【深度】2025AI应用行业：驱动因素、市场现状、商业化进程及相关公司深度梳理

  

如果您想下载本篇精选报告，请扫上述二维码进入星球，按报告名称搜索即可。

在当今这个科技飞速发展的时代，人工智能（AI）正以前所未有的速度渗透到我们生活的每一个角落，一场深刻的变革已然拉开帷幕。从曾经只存在于科幻电影中的智能机器人，到如今我们手机上的语音助手、社交平台上的智能推荐，AI 正在重塑我们的世界。而在这场变革中，中国凭借着庞大的互联网用户群体、海量的场景数据以及不断强化的智能算力布局，正展现出强大的潜力，有望在全球 AI 竞赛中脱颖而出，成为应用创新的时代先锋。

一、中国 AI 应用的广阔发展空间

中国拥有庞大的人口基数，网民规模也极为庞大。截至 2024 年 12 月，中国网民规模已达到 11.08 亿人，互联网普及率提升至 78.6%。如此庞大的用户基础，为 AI 应用提供了丰富的落地场景和广泛的用户需求。移动互联网流量持续激增，2024 年 11 月全国移动互联网累计接入流量达到 3,066 亿 GB，这背后是无数用户对数字内容的强烈需求，而 AI 正在成为满足这些需求的关键力量。

同时，智能算力的部署也在加速推进，成本持续降低。截至 2024 年 6 月，中国累计算力资源已达 246 EFLOP/s，预计到 2025 年将突破 300 EFLOP/s。在 “东数西算” 工程的推动下，智算中心多点部署，算力成本的大幅下降，使得 AI 大模型的大规模商业化应用普及成为可能。这就好比，过去只有少数人能享受到的高端服务，现在逐渐普及到了大众，让更多的企业和开发者能够利用 AI 技术来提升效率、创造价值。

二、AI 应用的驱动因素

（一）模型层：能力提升与成本降低

近年来，AI 技术飞速发展，大模型在知识问答、数学、编程等能力上达到了新的高度，甚至在多种任务上的表现已经超过了人类水平。模型的主流架构逐步转向 MoE（Mixture of Experts），通过将输入 Token 分配给不同的专家模型，让模型在处理复杂任务时展现出更强的能力，同时有效降低了训练和推理所需的资源。多模态能力的显著增强，使得模型能够处理图像、视频、音频等多种类型的数据，极大地丰富了应用场景。

更令人振奋的是，模型训练竞赛趋缓，Scaling Law（扩展定律）正在从预训练扩展到后训练和推理阶段。这意味着，基于强化学习、思维链等技术在后训练和推理阶段投入更多的算力，可以大幅提升大模型的思考能力。而模型推理成本的显著下滑，更是利好应用端成本下降。国内外主力模型价格均有不同程度下降，这不仅降低了 AI 应用厂商的成本，也使得终端 AI 应用消费者能够享受到更实惠的服务。

（二）智能体：技术完善与新产品密集发布

AI Agent（智能体）的落地，将给 AI 应用带来颠覆性的变化。随着自然语言处理、机器学习和生成式 AI 的进步，AI Agent 的多功能性和部署量将急剧增长。GAIA（General AI Assistant）基准测试的出现，为评估 AI 系统执行广泛任务的能力提供了标准。从 2024 年到 2025 年，AI Agent 在 GAIA 测试中的表现迅速提升，昆仑万维的天工智能体更是登顶 GAIA，刷新了 SOTA（State of the Art）得分。

MCP（Model-Controller-Proxy）协议的发布，为链接模型与工具提供了标准协议，极大地提升了 AI 应用开发的效率。谷歌发布的 A2A（Agent-to-Agent）协议，则为不同类型的智能体之间搭建了高效沟通与协作的桥梁。这些技术的发展，使得 AI Agent 能够更好地融入各种应用场景，从办公自动化到复杂的工业流程控制，从个人生活助手到专业的医疗诊断，AI Agent 的身影将无处不在。

