《人工智能产业发展报告(2025)》(三)应用赋能:人工智能赋能新型工业化、落地路径、智能原生新业态

在政策与市场双轮驱动下，我国已形成覆盖基础层、框架层、模型层、应用层的完整人工智能产业体系，各类智能产品和服务创新活跃，为人工智能实现规模化落地与产业赋能奠定了坚实基础。总体看，人工智能赋能应用基本遵循先从数字化水平较好的领域率先突破，再逐步扩散到更多行业的规律。

从第一产业看，人工智能助力农业降本增产，加速培育新质生产力。农业大模型通过整合农学知识、历史经验与环境数据，构建作物生长数字孪生体系，支撑水肥药精准调控与产量预判。智慧农机装备依托北斗高精定位，融合装备传感器、控制器及人工智能算法，实现对行驶路径、速度与作业操作的实时精准控制。兼具传统农业知识与智能化应用能力的“新农人”作为关键决策主体，推动生产模式革新与产业链升级。此外，畜牧养殖、无人机植保、智慧育种等领域也取得技术创新与商业化实践成效。人工智能正通过系统性赋能，持续释放农业提质、节本、增效潜力，驱动农业新质生产力加快形成。

从第二产业看，人工智能加速向工业全场景渗透，构建智能制造新生态。人工智能赋能新型工业化走深向实，在典型重点领域已形成百余种应用模式，催生了一批新工具、新助手、新产品。一方面，重点行业智能化水平不断提升，钢铁、有色金属、电力、通信等行业专用模型加速传统产业“智”变升级。另一方面，重点环节智能化转型显著提速，人工智能在研发设计、中试验证、生产制造、营销服务、运营管理全环节加速落地应用，通过数据要素与工业机理的深度融合，推动工业体系向智能化、柔性化与高效化转型。

从第三产业看，人工智能与服务场景融合持续深化，满足用户个性化需求。在金融行业，智能风控、AI投顾和反欺诈系统显著提升服务效率与安全性；物流行业依托智能调度、路径优化及无人配送技术，实现降本增效；零售业则通过用户画像、智能推荐和动态定价，优化消费体验并提高库存周转率。与此同时，新兴服务场景不断涌现，AI虚拟客服、数字人导游、智能法律咨询等拓展服务边界。第三产业具有数据密集、交互频繁、流程标准化程度高等特点，人工智能技术落地最快、商业回报最明确。人工智能正逐渐从辅助工具转变为服务主体，推动第三产业向智能化、个性化与高附加值方向全面升级。

当前，新一轮科技革命对生产方式及产业体系的革命性影响已经开始显现，人工智能等技术与工业融合已成为大势所趋，正逐步改变现有创新范式、生产运营方式和产业形态。为观察人工智能在工业领域的赋能路径与成效，主要从不同行业与不同环节两个维度展开分析人工智能应用的渗透特征与重点。

1.从赋能行业看，行业渗透程度与应用侧重存在差异

人工智能在不同工业领域呈现差异化渗透特征，其中电子信息、消费品、以汽车为代表的装备制造等行业在整体应用中占据重要份额，原材料行业以钢铁、石化领域为代表逐步实现技术落地，能源电力等行业也形成了较好应用态势，总体来看赋能前景广阔。

装备制造行业聚焦研发环节创新，在零件结构优化、智能仿真等场景的应用水平显著高于行业平均水平，汽车、航空领域已实现前沿技术的规模化验证。部分车企在新车研发阶段引入AI驱动的虚拟仿真技术，通过数字孪生模型对空气动力学性能进行模拟测试，超过94%的模拟案例与风洞数据的偏差小于3%,速度快10-100倍，每次模拟运行成本降低60%。

电子信息行业完成了从生产管控赋能到先进制程优化的跃升，部分企业将AI算法深度嵌入先进制程控制，实时优化多项工艺参数，保障了先进制程的过程能力指数领先。半导体企业使用AI控制器实时调整等离子体密度，将刻蚀均匀性波动从±5%缩小至±1.5%,通过对制程参数的优化，提升了制程的稳定性和精度。

