摘要：自从麦肯锡在2023年6月发布《生成式人工智能的经济潜力：下一波生产力浪潮》以来，全球都在期待生成式AI带来经济的实质性改变。随着生成式AI智体能的问世，全球似乎在实现这一期待的道路更进了一步。然而，尽管通用大模型在多个任务上越来越接近甚至超越人类的能力，但距

自从麦肯锡在2023年6月发布《生成式人工智能的经济潜力：下一波生产力浪潮》以来，全球都在期待生成式AI带来经济的实质性改变。随着生成式AI智体能的问世，全球似乎在实现这一期待的道路更进了一步。然而，尽管通用大模型在多个任务上越来越接近甚至超越人类的能力，但距离生成式AI和智能体真正在经济中落地仍为时尚早，国际数据公司（IDC）在2025 IDC Directions：中国ICT市场趋势论坛上告诫，这至少是一场为时十年的大转型。

不过，生成式AI与智能体给IT经济带来的改变却是立竿见影的：IDC预计2026年全球50亿消费者将使用生成式AI，今天企业所进行的传统搜索引擎优化SEO可能都失效，转而需要进行GEO生成式AI大模型优化，预计到2029年大模型优化费用至少为搜索引擎优化的约5倍；在企业IT领域，随着“百模大战”收敛以及智能体代表的软件与服务“上桌”，服务器/存储、IaaS与软件成为企业IT市场的前三大增长引擎，软件和服务占比还将越来越高。

在互联网和IT经济之外，AI正以指数级速度向工业全领域深度渗透，驱动工业智能化变革。IDC预测，到2028年，中国工业企业AI支出将达到900亿元，年复合增长率为37.7%。IDC指出，AI成为工业用户供应商选型重要评分项，没有AI能力的传统产品将失去竞争力，“专用小模型+大模型”的复合模型将成为工业领域的主流形态，工业AI Agent与工业软件将同时赋能工业升级。

无论是互联网、IT还是工业和产业经济，当前企业面临着很多不确定性，以大模型、生成式AI和智能体为代表的新一代智能化、自动化技术，将是企业应对经济下行风险的重要工具。

互联网经济大变局

自1960年代大型机开始，人类开启了以计算机为代表的现代IT与互联网技术革命，此后每十年左右就会出现一种主要的新技术引擎，推动技术变革新一轮上升：1970年的小型机、1980年的PC、1990年的互联网、2000年的云计算与电商、2010年的智能手机与社交平台，而2020年的生成式AI正成为新十年技术大变革的新引擎。生成式AI对于技术大变革的作用，首先从互联网开始。

早在2023年5月的腾讯财报会议中，马化腾就表示最开始以为AI是互联网十年不遇的机会，但是越想越觉得这是几百年不遇的机会，类似发明电的工业革命一样的机遇。作为互联网三巨头中保守的一位，马化腾对于AI特别是生成式AI的认知，代表了互联网经济的又一次重大变局：iPhone的出现带动了互联网向移动互联网的大迁移，互联网渠道从网站向APP大规模迁移、互动方式从敲击键盘向划动屏幕大迁移，而在生成式AI与智能体时代，APP互动将进一步向AI智能体大迁移，互动方式向自然语音交互大迁移。

今天，我们正处于智能体互联网时代的开端，整个互联网/移动互联网形态将有重大改变，原先成功应用的互联网/移动互联网商业模式正在面临巨大的挑战。不仅仅是巨量的搜索引擎优化市场将向LLM大模型优化市场迁移，未来由数十亿甚至百亿智能体所组成的智能体互联网将跨越PC端、手机端而连入数以亿计的智能机器人、智能家电、机器宠物、无人机、无人车等具身智能体，可以说将颠覆互联网/移动互联网的“游戏规则”。

例如，人们面对的不再是按各种规则排列的网页链接，智能体直接屏蔽了这一传统搜索的关键步骤，互联网搜索引擎的历史性优势将不复存在，而各种智能体直接协作为用户交付结果，也将颠覆现有的互联网商业格局，按结果分配利润将打破原有割裂的互联网产业生态……

企业IT经济大变局

在生成式AI之前，云计算的出现就已经颠覆了企业IT产业格局。微软云、AWS、阿里云、谷歌云等超级云计算厂商已经取代IOE等传统企业IT巨头的市场地位，围绕云和云原生的产业链也取代了传统企业IT产业链，而生成式AI将再次变革企业IT产业格局。或者可以理解，云计算变革企业IT，生成式AI变革云计算，进而再次变革企业IT。IDC预计，2023年到2028年中国生成式AI市场年复合增长率将达到51.5%，成为企业IT市场强劲增长引擎。

