东吴证券：
《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》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

当人工智能技术从实验室走向产业一线，一场以 “AI+” 为核心的产业变革正全面铺开。东吴证券发布的《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》，系统梳理了 AI 应用的发展阶段、未来格局、中美产业差异及典型行业实践，为我们描绘了中国 AI 产业从技术突破到行业赋能的完整图景。在成本下降、用户增长、大厂加码的多重驱动下，AI 正以 “通用大模型为基、垂直大模型为梁” 的架构，深度融入医疗、教育、能源、金融、交通等关键领域，成为推动新质生产力发展的核心引擎。

一、AI 应用迈入加速期：成本、规模与收入的三重突破

经过数十年技术浪潮的叠加积累，AI 应用已具备算力、数据、人才等完善的先决条件，从初创期迈入快速成长期的关键节点，呈现出成本持续下降、使用规模激增、商业收入验证的显著特征。

大模型使用成本的快速下滑为规模化应用奠定基础。自 2023 年以来，ChatGPT 经过多轮迭代，每百万 token 处理价格大幅下探，GPT-4.1 输入端价格降至 2 美元 / 百万 token，输出端降至 8 美元 / 百万 token。国内 DeepSeek 开源后，商用 API 价格更具性价比，输入端仅 0.5-2 元 / 百万 token，输出端 8 元 / 百万 token，大幅降低了 AI 应用的开发门槛，加速了国内 AI 产业的落地进程。

用户规模的爆发式增长印证了市场需求的旺盛。ChatGPT 自发布后用户增长持续提速，2025 年 2 月月活用户达 4 亿，第二轮用户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，2 个月月活突破 2 亿。2025 年 5 月全球 AI 应用 TOP10 月活几乎全部同比增长，ChatGPT 以 6.2 亿月活遥遥领先，百度网盘、夸克等国内 AI 应用也跻身前列，展现出强劲的用户吸引力。

大厂资本开支加码与商业收入好转形成正向循环。全球科技巨头持续加大 AI 相关基建投入，2024 年谷歌、微软、亚马逊、Meta 合计资本开支达 2504 亿美元，同比增长 63%，2025 年预计进一步增至 3400 亿美元。与此同时，AI 应用的盈利能力显著改善，ChatGPT 年化订阅收入超 109 亿美元，FaceApp、Remini 等应用也实现可观营收，覆盖大语言模型、音视频生成、垂直化应用等多个赛道，商业闭环初步形成。

二、未来格局：AI 应用的四象限发展路径

AI 应用的价值最终将在场景落地中实现，未来将呈现 “通用 / 专用” 与 “端侧 / 集中” 交叉的四象限发展格局，不同象限的技术路径与应用场景各有侧重，共同构成产业智能化的完整生态。

通用 / 集中式 AI 以 ChatGPT、DeepSeek 为代表，未来将逐渐走向基础设施化。这类大模型作为 AI 应用的技术底座，通过持续优化算法、降低训练成本，为千行百业提供基础的人机交互、推理逻辑和语义理解能力，成为 “大模型平权” 的核心支撑。虽然 “模型越大性能越好” 的规律尚未完全持续，但通用大模型的探索价值在于为垂直领域的智能化提供可复用的技术基础，其发展关键在于平衡成本、通用性与易用性。

专用 / 端侧 AI 是垂直领域智能化的核心载体，堪称 AI 应用的 “房梁”。在通用大模型的基础上，叠加行业专属数据（如律所判例、客服对话、企业知识图谱），即可训练出适配特定场景的垂直大模型。这类模型能够破解通用大模型在专业深度上的不足，精准解决行业痛点，是 AI 渗透进医疗、教育、制造等专业领域的关键路径，其核心竞争力在于无法轻易复制的行业数据资产。

通用 / 端侧大模型以特斯拉 FSD 为典型代表，实现跨领域通用能力与端侧实时计算的结合。特斯拉 FSD 采用纯视觉 + Transformer 架构，涵盖物体检测、轨迹预测、路径规划等多任务功能，依托车内专用 AI 芯片实现本地实时决策，无需依赖云端算力，同时通过车辆数据回传与 Dojo 超算训练形成自循环优化，为跨领域端侧 AI 应用提供了可借鉴的范式。