（三）C 端：入口重塑与协同渗透

AI 应用有望重塑 C 端流量入口，互联网巨头们纷纷布局。传统互联网巨头凭借庞大的用户基础和高度的用户参与度，在 AI 领域具备先发优势。他们可以将 AI 功能集成到现有的应用中，如微信、淘宝、支付宝等，为用户提供更加智能化的服务。同时，AI 也在逐步融入用户的日常工作中，从编程到写作，从数据分析到设计，AI 正在成为人们工作中的得力助手。

更值得关注的是，AI 向更广泛的应用场景渗透，从教育到娱乐，从金融到医疗，AI 的应用场景不断拓展。在教育领域，AI 可以为学生提供个性化的学习方案，根据学生的学习进度和特点，推荐合适的学习内容和练习题；在娱乐领域，AI 可以生成各种创意内容，如音乐、视频、游戏等，为用户带来全新的娱乐体验；在金融领域，AI 可以帮助银行和金融机构进行风险评估、投资决策等，提高金融服务的效率和准确性。

（四）B 端：开源模型提升企业投入意愿

开发工具和生态的繁荣，大幅降低了行业应用门槛，加速了产业智能化落地进程。开源模型的出现，使得更多企业能够采用 AI 作为技术解决方案。企业可以根据自身的需求，对开源模型进行微调和优化，从而实现特定领域的应用。据阿里云数据，开源模型的采纳比例持续提升，这表明越来越多的企业开始认识到 AI 的价值，并愿意投入资源进行 AI 应用的开发。

AI 技术和解决方案已经深入到传媒、医疗、机器人、制造等多个行业，通过创新产品和服务、优化生产流程来推动行业的智能化转型。据 Morgan Stanley 数据，到 2030 年中国企业的生成式 AI 工作负载渗透率将达到 31%，美国的生成式 AI 工作负载渗透率将在 2029 年达 31%。这意味着，未来将有越来越多的企业将 AI 应用到核心业务中，从而提升企业的竞争力和创新能力。

三、AI 应用市场现状

（一）整体市场欣欣向荣

AI 应用整体发展呈现 Web、APP 端双增趋势，用户选择多元但尚未成为 “刚需”。从 2024 年 1 月至 2025 年 4 月，Web 端 AI 产品良好发展，全球 TOP 20 产品总月访问量由 55 亿次增长至 100 亿次，增长约 82%。APP 端 MAU 快速提升，2024 年 8 月 - 2025 年 4 月，TOP 产品总 MAU 由 5.84 亿增长至 13.09 亿，增长约 124%。然而，AI 产品月人均时长 TOP 20 产品平均时长呈现下降趋势，由 2024 年 1 月的 21 分钟下降至 2025 年 2 月的 15 分钟。这表明，尽管 AI 应用的用户规模在不断扩大，但用户对 AI 应用的使用深度和粘性仍有待提高。

（二）国内 C 端已起势，B 端待破局

在国内，C 端 AI 应用发展迅猛，行业核心玩家的月活用户量 “三大梯队” 也基本形成：亿级用户（DeepSeek、豆包）、千万级用户（元宝、Kimi）和 800 万级用户（即梦 AI、文小言、纳米 AI 搜索）。这些 C 端 AI 应用在用户体验、交互性等方面表现出色，深受用户喜爱。而 B 端市场潜力巨大，企业布局正当时。数字原生、创意导向及技术强耦合领域成为 AI 应用的先行者，但多数企业 AI 应用仍处于了解试验和效率工具使用阶段，行业进展分化明显。企业 AI 应用落地有望在营销及运营、客户运营、协同办公、研发生产、供应链及中后台支持等多个方面实现突破。

（三）互联网大厂的布局

互联网大厂的竞争正从模型迈向应用，引领 AI 应用发展进入加速期。腾讯基于微信和生态优势，打造 Agent 超级入口；阿里推进软硬一体战略，构建跨生态的 Agent 服务闭环；字节凭借流量优势，力推豆包等 AI 应用。这些大厂凭借自身的技术实力、用户基础和资源优势，在 AI 应用领域展开了激烈的竞争，推动了 AI 技术的不断创新和应用的广泛落地。

四、AI 应用商业化进展

（一）海外 AI 应用商业化

从 ARR（Annual Recurring Revenue，年化收入）规模来看，头部大模型厂商 OpenAI 遥遥领先，其年化收入已达 100 亿美元。Anthropic 在 2025 年 5 月的年化收入也达到了 30 亿美元，主要由 C 端 AI 助手订阅和 B 端 API 共同驱动。在垂类应用中，AI 编程、搜索和多模态应用发展迅速，如 Cursor、Glean、Midjourney 等公司，ARR 均已超过 1 亿美元。

