2025年全球AI应用产品梳理专题报告：模型能力持续迭代，智能体推动商业化进程

模型层：能力迅速提升，开源推动成本降低

AI技术快速发展，推动模型能力持续提升

近年来全球AI持续发展，大模型在知识问答、数学、编程等能力上达到新高度，多种任务上表现超过人类水平，在各领域的可用性及准确度快速提升。从模型技术来看：1）当前模型主流架构逐步转向MoE，通过将输入Token分配给不同的专家模型，让模型在处理复杂任务时展现出更强的能力，同时也能有效降低训练、推理所需的资源，DeepSeek-V3、Qwen3、Llama 4等模型均采用MoE架构取得了低成本的高性能表现；2）模型的多模态能力显著增强，通过跨模态对齐、异构数据融合等技术，模型能够处理图像、视频、音频等多种类型的数据，从而丰富了模型的应用场景，GPT-4o、Gemini 2.5 Pro等领先模型均采用多模态技术；3）模型开始采用思维链技术，将复杂问题逐步分解为多个简单步骤，并按照步骤推导最终答案，通过分步推理的方法，模型的回答不仅更加精确可靠，其思考过程也变得清晰可懂。2024年9月，OpenAI发布o1模型，首次将思维链技术运用在底层模型当中，大幅提高了模型在测试中的表现，后续DeepSeek-R1等模型均采用思维链技术，全球模型进入推理时代。除上述方面外，模型量化、超长上下文窗口、多种RAG变体、偏好微调等技术的发展亦共同推动了模型可用性的进步，为AI在垂直领域的应用奠定了基础。

模型训练竞赛趋缓，Scaling Law向推理侧迁移

据斯坦福大学数据，受训练规模不断增加、AI技术复杂性提升以及开发新模型方法面临更大挑战等因素影响，各地区2024年发布的模型总数同比均有所下降。美国为2024年发布知名模型最多的地区，数量达40个，较2023年的61个同比下降34.43%。分机构看，2024年贡献知名模型最多的机构分别是OpenAI（7个）、谷歌（7个）和阿里巴巴（4个）。受MoE等新技术推动，2024年模型的参数数量保持快速上升趋势，规模扩大仍是模型性能提升的重要方式。

Scaling Law目前正在从预训练扩展到后训练和推理阶段，基于强化学习、思维链等技术在后训练和推理阶段投入更多的算力，可以大幅提升大模型的思考能力。同时，随着强化学习时间和推理思考时间的增长，模型性能也将得到显著提升。据前OpenAI应用研究负责人Lilian Weng数据，s1实验中，通过强制延长思维链推理路径长度，以Token衡量的平均思维时间与下游评估准确率之间展现出明显的正相关关系。据上海交通大学研究表明，通过延长AI的推理时间，仅需500个样本训练，就能让模型在医疗诊断准确率上提升6%-11%，达到专业医生的诊断水准。随着模型推理能力快速提升，当前AI在各领域可用性、准确度不断提高，商业化前景被逐步打开。

智能体：技术逐步完善，新产品密集发布

AI应用快速迭代，人机协同从Copilot转向Agent

AI Agent（人工智能体）是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，AI Agent具备通过独立思考、调用工具去逐步完成给定目标的能力。AI Agent和传统大模型的区别在于，大模型与人类之间的交互是基于prompt实现的，用户prompt是否清晰明确会影响大模型回答的效果，而AI Agent的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动。

基于大模型的Agent不仅可以让每个人都有增强能力的专属智能助理，还将改变人类与AI协同的模式。随着大模型的发展，人类与模型的协同方式从最初的聊天机器人转变为Copilot，并逐步向Agent探索。Agent的落地将给AI应用带来颠覆性变化，打开AI在垂直行业渗透的入口。随着自然语言处理、机器学习和生成式AI的进步，AI Agent的多功能性和部署量将急剧增长。

