今年以來(lái)指數(shù)表現(xiàn)注：截至2025年12月11日資料來(lái)源：iFind、民銀證券科技行業(yè)2026年展望:企業(yè)級(jí)AI應(yīng)用落地，開(kāi)啟價(jià)值新周期2025年恒生人工智能主題指數(shù)（HSAIT.HK）表現(xiàn)亮眼，以34.6%的漲幅跑贏恒生指數(shù)（30.1%）及恒生科技指數(shù)（27.0%并在12個(gè)恒生綜合行業(yè)板塊中漲幅位列第5，全年呈現(xiàn)“開(kāi)局強(qiáng)勢(shì)、金秋觸階段高點(diǎn)、年底震蕩調(diào)整”的整體走勢(shì)。年Transformer架構(gòu)為起點(diǎn)，2021-2022年通過(guò)監(jiān)督微調(diào)（SFT）和強(qiáng)化學(xué)習(xí)（RLHF）提升可靠性，后經(jīng)歷多模態(tài)和“思考鏈”的迭代，并在DeepSeekR1的推動(dòng)下行業(yè)從“高成本閉源壟斷”轉(zhuǎn)向了“低成本開(kāi)源民主化”。發(fā)展趨勢(shì)來(lái)看，當(dāng)前頭部科技公司的資本支出不斷加碼（Top5數(shù)據(jù)中心公司在25Q3Capex達(dá)1050億美元開(kāi)源與閉源模型之間差距逐步縮小，模型在效率和性價(jià)比不斷提升，Tokens調(diào)用量爆發(fā)式增長(zhǎng)，推理模型成為主流，且中美之間的模型差距也在逐步收窄。企業(yè)級(jí)AI大模型落地提速，需求全面爆發(fā)。企業(yè)級(jí)AI分為判別式AI和大模型AI（含生成式能力和Agentic能力），覆蓋數(shù)據(jù)生成到?jīng)Q策優(yōu)化。落地層面，企業(yè)AI的采納率大幅提升，助力實(shí)現(xiàn)增收減支；企業(yè)對(duì)大模型的日均調(diào)用量明顯提升，對(duì)開(kāi)源模型的認(rèn)可度增加；招投標(biāo)市場(chǎng)活躍度激增（25年上半年已超過(guò)24年全年企業(yè)在生成式AI的預(yù)算也顯著增加并開(kāi)始向核心業(yè)務(wù)傾斜（26年預(yù)計(jì)增長(zhǎng)75%標(biāo)志著行業(yè)正在邁入規(guī)?；涞匦码A段。2026年行業(yè)發(fā)展將聚焦三大趨勢(shì)：多模態(tài)與Agent技術(shù)滲透更多行業(yè)，企業(yè)開(kāi)始轉(zhuǎn)向復(fù)合AI策略，AI就緒數(shù)據(jù)將成為企業(yè)級(jí)AI大模型落地基石。當(dāng)前市場(chǎng)格局也日趨清晰，主要參與者可劃分為5大類別：1）互聯(lián)網(wǎng)科技巨頭：覆蓋基礎(chǔ)層到應(yīng)用層全棧生態(tài)，掌握算力與數(shù)據(jù)入口，如阿里、百度、騰訊、字節(jié)等；2）AI+Data技術(shù)提供商：聚焦基礎(chǔ)層數(shù)智基建，保持“模型中立”，如星環(huán)科技、拓爾思、滴普科技等；3）技術(shù)轉(zhuǎn)型者：包括上一代AI技術(shù)及企業(yè)轉(zhuǎn)件轉(zhuǎn)型廠商，行業(yè)及客戶基礎(chǔ)成熟，如科大訊飛、商湯科技、金蝶、金智維等；4）AI原生創(chuàng)業(yè)者：專注大模型技術(shù)突破的創(chuàng)業(yè)公司，如DeepSeek、月之暗面、MiniMax等；5）垂直領(lǐng)域深耕者：與特定行業(yè)深度結(jié)合專注于應(yīng)用層，如百融云、邁富時(shí)、創(chuàng)新奇智、醫(yī)渡科技等。風(fēng)險(xiǎn)提示：落地不及預(yù)期、市場(chǎng)競(jìng)爭(zhēng)加劇、下游客戶預(yù)算不足、人材流失、地緣政治、政策監(jiān)管收緊等風(fēng)險(xiǎn)請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明2行業(yè)研究科技行業(yè)2026年展望：企業(yè)級(jí)AI應(yīng)用落地，開(kāi)啟價(jià)值新周期2025年初至今，港股的恒生人工智能主題指數(shù)（HSAIT.HK）跑贏恒生指數(shù)恒生人工智能主題指數(shù)（HSAIT.HK）較年初上漲了34.6%，同期恒生指數(shù)動(dòng)呈現(xiàn)震蕩回落的態(tài)勢(shì)，整體進(jìn)入階段性整理區(qū)間。