2025年AI大模型发展现状、商业化关键及未来应用前景分析报告（42页）.pdf

1、 2025 年深度行业分析研究报告 目录索引目录索引 一、模型效果提升&推理成本下降，为 AI 应用发展奠基.6（一）模型效果提升，性能并未“撞墙”.6（二）推理成本下降，加速应用普及.7 二、AI 大模型赋能效率工具，提效能力是商业化关键.10（一）AI+软件开发：性能趋同趋势下，核心竞争点向用户体验转移.10（二）AI+办公软件：COPILOT优化办公流程，商业化效果仍需观察.14（三）AI+创意生成：算力需求显著增加，成本成为部署瓶颈.19 三、AI 大模型赋能业务场景，核心在于提升附加值.26（一）AI+广告营销：精准洞察用户需求，智能投放优化.26（二）AI+CRM：重塑客户管理流程

2、，从成本中心到价值创造.30（三）AI+决策智能：为客户创造附加值，关键数据表现亮眼.33 四、AGENT 是未来趋势，高 ROI 场景将率先实现 PMF.39（一）从 COPILOT到 AGENT，AI 大模型持续融入 B 端工作流.39（二）软件开发、广告投放和 CRM 等高 ROI 场景将率先实现 PMF.41 图表索引图表索引 图 1：Scaling Law 提出大模型性能与计算量、参数规模和数据量相关.6 图 2：Meta Llama 3.1 模型架构.7 图 3：Open o1 模型性能随着训练和测试时间延长而提升.7 图 4：模型推理成本持续下降.8 图 5：GB200 NVL2

3、 性能显著提升.8 图 6：百度文心大模型 API 日均调用次数.9 图 7：MMLU Redux ZeroEval 得分 VS 输入 API 价格（/1M Tokens）.9 图 8：AI 大模型赋能软件开发全流程.10 图 9：GitHub Copilot 可以帮助开发者显著提升代码编写速度与质量.11 图 10：中国市场代码生成产品能力水平对比.12 图 11：代码生成产品能力发展路线图.12 图 12：Copilot 根据用户指令自动生成的 PPT 演示稿.15 图 13：Copilot 根据用户指令自动生成 Word 文字.15 图 14：Microsoft 365 Copilot

4、工作原理.15 图 15：Excel 中 Copilot 支持使用 Python 进行数据分析.16 图 16：PowerPoint 中用户与 Copilot 共同创建文稿.16 图 17：FY22Q2-FY24Q3 Office 365 商业版订阅数和营收增速对比.16 图 18：FY24Q1-FY25Q1 Microsoft 365 商业版订阅数及云收入同比增速.16 图 19：金山办公 WPS AI 2.0 功能一览.17 图 20：金山办公 WPS AI 正式开启商业化.18 图 21：AI 视频生成赋能创意相关领域.20 图 22：DiT（Diffusion-Transformer）

5、架构.20 图 23：Sora 交互界面.21 图 24：视频生成操作消耗的 Credit.22 图 25：视频编辑操作消耗的 Credit.22 图 26：海螺 AI 视频交互界面.22 图 27：DiT-XL 的训练与推理成本比较.23 图 28：Sora 的训练与推理成本比较.23 图 29：AI 大模型可以赋能广告营销全流程.26 图 30：机器学习算法 AXON 促进广告主与发布商之间的匹配.27 图 31：AppDiscovery 客户案例.27 图 32：2022-2023 年 SparkLabs 利用生成式 AI 创作的广告创意.28 图 33：Applovin 分业务营收和营

6、收增速.28 图 34：谷歌利用生成式 AI 简化广告制作.29 图 35：百度营销平台轻舸助力效率效果双重提升.29 图 36：AI 大模型赋能销售流程.30 图 37：AI 大模型赋能智能客服流程.31 图 38：Agentforce 助力企业在各种行业和场景中快速构建和部署 AI Agent.31 图 39：HubSpot 产品矩阵.32 图 40：决策系统在自动驾驶领域的应用.33 图 41：决策智能是生成式 AI 的典型应用场景.34 图 42：Palantir 收入及同比增速.35 图 43：Palantir 净利润.35 图 44：基于 Sage AIOS 开发的水务大模型.36