消费品行业侧重质量管控与工艺优化，相关场景应用成熟度高出行业平均水平，纺织、家电行业的点状探索已逐步向规模化复制演进。纺织企业应用AI质检解决方案，“AI质检师”检出率稳定高于98%,远超人工水平。家电企业打造注塑换型云调优平台，基于不同工况和228种模具，平台可智能推荐13个最优方案，实现对85台注塑机换型工艺参数的一键部署和调控，设备综合效率(OEE)提升30%。

原材料行业以生产管控智能化为核心方向，钢铁与石化化工等领域贡献了该行业多数应用案例，形成了生产过程精准控制、高价值设备智能运维等成熟模式。某钢铁企业热轧1880产线接入预测大模型后，仅用了几个月时间进行数据学习，±2毫米宽展预测准确率就提高了5%,达到了83%。某石化企业建成国内石化领域首个乙烯装置数字孪生体，实现乙烯装置全域智能运行，其全流程智能控制系统(IPC)使装置日常操作量减少90%,平均自控率由98.44%提升至99.50%。

2.从赋能环节看，大模型成为全环节赋能重要支撑

工业领域应用处在“大小模型协同”阶段，其中大模型正逐步在各节点探索效能提升的应用实践，初步形成了“研发创新、生产辅助、服务延伸、产品增值”的全面覆盖。我们重点对大模型赋能情况进行了监测和分析，总体上产业链应用分布延续了去年格局，同时显现出结构性优化与内生动力增强的积极信号，呈现出“两端深化、中间突破”的发展态势。

前端研发设计环节应用占比小幅下降，赋能专业程度有所提升。升级重点在于从“通用技术探索”转向“精准场景赋能”,模型专业化程度大幅提升，细分场景深度适配，通过聚焦特定需求实现研发效率的精准提升。例如，中国科学院大连化学物理研究所研发的智能化工大模型2.0Pro,构建了催化反应、工艺开发、中试放大、工厂优化四大智能平台，为化工新技术研发提供全新路径。针对化工研发周期长的痛点，其智能机器人催化反应实验系统可替代人工开展实验，自动完成催化剂评价，效率提升超10倍。

生产制造环节应用占比从18.8%提升至25.9%,体现了大模型积极向生产环节探索的态势。随着工业质检、工艺参数优化等场景广泛落地，大模型对制造执行环节的赋能作用不断显现，成为助推生产效率提升、保障制造质量的新引擎。中国钢研2025年5月发布的“冶金流程感知大模型”,采用“感侧大模型+知侧大模型”双塔结构，融合70余年行业知识与生产数据，在金相分析(晶界提取/组织辨识准确率超95%)、产品表面缺陷检测(成功率超95%)、物料跟踪等场景表现突出，可自动生成分析报告，推动行业从“单点智能化”向“全流程数智化”转型。

后端运营管理环节占比最高且小幅上升，对企业价值提升进一步增强。企业运营对大模型的依赖度持续加深，大模型已从初期的辅助数据分析升级为智能决策等复杂场景支持，通过打通数据链路、优化运营流程，为企业降本增效提供关键动能。例如，煤炭科学研究总院有限公司研发的新一代人工智能调度平台矿山知行，通过整合太阳石矿山大模型、多智能体协同决策和数据知识融合等关键技术，构建覆盖“人一机一环”全要素的智能化调度体系，可实现数据、决策、运营“三化一体”协同发展，推动调度从辅助决策向自主决策转型升级，完成从“少人调度”到“黑灯调度”的智能化演进。

除分环节单点赋能外，工业领域的大模型应用呈现明显的平台化与集成化发展趋势。行业大模型平台通过集成不同规模的专用模型，形成分层赋能体系。其中，大型语言模型作为底层支撑，提供统一的知识检索与推理服务；而针对特定生产环节的专用模型则在上层实现精准赋能。这种“底座+应用”的架构模式，既保障了基础能力的通用性，又确保了专业场景的适配深度，展现出多模型协同、全链路覆盖的新型赋能格局。