請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明3行業(yè)研究44月關(guān)稅沖擊階9.90%9.89%47.729.73%4.61%請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明4行業(yè)研究民主化”力、可處理海量數(shù)據(jù)并解決復(fù)雜任務(wù)的機(jī)器學(xué)習(xí)模型。根據(jù)VisualIntelligen發(fā)表的綜述文章AnOverviewofLargeAIModelsandTheirApplications，可以大型視覺(jué)模型，核心輸入是視覺(jué)數(shù)據(jù)）和LMM（LargeMultimodal型多模態(tài)模型，多模態(tài)數(shù)據(jù)混合輸入，如文本+圖像或文本+音頻等）。大型），型，結(jié)合了行業(yè)屬性和知識(shí)，提升特定領(lǐng)域性能），請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明5行業(yè)研究+微調(diào)”（Pre-train+Fine-t于2022年發(fā)布的《Chain-of-ThoughtPromptingElicitsReasoninginLarge請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明6行業(yè)研究來(lái)源：Tu,X.,He,Z.,Huang,Y.et時(shí)間范圍關(guān)鍵節(jié)點(diǎn)/模型2017年6月TansformersGoogle發(fā)布論文《AttentionisAllYouNeed》，引入自注意力機(jī)制，取代RNN，成為現(xiàn)代大模型的核心架構(gòu)2018年6月GPT-1OpenAI的首個(gè)版本，引入了僅用于解碼器的Transformer架構(gòu)，為GPT系列奠定基礎(chǔ)2018年10月BERT深度雙向上下文建模，深度上下文理解，確立了"預(yù)訓(xùn)練語(yǔ)言模型+下游微調(diào)"的NLP范式2020年5月GPT-3參數(shù)暴漲至175B+，確立“超大基礎(chǔ)模型+Prompt少樣本學(xué)習(xí)”范式，能夠跨領(lǐng)域泛化2022年1月CoT讓大模型“像人一樣思考”2022年11月Chat-GPT/GPT-3.5Chat-GPT是基于GPT-3.5微調(diào)優(yōu)化后的對(duì)話交互產(chǎn)品，引發(fā)病毒式傳播，開(kāi)啟大模型元年，激發(fā)全球AI競(jìng)賽請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明7行業(yè)研究2023年2月LLaMAMeta的開(kāi)源高效模型（LLaMA1），促進(jìn)開(kāi)源生態(tài)繁榮2023年3月GPT-4OpenAI的多模態(tài)模型（文本+圖像），基準(zhǔn)超越人類專家2024年2月SoraOpenAI的文本到視頻生成模型，開(kāi)啟AI視頻創(chuàng)作時(shí)代2024年4月GPT-4o支持實(shí)時(shí)語(yǔ)音/視覺(jué)/文本，標(biāo)志多模態(tài)交互的成熟2024年12月OpenAI-o1OpenAI的推理專用模型，內(nèi)置chain-of-thought，提升復(fù)雜問(wèn)題解決，涌現(xiàn)高級(jí)推理能力2025年1月DeepSeekR1第一個(gè)開(kāi)源大模型實(shí)現(xiàn)“涌現(xiàn)推理”，標(biāo)志著大模型從“規(guī)模競(jìng)賽”向“高效開(kāi)源推理”的范式轉(zhuǎn)變2025年3月Gemini2.5Pro最長(zhǎng)上下文10Mtokens，開(kāi)啟超長(zhǎng)文檔AI應(yīng)用新場(chǎng)景2025年9月Claud4.5系列ClaudeSonnet4.5被譽(yù)為“全球最佳編碼模型”，在編程能力和長(zhǎng)周期任務(wù)處理能力表現(xiàn)領(lǐng)先，可靠性提升2025年11月KimiK2Thinking專注于“思考代理”（thinkingagent），首次實(shí)現(xiàn)“無(wú)人步推理”向“長(zhǎng)時(shí)序多步規(guī)劃”的躍進(jìn)。