点击蓝字，关注我们
人工智能与大数据研究中心
【全球主要经济体加速推进“人工智能+”布局】2025年，全球主要经济体加速推进“人工智能+”战略布局，竞争焦点从基础模型转向产业落地效能。2025年7月，美国发布《赢得AI竞赛：美国AI行动计划》，推动AI技术在制造业、物流、科学研究等领域的创新应用；11月，英国出台《人工智能赋能科学战略》，重点布局工程生物学、核聚变能源、材料科学、医学研究等前沿领域；12月，日本通过《AI基本计划》，推动AI在医疗、护理、金融等人力紧缺行业应用，并依托工业机器人优势拓展海外市场。与此同时，中国深入实施“人工智能+”行动，国务院发布《关于深入实施“人工智能+”行动的意见》，推动人工智能与经济社会各行业各领域广泛深度融合。总体看，“人工智能+”已成为重塑全球科技格局与产业竞争力的关键变量。
【“人工智能+”行动全面提速，国家与地方协同构建深度融合新格局】自2024年起，“人工智能+”行动已连续两年写入《政府工作报告》；2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，提出“以科技、产业、消费、民生、治理、全球合作等领域为重点，深入实施‘人工智能+’行动”；与此同时，制造、能源、交通、医疗、政务等领域密集出台专项政策，切实推动“人工智能+”行动全面提速。地方层面，各地积极响应，结合自身优势加快推进“人工智能+”行动。2025年，北京聚焦科学研究、新材料、农业、工业、医药健康、教育等垂直领域发布专项政策，应用布局多点开花；上海市实施“模塑申城·AI+制造”行动，推动人工智能技术与制造业深度融合；广东省发布《广东省人工智能赋能制造业高质量发展行动方案（2025—2027年）》，促进制造业数字化转型、智能化跃升。全国已初步形成上下联动、重点突出的“人工智能+”推进格局，AI正加速融入实体经济运行的关键环节。
【开源大模型、智能体技术加速迭代，人工智能行业应用能力持续深化】人工智能技术正从通用能力建设迈向行业深度赋能的新阶段。2025年初，DeepSeek开源引发行业共振，推理效率持续提升，推动大模型向低成本、高可用方向演进；智能体技术取得关键突破，MCP、A2A等通信协议逐步成为AI原生应用的底层架构，支撑复杂任务自主协同，推动智能体演进为可协同、可编排的AI原生应用核心单元。同时，大模型推理能力在算法优化、算力支撑与工程部署的协同演进下显著提升，不仅实现了更低延迟、更高精度的决策输出，也支持了复杂业务场景下的实时响应需求。总体看，技术演进正加速“人工智能+”从概念走向规模化落地，全面驱动产业智能化升级。
【互联网与金融领跑中国人工智能行业应用市场，政务与制造成为增长主引擎】从中国人工智能市场行业结构看，预计2025年，互联网与金融合计占比近五成，凭借完善的数据体系、成熟的业务场景和明确的商业回报机制，率先实现大模型在内容生成、智能风控、客户服务等环节的规模化落地。与此同时，制造业和政务市场规模持续上升，制造业聚焦质检、排产、设备运维等高价值工业场景，政务则围绕审批流程优化、城市运行管理、公共服务响应等方向推进智能化，二者将成为AI赋能行业应用的重要支点。此外，医疗、交通、教育等长尾行业受限于数据孤岛、标准缺失或安全合规约束，仍以局部试点为主，尚未形成稳定市场规模。整体看，人工智能市场资源加速向技术基础好、业务价值清晰的行业集中，逐步形成以互联网、金融为引领，政务、制造为支撑的“双轮驱动”格局。
国务院发布《关于深入实施“人工智能+”行动的意见》以来，行业用户、互联网云厂商、AI解决方案提供商等纷纷布局探索“人工智能+”场景应用。2026年将成为应用落地的关键一年，政府及央国企有望在政务、工业、能源等重点领域加快布局AI应用，围绕政务服务、生产调度、原型设计、供应链协同等高价值场景，聚焦业务实效和可操作性，打造一批具有行业代表性的示范项目。在此过程中，一批技术路径清晰、实施机制成熟、治理规则完善的标杆案例预计将加快形成，并具备跨区域、跨行业复制推广的潜力。随着这些先行实践积累经验、验证模式、建立标准，行业对AI规模化部署的信心和能力将会显著增强，产业创新乘数效应持续释放。