2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》首次提出“培育智能原生新模式新业态”,将人工智能通过“原生”方式融入组织的战略规划、组织架构、业务流程，发展智能原生的技术、产品和服务，这将有助于突破传统数字技术应用的路径依赖，最大化释放这一变革性技术的巨大潜力，为智能时代的全面到来做好准备。当前，智能原生的实践刚刚起步，发展形态和路径有待进一步探索。

大模型嵌入工具软件，智能原生软件加速数字生产力跃升。以深度研究、代码编写、多用途为代表的三大类智能体，进一步释放大模型应用和服务潜能。深度研究智能体通过整合动态推理、自适应规划、多轮外部数据检索及工具使用能力，能够自主完成端到端的复杂研究任务。国内外大模型厂商纷纷布局，比如OpenAI DeepResearch、Google Deep Research、Kimi Researcher、豆包DeepResearch等，该类产品将在更广泛领域重塑人类的研究范式。代码编写智能体融合代码理解、代码生成、调试优化及多工具协同能力，能够自动完成从需求分析到代码交付的全流程任务，深刻改变软件开发工具和产品形态，正开启软件业全面重塑的新阶段。例如Cursor作为一款原生代码编写智能体，生成代码准确率达89%,我国也涌现出通义灵码、文心快码、星火飞码等产品。多用途智能体通过高度封装，可以实现网页制作、游戏制作、旅行规划等通用任务，实现从需求分析到结果交付的全流程自动化。国内外多用途智能体产品，比如Genspark、Flowith、Manus、MiniMax Agent、Skywork Super Agents,提高了面向用户端的产品体验。多用途智能体的发展标志着人工智能从“辅助工具”向“数字劳动力”的质变。

大模型为硬件产品赋魂增智，持续拓展人机交互新模式。大模型正加速从“软”的算法层面向“硬”的物理世界渗透与融合，驱动新一代智能终端、智能网联汽车及具身智能领域实现能力跃迁，重塑硬件产品的功能边界，重构人机交互的体验与效率。新一代智能终端方面，终端已成为用户侧承载大模型部署任务的重要载体。AI手机、AI眼镜、AI玩具等新一代智能终端，初步具备主动感知理解、多模态交互、智能化服务和自主学习进化等功能。随着大模型能力的不断提升，未来将实现从感知、理解、交互、决策到服务全流程的智能升级与自主进化。智能网联汽车方面，大模型与硬件的融合展现出巨大的潜力。在交互模式上，车内语音助手根据驾驶者的情绪和偏好提供个性化服务，智能座舱的显示硬件与大模型结合可提供更加智能的驾驶信息展示。在传感分析上，自动驾驶方面硬件传感器收集的大量数据通过大模型进行分析处理，使车辆能够更精准地感知周围环境，做出合理的驾驶决策，提升自动驾驶的安全性和可靠性。具身智能方面，产品形态丰富多样，适配场景日益广泛。轮式四足机器人可根据地形智能切换驱动方式，平坦路面可实现轮足协同，面对障碍物自动抬腿，转换为四足步态稳定通行。飞行机器人能通过自主决策能力在断网的无信号环境下独立完成任务。轮臂式产品兼具移动和操作两方面优势，训练难度小、成本低、长续航、稳定性高，可满足更多场景落地需求。

AI重塑企业的底层架构和运行逻辑，智能原生企业加速崛起。过去十多年，传统企业逐步实现了信息化和自动化，但其核心决策和运营模式仍主要依赖于人类经验和规则驱动，人工智能只是“配角”。智能原生企业则以人工智能为核心驱动力，将智能化要素嵌入到企业的业务、管理、决策等各环节，成为“主角”。随着智能体的普及，善于驾驭新技术的创新创业主体，可以依托人工智能强大的知识储备和认知决策能力，通过人机高效协同，推动企业组织架构从传统金字塔层级结构转向人机协同的扁平化工作网络，将生产力推向前所未有的高度。近几年，国内外一大批智能原生企业竞相涌现，如OpenAI、Anthropic、深度求索、月之暗面、智谱AI等，为人工智能发展开辟新的模式。未来有望催生一大批只有几个人的“独角兽”企业，形成智能经济新的增长引擎。