2025年11月Gemini3在“深度推理+原生多模態(tài)+長(zhǎng)上下文記憶”三者上實(shí)現(xiàn)綜合躍升，使“智能體級(jí)”長(zhǎng)周期任務(wù)規(guī)劃和執(zhí)行成為主流請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明8行業(yè)研究訓(xùn)練大模型進(jìn)行行為優(yōu)化的適配技術(shù)分別用以提升模 開(kāi)源社區(qū)如HuggingFace這樣的平臺(tái)也推動(dòng)了模型的開(kāi)放，這在加速AI技術(shù)民主化的同時(shí)，也使得開(kāi)源模型和閉源模型之間的差距在逐步縮小。2024年，）， 端的AI更加民主化和經(jīng)濟(jì)便捷，并促進(jìn)了更具競(jìng)爭(zhēng)性的生 為大模型在各行各業(yè)的應(yīng)用和創(chuàng)新創(chuàng)造了基礎(chǔ)。關(guān)于人工智能大模型近期的發(fā)展趨勢(shì)，結(jié)合Arti請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明9行業(yè)研究注：資本開(kāi)支主要是指上述代表性科技公司在基礎(chǔ)設(shè)施領(lǐng)域企業(yè)對(duì)AI發(fā)展的重要投入的指標(biāo)，因?yàn)橛?xùn)練和運(yùn)行前沿模2.大模型在比較基準(zhǔn)測(cè)試中的性能持續(xù)提升，頭部大模型迭代差距逐步縮小：過(guò)去三年中全球代表大模型持續(xù)迭代多個(gè)版本，基準(zhǔn)表現(xiàn)隨著時(shí)間的推移持續(xù)提升，且中外頭部大模型之間的差距也在逐步收窄，發(fā)布頻率和請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明10行業(yè)研究AI模型的發(fā)展強(qiáng)勁，根據(jù)從下圖可以看出，來(lái)自ArtificialAnalysis所選的再者，來(lái)自開(kāi)放權(quán)重模型和專有模型的基準(zhǔn)測(cè)評(píng)比分差距，過(guò)去三年期間關(guān)注到各類主要語(yǔ)言模型（含推理及非推理模型）的每百萬(wàn)tokens推理價(jià)請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明11行業(yè)研究平均API價(jià)格為3.88元/百萬(wàn)Tokens，而海外模型的API價(jià)格比較分散，Tokens，是國(guó)內(nèi)模型API價(jià)格的5倍以上。國(guó)內(nèi)模型主要分布在中高性價(jià)請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明12行業(yè)研究注：SuperCLUE9月測(cè)評(píng)模型選?。?qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明13行業(yè)研究成立于2023年，一個(gè)多種類大語(yǔ)言模中，按照得分能力從高到低排序，注意到推理模型的整體得分領(lǐng)先于非推請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明14行業(yè)研究所示，可以觀察到過(guò)去幾年來(lái)，各國(guó)的主要前沿語(yǔ)言模型都隨時(shí)間在基準(zhǔn)請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明15行業(yè)研究請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明16行業(yè)研究增長(zhǎng)，從而讓AI從早期的供給側(cè)發(fā)展轉(zhuǎn)向了需求側(cè)的拉窄，甚至中國(guó)在開(kāi)源模型上較海外模型具備更明顯的優(yōu)勢(shì)。