专用 / 集中式 AI 以 AI Agent 为核心，有望成为新时代的 “数字代理人”。AI Agent 并非孤立的交互接口，而是由多个专业化次级代理构成的协同网络，能够处理多环节复杂任务链，实现从查询、预订到改签的全流程服务。其价值不仅在于信息交互，更在于任务分解、责任传递和专业化操作，目前谷歌、OpenAI 等科技企业均在积极布局，预计未来五年内将取得实质性突破。

三、中美产业逻辑差异：中国聚焦下游应用的差异化突破

中美 AI 产业因资源禀赋不同，形成了截然不同的发展逻辑。美国凭借在云服务与 AI 芯片领域的垄断地位，占据全球 AI 产业链顶端，掌控知识产权与核心技术壁垒；中国则立足自身优势，以下游应用为突破口，走出了一条差异化的产业升级路径。

美国在 AI 上游领域形成强垄断。全球云基础设施服务市场前八名中美国企业市占率超 70%，2025 年北美四大云厂商规划投资超 3000 亿美元用于 AI 数据中心建设；AI 芯片领域，NVIDIA、AMD、Intel 累计市占率达 80-85%，中国 AI 服务器市场外购美国芯片占比达 63%，在产品和技术端高度依赖。美国凭借这些优势，站在全球知识产权金字塔顶端，面向全球市场掘金。

中国的核心优势集中在下游应用环节，具备数据、产业链、市场和场景四大独特禀赋。数据方面，我国超 80% 数据来自政府，尚未充分开发，经济潜力巨大，而美国超 80% 数据来自头部大厂，已充分转化为经济效应；产业链方面，2024 年我国制造业增加值占全球比重达 28.9%，拥有联合国产业分类中全部工业门类，产业体系完整；市场方面，14 亿多人口、4 亿多中等收入群体构成超大规模内需市场，7 亿多劳动力、2.4 亿多技能人才提供丰富人力资源；场景方面，AI 已深度融入制造业柔性生产、智能办公、智能家居、消费体验等多个场景，形成多样化的应用土壤。

基于这些优势，中国确立了 “以通用大模型为基、以垂直大模型为梁” 的发展战略。通用大模型作为算法地基，通过成本下降与能力提升实现 “算力平权”；垂直大模型作为屋柱房梁，依托行业专属数据解决专业场景痛点；最终通过 AI 应用实现 “封顶大吉”，形成由面及点、由浅入深的产业智能化格局。这一战略既契合中国的资源禀赋，又能有效规避上游技术壁垒，成为 AI 产业突破的关键路径。

四、双向赋能：AI 与传统行业的深度融合实践

AI + 的核心意义在于实现 AI 与传统行业的双向赋能 ——AI 技术为传统行业降本提效，行业生产过程中产生的海量数据反哺 AI 模型持续迭代。目前，AI 已在医疗、教育、能源、金融、交通等多个典型行业形成成熟应用，展现出强大的产业赋能价值。

（一）AI 医疗：最快落地的下游应用

医疗行业因资源分布不均、诊疗需求庞大，成为 AI 最快落地的赛道。我国 3.7 万家医院中仅 3523 家三甲医院，却承担了 58.6% 的诊疗量，AI 通过辅助诊疗、药物研发、医疗器械升级等方式，有效弥补医疗资源缺口。截至 2024 年 9 月，国内超 100 家企业和机构发布医疗健康大模型，腾讯医疗大模型接入 400 + 医院系统，百度灵医大模型使基层医院误诊率降低 25%，清华 BioMedGPT 将虚拟筛选效率提升 100 倍。在药物研发领域，AI 已将新药上市时间从 13 年压缩至 8 年，研发成本从 24 亿美元降至 6 亿美元；AI 医疗器械广泛应用于癌症检测、脑卒中诊断等多个领域，2028 年市场规模预计达 755.7 亿元。

