近日，國務院正式印發《關于深入實施“人工智能+”行動的意見》，明確提出推動人工智能與經濟社會各行業各領域廣泛深度融合，加快實施“人工智能+”產業發展重點行動。人工智能正迎來在從技術驗證邁向產業規?；涞氐年P鍵時期。

我國擁有全球最完備、最大規模的產業體系，為人工智能技術落地提供了豐富的業務場景資源。但區別于消費領域，產業領域的業務場景更復雜、專業性更強，對感知、分析、預測、決策、執行等環節的時效性與精準性要求更高，且不同垂直產業間差異顯著，導致AI+產業深度融合進程緩慢。

為識別哪些企業更具備成為“AI+產業”關鍵推動者的潛力，哪些場景更能釋放AI技術的價值創造能力，以及如何合理有效選擇AI落地場景，中國信息協會產業互聯網分會聯合華興資本，重磅發布《2025年產業AI應用熱力報告》。本報告基于對1000余家垂直產業平臺、500+AI應用的跟蹤分析，全景呈現當下產業AI應用最熱場景，解析場景選擇的內在邏輯，研判未來趨勢。

核心觀點

01 垂直產業平臺是AI技術大規模應用的主力軍；

02 平臺化采銷過程是AI應用熱度最高的業務場景大類；

03 場景熱度集中，51%的AI技術應用集中在TOP10業務場景小類；

04 TOP3熱度場景——行業知識查詢，需求預測和趨勢洞察，商品檢索、篩選和推薦，在就緒度、價值度、易用性、通用性四個方面表現優異，成為落地首選；

05 AI驅動垂直產業平臺業務范式轉型，“Agent即服務”成為新趨勢；

06 TOP10潛力場景——行業知識查詢、營銷、產品設計、價格生成、生產協同、倉儲物流狀態監測及異常報警、倉儲物流資源匹配調度、產融、客服、多業務流協同，兼具場景的高就續度與高價值度，以及服務的產品化/平臺化特征，發展前景廣闊。

■ 樣本對象：項目組選取國內近1100家具有代表性的垂直產業平臺進行AI動態檢索及跟蹤，通過企業官網及官方公眾號、投資機構、媒體機構有關報道等公開渠道獲取相關數據。

■ 范圍界定：報告中所指“垂直產業平臺”，是圍繞一個或多個產業領域，聚焦企業研發設計、采購銷售、生產制造、倉儲物流等核心需求，以數據要素為驅動，提供數字化、網絡化和智能化服務，最終實現各類產業資源連接、交互、匹配與價值創造的平臺型企業。

垂直產業平臺是AI技術大規模應用的主力軍

1）初具勢能，垂直產業平臺已探索形成大量應用層AI成果

據統計，已有196家垂直產業平臺對外發布相關業務場景的AI應用，共計503個，共覆蓋13個業務場景大類，60+業務場景小類。

2）產業領域AI技術落地難度大，進展慢

截至目前，已通過網信辦備案的626個互聯網信息服務算法、439個生成式人工智能服務中，互聯網、生活服務、教育、金融、醫療TOP5行業合計占比超85%，電子電器、汽車、鋼鐵、能化等相關產業領域僅約10%。

■ 難點1：缺高質量數據難獲?。荷婕捌髽I私域數據，渠道有限，成本高難加工：數據標準不統一、多模態，清洗、處理及標注成本高難協同：產業內中小企業數字化進程慢，數據孤島現象嚴重

■ 難點2：缺高價值場景產業領域AI應用目前集中在人機交互、客服、文本生成等容錯率較高場景，切入研發、采銷、生產等核心價值鏈環節的少，主要受限于相關場景對時效性、精準性要求高，且跨企業、跨行業遷移泛化難