各類AI技術(shù)與硬件設(shè)備、軟件系統(tǒng)和服務(wù)體系深度有系統(tǒng)無(wú)縫結(jié)合確保其可擴(kuò)展性及兼容性的提供多元化解決方案的企業(yè)級(jí)服務(wù)能力。件在內(nèi)的基礎(chǔ)設(shè)施供應(yīng)商，如硬件的芯片企業(yè)為大模型的訓(xùn)練和推理提供算力，軟件廠商則通過(guò)持續(xù)優(yōu)化算法架構(gòu)為各類企業(yè)級(jí)AI服務(wù)提供功能強(qiáng)大的模型產(chǎn)品基座。企業(yè)級(jí)AI解決方案提供商位于產(chǎn)業(yè)鏈則是各類行業(yè)應(yīng)用側(cè)，包括如金融、政務(wù)、能源、制造等不同領(lǐng)域。請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明17行業(yè)研究斥關(guān)系。從區(qū)別來(lái)看，判別式AI更側(cè)重于將數(shù)據(jù)歸入預(yù)設(shè)以生成式為主，當(dāng)前已經(jīng)成為服務(wù)企業(yè)的強(qiáng)有力的工具。對(duì)比維度傳統(tǒng)判別式人工智能大模型人工智能側(cè)重將數(shù)據(jù)歸入預(yù)定義類別或根據(jù)輸入數(shù)據(jù)預(yù)測(cè)數(shù)值，主要用于圖像及物體檢測(cè)、語(yǔ)音及音頻處理及模式識(shí)別基于超大規(guī)模參數(shù)與海量無(wú)標(biāo)簽語(yǔ)料預(yù)訓(xùn)練的深度學(xué)習(xí)模型，通常采用Transformer架構(gòu)，通過(guò)自監(jiān)督學(xué)習(xí)捕獲通用表示，可通過(guò)微調(diào)/提示適配下游任務(wù)，核心任務(wù)是數(shù)據(jù)生成、模擬仿真和決策與行動(dòng)基本算法的神經(jīng)網(wǎng)絡(luò)需要基于數(shù)十億參數(shù)的transformer架構(gòu)，及強(qiáng)化學(xué)習(xí)數(shù)據(jù)需求大量的標(biāo)記數(shù)據(jù)，其中每個(gè)輸入數(shù)據(jù)的正確輸出已知，標(biāo)注成本高大量的未標(biāo)記數(shù)據(jù)，采用海量的無(wú)標(biāo)簽文本，模型可學(xué)習(xí)到豐富的語(yǔ)言知識(shí)和上下文信息輸出通常為離散標(biāo)簽、數(shù)字預(yù)測(cè)等可輸出不同媒體形式的內(nèi)容，以及對(duì)特定任務(wù)或外部環(huán)境做出反應(yīng)訓(xùn)練方式端到端監(jiān)督學(xué)習(xí)一般分為兩階段：自監(jiān)督預(yù)訓(xùn)練+微調(diào)/RLHF等泛化能力相對(duì)較差強(qiáng)大的泛化能力持續(xù)學(xué)習(xí)面對(duì)新應(yīng)用需求需要重新設(shè)計(jì)算法和模型，無(wú)法快速適應(yīng)變化支持持續(xù)學(xué)習(xí)，可在新的數(shù)據(jù)上繼續(xù)訓(xùn)練，快速適應(yīng)新的應(yīng)用場(chǎng)景可解釋性較高的可解釋性和透明度因內(nèi)部結(jié)構(gòu)復(fù)雜且參數(shù)龐大可解釋性較差請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明18行業(yè)研究和AgenticAI能力，雖然二者均建立在大模型人工智能基礎(chǔ)之上（均依賴transformer架構(gòu)及海量預(yù)訓(xùn)練但在側(cè)重點(diǎn)和應(yīng)僅需極少的人工干預(yù)。