据集以用于行业大模型建设，包括多源数据融合突破数据多样性瓶颈、破解大模型数据规模化处理难题、构建高质量数据供给平台等，多渠道数据融合构建多元数据集，聚焦行业痛点打造智能赋能标杆。根据相关测算，在交通行业通过辅助规划充电站最佳位置，可节省选址市场调研人力、物力成本超 70%；在文旅行业可有效提升旅游管理水平，降低景区运营成本 25%。图图19：我国高质量数据集建设持续推进，助力构建垂直大模型我国高质量数据集建设持续推进，助力构建垂直大模型 数据来源：国家数据局，东吴证券研究所 地方实践先行：地方实践先行：北京、上海等地推出专项政策，推动 AI 在智能制造、智慧医疗等场景的示范应用 表表1：我国中央至地方的我国中央至地方的 AI 应用相关政策应用相关政策 中央政策名称中央政策名称/会议会议 发布时间发布时间 政策相关内容政策相关内容 重点举措重点举措 央企央企“AI+”专项行动专项行动 2025 年 3 月 推动央企在 500+场景布局 AI，开放社会合作场景，构建高质量数据集与智算底座。建设智能算力中心；分批构建工业、交通等领域数据集；设立“耐心资本”支持 AI 根技术研发。加快传统制造业转型升级指导加快传统制造业转型升级指导意见意见 2023 年 12 月 推动 AI 与制造全流程融合，建设区域 AI数据处理中心。探索共享制造模式；搭建公共服务平台，提供生成式 AI 工具开发服务。促进数据标注产业高质量发展促进数据标注产业高质量发展实施意见实施意见 2025 年 1 月 定义数据标注为“AI 基石”，要求 2027 年产业规模年均复合增长率超 20%。攻关跨模态语义对齐、4D 标注技术；培育龙头企业，支持医疗、自动驾驶等领域标注需求。国资委国资委“AI 赋能产业焕新赋能产业焕新”推进会推进会 2024 年 2 月 央企需带头构建智能经济形态，开放 AI 应用场景。10 家央企签订场景开放倡议书；建设智能算力中心，打造大模型产业生态。地方性政策名称地方性政策名称 发布时间发布时间 政策相关内容政策相关内容 重点举措重点举措 支持信息软件企业加强支持信息软件企业加强 AI 应用应用服务能力行动方案（北京）服务能力行动方案（北京）2025 年 4 月 打造 AI 应用生态，推动行业大模型落地。最高 3000 万元奖励：行业模型解决方案、通用智能体开发、软件技改项目；发放算力券：支持 MaaS 平台及数据集开放。“一号文一号文”人工智能赋能制造业措人工智能赋能制造业措施（东莞）施（东莞）2025 年 2027 年引进 15+个 AI 项目，设立 50 亿元AI 子基金。设立人工智能子基金群；推动 AI 与先进制造融合。“苏州智造十大行动苏州智造十大行动”（人工智能（人工智能创新应用行动）（苏州）创新应用行动）（苏州）2025 年 实现智算规模 1 万 PFLOPS，引育 100+工业大模型。建设 AI 算力中心；降低算力成本，开放应用场景。人工智能产业发展规划（人工智能产业发展规划（2025-2027）（厦门）（厦门）2025 年 2027 年 AI 核心产业规模破 600 亿元，算力达 3000P。打造 100 个示范场景；培育 10 个行业大模型产品。发展医学人工智能工作方案发展医学人工智能工作方案（上海）（上海）2024 年 12 月 推进 AI 在医疗全流程应用。支持 AI 辅助诊疗、药物研发；建设医学 AI 创新平台。数据来源：中国政府网，东吴证券研究所整理 3.3.AI+的核心意义：与传统行业的双向赋能的核心意义：与传统行业的双向赋能 AI+传统行业的终极发展模式在于传统行业的终极发展模式在于 AI 与传统行业的双向赋能：即与传统行业的双向赋能：即 AI 赋能传统行赋能传统行业、降本提效，生产过程中产生的行业数据反哺业、降本提效，生产过程中产生的行业数据反哺 AI 进一步自我迭代。进一步自我迭代。AI 通过“人工智能+”深度融入产业创新发展，如智能制造、智能医疗、智能金融等，从而加速构建更加智能化和互联化的产业生态。反过来，产业生态又可以通过集聚技术、人才和数据等要素，进一步加快技术变革，推动新产品开发应用，激励人工智能相关企业更多地投入智能管理、关键技术研发和应用场景培育等领域。为此，应充分发挥现有应用场景的优势，实现人工智能与场景升级的协同驱动，加快构建“人工智能+”产业生态。（1）挖掘垂直场景需求：依托制造业柔性生产、智能家居人机交互、消费领域多）挖掘垂直场景需求：依托制造业柔性生产、智能家居人机交互、消费领域多模态推荐等众多成熟案例，推动人工智能技术与下游应用痛点的精准对接。模态推荐等众多成熟案例，推动人工智能技术与下游应用痛点的精准对接。