面向政务、工业、能源、医疗等行业对AI技术应用的迫切需求，云服务正加速向AI原生演进，实现从“资源供给”向“智能引擎”的变革。预计2026年，IaaS在通算（X86、ARM等）、智算（GPU、NPU、FPGA等）多芯架构上将实现资源统一纳管调度、精细化切分管理动态感知，不仅能为大模型训推提供算力支持，更能为边端轻量级模型应用提供保障；MaaS（Model as a Service）作为继IaaS、PaaS、SaaS后的新型服务模式，与模型厂商合作生态将不断深化，持续降低行业用户应用AI的门槛；PaaS将不再只是提供开发环境，而是成为提供智能体即服务（AaaS）的核心平台，智能体开发、部署与管理能力将封装成标准化服务。此外，随着AI私有化部署提速，集算力管理层、模型管理层、应用管理层于一体的AI Infra平台，将成为支撑行业用户构建内生AI能力的关键载体，切实推动“人工智能+”在重点行业的场景化落地。
随着AI对数据规模和质量要求的指数级提升，传统的粗放式数据采集方式、过度依赖人工标注的数据模式，已难以适应“人工智能+”创新发展需求，构建具备大规模、结构化特征、知识和信息密度高、按照不同需求和场景精准分类的数据集，成为推动AI发展的重要引擎。目前，互联网公域数据基本被大模型充分利用，而具备行业特性的私域数据成为更加稀缺性的资源，各领域头部企业所积累的行业深度、海量规模、高质量标准的数据集将成为无可替代的战略资源，未来会被越来越多平台或企业深度挖掘和应用。高质量数据集不仅能显著减少AI开发周期和成本，更能从根源上提升AI大模型的准确性、可靠性与泛化能力。
AI终端的核心价值在于能够将轻量高效的AI能力直接部署至生产生活的具体场景，在保障数据隐私的同时，切实解决实际问题。预计2026年，随着端侧专用计算芯片的普及与轻量化大模型的持续优化，AI终端将基本实现低延迟、高可靠的本地化处理与实时智能响应，在工业控制、矿山巡检、医学影像识别等场景对即时性、可靠性及数据安全的严苛要求。同时，随着端侧算力成本持续下降，2026年，智能机器人、智能网联汽车、AI PC及AI手机等新一代智能终端将深度集成原生AI能力，普遍采用轻量化架构以适配多样化边缘环境，这些终端还将探索通过标准化接口，与ERP、MES、调度平台等核心业务系统高效对接，有效破解AI应用“最后一公里”的部署难题。由此，轻量化AI终端将成为连接模型与场景的关键枢纽，推动“人工智能+”在制造、能源、医疗、交通等重点行业的规模化落地。
2026年，AI在科学研究中的作用将逐步由辅助数据分析向参与科学发现核心环节延伸。随着科学大模型、重大科技基础设施的布局加快，AI for Science依托高质量科学数据集和跨模态处理能力，支撑“从0到1”的原创探索。当前实践显示，AI已在材料结构预测、蛋白质设计、天文信号识别等方向提出可验证的新假设，部分成果进入实验验证阶段。这并非简单加速已有流程，而是拓展人类探索未知的边界。下一步需聚焦科学数据资源体系化沉淀、领域知识有效注入模型、人机协同验证机制建立等基础性工作，避免将AI仅作为技术工具使用。总体看，AI将深度赋能传统科研工具的智能化改造，驱动“人工智能+科研”走向源头创新。
“人工智能+”在工业领域的落地集中在价值可量化、技术可复制的环节。外观缺陷检测、设备预测性维护、能耗优化等场景因流程清晰、数据可用、效果可测，已实现跨企业、跨区域推广。小模型凭借低延迟、高精度和轻量部署优势，在质检、产线控制等实时任务中成为主流选择；大模型则开始用于排产调度、工艺调参等需融合专家经验的复杂决策，但多以辅助形式嵌入现有系统。行业用户普遍采取“小步快跑”策略，优先在单点环节验证投入产出比，再逐步横向复制，而非一次性推进全厂智能化。制造环节因具备标准化流程与持续运行数据，有望成为AI规模化应用的主阵地。
随着中央网信办、国家发展改革委联合发布《政务领域人工智能大模型部署应用指引》的推动和AI技术、应用的成熟，2026年AI在政务领域应用多维度深化。政务服务逐步向“主动感知”演进，政务智能体应用普及，可提供全流程陪伴式服务，并主动对公众和企业需求进行分析，实现政策智能匹配和主动精准送达。社会治理迈向“智治”新高度，“AI+传感器+无人机+机器人”形成立体智能应急网络，自动识别潜在风险隐患和提供处置建议；自动捕捉市场、舆情等动向，预测可能的市场风险和社会风险，及时发出预警。政务办公打造“人机”协同模式，数字公务员辅助起草文书并对格式和内容等进行检查、校对和优化；RAG技术将资深公务员经验转化为AI导师，大大缩短新员工学习周期。
