报告下载丨AI浪潮下的中国品牌：2025年AI发展趋势报告

这种从“出主意”到“帮干事”的飞跃，打开了AI应用的新局面。通过这些例子，可以发现，MCP的确可以让大模型调用各种工具，解决了大模型“只能动嘴不能动手”的难题，扩展了大模型的能力，让大家距离拥有一个贴身的全能AI助手又近了一步。下载Cherry-Studio的客户端，安装完毕之后，点击客户端左下角的“设置”，找到“深度求索”，把在上文获得的API Key输入进API地址。在对话界面的下方，点击“MCP服务器”的图标，然后点击“fetch”和“filesystem”这两个服务左侧的图标，选中这两个服务。

DeepSeek已经支持了MCP，今天这篇文章，我就给大家介绍一下，在Cherry Studio客户端里面使用MCP服务，让DeepSeek不但只会“动口”，而且也会“动手”。通过这些例子，可以发现，MCP的确可以让大模型调用各种工具，解决了大模型“只能动嘴不能动手”的难题，扩展了大模型的能力，让大家距离拥有一个贴身的全能AI助手又近了一步。在对话界面的下方，点击“MCP服务器”的图标，然后点击“fetch”和“filesystem”这两个服务左侧的图标，选中这两个服务。

当文档被添加到知识库之后，文件会被切分为若干个片段，然后这些片段会交给嵌入模型进行处理，当使用DeepSeek进行问答的时候，会查询相关的文本片段，一并交给DeepSeek处理。另外，知识库的文档如果在云上，对于数据比较敏感的人和公司来说可能是个隐患，这时候搭建一个本地的知识库就尤为重要了。然后在“知识库”，选择“添加”，添加自己的知识库，并且在嵌入模型，选择刚才配置的bge-m3。然后回到对话界面，在对话框的下方，点击知识库图标，然后点击左侧的图标，选中自己创建的知识库。，在这里下载的速度很快。

当文档被添加到知识库之后，文件会被切分为若干个片段，然后这些片段会交给嵌入模型进行处理，当使用DeepSeek进行问答的时候，会查询相关的文本片段，一并交给DeepSeek处理。另外，知识库的文档如果在云上，对于数据比较敏感的人和公司来说可能是个隐患，这时候搭建一个本地的知识库就尤为重要了。然后在“知识库”，选择“添加”，添加自己的知识库，并且在嵌入模型，选择刚才配置的bge-m3。然后回到对话界面，在对话框的下方，点击知识库图标，然后点击左侧的图标，选中自己创建的知识库。，在这里下载的速度很快。

AI 深刻重塑消费决策格局。生成式 AI 在消费场景渗透率快速提升，中国消费者对 AI 信任度高。AI 驱动 “零点击搜索”，传统决策漏斗模型失效，需求预判成方向。消费者快速养成 AI 使用习惯，在购物决策前中期，AI 用于产品筛选、对比，信息密集型品类渗透率高。AI 搜索满意度高于传统搜索，能缩短购物时间。营销需从 SEO 转向 GEO，优化 AI 引擎，知识平台在 AI 引用中有优势，品牌实施 GEO 需多步骤。品牌应定位为 AI 驱动典范，知乎提出 AIP 模型，整合 AI 与 IP 资源。

2017 年 Transformer 架构开启新时代，预训练 + 微调成主流，模型路线分化。后参数规模不断突破，可随着模型增大，Transformer 架构及预训练范式遇瓶颈。创新路径上，Transformer 架构改进，如 Attention 机制等创新；非 Transformer 架构涌现，像新型 RNN、CNN 路径及其他受启发路径。架构创新呈现混合 Hybrid 架构成趋势，目前处于新技术突破前夜。不同派别对架构发展有不同观点，诸多高校和企业参与其中，如 DeepSeek 等模型为代表。