對(duì)比維度生成式人工智能Agentic人工智能主要目標(biāo)內(nèi)容生成與信息合成，根據(jù)模式生成新的、類似人類的內(nèi)容任務(wù)自主決策、執(zhí)行與目標(biāo)完成，有明確目標(biāo)工作模式單次響應(yīng)、線性的“輸入-輸出”，缺乏持續(xù)規(guī)劃和迭代優(yōu)化迭代、循環(huán)的工作流程，形成從感知-規(guī)劃-行動(dòng)-觀察-反思的閉環(huán)工具使用很少調(diào)用工具經(jīng)常使用工具或函數(shù)自主性有限，需要人工輸入來(lái)產(chǎn)生響應(yīng)，無(wú)法在沒(méi)有外部提示情況下發(fā)起行動(dòng)可以獨(dú)立行動(dòng)，在最小化人工干預(yù)下獨(dú)立運(yùn)作，可自行分解目標(biāo)、調(diào)用工具評(píng)估標(biāo)準(zhǔn)輸出內(nèi)容的質(zhì)量、相關(guān)性和原創(chuàng)性任務(wù)是否完成主要輸出文本、圖像、音視頻及代碼等可包含生成內(nèi)容，但最終輸出的是狀態(tài)改變應(yīng)用場(chǎng)景文章撰寫(xiě)、對(duì)話生成、代碼補(bǔ)全等AI智能體、個(gè)人助理等來(lái)源：滴普科技招股書(shū)、圖科學(xué)實(shí)驗(yàn)室、Br請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明19行業(yè)研究Transformer架構(gòu)LLMs生成式Transformer架構(gòu)LLMs生成式AI深度學(xué)習(xí)DLRNNs/LSTMsAgent深度學(xué)習(xí)DLRNNs/LSTMsAgenticAIAICNNsAICNNs機(jī)器學(xué)習(xí)ML-市場(chǎng)規(guī)模YoY（%）智能應(yīng)用解決方案市場(chǎng)規(guī)模已經(jīng)從2020年的人民幣107億元增長(zhǎng)到2024年的386億元（20年到24年CAGR為37.8%預(yù)計(jì)到2029年該市場(chǎng)規(guī)模將進(jìn)一步擴(kuò)大到2394億元（24年到29年CAGR為44%）。就中國(guó)企業(yè)級(jí)大模型人請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明20行業(yè)研究工智能應(yīng)用解決方案市場(chǎng)規(guī)模而言，按收入計(jì)，2024年達(dá)到58億元，占當(dāng)年企業(yè)級(jí)人工智能應(yīng)用解決方案市場(chǎng)規(guī)模的約15%（24年到29年CAGR為55.5%），占企業(yè)級(jí)人工智能應(yīng)用解決方案市場(chǎng)規(guī)模用市場(chǎng)的快速增長(zhǎng)，而且正在憑借其更高的增長(zhǎng)率（相較于判別02020202120222023202企業(yè)級(jí)大模型AI應(yīng)用解決方案YoY企業(yè)級(jí)判別式AThinking等引入了“思考”機(jī)制的了備案。這些都為人工智能大模型技術(shù)在企業(yè)服務(wù)中的應(yīng)用和發(fā)展奠定了基CenteredArtificialIntelligence）發(fā)布的《2025年人工智能指數(shù)報(bào)告》及2024請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明21行業(yè)研究年則大約僅20%上下。2024年有71%的受訪定期使用生成式人工智能技術(shù)，而2023年這一比例僅看，人工智能使用率最高的是科技行業(yè)的信息技術(shù)），先在生成式AI技術(shù)的部署上，被調(diào)研人員反饋?zhàn)畛?yīng)內(nèi)容支持（27%）、知識(shí)管理（19%）、個(gè)性化（19%）和設(shè)計(jì)開(kāi)發(fā)（14%告的能夠?yàn)榻M織帶來(lái)降本效果的職能領(lǐng)域是供應(yīng)鏈和庫(kù)存管理（61%）、運(yùn)營(yíng)（58%及人力資源和戰(zhàn)略與企業(yè)