通过建立行业需求图谱与技术能力匹配模型，将人工智能算法研发与产业转型升级需求精准耦合，重点突破设备预测性维护、个性化产品定制、智能营销决策等典型场景的技术适配难题，形成可复制的技术赋能模式。图图20：AI+与传统行业双向赋能模式与传统行业双向赋能模式 数据来源：中国政府网，东吴证券研究所 （2）构建商业化闭环）构建商业化闭环。可通过设立专项基金、税收优惠等方式，降低企业技术研发风险，同时建立市场化技术交易平台促进供需对接；企业端则要打通实验室原型开发与量产部署间的转化通道，重点培育具备工程化交付能力的中间层机构。特别是在医疗健康等民生领域，应加快制定行业准入标准，推动前沿技术在基层医疗机构的普惠性应用，实现社会效益与经济效益的协同发展。（3）强化场景驱动的协同创新：搭建跨行业数据要素流通基础设施，统一多源异）强化场景驱动的协同创新：搭建跨行业数据要素流通基础设施，统一多源异 构数据接入规范与隐私保护框架。构数据接入规范与隐私保护框架。通过建设开放型产业协作平台，促进智能制造装备厂商、智慧城市解决方案提供商等主体间的技术资源共享与商业模式创新。在复合型场景中，依托真实业务场景的持续演进压力，推动底层算法架构革新与产业链协同升级，形成“场景牵引技术突破生态重构”的良性循环，最终实现人工智能技术价值的螺旋式提升。3.4.典型行业应用典型行业应用 3.4.1.AI 医疗：最快落地的医疗：最快落地的 AI 下游应用下游应用 我国我国 AI 医疗市场规模快速增长。（医疗市场规模快速增长。（1）医疗资源分布不均匀，医疗资源与需求倒挂：）医疗资源分布不均匀，医疗资源与需求倒挂：截止至 2022 年底，我国 3.7 万家医院中仅 3523 家三甲医院，而诊疗人次高达 22.3 亿次，其中三甲医院承担全国 58.6%的诊疗量，资源分配明显不均。AI 可通过辅助诊疗、辅助问诊等模式，有效减少医生繁杂工作，提高诊疗效率；（2）政策驱动医疗行业数智）政策驱动医疗行业数智化发展：化发展：自 2017 年起我国将 AI 作为重点政策推动，AI 医疗作为 AI 行业先行者，政府大力倡导。未来我国未来我国 AI 医疗行业将快速、持续扩容，医疗板块或将成为医疗行业将快速、持续扩容，医疗板块或将成为 AI 率先实现赋能的率先实现赋能的赛道。（赛道。（1）技术选代推动）技术选代推动 AI 在医疗领域渗透率。在医疗领域渗透率。以大模型为代表的 AI 技术正与生物制药、医学诊疗深度融合极大提高药物研发效率和医疗诊疗的覆盖度和诊疗效果；（2）医）医疗健康大模型多态发展，推动疗健康大模型多态发展，推动 AI 医疗扩容。医疗扩容。目前多模态医疗健康大模型主要涉及视觉和语言两种模态，未来可融合各类数据类型和尺度(如分子、细胞、基因等)进一步释放大模型在科学发现和临床诊疗方面的潜力，推动医疗健康大模型多模态融合发展。图图21：AI 医疗应用占医疗应用占 AI 行业比重持续提升行业比重持续提升 数据来源：头豹研究院，东吴证券研究所 我国我国 AI 医疗大模型进展飞快，医疗大模型进展飞快，国内多家顶尖医疗机构和科技企业纷纷发布了自主国内多家顶尖医疗机构和科技企业纷纷发布了自主研发的研发的 AI 病理大模型病理大模型。截至 2024 年 9 月，我国共有超 100 家企业和机构发布了医疗健康产业大模型。企业占比达到 81.3%，高校和研究机构占比分别为 10.3%和 5.6%，医院 占比为 2.8%。医疗大模型在 2024 至 2027 年迎来快速发展期，2025 年医疗大模型市场规模已达 82 亿元，预计到 2027 年我国医疗行业大模型市场规模将超过 260 亿元。表表2：我国优秀医疗大模型成果举例我国优秀医疗大模型成果举例 模型名称模型名称 模型特点模型特点 实际应用成果实际应用成果 腾讯医疗大模型腾讯医疗大模型 基于混元通用大模型，覆盖公共卫生、药物研发、组学分析；支持私有化部署。已接入全国 400+医院系统，智能导诊、影像报告生成、医保控费；糖尿病管理可生成精确饮食方案。百度灵医大模型百度灵医大模型 依托文心大模型，整合千亿 Token 医疗语料；支持临床决策（CDSS）、DRG/DIP 控费等。罕见病基因分析效率提升 50%，基层医院误诊率降低25%；在华山医院实现智能辅助诊断。华为云盘古药物分子大模型华为云盘古药物分子大模型 与中科院合作，优化药物研发流程；成药性预测准确率提升 20%，分子结合能优化效率提升 40%。将先导药研发周期从数年缩短至 1 个月，研发成本降低70%。阿里健康阿里健康 AI 专注医疗影像分析，支持 CT/MRI 病灶自动标注，准确率 97%。在浙江省建立区域医疗影像云平台，日均处理影像数据超10 万例。医渡科技医渡科技 AI 中台中台 提供 6B170B 参数版本，