当前，人工智能技术正加速迈向产业应用深水区，但“落地难”、“落地浅”仍是瓶颈。为推动人工智能从“可用”向“好用”、“常用”跃升，制定系统化、可操作的落地路线图至关重要。2024年中国信通院发布了《大模型落地路线图研究报告》,提出从诊断、建设、应用、管理四大阶段探索适合大模型的最佳落地路线，聚焦场景、业务、数据、技术四大核心，充分考虑企业差异化，方能走深向实。

人工智能技术的落地应重点围绕“场景筛选-技术适配-业务融合-数据支撑”四大核心展开。场景选择是人工智能落地应用的首要前提。面对大模型和智能体应用场景选择多、适配程度差异大的复杂问题，为实现较高技术可行性、较好经济回报、较大社会影响性，需构建“场景判断选择器”,进而打造可扩展的高价值场景。通过业务价值密度、技术成熟度、经济回报率、不可替代性、实施复杂度、行业竞争壁垒等维度构建量化评估框架，从而实现高优先级落地场景的精准筛选与定位。业务融合是人工智能价值转化的核心环节。数字化水平较好的行业领域需发挥“领头羊”作用，依靠优质的业务数据、成熟的数字基础设施以及海量的用户基础等优势，率先推动人工智能在行业高价值业务场景落地；数字化水平不足的行业领域需首先拆解业务全环节并明确人工智能技术的嵌入角色与功能定位，从高价值场景逐步向行业核心场景渗透，从而实现人工智能的价值内化。数据支撑是人工智能系统持续稳定运行的基础保障。面对数据孤岛、质量参差等问题，需构建“采、存、管、用”全生命周期的标准化体系。通过为不同数据类型匹配差异化存储方案，并建立统一的数据标准、质量控制与安全保障体系，为人工智能应用提供稳定、高效的数据支撑。技术适配是人工智能场景落地的关键支撑。技术架构与智能体的选型需严格遵循“业务需求驱动技术选型”原则，依据场景复杂度与业务规模可划分为三类适配模式：一是适用于中小企业简单业务场景的轻量化架构；二是适用于中型企业多场景协同联动模块化架构；三是适用于大型企业全链路智能化需求分布式架构。

人工智能体技术的落地需结合企业在资源禀赋、数据基础、业务复杂度及合规要求等方面的差异性因企制宜。大型央国企通常采取“自上而下”的战略路径。它们虽面临场景分散、数据异构、合规严苛等挑战，但凭借雄厚的资金与技术实力，能够进行系统性布局。在业务层，大型央国企聚焦核心业务流程，组建跨部门专项小组开展流程诊断与优化工作，例如国家电网通过“光明电力大模型”实现电网调度与设备运维的智能化升级，覆盖600余个电力业务场景，故障处置与服务保障能力增强30%²1。在数据治理层，它们着力破除数据孤岛、构建统一的数据中台，并通过私有化部署模式保障数据安全。例如中国金茂通过内部大模型整合企业知识库与业务系统，实现工单自动分类与数据查询功能，员工日均工作时长节省0.5小时。中小企业倾向于“自下而上”的试点突破。鉴于资源有限、业务流程架构简洁，其核心目标是快速实现提质增效。凭借业务聚焦、数据相对集中的优势，在业务层，中小企业多从轻量化应用切入，如多家初创企业基于LLaMA2、Baichuan等开源模型，衍生出法律(Lawyer-LLaMA)、教育(EduChat)等垂直工具。在数据治理层，它们优先规整核心业务数据资产，并依托外部工具与云服务平台构建数据安全保障体系。例如九章云极通过知识管家工具为中小企业提供RAG技术支持以快速构建知识库。

限于篇幅，后续将分期推出报告重点内容，回复“人工智能”可获取完整报告。

信息来源：《人工智能产业发展报告（2025）》，中国信息通信研究院