MCP扩展AI能力边界，推动Agent加速落地

通过支持添加MCP，AI Agent能力边界被进一步扩展。MCP（Model Context Protocol）是由Anthropic提出的开放标准，旨在为AI模型与外部工具之间建立安全、双向的连接。在MCP出现之前，AI要集成工具需要针对每个工具进行定制开发，缺乏统一标准，集成效率低。而MCP协议提供了可插拔、可扩展的框架，允许AI无缝对接数据源、文件系统、开发工具、Web浏览器等外部系统。通过集成MCP扩展，Agent可以访问和利用各种外部工具和服务，丰富了Agent的功能范围，使其能够执行更复杂的任务。同时，MCP提供了标准化的接口，AI可以根据具体需求快速接入新的工具或数据源，对于Agent的可用性以及生态构建均有显著推动作用。

海内外内大厂纷纷布局MCP，相关生态迅速丰富。海外方面，微软宣布在Copilot Studio、GitHub Copilot等产品中支持MCP，并将在Windows 11中集成MCP；谷歌支持Gemini AI模型使用MCP协议；AWS上线MCP Servers，每个服务器专注于特定领域，协同提供全面解决方案。国内方面，百度智能云率先宣布千帆大模型平台接入集成MCP，支持通过千帆AppBuilder SDK开发的组件无缝转化为MCPServer模式；阿里云百炼平台推出全生命周期MCP服务，覆盖高德地图、GitHub自动化等15类场景，支持一键开通并集成至智能体；腾讯云大模型知识引擎已接入MCP，用户可调用平台精选或自定义MCP插件搭建应用；火山引擎发布大模型生态广场MCP Servers，实现工具调用、模型推理到应用部署的全链路开发闭环。MCP有望成为AI时代的HTTP协议，可大幅提效AI应用开发、加速生态扩展。

商业化：用量持续增长，国产模型表现亮眼

中国走出自身发展路径，本土AI形成生态闭环

中美作为全球AI领域的领导者，目前已走出不同的发展路径：不同于美国算力至上的路径，中国AI发展更侧重效率，以显著少于预期的硬件配置实现了先进的AI能力。例如，DeepSeek-V3仅用557.6万美元的训练成本便取得与GPT-4o等顶尖闭源模型相当的成绩；仅需4张H20即可本地部署235B的Qwen3旗舰版MoE模型，部署成本仅为DeepSeek-R1的35%。

当前中国已构成了政府推动+本土产业链+人才储备+数据红利共同构成AI生态闭环，成为中国AI持续发展的核心动能。政府方面，早在2017年我国便发布了《新一代人工智能发展规划》，并在后续发布了《人工智能人才培养行动计划（2024-2026年）》等文件，为AI产业的基础理论研究、产业应用落地等方面提供了政策支撑。同时，我国亦高度重视对AI公司的财政支持，据财政部数据，2025年中央预算将拨款3981.2亿元用于科学技术，同比+10%，将重点推进半导体、人工智能等领域发展。人才储备方面，当前中国已成为全球最大的AI人才聚集地。据MacroPolo数据，2022年顶级AI研究人员中有28%在中国工作，较2019年的11%大幅提升。据斯坦福大学数据，截至2023年，中国AI领域论文发表数量位居全球第一，占比达23.2%，相关论文引用量占全球所有AI论文引用的22.6%。专利方面，据R&DWorld数据，全球AI授权专利数量自2010年以来已增长超30倍，中国在全球AI专利申请中占据主导地位，截至2024年总专利数达12945。

芯片产业本土化加速，数据底座推动AI发展

美国不断加码AI芯片的出口管制，中国形成国产芯片的完整链条。当前国内已形成覆盖从材料、设备到设计、制造及终端应用的完整链条，材料领域沪硅产业已实现12英寸硅片量产、先进制程领域中芯国际实现14nm制程芯片量产、芯片设计领域昇腾910系列芯片算力达256TFLOPS（FP16），光刻机、封测等领域国产替代稳步推进，本土芯片占比逐步提升。据IDC数据，2024年中国AI芯片出货量约270万颗，其中中国本土AI芯片品牌出货量超82万颗，占比达30%，据TrendForce预期2025年国产芯片占比将提升至40%。同时，国产芯片厂商积极围绕DeepSeek、Qwen等模型打造适配本土芯片的软件栈、工具链等生态组件，生态格局进一步完善。

