2025年人工智能行业分析：生成式AI采用率两年激增五倍，代理式AI引领新协作模式

人工智能技术正以前所未有的速度从实验阶段走向规模化应用，成为推动企业数字化转型的核心驱动力。根据普华永道研究中心2025年度的全球调查报告，生成式人工智能的采用率从2023年的6%跃升至2025年的30%，在短短两年内增长了五倍。这项研究覆盖了15个国家、年营收超过10亿美元的1100名企业领导者，涉及汽车、消费品、零售、金融服务、电信、能源、航空航天与国防、高科技、工业制造、制药医疗以及公共部门等11个行业领域。调查结果显示，93%的组织正在探索、试点或部分/完全启用生成式人工智能能力，标志着人工智能技术已经进入主流应用阶段。

随着技术演进，人工智能正在从辅助工具转变为自主代理，重新定义人机协作模式。研究发现了三个显著趋势：生成式AI投资回报周期平均为3.2年，80%的组织对实施效果表示满意；AI代理系统快速崛起，14%的组织已经部分或全面部署；新型人机协作模式涌现，近六成组织将AI视为增强型/自主型团队成员。然而，这一转型也伴随着成本控制、员工适应和治理复杂性等挑战，特别是71%的组织表示不能完全信任自主AI代理用于企业用途，凸显了建立可靠AI治理体系的紧迫性。

一、生成式AI成为主流技术，投资回报周期平均3.2年

生成式人工智能已经成为企业数字化转型的核心技术，采用率呈现爆炸式增长。根据调查数据，从2023年到2025年，生成式AI的采用率从6%飙升至30%，增长了五倍。这一增长态势在特定行业尤为明显，电信行业的采用规模增加到2025年的49%，比2024年翻了一番多。消费产品和航空航天与国防行业也表现突出，超过十分之四的组织已在部分或大部分职能或地点部署了生成式人工智能。高科技行业（包括技术服务、半导体、硬件、软件等）同样积极拥抱这一技术，表明生成式AI已经跨越了早期采用者阶段，进入主流应用领域。

生成式AI的应用场景主要集中在客户运营、市场营销、风险管理和IT职能，这些领域仍然是实施生成式AI用例的核心功能区。值得注意的是，市场、销售/客户运营、产品设计/研发以及人力资源是组织在过去12个月内采用增长最快的职能，增长率均超过15个百分点。这种职能分布表明，企业优先将生成式AI应用于客户面对和核心运营领域，以期获得直接的业务价值。以澳大利亚电信组织Telstra为例，该公司推出的生成式AI工具"Ask Telstra"帮助人工客服快速找到客户问题的答案，并在数秒内总结客户的近期历史。实施后，八成的客服表示该工具对客户互动产生了积极影响，90%的客服表示效率更高，电话跟进减少了20%。

企业对生成式AI的投资持续加速，88%的组织报告在过去12个月中对通用人工智能的投资平均增长9%。大多数（61%）高管预计这一趋势将在下一年继续。投资规模也随企业营收规模而增加，年营收超过100亿美元的组织在生成式AI上的专用平均投资达到1.75亿美元，而年营收10-50亿美元的组织投资额为0.55亿美元。这种投资力度反映了企业领导层对生成式AI价值创造潜力的认可。调查显示，79%的组织对它们采用生成式AI的结果感到满意，其中43%的组织表示成果已经超出了预期，36%表示结果已经满足了期望。组织期望从生成式AI投资中实现正向的投资回报率，平均周期为3.2年。

然而，成本控制成为企业面临的主要挑战。57%的组织普遍认为，许可和实施相关的成本是扩展生成式人工智能的重要障碍。55%的组织表示，Gen AI的初期投资成本在短期内可能大于其收益。特别是云成本问题突出，74%的组织同意，通用人工智能导致意外激增云消费成本，51%的组织已经经历了由于生成式人工智能扩展成本远快于预期而产生的"账单冲击"。一份最新报告指出，企业云成本在过去一年中平均上涨了30%，在人工智能和生成式人工智能上的支出被列为一半受访者云支出增长的主要驱动力。从完全预训练模型向推理模型的转变正在增加组织的计算成本，这要求企业采取更精细化的成本管理策略。

模型选择方面，组织呈现出多元化趋势。虽然大多数组织倾向于专有模型，但由于成本优势，他们也愿意探索开源模型。当前开源模型的使用仅限于特定场景，主要选择用于需要最小化运营成本或资本的场景，通常部署在边缘设备上。同时，小型语言模型（SLMs）因其成本效益而获得关注，85%的组织因为易用性开发而采用SLM，71%看重其成本有效性，69%认可其易用性个性化定制。这种趋势突显了企业AI战略向专业化、高效和针对特定业务需求的低成本解决方案的转变。