在国家发展改革委、国家能源局联合印发《关于推进“人工智能+”能源高质量发展的实施意见》的推动下，2026年AI将在传统能源和新能源领域应用效能凸显。传统能源生产快速向安全、高效、低碳方向升级：危险环境中巡检机器人上岗数量提升，全链路的智能监测网络，自动识别油气管道泄漏、煤矿瓦斯超标、火电设备缺陷等潜在风险并提供处置方案；能源智能体应用普及，可实现油气勘探开发、火电燃烧、煤矿采掘全流程智能调控，并主动对生产参数、能耗水平等态势进行研判，实现传统能源清洁高效生产和减排优化。新能源破解间歇性难题，提升并网价值：通过专属大模型，融合数值天气预报、卫星云图、场站历史运行数据及小微传感器实时监测数据对新能源出力进行精准预测；通过多智能体协同机制，构建全域协同的智能调度体系，研判风光出力、储能状态、电网负荷及电价波动态势，动态调整储能充放策略。
循证检索增强技术、专业的医疗知识库、丰富多元的高质量医疗数据等推动医疗AI大模型的能力持续完善，2025年9月，东软发布添翼医疗智能化解决方案2.0，2025年10月百川智能发布循证增强医疗大模型、2025年11迈瑞医疗发布服务临床检验的启元检验大模型等，这些大模型能够为疾病诊断、治疗和预测提供科学且可靠的依据。AI医疗在临床实际诊疗过程中，加速实现从“可用”到“好用”的跨越。未来AI医疗应用场景不断拓展，不再局限于辅助医学影像分析及电子病历生成，而是会更多地深度参与到会诊环节，为不同的患者提供个性化的治疗方案，同时也为药物敏捷研发、重大疾病风险精准预测、24小时全能家庭医生服务、医疗机构智能化运营管理等广泛的医疗场景，带来更广泛的变革，全方位提升医疗服务的效率和质量。
企业级应用与AI融合，不仅是一次技术升级，更是产品能力和商业模式的双重变革。新型企业级应用将深度嵌入AI代理能力，实现任务自主执行，并推动商业模式从“为技术付费”向“为效果付费”转变。例如，风控AI系统按实际降低的风险事件或损失金额收费、智能客服系统按成功解决的客户问题数量收费、医院为AI辅助诊断的实际效果付费等，这种模式使AI从“技术工具”真正成为"业务价值创造引擎"，也使AI供应商的收入与为用户创造的实际业务价值直接挂钩，显著降低了用户的应用门槛和试错风险。随着AI代理、数字员工等的普及，在效果易量化、成果节约显著、结果明确的应用场景中，按效果收费的模式加速推广，有望成为AI应用落地的主流收费模式。
东部发达地区及重点行业已进入AI规模化应用阶段，但部分中西部地区和传统职能部门仍面临业务流程未线上化、信息系统陈旧、数据标准缺失等现实约束，导致即便引入先进模型，也因“无数据可用、无流程可嵌、无接口可接”而难以落地见效，或将拉大区域智能化发展鸿沟。建议实施差异化推进策略，对基础薄弱地区，优先支持核心业务系统云化改造与数据资源目录建设，暂缓部署高复杂度大模型；将“数据就绪度”“系统联通性”纳入新型基础设施评估体系，引导财政与社会资本投向能用、好用、可持续的环节。
尽管AI技术快速演进，但多数领域仍缺乏规模大、标注准、时序完整、语义清晰的训练数据。医疗、金融、能源、制造等行业数据分散于多主体，格式异构、权属模糊，且涉及商业秘密或个人隐私，企业即便具备建模能力，也难获有效资源。建议加快构建分级分类的数据治理框架，在守住安全底线前提下推动有序开放：支持龙头企业、行业协会牵头建设领域可信数据空间，明确数据权属、使用边界与收益分配机制；鼓励采用隐私计算、联邦学习等“数据可用不可见”技术路径，降低合规风险，打通“数据—模型—应用”闭环。
不少单位仍由IT部门单点推动，缺乏业务深度参与，导致应用流于演示。建议推动“AI+”从技术项目向管理变革升级。明确业务部门为AI应用第一责任方，建立由业务、数据、IT、合规等多方组成的联合推进机制；将AI效能指标纳入相关岗位绩效考核；鼓励开展“AI就绪度”前置评估，从流程标准化、数据可得性、权责清晰度等维度诊断可行性，避免盲目投入。
下载完整报告，请点击“阅读原文”或扫码登录赛迪满天星APP。
更多行业案例及其特点，请扫描下方二维码关注“赛迪顾问”公众号，获取最新动态。
微信号：ccidconsulting
END
本公众号提供的内容用于个人学习、研究或欣赏，不可用于其他商业用途。如有关于作品内容、版权及其它问题，请及时在公众号留言。
如果获得转载授权，请注明作者姓名和转载的出处，不修改文章的标题、文字、图片或者音视频，以免曲解原文意思。