3）垂直產業平臺天然擁有推動AI大規模應用的基礎優勢

■ 有數據

> 覆蓋研發設計、采購銷售、生產制造、倉儲物流主要場景

> 數據實時更新率高

> 平臺自有數據居多

自有數據占60%，用戶數據占24%，第三方數據占16%

數據來源：《2024年產業互聯網平臺數據要素調查報告》，中國信息協會產業互聯網分會、國家工業信息安全發展研究中心

■ 懂場景

> 深耕垂直產業十余年。

已發布AI應用的垂直產業平臺中，成立10年以上的占比49%，5-10年的占比43%。

> 數據的算法價值高。

數據源自平臺上企業間真實業務往來，是與業務場景綁定的數據鏈，而非離散、獨立數據點。

■ 有市場

> 鏈接大量產業企業，是AI應用潛在需求方。

按垂直產業平臺平均2%-3%的行業滲透率測算，目前已至少累計服務700萬+產業企業。

> 推廣成本低，AI服務大多已產品化、平臺化，更容易實現大規模應用。

大量AI應用是對平臺已有服務的智能化迭代升級。

平臺化采銷過程是AI應用熱度最高的業務場景大類

1）垂直產業平臺AI應用大類場景熱力圖

■ 平臺化采銷過程

● 訂單是企業發展的生命線，也是經濟循環的晴雨表。

● 場景開放程度越高，數字技術融合就越便捷、深入，最先是營銷、交易、采購，繼而是產品服務和研發環節，制造環節最封閉。

● 平臺化采銷過程涉及多企業、多環節間的匹配和協作，以及信息流、商流、資金流等在線流轉，與AI技術優勢高度契合，降本提效明顯，于客戶而言更能帶來可衡量、可感知的價值效益。

場景熱度集中，51%的AI技術應用集中在TOP 10業務場景小類

TOP3熱度場景

行業知識查詢，需求預測和趨勢洞察，商品檢索、篩選和推薦三大場景在就續度、價值度、易用性、通用性四個方面均表現較好，成為垂直產業平臺探索AI技術應用的首選場景。

■ 01 就緒度高

底層數據主要依賴于采購、銷售和產品數據，平臺相關高質量數據基礎好。

● 數據體量大：采購、銷售、產品數據在垂直產業平臺內覆蓋率為100%

● 更新頻率高：實時更新率最高均在75%以上

● 結構化程度高：基于在線標準化交易流程和SKU產生的數據

數據來源：《2024年產業互聯網平臺數據要素調查報告》

■ 02 價值度高

均作用于提升產業鏈上下游交易效率，效果顯著。

● 行業知識查詢：主要用于售前咨詢，提升用戶采購決策效率

● 需求預測和趨勢洞察：主要用于選品，平臺自身選品或者賦能次終端選品

● 商品檢索、篩選和推薦：直接用于供需匹配環節，提升匹配效率和準確性

■ 03 易用性強

以自有及共生數據為主，潛在數據權屬風險相對較低。

● 采購及銷售數據：基于用戶在平臺上的交易行為自然產生的數據

● 產品數據：基于平臺統一的產品主數據標簽形成的數據，包括自有產品和第三方供應商產品

■ 04 通用性好

不同領域垂直產業平臺均涉及，且分布較為均衡。

特別說明：不同產業領域劃分參考GB/T 4754—2017《國民經濟行業分類》

AI驅動垂直產業平臺業務范式轉型，“Agent即服務”成為新趨勢

1）業務范式

2）大模型能力

3）基礎設施

■ 數據

足夠容量的私有數據價值待挖掘

● 產業數字化進程加快，到2023年，我國九成以上規上企業已在生產經營活動中應用數字化信息化技術，97.2%的企業應用信息化管理系統

● 以垂直產業平臺帶動中小企業協同發展的“鏈式”轉型成為主要模式，匯聚沉淀大量產業數據資源

■ 算力

AI算力成本大幅下降

達到GPT-3.5水平的系統推理成本降幅超280倍

● 算力租賃價格大幅下跌，A800、H100等主流GPU近兩年跌幅超50%

● 小模型崛起、混合專家MoE等架構走向產業化

■ 算法

核心算法突破，基模性能增強

● 從Transformer轉向混合專家（MoE） 等高效架構，實現性能和效率倍增

● 國內領先大模型能力與美國的性能差距，自 ChatGPT 發布以來，縮小到三個月以內

數據來源：第五次全國經濟普查結果，國家統計局；《2025年人工智能指數報告》，斯坦福大學人工智能研究院（Stanford HAI）

TOP10潛力場景

正式啟動產業AI系列研究

為深度洞察“AI+產業”融合發展的內在機理和有效路徑，助力產業企業更好融合業務場景和AI技術能力，課題組正式啟動《年度產業AI應用成熟度報告》、《垂直產業平臺AI應用成熟度評估模型》、《垂直產業平臺AI應用建設指南》等系列研究工作。

如需更多詳細信息和完整報告

請聯系FSG@huaxing.com獲取

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：