財(cái)務(wù)（56%而最常報(bào)告的生成式），請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明22行業(yè)研究負(fù)責(zé)人等角色的調(diào)研發(fā)現(xiàn)，2025年上半年中國(guó)企業(yè)級(jí)大模型日均調(diào)用量已經(jīng)這背后與以DeepSeek和通義為代表的開(kāi)源體系在模請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明23行業(yè)研究和DeepSeek(10.3%)，且報(bào)告還預(yù)計(jì)未來(lái)將有超過(guò)80%的企業(yè)將在來(lái)源：沙利文聯(lián)合頭豹研究院，民銀證券來(lái)源：沙利文聯(lián)合頭飛速提升到2025年10月的934個(gè)，提升了9240%；僅2025），高，這些都體現(xiàn)出中國(guó)大模型技術(shù)在商業(yè)化落地的節(jié)奏在不斷請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明24行業(yè)研究0當(dāng)今市面上的主流大模型性能已經(jīng)可以更好支撐較多應(yīng)用場(chǎng)景的落地。此外，表明智能體相關(guān)應(yīng)用也開(kāi)始進(jìn)入快速增長(zhǎng)階段。請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明25行業(yè)研究數(shù)據(jù),8來(lái)源：智能超參數(shù)，民銀證券來(lái)源：智能超參數(shù)84840請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明26行業(yè)研究持平，但AI相關(guān)預(yù)算占比將明顯提升。根據(jù)提升，生成式AI技術(shù)也開(kāi)始對(duì)組織的降本增效帶請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明27行業(yè)研究很多企業(yè)仍然會(huì)考慮依托云上的智能算力和開(kāi)源模型為基礎(chǔ)來(lái)部署自有大模型應(yīng)用，也因此衍生出云端算力供給體系及一站式模型服務(wù)平臺(tái)的服務(wù)模式。能企業(yè)做出更高效和更有影響力的業(yè)務(wù)決策，但是企業(yè)客戶本身出于對(duì)穩(wěn)定請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明28行業(yè)研究數(shù)據(jù)語(yǔ)料、基礎(chǔ)設(shè)施和組織體系的系統(tǒng)化推進(jìn)思1）在技術(shù)架構(gòu)側(cè)：首先提示企業(yè)需要隨著大模型體的場(chǎng)景體系設(shè)計(jì)與企業(yè)架構(gòu)及戰(zhàn)略目標(biāo)的融合，通過(guò)統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)、接口規(guī)范和數(shù)據(jù)底座等打破單點(diǎn)式場(chǎng)景的重復(fù)建設(shè)和“信息孤島”問(wèn)題，如避免將應(yīng)用集中在聊天、內(nèi)容生成等淺層領(lǐng)域，而要實(shí)現(xiàn)企業(yè)內(nèi)算力、數(shù)據(jù)、算法的共享和復(fù)用，推動(dòng)AI在規(guī)?；瘧?yīng)用中實(shí)現(xiàn)技術(shù)想業(yè)務(wù)價(jià)值轉(zhuǎn)化。其次，在部署方式上，企業(yè)要根據(jù)自身情況權(quán)衡靈活性與穩(wěn)定性，在考慮成本投入的同時(shí)兼顧安全防護(hù)和數(shù)據(jù)存儲(chǔ)備份等需求。