随着模型参数数量的增加，数据成为AI发展的核心资源。2020年，GPT-3在约3740亿个Tokens上进行训练，到2024年Llama 3.3则在约15万亿个Tokens上进行训练，数据集规模呈指数增长。据Epoch AI的统计，大模型训练数据集的规模约每八个月就会翻倍增长，数据成为制约AI发展的关键。我国已成为全球数据量增长最快的国家，据工信部统计，截至2024年我国移动互联网用户达15.7亿户。我国已建成全球规模最大的5G网络，5G用户数占全球的52%，在5G的助力下，智慧城市、远程医疗等新型应用场景得以快速落地，推动数据爆发式增长。我国高度重视数据资产，在2023年10月揭牌国家数据局，负责协调数据相关政策、推动数据基础设施建设，为AI等产业发展提供基础。据IDC预期，中国每年产生的数据量将从2022年的24ZB增长至2027年的77ZB，CAGR达26%。同时，中国拥有字节跳动和快手两大视频平台巨头，每天约生成8000万条新视频，总视频长度已超过YouTube，为多模态模型迭代提供大量数据支撑。

C端应用：借助AI赋能业务，重塑流量入口

AI应用有望重塑C端流量入口，互联网巨头具备先发优势

AI应用有望重塑流量入口，各个厂商积极卡位。回顾互联网发展历史，超级应用大都由用户基数庞大的基础需求出发，成为庞大的用户流量入口，再逐步覆盖更多的需求层级，聚合和链接背后庞大的应用生态，掌握用户流量的分配权。进入AI时代后，随着大模型C端应用围绕个性化、强交互等方向实现价值增量，相关应用的流量迅速提高，有望推动新的入口级应用出现。当前各类厂商纷纷布局和卡位AI应用，结合自身资源和技术迭代趋势布局最具价值的领域，主要分为以下策略：1）投入聊天机器人，布局通用人工智能；2）切入生产力场景，以内容创作、垂直专业、工作效率类AI应用抢抓用户流量；3）布局垂类领域AI+解决方案，掌握垂直行业C端流量入口。

传统互联网巨头在AI领域具备先发优势，可利用专有数据和用户参与度将AI功能集成到现有的应用当中，在AI应用渗透领域具备先发优势。互联网生态围绕超级应用（如微信、淘宝、谷歌等）发展，这些应用在平台上提供全面服务，从而形成了庞大的用户基础和高度的用户参与。通过这些应用，主要互联网公司可以访问具有行为、社交和商业特征的专有用户数据，对提供定制化的AI服务至关重要。得益于庞大的用户基础和高用户参与度，将AI功能整合到现有应用能够促进市场的采用，在相关领域具备先发优势。

AI被用于辅助工作，人机深度协同存在较大空间

编程成为人机协同的主要领域，办公类任务AI占比较低。在TO C领域，当前AI正逐步融入用户工作当中，据Anthropic数据，在与Claude的对话中软件工程相关任务占据了数据集中最大的比例，达37.2%的对话涉及代码调试、网络故障排查等内容，第二大类任务是写作与编辑，占比为10.3%，这两类职业在美国经济中分别仅占3.4%和1.4%，远低于办公室行政和销售类岗位的比例，但成为AI的高频使用场景。科学和教育领域的职业也显示出占比例更高的AI使用率。