白皮书聚焦企业数智化转型中人工智能的应用。它先明确人工智能就绪度概念，即企业运用 AI 实现业务目标、驱动创新变革的能力程度。通过构建评估体系，从战略规划、数据基础、技术能力、组织人才、应用场景等维度，量化分析企业 AI 就绪水平。发现多数企业在数据治理、技术融合应用上存在短板。提出企业应制定清晰 AI 战略，整合内外部数据资源，强化技术创新与人才培养，逐步拓展如智能客服、供应链优化等应用场景，以提升人工智能就绪度，抓住数智化转型机遇，增强市场竞争力，实现可持续发展。

斯坦福 “人工智能百年研究” 项目发布此报告，旨在长期追踪评估 AI 发展及影响。报告指出，AI 是模拟人类智能的计算技术，当前以数据驱动和机器学习为核心，在计算机视觉、自然语言处理等领域成果显著。预测到 2030 年，AI 在多领域将带来变革：交通运输方面，自动驾驶普及，改变城市空间与出行方式；医疗健康领域，助力疾病预测、诊断与个性化治疗；公共安全中用于犯罪预测等。但 AI 发展也带来安全可靠性、经济分配、隐私伦理等挑战。政策上需投入资金开展跨学科研究，提升透明度、保障公平性，引导 AI 造福社会。

AI Agent 是能感知环境、智能决策并自主行动的智能体，核心特征为自主性、目标导向性等，与传统 AI 不同，它可主动规划任务、调用工具。Agentic AI 则是更高阶智能形态，强调自主性与目标导向。报告解析其技术栈，感知模块处理多模态信息，认知与决策模块以大语言模型为核心实现推理规划，行动模块借助工具调用与外界交互，还介绍单 Agent 与多 Agent 系统等架构。当前面临规划不稳定、多 Agent 协同效率低等挑战，未来将朝模型能力内化、标准化生态整合及通用与垂直场景分化方向发展。

在大模型竞争转向垂直赛道的当下，推理模型至关重要。该报告对各类推理模型进行综合测评，虽不知具体测评维度，但必然涵盖模型性能、效率、准确性等关键指标。通过对不同模型的横向对比，清晰展现各推理模型的优势与不足。这能帮助企业和研究人员在模型选型时，依据自身需求做出更优决策。对于模型研发者，也可参考报告结果，明确改进方向，从而推动推理模型技术的发展，促进 AI 在各行业更高效、精准地落地应用。

该蓝皮书以 “技术演进→产业重构→应用升级→行业实践→未来趋势” 为框架，系统剖析大模型翻译技术。在技术上，其突破体现在深度语义理解、交互式翻译等，能显著提升翻译的准确性与流畅度。产业层面，大模型推动翻译产业升级转型，86.67% 的受访者认可 “大模型 + 译后编辑” 将成未来主流翻译模式，63.46% 的单位已计划或应用大模型。在应用场景中，涵盖科研创新、企业全球化等领域。未来，多模态端到端翻译、低资源语言支持等将成发展方向，为大模型翻译技术研究与行业应用提供参考。

当前 AI 从 L2 推理向 L3 代理演进，AI Agent 凭借自主决策等能力成为热门赛道，2025 年更是其在医疗领域的爆发元年。政策端，国家及地方积极鼓励 AI 应用，为其落地医疗领域提供支持。产业端，微医控股等巨头与初创企业纷纷布局。应用场景丰富，赋能辅助诊断、医学影像分析等，推动医疗服务从信息化迈向智能化。报告指出，到 2030 年，Agent 有望接管病历质控等非核心流程，多智能体协同系统将覆盖更多诊疗环节，为关注该领域人士梳理出产业图谱、应用场景等第三方参考依据。

