在日前举行的2025南宫28NG相信品牌力量云苍穹AI峰会——AI技术论坛上，中国信通院云大所政企数字化转型部主任徐恩庆发表主题分享，从政策、技术、市场、行业应用四大维度切入，深度剖析企业级AI应用的现状与未来。

中国信通院云大所政企数字化转型部主任徐恩庆

（以下为演讲内容整理，有删减。）

从政策层面看，当前人工智能已上升为国家战略，中央经济工作会议明确提出要开展"人工智能+"行动，推动新技术、新产品、新场景的大规模应用示范。这种政策导向正从框架性指导向场景化落地转变。

技术演进层面，人工智能技术历经三起两落，从早期的符号主义主导，到如今以大模型为代表的连接主义崛起。在企业级应用领域，呈现"大模型+知识库"的融合特征，既延续了传统AI对准确性和稳定性的追求，又通过知识增强突破了大模型在企业场景的局限。

市场数据印证了AI产业的爆发式增长。截至2024年，中国AI企业数量达4500多家，占全球15%，仅次于美国。国内备案大模型数量从2024年8月的190个激增至当前近350个（截止2025年3月底），其中80%以行业龙头企业牵头合作或者是自研的行业大模型。

行业应用呈现明显的梯队差异。通信、金融、能源、制造四大领域走在前列：通信行业依托技术积累，已实现网络运维的智能化；金融业将AI应用于智能客服、信贷审批等场景，数据驱动的决策模式日趋成熟；能源行业通过引入AI一体机优化电力调配；制造业则借助工业互联网平台打造智能工厂。央企群体表现尤为突出，2024年底已有28家央企发布行业大模型，覆盖知识相问答、辅助工程师设计等核心环节。

过去十年间，企业信息化与数字化的进程始终围绕技术迭代展开。从信息化到数字化的跃迁，本质是数据应用方式的升级：信息化时代，数据仅作为业务比对的参考；数字化时代，数据通过大数据处理支撑运营决策，甚至以可视化形式呈现价值。然而，这一阶段的投入产出比仍不理想，许多企业的数据价值未能充分释放。而人工智能的崛起，真正让数据完成了从“辅助工具”到“智能闭环核心”的使命跃迁——数据成为AI的“燃料”，驱动模型训练与优化，其价值被推向新高度。

这种质变不仅体现在数据层面，更深入到企业运作的内核。传统数字化依赖人为设定的规则与流程，工程师通过代码将这些逻辑固化到系统中。但在AI时代，企业转向“目标驱动”与“提示词工程”：只需设定战略目标，AI通过学习海量数据自主生成执行逻辑，人类干预从“代码编写”转向“目标调优”。这种转变意味着企业智能化的底层逻辑已发生根本性变革。

在应用方面的进化同样显著。过去，AI以单点工具形式存在，解决局部问题；如今，企业级AI追求全局智能，要求打破“应用烟囱”，构建统一平台。这一进程与云原生技术发展一脉相承——十年前，企业纠结于自建云、公有云还是混合云；今天，AI时代的企业需在算力、模型、数据、应用四维度构建全栈智能架构，这绝非单一系统的升级，而是一场数字化革命。

在AI时代，强大的算力已成为企业成功部署AI应用的关键要素。企业面临自建与采购的权衡：大型企业需考虑模型微调与应用开发的自主性，而中小企业更倾向外部采购。但无论路径如何选择，数据治理始终是绕不开的先决条件。一些企业试图跳过数据治理直接部署AI，这无异于“空中楼阁”——数据质量、流通成本与核心数据保护问题，仍是横亘在前的现实难题。

模型选择同样复杂。大模型虽主导生成式AI领域，但专有模型与小模型在特定场景中仍有不可替代的价值。企业需基于场景需求、成本预算与智能化目标，构建多模型协同体系。

应用落地是最直接创造价值。对企业而言，如何甄别优先进行Agent化改造的业务场景，如何实现传统研发体系与智能体开发路径的有机融合，已成为企业级AI转型的核心挑战。产业界亟待形成标准化解决方案以破解应用落地难题。

企业级AI的征程刚刚开始。它既是技术革命，更是管理革命。当AI从后台支撑走向前台引领，企业需以更开放的姿态拥抱智能时代——不是追逐热点，而是以战略眼光审视数据、算力、模型与应用的协同进化。唯有如此，AI才能真正成为突破发展瓶颈、创造新质生产力的核心引擎。

以上就是我今天的分享，谢谢大家！