二、AI代理系统快速崛起，多智能体协同成为新趋势

AI代理是指连接到商业环境、自主决策、并以人或无人干预的方式行动以实现特定目标的推理引擎。随着推理AI模型的最新进展，AI代理能够分解任务、通过逻辑路径"推理"以找到解决方案、测试这些解决方案，并呈现成功结果。调查显示，14%的组织已经以部分（12%）或全面（2%）的规模实施了AI代理，近四分之一（23%）已启动试点。这一采用速度令人瞩目，考虑到2023年只有6%的组织扩展了生成式人工智能，到2025年类似比例的组织已经开始测试多智能体系统，凸显了近年来最快的技术采用曲线之一。

AI代理的应用已经遍及多个行业和业务场景。农业信贷波兰与Deviniti合作，通过部署人工智能代理来提升客户服务效率，该代理执行智能分类、情绪语气检测、自动回复和工作流程自动化，使银行实现了文档处理时间减少50%，每月节省超过750小时，同时提升了客户满意度和团队士气。美国零售商沃尔玛已向其开发者工具包中添加了AI代理，其中一个代理专门设计用于识别代码中的可访问性差距。在线支付公司PayPal部署了人工智能代理实时检测和预防欺诈，这些智能代理分析交易模式，在处理前标记可疑活动，并持续从新数据中学习，导致欺诈率下降了30%并增强了客户信任。

多智能体系统由多个具备不同能力和角色的独立代理组成，这些自主代理能够与环境及其他代理互动，独立行动，协调并跨各种业务和IT流程无缝合作以实现共同目标。这些系统非常适合需要跨多个领域专业知识的复杂任务。在已经规模化应用人工智能代理的组织中，近45%正在试点或规模化多代理系统。西门子公司正在将其工业自动化中部署AI代理，标志着从传统AI助手到自主、协调代理的重大转变。该组织开发了一个协调器，它像一个数字工匠一样工作，部署一套专业代理来解决工业价值链中的复杂任务，这些代理可以理解用户意图，持续学习，与其他代理协作，并能自主访问外部工具。

企业对AI代理的未来潜力持乐观态度。85%的高管对人工智能代理在未来3-5年内在其职能中处理一个或多个业务流程持乐观态度。90%的产品设计/研发、市场营销和销售高管对AI代理在未来3-5年内处理其职能中一个或多个业务流程持乐观态度。53%的组织相信人工智能代理将在未来3-5年内具备先进的推理和问题解决能力，58%坚信自主型人工智能系统将成为其组织生产力的范式转变。近四成（38%）的组织对未来人工智能代理将实现高度自主持乐观态度，认为它们将进化成具有极小人类干预的自学习实体。

然而，AI代理的规模化应用也面临挑战。71%的组织表示不能完全信任自主AI代理用于企业用途，46%担心人工智能代理的使用可能会导致不可预见的后果以及由于无法追踪的行为而产生意外决策。缺乏充分的AI治理是限制信任的重要因素，只有46%的组织为其AI系统建立了治理政策，而在这些组织中，47%的报告称员工很少遵守这些政策。缺乏成本纪律、周密的设计以及投资回报率跟踪机制，使人工智能代理有沦为昂贵实验而非可扩展解决方案的风险。

三、人机协作模式重构，从工具使用到团队融合

人工智能正在从工具演变为团队成员，重新定义工作方式和组织架构。研究显示，近六成的组织正在将人工智能视为一个增强型/自主型团队成员或其它人工智能的监督者，并期望在未来12个月内实施这一方案，这一比例从目前的44%有所上升。这种转变标志着人机协作模式的根本性变革，AI不再仅仅是提高效率的工具，而是成为工作流程中的积极参与者。

组织对AI代理的部署策略呈现务实特点。78%的组织可能在未来3-5年内投资人工智能代理，以完成为其员工执行特定任务，而不是取代整个角色。只有20%的组织认为所有流程都将由第3级或更高级别的AI代理自动化，31%的组织可能会投资人工智能代理来承担一个完整的员工角色。这种渐进式 approach 反映了企业对于AI集成的谨慎态度，优先考虑特定任务自动化而非全角色替代。正如LandingAI的创始人Andrew Ng所指出的："对于许多工作，人工智能将只会自动化或增强20-30%的任务。因此，生产力会大幅提升，但人们仍然需要承担剩余70%的工作职责。"

人机协作的演进需要组织在多个层面进行调整。67%的机构认为需要重组为了增强人机协作，59%认为由于人工智能代理的兴起，它们的组织结构将在未来3-5年内从经典的金字塔结构演变。然而，目前只有少数组织已经采取措施重新定义责任，重组工作流程，并为有效的人机协作创建新的绩效指标。只有28%的组织感觉具备相应的技能和专业知识，可以有效地管理和部署AI代理的潜力，突显了人才和能力方面的差距。

有效的人机协作需要重新思考工作仪式、角色定义和绩效评估。组织需要改变工作仪式（例如AI引领的站会和sprint规划等），更新工作角色和职责包括与人工智能代理的合作，包含AI代理性能KPIs或审计流程，并创建新的角色或团队来管理人机协作。摩根大通现在要求供应商通过提供其系统的全面文档来证明负责任的AI实践，这些文档包括训练数据的详细信息、模型开发流程、公平性评估以及持续监控程序。此外，该公司拥有一支200人的AI研究小组，包括一个道德团队，以负责公司的AI计划。