再者，企業(yè)需要關(guān)注云端部署帶來(lái)的數(shù)據(jù)風(fēng)險(xiǎn)（如注意數(shù)據(jù)隔離、隱私保護(hù)、跨境合規(guī)等要求）和大模型私有部署帶來(lái)的潛在安全風(fēng)險(xiǎn)（如攻擊者可能通過(guò)特定關(guān)于大模型的幻覺(jué)問(wèn)題，企業(yè)可采取諸如“RAG”（檢索增強(qiáng)生成）、模略進(jìn)行應(yīng)對(duì)。請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明29行業(yè)研究2）在數(shù)據(jù)語(yǔ)料側(cè)：首先企業(yè)需要關(guān)注通過(guò)建立數(shù)據(jù)標(biāo)準(zhǔn)化體系、敏感數(shù)據(jù)自動(dòng)識(shí)別、質(zhì)量監(jiān)控平臺(tái)及安全合規(guī)審計(jì)等模塊來(lái)構(gòu)建大模型的數(shù)據(jù)治理框請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明30行業(yè)研究3）在基礎(chǔ)設(shè)施側(cè)：企業(yè)的AI基礎(chǔ)設(shè)施建設(shè)就投混合模式，企業(yè)需要根據(jù)自身當(dāng)前業(yè)務(wù)需求（如技術(shù)儲(chǔ)備情況、資金情況等）及未來(lái)戰(zhàn)略謹(jǐn)慎選擇，兼顧務(wù)實(shí)與創(chuàng)新。此外，為避免基礎(chǔ)設(shè)施與業(yè)4）在組織體系側(cè)：敏捷性和協(xié)同性是大模型應(yīng)用對(duì)組織機(jī)制的核心要求，需要企業(yè)打破傳統(tǒng)層級(jí)架構(gòu)轉(zhuǎn)向更加扁平化或矩陣式的組織架構(gòu)。其次，企通用模塊外包）、自建全棧團(tuán)隊(duì)模式（雖然技術(shù)自主可控但成本較高）、企業(yè)業(yè)務(wù)的結(jié)合程度不斷深化，企業(yè)還要大力推進(jìn)相關(guān)措施應(yīng)對(duì)員工日常請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明31行業(yè)研究模型部署模型幻覺(jué)應(yīng)對(duì)數(shù)據(jù)治理數(shù)據(jù)語(yǔ)料數(shù)據(jù)質(zhì)量核心業(yè)務(wù)先投入+核心業(yè)務(wù)先投入+基礎(chǔ)設(shè)施建設(shè)模式基礎(chǔ)設(shè)施敏捷性與協(xié)同性采購(gòu)SaaS化服務(wù)產(chǎn)力。多模態(tài)大模型通過(guò)將不同類型的數(shù)據(jù)進(jìn)行結(jié)合、關(guān)聯(lián)，將進(jìn)一步提請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明32行業(yè)研究升模型的準(zhǔn)確性和魯棒性，并且能更好支持多模態(tài)任務(wù)，豐富與人類的交境的主動(dòng)適應(yīng)性來(lái)自主調(diào)動(dòng)工具完成既定目標(biāo)，可能成為各行業(yè)不可或缺將更多轉(zhuǎn)向企業(yè)的行業(yè)需求驅(qū)動(dòng)，更加關(guān)注通用大模型泛化能力與專用大用復(fù)合AI技術(shù)（指除了生成式AI外還包括知模型生成式人工智能策略來(lái)實(shí)現(xiàn)多樣化的模型功能、滿足本地部署要求并智能的企業(yè)提前兩年實(shí)現(xiàn)AI落地。Gartner預(yù)計(jì)到2029年，隨著AI產(chǎn)品指經(jīng)過(guò)精心準(zhǔn)備、結(jié)構(gòu)化處理和嚴(yán)格驗(yàn)證的數(shù)據(jù)，能夠更好地支持AI應(yīng)用，確保AI算法能夠高效學(xué)習(xí)、預(yù)測(cè)并生成有價(jià)值的洞察。數(shù)據(jù)是AI模上限，大模型當(dāng)前已經(jīng)不再被企業(yè)視為差異化的來(lái)源，而企業(yè)內(nèi)部數(shù)據(jù)因此外，Gartner還預(yù)計(jì)，到2028年中國(guó)企對(duì)非結(jié)構(gòu)化數(shù)據(jù)）的投資達(dá)到2024年的20倍。