（二）AI 教育：推动教育体制变革

AI 与教育的融合愈发紧密，覆盖学前教育、基础教育、高等教育、职业教育等全学段。2023 年我国 AI + 教育 B 端市场规模达 213 亿元，预计 2025-2028 年复合增长率保持超 20%。在校内场景，AI 在考试测评、教学辅助等领域应用成熟度最高；在校外场景，居家学习、语言学习已实现高成熟度落地。AI 教育产品不仅包括学习平板、点读笔等智能硬件，还涵盖精准教学、智能测评、科研助手等软件解决方案，能够根据不同学段特点提供个性化服务，推动教育从 “规模化” 向 “精准化” 转型。

（三）AI 能源：从生产管理到市场交易的全链条优化

AI 在能源行业的应用贯穿生产、调度、监测、交易全链条，国内已推出多款能源行业专属大模型，如国家电网 “光明电力大模型”、中国石油 “昆仑大模型” 等。在新能源发电优化方面，AI 可构建精准预测模型，某省级电网通过动态安全域模型将弃光率从 19% 降至 3.2%；在调度决策方面，AI 综合考虑发电能力、负荷需求、储能状态等因素，制定最优调度方案，提高新能源消纳能力；在电网监测与故障诊断方面，AI 实时分析传感器数据，快速定位故障并发出警报；在储能控制方面，AI 优化充放电策略，实现削峰填谷、降低能源成本。

（四）AI 金融：可信数据与可信模型的双向促进

金融业作为数据密集型产业，与 AI 技术天然契合，已在智能服务、智能投研、金融风控、生产赋能四大领域形成成熟应用。智能客服不受时空限制，提供个性化解决方案；智能投研实时分析市场行情与企业财报，生成趋势预测报告；金融风控通过风险模型与知识图谱，识别异常风险与欺诈行为，精准反制灰黑色产业链。金融大模型分为知识增强型与任务增强型，分别承担行业专业人员与平台化专家角色，未来将通过 “可信数据加工流通→可信 AI 算法→行业赋能” 的模式，实现数据与模型的双向促进，持续释放产业价值。

（五）AI 交通：从感知智能到决策智能的跃迁

AI 已深度赋能智慧交通的多个环节，从车辆识别、智能交管到智能停车管理均实现成熟应用，正从感知智能向决策智能跨越。未来将通过多模式数据融合与状态感知技术，完善智慧城市交通管理系统，最终构建综合交通运输大模型智能化平台。具体来看，AI 可实现高速公路与城市道路交通流的精准估计和预测，优化交通管控策略；在网联自动驾驶领域，AI 助力车辆智能管控，提升行驶安全性；在地空一体化交通领域，AI 提供管控与决策支持，推动交通系统高效协同。

结语：AI + 引领产业智能化新纪元

AI + 时代的到来，不仅是技术层面的革新，更是产业逻辑的重构。中国立足自身资源禀赋，以下游应用为突破口，通过 “通用大模型筑基、垂直大模型赋能、行业应用落地” 的路径，成功走出了一条差异化的产业智能化道路。从医疗行业的资源均衡、教育领域的精准赋能，到能源行业的效率提升、金融领域的风险管控，AI 正以多样化的形态融入产业肌理，推动传统行业降本提效与模式创新。

随着技术持续迭代、成本进一步下降、场景不断丰富，AI + 将成为推动经济高质量发展的核心动力。未来，需要进一步挖掘垂直场景需求、构建商业化闭环、强化协同创新，让 AI 技术与传统行业深度融合、双向赋能，形成 “场景牵引 - 技术突破 - 生态重构” 的良性循环。在这场产业变革中，那些能够精准把握趋势、深耕行业场景、构建核心数据与技术壁垒的企业，必将抢占发展先机，共同书写中国产业智能化的全新篇章。

☟☟☟

☞人工智能产业链联盟筹备组征集公告☜

☝