央企人工智能发展分析报告 | 央企加快布局人工智能产业的挑战与对策

国资报告 · 公众号 · 财经 · 2025-04-17 18:30

正文

请到「今天看啥」查看全文

中央企业具备先发优势

全球人工智能产业竞争已转向规模化应用。一是产业规模增长势头强劲。Next Move Strategic Consulting预测，全球人工智能产业市场规模将从2023年近1000亿美元跃升至2030年1.85万亿美元，年复合增长率高达36.6%。中研普华产业院推测，2025年我国人工智能核心产业规模将超过4500亿元，到2030年有望超过一万亿元。二是大模型技术竞争态势趋稳。2024年，全球领先企业OpenAI并未如预期发布下一代基础模型GPT-5，谷歌、Meta、Anthropic等其他头部公司推出的旗舰基础模型（如GPT-4o）性能水平均在GPT-4左右，未实现跨越式发展。三是产业竞争焦点转向应用端。据QYResearch调研团队预测，2022年到2029年，全球基于模型的应用开发市场规模将以16.4%的年复合增长率稳健扩张。

中美在人工智能产业展开全面竞争，我国在应用领域具备一定竞争优势。芯片方面，美国英伟达占据领导地位；算法方面，美国OpenAI的GPT系列持续保持领先，xAI的Gork、谷歌Gemini、Meta的Llama系列模型均有优秀表现，我国DeepSeek、Kimi、通义千问、豆包等模型正在奋起直追。对比之下，我国在人工智能应用层面具备丰富的场景优势和广泛的用户基础。截至2024年底，我国完成备案并上线、能为公众提供服务的生成式人工智能服务大模型已达302多个，注册用户数超过6亿。2024年5月，讯飞星火已拥有2400多万用户，已开发出约7.5万个AI助手。2024年6月，华为云发布盘古大模型5.0时提到，盘古大模型已在30多个行业、400多个场景中落地。

中央企业先行先试，加快推动人工智能技术落地应用，赋能高价值场景。如中国石油与中国移动、华为、科大讯飞达成签约合作，联手共建昆仑大模型，推动人工智能在能源化工行业的大模型开发建设和高水平应用。南方电网公司自主研发的“大瓦特”（2017年起跑，2023年正式发布）已在南方五省区发、输、变、配、用电各领域80余个场景得到广泛应用，其“无人客服”每日可处理1万张问题图片，识别效率是传统人工智能算法的10倍，并针对电网异常秒级生成预案。DeepSeek发布以来，三家运营商算力中心及云服务积极适配DeepSeek模型，国家电网、中国石化等多家产业央企接入DeepSeek，在能源电力、石化等行业推出AI应用，赋能企业管理及生产等各类场景。

“四个不足”制约应用广度深度速度

人工智能与实体经济融合发展

有待强化

模型适配性能不足。生成式大模型的能力主要集中在文本、图像等内容领域，不是制造业企业不想用，而是大模型对其还不适用不好用。参与调查问卷的中央企业中，94%的受访者认为大模型的精准性仍难以有效满足生产制造实际需求。制造业要求大模型准确率需达99%甚至更高。头部企业海尔集团的卡奥斯工业大模型COSMO-GPT虽然已注入562个工业数据集、300多万条高质量工业数据，但模型推理准确率仅达96%、意图识别准确率仅达85%，距离应用于生产场景仍有差距。据国联证券统计，A股的一级行业中，超过一半的行业人工智能渗透率不到10%。

资源投入不足。调查发现，52%的企业在2021年之后才开始使用人工智能相关技术应用，起步普遍较晚。资金方面，2023年，多数企业在人工智能领域投资额不足1亿元，合计投资不足200亿元。67%的企业过去一年在应用人工智能技术方面的投入不足1亿元。团队配备方面，56%的企业成立了人工智能业务部门或专业子企业，51%的企业人工智能专业团队规模不足50人。应用方面，86%的企业开放应用场景数量不足30个。

收益回报不足。70%的受调查企业尚未从人工智能项目中真正获得正向回报。一是面临高额的部署成本。央企普遍规模大、业务场景多，不同场景需要适配不同能力的大模型，有时候还需要同时采购多个厂商多个参数版本的大模型，形成系统解决方案。一些企业出于数据隐私考虑自建数据中心，也导致高额的基础设施改造成本，如中国银行金融数据中心总投资超过100亿元。二是缺乏成熟的商业模式。当前，国内外尚未出现较为成熟、可推广可复制的行业AI成功案例。估值曾达到40亿美元的Inflection 的AI联合创始人穆斯塔法·苏莱曼（Mustafa Suleyman）在接受彭博新闻社采访时曾表示，尽管Inflection AI吸引了包括微软在内大量投资者的兴趣，并且拥有100万日活用户，但它仍未找到有效的商业模式。截至2024年6月，美国AI工具聚合网站“DANG”共收录了美国738个停止运行的AI项目。

安全监管手段不足。一是底层通用大模型安全隐患可能“泛化”至上层行业模型，甚至导致输出不可控。带有违法违规、内容侵权的言论可能被引入基础大模型，进而影响其下游的行业模型。大模型决策过程难以解释且对输入数据的微小变化高度敏感，在需要高信任度和透明度的生产类应用中还难以部署。二是智算场景下的数据安全保障能力尚无法达到企业数据安全要求。目前隐私计算技术对智能算力的场景支持较弱，现有智算中心的以太网传输安全方案也存在风险。

基础不牢、数据不优、