8月28日，在“AI进化论-物理世界智能体系统构建”分论坛上，沙利文大中华区执行总监李庆发布了《2025年中国GenAl行业最佳应用实践研究报告》（以下简称“白皮书”）。
本白皮书采用多元化的调研方法，构建了创新的全维度评估体系，对各行业生成式AI的应用实践案例进行了客观、公正的评估，并针对2025年生成式AI最新趋势进行研究，针对海外优质生成式AI应用实践案例进行了深入剖析。研究综合了生成式AI技术提供商及企业用户的调研数据与专题访谈内容，从多个视角深入剖析了2025年全球及中国生成式AI在各行业的应用现状与发展趋势。根据沙利文市场的研究分析，报告的核心发现聚焦于生成式AI在基础设施、制造业、金融、公共服务及互联网等领域的实际应用，及其在提升企业运营效率和创造非财务价值方面的显著成效。
01
2025年生成式AI具备四大趋势：技术优化与成本降低、Agentic AI正在创造全新的价值范式、合成数据成为推动大模型持续迭代与场景化落地的核心引擎、AI安全治理体系正加速走向系统化与标准化
2025年，生成式人工智能正以前所未有的深度与广度重塑技术格局与产业生态，其发展呈现出四大核心趋势，共同构筑起AI从“能力突破”迈向“价值落地”的关键路径。首先，在技术优化与成本降低方面，行业实现了从“追求参数规模”向“注重效率与实用性”的战略转型。随着Transformer架构的持续演进、训练算法的精细化以及MoE（混合专家系统）等稀疏化架构的广泛应用，大模型的训练和推理效率显著提升。据测算，同等性能下，大模型的训练成本较2024年下降超过90%，使得企业级部署和实时应用成为常态。
其次，Agentic AI正在创造全新的价值范式。2025年被视为智能体元年，AI不再仅仅是被动响应指令的工具，而是进化为具备目标设定、任务分解、工具调用、自主执行与环境反馈能力的“自主智能体”。多智能体系统通过协作、竞争与分工，能够完成从市场调研、代码生成、供应链优化到个性化营销等复杂业务流程。预计到2025年底，全球超过40%的企业将部署至少一个核心业务流程的Agentic AI系统，AI正从“增强人类能力”迈向“自主创造价值”的新阶段，深刻重构组织架构与工作模式。
第三，合成数据成为推动大模型持续迭代与场景化落地的核心引擎。面对高质量真实数据日益稀缺、隐私合规要求趋严以及特定领域数据不足的挑战，利用生成式AI创建高保真、可控、可标注的合成数据，已成为训练和验证下一代模型的关键路径。2025年，世界模型开始具备构建完整“数字孪生数据生态”的能力，不仅能够模拟极端场景、生成对抗样本以提升模型鲁棒性，还能在不触碰原始敏感信息的前提下，支撑自动驾驶、具身智能等高价值应用的模型训练。大幅缩短了模型迭代周期，降低了数据获取成本，成为大模型实现商业化闭环与差异化竞争的重要支撑。
最后，AI安全治理体系正加速走向系统化与标准化。随着生成式AI在关键领域的深入应用，其潜在风险如：生成内容的幻觉、模型偏见、数据泄露、恶意滥用带来的合规盲区引发了广泛关切。过去几年中，全球主要经济体已建立起相对完善的监管框架：中国持续推进《生成式人工智能服务管理暂行办法》的落地实施，强调数据来源合法、内容可追溯与安全评估；欧盟《人工智能法案》正式生效，对高风险AI系统实施全生命周期监管。AI安全已从被动应对转向主动防御，技术、制度与伦理的深度融合，正在为生成式AI的可持续、负责任发展筑牢安全底线，确保其在创新与风险之间实现动态平衡。
02
海外生成式AI优质案例通过效率提升、技术创新、行业深度三大维度进行分析展示，全面揭示其在降本增效、驱动业务变革、引领技术前沿以及深耕垂直领域方面的实践成果与领先经验，为生成式AI应用提供可借鉴的标杆范式
生成式AI在效率提升方面主要包括：成本效益降低，如通过自动化内容生成、代码编写或文档处理显著减少人力与时间投入；生产效率提升，体现在任务完成速度加快、流程周期缩短、单位时间内产出增加等方面；资源利用率优化，指通过智能调度、预测性维护或数据驱动决策，提升人力、算力、设备等关键资源的使用效率。