AI代理人和人类将以各种配置共存和协作。代理人优先处理任务并向人类推荐行动，而人类指导代理人，在采取行动之前提供反馈或批准。一家大型电信公司的人工智能/机器学习产品总监指出："人工智能代理人和人类将以各种配置共存和协作。代理人优先处理任务并向人类推荐行动，而人类指导代理人，在采取行动之前提供反馈或批准。"这种协作模式要求组织设计直观的交互界面和清晰的责任划分，确保人类保持对关键决策的监督和控制。

四、治理与可持续性挑战凸显，可信AI成为关键要素

随着人工智能应用的深入，治理和可信性问题日益突出。调查显示，只有约五分之一的组织在决策方面对生成式人工智能抱有总体信任，71%的组织表示不能完全信任自主AI代理用于企业用途。这种信任差距正在限制人工智能的扩展，46%的组织担心人工智能代理的使用可能会导致不可预见的后果以及由于无法追踪的行为而产生意外决策。

AI治理体系未能跟上技术采用的步伐。只有46%的组织为其AI系统建立了治理政策，而在这些组织中，47%的报告称员工很少遵守这些政策。47%的组织表示在组织内不同的业务职能中，人工智能的治理是不一致的。少数组织已设立专门的人工智能治理机构，缺乏统一的标准和流程来确保AI系统的负责任使用。

伦理考量在AI治理中仍处于早期阶段。只有部分组织积极监控AI模型以确保符合伦理规范，定期对人工智能系统进行审计和评估，识别并减轻任何道德风险，或者设有专门的伦理委员会审查和监督所有人工智能项目。70%的组织正在制定指南和政策道德和法律使用员工使用生成式人工智能工具，与组织的价值观和使命保持一致，54%制定有关使用正式政策或框架个人AI代理。

生成式AI的环境足迹也引起了越来越多组织的关注。54%的组织认为，生成式人工智能比传统IT程序有更高的碳足迹，然而只有20%的组织测量具体的它们生成式人工智能的环境足迹。78%的组织指出，超大规模企业/通用人工智能模型提供者在披露能源/碳足迹方面的缺乏透明度是衡量中的一个重大挑战。仅有15%的组织在所有与生成式人工智能相关的需求中，将可持续性作为供应商选择的关键标准。

面对这些挑战，组织开始采取综合措施来构建可信和可持续的AI系统。62%的组织认为，为GenAI的可持续发展/部署设定合适的护栏和治理机制，可以减少其环境影响。企业将可持续性嵌入其人工智能战略至关重要，通过使用较小规模的人工智能模型、可再生能源以及人工智能和生成式人工智能供应商的透明实践，可以在利用人工智能推动创新和可持续性的同时，减轻对环境的影响。

主权人工智能也成为组织关注的重点。主权人工智能是指在特定国家或组织的管辖范围内开发、维护和控制的AI，确保其不受外部影响，与当地法规、道德标准和战略优先事项相一致。45%的欧洲高管表示，人工智能的自主权是他们购买人工智能技术的一个关键因素，45%表示如果解决方案基于欧洲服务器且所有数据都存储在欧洲，他们会考虑非欧洲解决方案。鉴于地缘政治不确定性，确保主权人工智能的需求日益迫切，世界各国正在投资于各自地区的特定人工智能，如法国国家人工智能战略是法国2030投资计划的一部分，包括超过1090亿欧元的投资用于该国的人工智能基础设施项目。

以上就是关于2025年人工智能行业发展状况的分析，从生成式AI的广泛采用到AI代理系统的兴起，从人机协作模式的重构到治理与可持续性挑战的应对，呈现了一幅全面而复杂的技术转型图景。

调查数据显示，人工智能技术已经从实验阶段进入规模化应用阶段，生成式AI的采用率在两年内增长了五倍，达到30%。企业投资持续增加，88%的组织报告在过去12个月中对通用人工智能的投资平均增长9%，投资回报周期平均为3.2年。AI代理系统快速崛起，14%的组织已经部分或全面部署，多智能体协同成为新趋势，近45%的组织正在试点或规模化多代理系统。

人机协作模式正在发生根本性变革，近六成的组织将人工智能视为增强型/自主型团队成员，78%的组织可能在未来3-5年内投资AI代理以执行特定任务而非取代整个角色。然而，组织在这方面准备不足，只有28%的组织感觉具备相应的技能和专业知识来有效管理和部署AI代理的潜力。

治理和可信性成为关键挑战，71%的组织表示不能完全信任自主AI代理用于企业用途，只有46%的组织建立了AI治理政策。环境可持续性问题也引起关注，54%的组织认为生成式AI有更高的碳足迹，但只有20%实际测量其环境影响。

未来成功的企业需要采取综合策略，构建正确的流程、科技、数据基础，建立强大的人工智能治理体系，设计有效的人机交互模式，并将可持续性纳入AI战略。只有这样，才能充分发挥人工智能的变革潜力，实现可持续的商业价值创造。

编辑：666知识控