白皮书聚焦 AI 与能源的双向影响，指出 AI 模型部署阶段能耗占生命周期的 60%-70%，数据中心电力消耗集中于冷却系统、IT 设备等。尽管 AI 自身能耗高，但其在能源转型中具关键作用，可优化电动汽车充电、建筑能效管理等场景，助力多行业脱碳（如部分行业通过 AI 实现 10%-30% 电力节省）。白皮书提出，可持续 AI 发展依赖监管政策、金融激励、技术创新（如优化冷却系统、处理 “黑数据”）和市场协同，未来应重点关注碳中和部署、透明高效用电、技术设计创新及生态合作四大方向。

2025 年一季度中国人工智能行业投融资市场呈现 “量增价减” 特征，融资案例数达 241 起（环比 + 10.6%、同比 + 21.7%），但金额降至 181.4 亿元（环比 - 20.4%、同比 - 19.3%），早期项目占比提升，资本更倾向小规模高潜力企业。地域上，北京、广东、上海等省市融资集中，深圳等地政策（如 2026 年 AI 企业超 3000 家的目标）进一步激活区域活力。技术层面，中国企业加速追赶，如 DeepSeek 的 R1 模型性能对标 OpenAI 的 o1 且训练成本更低。

指出大模型已从单一代码生成工具，升级为覆盖需求分析、跨栈开发、测试验证的全流程 “智能协作体”。通过贝壳找房 CodeLink 工具实现需求研发周期缩短 10%、腾讯云 AI 代码助手企业级采纳率 20% 等案例，论证 AIGC 在提升开发效率、降低技术门槛上的显著成效。同时，针对工具分散、人才短缺等痛点，提出 “工具链整合 + 多栈人才培养 + 柔性组织构建” 三位一体方案，为企业从传统开发模式向 “AI First” 研发体系转型，提供可落地的策略与实践参考。

作为大语言模型领域的基础指南，报告系统梳理核心概念、技术演进与应用场景。从 Transformer 架构、注意力机制等底层原理切入，解析 GPT、BERT 等主流模型的迭代逻辑，并结合代码示例演示模型训练与微调方法。同时，前瞻性探讨大语言模型在内容生成、智能客服、数据分析等多领域的落地模式，以及伦理风险、算力瓶颈等潜在挑战。内容兼顾理论深度与实践操作性，既适合 AI 领域初学者构建知识框架，也能帮助从业者把握技术趋势，为进一步学习与应用大语言模型提供系统性指引。

指出大模型作为新质生产力，可推动智能运维迈向 L5 级系统自治阶段，以 “自然语言” 交互实现人机协同运维。通过故障分析、根因定位、日志解读等场景案例，展示其在快速处理海量运维数据、降低人为判断误差上的显著优势。同时直面挑战，分析模型推理效率、“幻觉” 问题对落地的阻碍，提出异步调度、多智能体协作等优化方案。此外，结合力维智联 Crete 动环智能运维大模型与 DeepSeek 的融合应用，以自动化问答准确率超 90% 等数据，验证其在实际场景中的降本增效价值，为运维智能化转型提供技术路径与实践参考。

"聚焦可解释性模型、自动化机器学习与边缘计算技术趋势，整合PyTorch/TensorFlow框架与迁移学习、模型压缩等优化算法，剖析医疗诊断、金融预测等领域智能化转型路径，结合量子计算与联邦学习前沿探索，解读行业模型部署策略及3D建模创新实践。"

“本文解析算力作为新质生产力如何通过量子计算、边缘计算及异构计算等前沿技术创新，驱动工业互联网、元宇宙等场景深度应用。结合‘东数西算’战略布局，探讨算力标准建设、安全体系优化与绿色低碳发展路径，展望智能算力网络在普惠服务、模型优化及数字孪生等领域的未来趋势，为高质量发展构建数字基座。”

本文深度解析A800硬件架构的优化路径与软件协同策略，从散热设计、算力调度到算法适配三个维度剖析性能提升方案，结合AI训练、图像处理等典型应用场景，详解如何通过驱动调优与能耗管理实现30%以上的能效提升，助力企业加速任务执行效率并降低运营成本。