生成式AI与大模型已经成为互联网企业巨大的增长引擎，阿里、百度、腾讯等互联网巨头已经从生成式AI与大模型中获取显著收益，例如：2025年2月披露的阿里财报显示，阿里云AI相关产品收入连续六个季度实现三位数同比增长，主要受益于大模型训练推理需求激增；而根据腾讯财报，文心大模型日均调用量持续高速增长，与2023年同期的5000万次相比，2024年一年增长33倍至16.5亿，AI成为百度的第一增长动力。

生成式AI与大模型也在显著改变云计算基础设施的架构。云原生架构与AI原生架构截然不同：面向移动互联网应用的云原生架构，以应用驱动、在多个节点上部署数千个工作负载，通过超大规模实现单个工作负载成本的降本增效，以及通过不同工作负载的使用时长而赚取其中差价；而以大模型为代表的AI原生架构，则以大模型为单一工作负载，一个工作负载横跨数千个节点，特别是大模型训练期间往往需要长时间独占式使用上万GPU/AI加速卡，此外由于GPU/AI加速卡的巨大能耗而必须要将可持续设计考虑在内。

IDC特别指出：在DeepSeek以低成本、高效能、全栈开源重塑AI产业生态的背景下，中国云计算与计算平台正经历从底层硬件到服务模式的全链条革新。表面上，DeepSeek运用了一系列技术，帮助实现大模型从训练到推理环节，大幅度节省IT投入，从而导致对算力需求的下降，但实际上在DeepSeek的刺激下，市场不但没有降低对算力的需求，反而出现了超出预期的增长速度。这就是“杰文斯悖论”：当一项技术的门槛降低后，反而吸引更多的厂商和用户涌入该市场，从而促进市场的爆发。

在DeepSeek的催化下，企业IT市场格局正在发生根本性变化。在服务器领域，中国市场加速服务器出货量从2024年的50万台到100万台之间，到2025年达到100万台规模，到2028年达到200万台规模，2029年接近300万台规模，除了2024年实现了近100%的增长、2025年预计实现50%左右的增长外，其它年份都在30%-25%之间；在工作负载方面，2024年加速服务器33%的工作负载为训练、57.6%的工作负载为推理；在芯片供应方面，2024年加速服务器国产加速芯片占比达到34%。

其次，在服务器之外，存储与网络市场也发生了重大改变。面向AI原生的存储，除了继续强化软件定义Scale Out分布式存储外，大模型训练和推理计算对于存储性能、断点响应、IO延迟等要求越来越高，高性能分布式存储、高性能闪存、连接高性能存储的网络等成为刚需。面向AI原生的网络，则需要支持在多云混合云下的AI任务调度，包括单卡故障后重新分配训练任务到其它卡或是让具有更多卡的更大规模集群完成一个训练任务等，简化网络管理、降低集群功耗等都在推动数据中心网络的进化。

IDC认为，虽然未来几年的基础设施市场，服务器等硬件投资还将占相当高的份额，但是随着应用的不断成熟以及不断探索应用场景，软件和服务市场的增速将逐步提升，对于整体市场的发展将起到更大促进作用。例如，用户对于AI算力基础设施的需求，不仅仅是提供性价比更高的算力，还期望能提供大模型训练的数据预处理、合规、审计、隐私等数据服务。在此前提下，云平台对于企业大模型训练和推理的更佳选择，因为云平台提供了丰富的数据服务和AI服务，能够满足企业更多的需求，同时云服务商的边缘平台能够以更好的性价比满足推理的波峰波谷特性。

IDC认为，随着生成式AI和智能体的深入采用，企业应用将逐渐转变为AI原生工作负载，生成式AI和智能体将渗透到财务、人力资源、IT运营、客户服务、市场营销、销售、供应链、工程与研发、采购、设施管理、法律、安全、软件开发等各个细分场景。云时代的企业SaaS也将进入由AI智能体驱动的SaaS 2.0阶段，即由AI智能体调用后台不同的SaaS模块和应用，统一完成用户的业务功能。而在SaaS 2.0阶段，技术厂商的创新点将围绕开源大模型的协作，而不是围绕应用展开。

工业经济大变局

如何用AI变革制造业和更广泛的工业，是中国市场数字化和智能化的特色之路，即数实融合。数实融合是数字中国的核心和关键，但是用AI特别是生成式AI这样的不确定性技术，变革制造和工业这样确定性强的领域，挑战可想而知。从国家政策角度，一直在推出各项举措和政策，支持AI与制造和工业的结合；而DeepSeek的普及、MCP和A2A的成熟、通用智能体能够胜任更多任务等，都在吸引工业企业投入AI、生成式AI和智能体的热情。

IDC预计到2028年，中国工业企业AI支出将达到900亿人民币，年复合增长率达37.7%。但同时，工业数字化市场的特点是体量大、碎片化、玩家多，IT基础设施及IT终端、通用软件、工业互联网平台、工业软件、行业软件等工业数字化领域，除行业软件外都已经实现了20%以上的AI渗透率。IDC认为，随着工业AI从初步兴起走向广泛探索，AI成为用户供应商选型重要评分项，没有AI能力传统产品将失去竞争力，而随着模型智能的提升和产品形态的探索，增量场景将形成增量机会。