OpenAI 的商业化模式主要基于 ChatGPT 会员订阅和 API 调用，其中 ChatGPT 会员数量和 ARPPU（Average Revenue Per Paying User，每付费用户平均收入）均呈增长态势。Anthropic 的收入则主要来自 API 调用，其在 AI 编程场景下的表现稳定、准确，吸引了大量编程应用和软件开发工具接入和调用。而 Figma、Grammarly 等公司则通过将 AI 功能与会员体系绑定，实现了收入和用户数量的显著增长。

（二）国产 AI 应用商业化

国产 AI 应用中，多模态、垂类 Agent 进展较快。2023 年 AI 陪伴、AI 图像产品率先商业化落地，2024 年 AI 视频与麦可等垂类 Agent 陆续实现商业化起量，2025 年以 MiniMax Agent 为代表的通用 Agent 开启付费。国产 AI 应用呈现 2B/2P 产品落地确定性较高，2C 产品尚未出现大规模商业化的态势。

在多模态领域，可灵、海螺、PixVerse 等产品表现突出。可灵作为全球收入规模第一的视频模型，2025 年 3 月 ARR 突破 1 亿美元，其成功主要得益于海外市场的贡献以及专业创作者的付费。国产视频模型的高频迭代和性能提升，使其在全球市场中占据了重要地位。而在 AI 陪伴领域，Talkie、星野等产品通过融合陪伴与游戏的变现方式，实现了商业化领先。

五、相关公司

（一）易点天下：AI + BI + CI 全链路解决方案

易点天下发布的 KreadoAI 数字化解决方案，为出海企业提供从云服务到数字化营销推广的全链路支持。在汽车、医疗、跨境电商等领域，KreadoAI 均取得了显著的应用成果。通过 AI 技术，易点天下能够帮助企业实现素材生成、投放环节的自动化匹配，从而服务更多中小客户，提高人效。程序化广告平台的推理效率提升，也为易点天下带来了收入的快速增长。

（二）哔哩哔哩：发力 AI 布局

哔哩哔哩从 2025 年开始发力 AI 布局，其平台社区受益于 AI 的空间巨大。AI 广告、AI 全景搜索、AI 译播、AI 评论挖掘等场景的应用，不仅提升了用户体验，也为哔哩哔哩带来了新的商业机会。AI 自动投放的渗透率不断提升，AI 全景搜索的用户渗透率也达到了 53%，单日搜索量高达 2.3 亿次。这些数据表明，AI 正在为哔哩哔哩的业务发展注入新的动力。

（三）恺英网络：AI 布局锐度高

恺英网络在 AI 领域的布局非常积极，其发布的 AI 游戏生成平台 Soon、3D AI 智能陪伴应用 EVE、AI 玩偶晚安羊、不忧鸟和 AI 眼镜等产品，展现了其在 AI 游戏和 AI 陪伴领域的强大实力。Soon 平台能够显著降低小游戏开发的成本，有望为恺英网络带来新的增长点。而 EVE 应用则通过与用户生活的同步陪伴，为用户提供了全新的虚拟陪伴体验。

（四）巨人网络：布局覆盖大模型和应用

巨人网络积极布局 AI + 游戏场景，其自研游戏大模型 GiantGPT 针对角色演绎、情景推理与长期记忆进行了优化，推理成本更低。同时，巨人网络在 AI 玩法方面也取得了显著进展，如《太空杀》上线的 AI 原生玩法残局对决，吸引了大量玩家参与。此外，巨人网络还积极投资 AI 产业，如投资 Liblib AI 平台，推出了 AI 设计 Agent Lovart 等产品，展现了其在 AI 领域的多元化布局。

（五）美图：功能高频迭代，AI 赋能提升增长潜力

美图自 2023 年以来积极在旗下应用加入 AI 功能，其核心产品美图秀秀、美颜相机和 Wink 等应用均进行了超 20 次 AI 功能更新。美图设计室的付费订阅用户数和收入也实现了快速增长。美图影像设计 Agent RoboNeo 的推出，更是让用户能够通过文字完成图像和视频编辑，极大地提升了用户体验。美图在 AI 领域的持续创新，使其在影像处理领域保持了领先地位。