生成式AI实践中的技术创新指在模型架构、训练方法、多模态融合或推理优化等方面的先进性；应用模式创新体现为开辟全新的使用场景，如AI智能体自主执行复杂任务、实时生成个性化服务等；商业模式创新则聚焦于通过AI重构产品形态、服务方式或收入结构，例如从传统订阅制转向按需生成的弹性服务模式。
生成式AI案例中的行业深度中行业价值链覆盖程度指AI应用贯穿研发、生产、营销、服务等环节的广度与整合度；行业专业度体现为模型对领域知识（如医疗术语、金融规则、工程规范）的理解与准确应用能力；行业影响力则包括推动行业标准形成、提升整体数字化水平或引领同行效仿的能力。
资料来源：沙利文分析，头豹研究院
03
功能价值与适用性、技术性能与创新、实施与支持、客户体验与满意度反馈四大核心能力维度，全面审视生成式AI行业应用实践方案价值
生成式AI的行业应用需通过一个综合的全维度评估体系来全面审视其价值与潜力。沙利文市场研读融合传统调研方法，创新了全维度评估体系，这一体系涵盖功能价值与适用性、技术性能与创新、落地实施与服务支持、以及客户体验与满意度反馈，每个维度都是解决方案成功不可或缺的部分。
功能与价值适用性中包含：需求适配性关注产品是否能精准匹配用户的业务需求和场景逻辑，评估在目标达成、收益实现、代价考量及战略对齐方面的表现，以确保其适应并解决市场需求。核心功能完整性关注产品是否具备完整的核心功能模块，包括自然语言处理、图像生成、语音交互等核心模块协同性及成熟度，以满足实际业务闭环。场景功能泛化性衡量产品在不同应用场景中的适应性和扩展能力，以实现跨业务场景的无缝适配，泛化能力决定了技术的复用价值与长期持续性，是衡量系统扩展性的关键指标。
技术性能与创新维度包含多模态融合能力：关注产品能否高效处理文本、图像、音视频等多模态数据，并实现跨模态内容生成能力，该能力是实现复杂场景智能化的核心支撑。生成内容稳定性与鲁棒性关注系统在不同输入条件下输出内容的一致性与可靠性，关注在异常输入（如模糊指令、噪声数据）下的容错能力，确保生成结果始终符合预期，同时也关注生成质量提升方案。生成内容的合规安全聚焦内容生成过程中的法律、伦理与数据安全风险，关注模型合规情况，自动化监测及合规保障措施，同时也关注在异常场景下的容错能力和应急响应制度
实施与支持维度包括使用成本优化：关注部署、运行及维护生成式AI系统的全周期成本，包括硬件资源消耗、算法迭代费用及人力投入，关注轻量化模型、云原生架构等降本方案，以提升技术普及率和性价比。智能体应用：关注智能体在模拟人类决策、自动化流程中的实际效果，验证其在客服、运营等场景中的响应效率与准确性，以及对业务流程的优化贡献，关注智能体能力及其技术价值转化。培训与支持：关注用户的理解与操作门槛，关注厂商对客户实施建设后的持续赋能的资源和服务支持、实时技术支持及案例库，降低技术应用的复杂性并加速落地进程
资料来源：沙利文分析，头豹研究院
04
生成式AI（GenAI）投入现状分析：销售与营销领域占主导，但后台自动化潜力巨大
过去一年，约50%的生成式AI预算被投入到销售与营销，这显示了企业在利用生成式AI技术提升客户体验和优化销售流程方面的强烈兴趣。然而，实际上后台自动化往往能够带来更高的投资回报。
首先，在内部流程优化方面，生成式AI可以帮助企业实现从订单处理到库存管理等业务流程的高度自动化，减少人为错误的同时大幅提高处理速度。其次，文档管理和数据处理也因生成式AI的应用而变得更加智能和高效，例如自动摘要、信息提取等功能可以大大缩短信息检索和处理的时间。
此外，生成式AI在动态资源分配上的潜力也不容小觑。通过分析实时数据和历史数据，AI系统能够预测未来需求，并据此优化资源配置，确保资源使用效率的最大化。这种前瞻性的资源规划对于降低运营成本至关重要。
资料来源：沙利文分析，头豹研究院
05
经典案例分析
中关村科金与宁夏交建联合推出全国首个交通基建大模型“灵筑智工”，聚焦交通基建垂直领域，精准匹配施工、核算、投标等关键业务场景，显著提升目标达成效率与企业战略协同效益。基于得助大模型平台，通过上万份行业规范与工程技术文档训练，实现模型专业性提升，并构建覆盖知识问答、文档写作、报表生成、数据分析、智能投标等智能体平台，满足交通基建行业对专业智能理解、高效文档处理与智能决策支持的迫切需求。
资料来源：沙利文分析，头豹研究院
本文推荐阅读