請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明33行業(yè)研究力、存儲(chǔ)、網(wǎng)絡(luò)和數(shù)據(jù)基礎(chǔ)設(shè)施，包括湖倉(cāng)一體2）模型層：聚焦于基礎(chǔ)大模型以及微調(diào)優(yōu)化后梁”，主要服務(wù)于業(yè)務(wù)場(chǎng)景，將復(fù)雜模型能力拆解請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明34行業(yè)研究棧式生態(tài)，提供覆蓋基礎(chǔ)層到應(yīng)用層的全棧式服務(wù)，自有場(chǎng)景及流量，在用”的模式吸引中小企業(yè)，這類參與者的代表包括阿里、百度、騰訊、字理所需的底層基礎(chǔ)設(shè)施的廠商，根據(jù)Gartner的定義亦可稱為數(shù)智基建廠商，提供分析型數(shù)據(jù)庫(kù)、數(shù)據(jù)集成、元數(shù)據(jù)管理和數(shù)據(jù)質(zhì)量等技術(shù)能力，是數(shù)據(jù)、分析和AI應(yīng)用的可復(fù)用底座，通常保持“模型中立”，強(qiáng)調(diào)底層技術(shù)的可靠性和處理海量數(shù)據(jù)的工程能力，這方面的代表廠商包括星環(huán)基于此前的技術(shù)基礎(chǔ)都具備大量成熟的客戶基礎(chǔ)、強(qiáng)大的銷(xiāo)售渠道和深厚的領(lǐng)域知識(shí)，但其中的企業(yè)軟件類公司通常不以改變客戶現(xiàn)有業(yè)務(wù)流程為目的，戰(zhàn)略上更看重將大模型能力快速融入到自身已有的軟件應(yīng)用和客戶能力或特定技術(shù)點(diǎn)上達(dá)到世界領(lǐng)先水平，大多仍為創(chuàng)業(yè)公司，以算法的原請(qǐng)仔細(xì)閱讀本報(bào)告最后部分的免責(zé)聲明35行業(yè)研究創(chuàng)性、模型的卓越性能和團(tuán)隊(duì)的技術(shù)與品牌號(hào)召力影響市場(chǎng)，代表參與者5）垂直領(lǐng)域深耕者：這類企業(yè)通常將大模型結(jié)合，基于通用模型開(kāi)發(fā)行業(yè)大模型或解決方案，專注于應(yīng)用層中垂直行業(yè)如金融、醫(yī)療、制造、能源等，聚焦解決具體的細(xì)分領(lǐng)域業(yè)務(wù)或場(chǎng)景問(wèn)題。代表性的參與者包括百融云、邁富時(shí)、創(chuàng)新奇智、明略科技、醫(yī)渡科參與廠商類型主要特點(diǎn)典型企業(yè)互聯(lián)網(wǎng)科技巨頭打造從芯片、框架、模型到應(yīng)用的全棧式生態(tài)，在自研基礎(chǔ)通用大模型之外還掌握算力與數(shù)據(jù)的入口阿里、百度、騰訊、字節(jié)等AI+Data技術(shù)提供商亦可稱為數(shù)智基建廠商，通常保持“模型中立”，強(qiáng)調(diào)底層技術(shù)的可靠性和處理海量數(shù)據(jù)的工程能力星環(huán)科技、拓爾思、滴普科技、Zilliz等技術(shù)轉(zhuǎn)型者既包括決策式AI技術(shù)轉(zhuǎn)向生成式AI大模型方向的AI廠商，也包括基于企業(yè)業(yè)務(wù)流程與ERP、MES、RPA等相關(guān)的企業(yè)管理軟件廠商，都已具備大量的成熟客戶科大訊飛、第四范式、商湯科技、曠視科技、用友、金蝶、智維、來(lái)也科技等AI原生創(chuàng)業(yè)者通常專注于大模型技術(shù)本身的突破，追求在通用能力或特定技術(shù)點(diǎn)上達(dá)到世界領(lǐng)先水平，大多仍為創(chuàng)業(yè)公司DeepSeek、月之暗面、智普AI、零一萬(wàn)物、MiniMax等垂直領(lǐng)域深耕者通常將大模型能力與特定行業(yè)知識(shí)和數(shù)據(jù)深度結(jié)合，專注于垂直行業(yè)領(lǐng)域，聚焦解決具體的細(xì)分領(lǐng)域業(yè)務(wù)或場(chǎng)景問(wèn)題百融云、邁富時(shí)、創(chuàng)新奇智、