从2022年到2024年出现了基于大模型的工业AI早期探索者，多见于千亿级集团、特大型央国企、行业排名靠前的龙头企业，以及电力、采矿、石油、半导体、汽车、烟草、部分消费品行业，这些企业在部分尝鲜后放缓探索，多见于高科技电子、大型民营企业；2025年到2026年出现了跟进探索者，大多为行业达到一定体量中的大中型企业，以及高端装备、高科 技电子、冶金、化工、一般离散制造等行业。

在2022年-2026年的早期和跟进探索阶段，探索企业不以ROI为主要导向，到了2027年-2029年就开始进入应用场景收缩、部分行业领域规模复制、行业最佳实践传播的“少量复制”阶段，从该阶段开始工业企业将看重ROI，预计到2030年以后进入更广泛的企业应用复制阶段。

实际上，自2016年前后就已经形成了基于AI“小模型”的传统工业AI，并形成了视觉智能（如AI质检）和数据智能（如设备智能运维）两大核心的工业AI市场，2022年开始大模型加入到工业AI市场，大模型、生成式AI、智能体等持续推动工业AI的演进。

IDC预计，2028年生成式AI在工业AI中的占比将由2024年的12%提升到30%。目前，生成式AI在工业中的主要应用领域有研发设计、生产制造、经营管理。其中，研发设计场景能够充分利用生成式AI能力，想象空间最为丰富；生产制造场景向厂级生产绩效分析、工业控制编程、机器人智能控制等新方向探索，场景呈“寒武纪大爆发”态势，遍地开花；经营管理领域的场景通用性强，成熟度和可复制性高。

工业智能体是未来一段时间工业AI的热点。IDC预计，到2028年，60%的全球制造企业1000强将在产品研发端普及生成式AI智能助手，从而提升工程师的能力。在提升工程师的能力之外，业界更关心工业AI是否将取代工业软件，IDC认为工业软件将与工业AI进行很好地协同，成为工业AI的基础。工业软件主要集中解决工业企业某个业务域的确定性问题，能够实现局部优化，而工业智能体则能跨不同的工业软件实现全局优化。

在IT与OT融合的AI+自动化方面，目前在工程装备智能驾驶与作业、暖通/公辅AI设备智控节能等领域，AI系统已经能够代表人工实现自动控制，在流程工业优化控制、产线智能作业控制等领域，AI算法优化已经能够提升现有自动控制，而自动控制对可靠性和及时性要求高，催生了边缘融合控制器和边缘AI算力设备等具备AI算力的控制器和PC市场，同时也催生了小参数量、计算速度更快、部署在边缘设备上的模型。

已经有工业企业走在了应用大模型、生成式AI的前沿。中石油在2025年5月发布了3000亿参数昆仑大模型，围绕26条业务线、119个业务域，已经发布100个应用场景，全部投产。中石油的大模型应用场景覆盖从勘探开发、炼油化工到加油站销售、装备制造等油气全产业链，例如销售方面的AI智能体嵌入加油站管理系统，24小时在线响应员工及客户需求。值得一提的是，中石油在语料方面建立了行业、专业、场景三级数据集管理机制，按需制定了73项数据采集与标注规范，研发专用数据处理工具，数据集规模已达到500TB，行业知识问答对100万个、行业推理问答对25万个。

中石油昆仑大模型是典型的工业大模型，将企业内部的专业知识、实践经验和专家知识等存储到大模型中，再赋能给上下游企业，这是工业企业采用和应用大模型的最大亮点之一。很多工业企业都沉淀了海量的行业和专业数据、知识、文献，更有大批量具有独到经验的“老师傅”，如何传承这些宝贵的“财富”是所有工业企业面临的最大挑战之一，工业大模型就能很好地解决这一问题。但正如中石油对数据和语料收集及处理方面的重视，没有扎实的数据和语料基础就没有优秀的工业大模型。

率先开发出优秀的工业大模型，将为工业企业带来新的竞争优势，随着工业竞争从劳动力密集型向知识密集型发展，工业大模型将成为工业企业走上高质量发展和高端工业的关键路径。

总体而言：今天正处于新十年技术变革期的开端，大模型与生成式AI是这一次技术变革的核心推手。经过前期的“百模大战”，中国市场的大模型将收敛，最终存活下来的大模型将成为各行各业的通用标配，进一步激活行业数智化市场。而企业应用大模型产生价值是一个至少10年的旅程，互联网、IT经济格局已经率先被大模型和生成式AI改写，工业和产业经济即将在这一次技术大变革中完成格局重塑。在全球经济前景不确定的前提下，大模型、生成式AI与智能体将成为企业对冲风险的新利器以及基业长青的新底盘。(文/宁川)

来源：云科技时代