AI逐步融入工作，全面自动化仍存在提升空间。Anthropic的研究发现，约36%的职业在其相关任务中，至少有25%的用户使用了AI，这表明AI的应用已经显著渗透到技术领域之外。然而，只有约4%的职业在其75%或以上的任务中使用了AI。此外，在57%的情况下，AI被用于辅助用户工作，而在43%的情况下，则是自动化完成任务，即AI直接替人执行任务。这表明对整个职业类别的全面自动化尚未发生，人机深度协同具备较大的提升空间。同时，AI的采用率在处于最高工资四分位的职业中达到峰值，但在工资的两个极端（即最低和最高工资）均显著下降。对于需要较多前期基础的职业（通常要求具备学士学位），其AI使用率比其在整体劳动力中的占比高出50%，而需要极少和极高基础的职位，AI采用率则相对较低。

B端应用：开源提升投入意愿，推动企业上云

开源模型提升企业投入意愿，刺激国内上云需求

开发工具和生态的繁荣大幅降低行业应用门槛，加速产业智能化落地进程。多种开发平台汇聚了多样化开发框架、工具组件、算法资源、数据集等，开发者可快速调用、微调模型，从而验证想法并构建AI应用。开源模型具备可控性强、可定制性强以及社区支持丰富等优势，推动更多企业采用AI作为技术解决方案。据阿里云数据，开源模型的采纳比例持续提升，2024年12月企业使用开源模型的比例为34.7%，到2025年3月使用开源模型的比例增长至46.9%。

AI技术和解决方案已深入到传媒、医疗、机器人、制造等多个行业，通过创新产品和服务、优化生产流程来推动行业的智能化转型。例如，凯撒医疗利用生成式AI门诊记录工具Abridge完成超1000万份就诊摘要，自2024年10月到2025年3月期间Abridge年经常性收入从5000万提高到1.17亿美元；AI代码编辑器Cursor已成为数百万程序员的首选编辑器，每日自动生成或修改超10 亿字符代码，自2023年3月到2025年4月期间年经常性收入从100万提升至3亿美元。据Morgan Stanley数据，到2030年中国企业的生成式AI工作负载渗透率将达到31%，美国的生成式AI工作负载渗透率将在2029年达31%，中国企业AI的采用进程将比美国落后约12个月，并在后续达到类似水平。同时，AI应用将提升企业上云意愿，预计未来将有超25%的工作负载被迁移至公有云中。

AI+CRM：赛富时

赛富时主要提供客户关系管理技术，帮助企业通过数据、AI和自动化与客户建立联系。公司以AI驱动的Salesforce平台为核心，整合销售、服务、营销、AI、分析等多项功能，通过连接客户数据帮助企业打造完整的客户视图。公司通过直接销售以及间接合作伙伴向全球企业销售服务，通常采用订阅模式，同时支持第三方利用公司平台和开发工具创建可扩展功能和新应用，这些应用可以与公司产品捆绑销售，也可以单独销售。

2025年6月，公司正式发布Agentforce 3.0，通过Data Cloud对Atlas推理引擎进行改进：1）响应速度快50%；2）除OpenAI外还支持Claude，未来将支持Gemini，提供更广泛的模型选择，在某个模型运行放缓或出现故障时会在后台自动切换至其他模型；3）现已在加拿大、英国、印度、日本和巴西上线，并新增6种语言支持；4）已获得FedRAMP High认证，通过Government Cloud Plus服务成为美国公共部门组织使用的工具。上线以下全新功能：1）指挥中心：为管理者提供统一视图，以监控AI智能体的运行状态、衡量绩效并优化业务结果；2）MCP以及A2A：内置MCP客户端，可用MuleSoft把API转成MCP服务接入Agent，用Heroku部署自定义MCP服务器适配企业内部系统，在Slack里让Agent读取消息、发文件、做决策等；3）AgentExchange：AppExchange的AI替代方案，构建AI智能体应用商店生态，不仅使客户能够快速配置可信的第三方Agent模版，还可以使用包括AWS、Box、Cisco、Google Cloud、IBM等超30家合作伙伴的MCP服务器，通过安全的AI智能体网关无缝接进系统。

报告节选：

编辑：火腿肠