（六）万兴科技：新 AI 功能与原生 AI 应用商业化

万兴科技的核心产品 Filmora 等在 2024 年高频更新了多机位编辑、文生音效、视频配乐、智能长剪短等 AI 功能，并上线了 AI 加量包。同时，万兴科技还推出了 AI 数字人产品万兴播爆、AI 音乐卡点短视频创作工具 Beat.ly、AI 人像生成编辑工具 SelfyzAI 等原生 AI 应用。2025 年，万兴科技加速推进 Agent 新产品，发布了万兴超媒 Agent，实现了从分镜规划到作品发布的一系列创作任务的全包办。万兴科技在 AI 领域的多元化布局，使其在视频创意软件市场中占据了重要地位。

六、AI 应用渗透率提升方向

（一）算力成本优化

随着 AI 应用场景的确定性提升，超大规模云厂商可能会倾向于在 AI 数据中心使用成本更低、功耗更优的 AI ASIC（Application-Specific Integrated Circuit，专用集成电路）。预计随着数据中心规模扩张，对功耗和成本的要求提升，定制化芯片或将成为同时满足性能、功耗、成本多重要求的解决方案，在数据中心的部署率有望提升。

（二）注重垂直场景的产品力

C 端 AI 应用的渗透将围绕场景和产品两个重要维度展开。核心是聚焦垂直场景的产品力，从 “技术竞争” 走向 “产品竞争”。AI 应用正在面临从技术驱动向用户体验驱动范式转变，因此更需要聚焦垂直场景打磨优质的产品力，将用户体验与 AI 工作流深度融合。同时，需要供给侧的持续启发夺取心智，通过用户反馈积累数据资产，不断迭代并深化实现飞轮。

（三）模型精确度及场景适配提升

从企业来看，模型精度和场景适配是落地痛点之一。幻觉问题是影响模型精确度不及预期的因素之一，而模型与业务匹配也是落地的关键。目前的解决方式主要包括多模型部署和 DIY 特定模型。通过不同模型擅长领域最大化业务与模型匹配度，企业客户可以调用通用大模型 API，叠加模型调优、RAG 等技术，生成适合自身业务的小模型。

（四）数据治理是 B 端 AI 应用交付的底座

数据是大模型落地基石，尤其在企业级 AI 应用交付过程中，将满足合规的多模态数据集进行采集、处理、微调，生成准确度高并且企业可使用的数据结果至关重要。有效可用的企业数据治理是训练模型的第一步，部分企业内部数据仍较为杂乱，需要依托数据湖或者数据仓库进行充分的清洗、梳理、标注、分析，凝结为可以训练模型的价值数据。

（五）ROI 达到客户预期

由于 AI 投资周期较长，前期需要搭建团队、数据资产盘点、部署模型、效果调优等，短期 ROI 较难达到客户预期。然而，随着员工熟练使用 AI 办公软件及前期时间成本摊薄，AI 相关办公软件 ROI 达到企业预期有望兑现。理想状态下，Microsoft Copilot ROI 可达 206%。随着 AI 模型端精确度提升、算力成本下降、应用与业务进一步契合，AI 独立完成工作的复杂度上升，相应渗透率及解决问题效率将提升。

AI 的浪潮已经汹涌而来，它正深刻地改变着我们的生活和工作方式。从 C 端的个性化服务到 B 端的效率提升，从娱乐到教育，从金融到医疗，AI 的应用场景无处不在。而在这个过程中，中国凭借着自身的优势，正展现出强大的发展潜力。AI 应用的商业化进程也在加速推进，无论是海外的 OpenAI、Anthropic，还是国内的可灵、海螺等公司，都在积极探索 AI 的商业价值。未来，随着技术的不断进步和应用场景的不断拓展，AI 将为我们的世界带来更多的惊喜和变革。让我们共同期待，在这场 AI 的浪潮中，能够涌现出更多优秀的公司和创新的应用，为我们的生活增添更多的色彩。

……