正在進行的2025年中國國際服務貿易交易會上，畢馬威中國數字化賦能及人工智能主管合伙人張慶杰在接受中新社國是直通車專訪時表示，AI+重點產業擁有萬億級增量空間，核心是從“工具賦能”“業務融合”邁向“商業演進”，乃至“生態重塑”。

　　他認為，目前，產業界對AI的應用正在發生變化。企業不再一味追求大模型。在許多特定場景中，參數更少、專注性更強的小模型(SLM)，成為更經濟實用的選擇。企業對AI的應用最初主要集中在內部降本增效，但現在則越來越多地直接用于創造新收入來源和商業模式。

　　現階段，金融、醫療、制造等領域是AI+重點產業的主戰場。這些不僅創造新市場(如AI制藥)，更從舊市場效率提升中擠壓出新價值。

　　張慶杰：AI正在各個行業落地生根。雖然不同行業的應用深度和成熟度有所不同，但AI確實在提升效率、優化流程、創造新價值方面發揮著越來越重要雷火競技的作用。畢馬威實踐調研發現，AI在產業中的應用呈現出一些特點，主要包括：

　　場景應用從“單點嘗試”到“系統融合”：AI不再僅僅是孤立的應用，而是逐漸融入核心業務流程，并與IT應用系統深度融合。

　　模型選擇關注“大模型”與“小模型”協同：企業不再一味追求大模型。在許多特定場景中，參數更少、專注性更強的小模型(SLM)，因為其更低的成本、更快的響應速度和更好的數據隱私保護，成為更經濟實用的選擇。

　　應用重點從“提升效率”到“直接變現”：AI的應用最初主要集中在內部降本增效，現在則越來越多地直接用于創造新收入來源和商業模式。

　　國是直通車：畢馬威中國在服貿會期間發布《智能行業-通過AI驅動轉型創造價值的藍圖》報告。您認為有什么技術場景是有潛力能夠規模化的？

　　張慶杰：報告里提出了AI價值之旅，即AI的價值實現歷經從“賦能”到“融合”再到“演進”的旅程。其中，不少場景潛力巨大，舉幾個例子：

　　垂直行業大模型：深入特定行業、解決實際痛點的垂直大模型正成為規模化商業化的重點。例如：醫療領域的AI輔助診斷系統(如肺部CT影像分析)，AI驅動的藥物研發也能顯著縮短研發周期。制造業領域用于優化運維與研發流程。金融與法律領域的智能風控、智能投顧、合同審查、合規預警等場景已非常普遍。

　　AI Agent(智能體)：已從概念驗證走向生產環境，開始處理企業核心業務。例如企業服務中的AI客服、AI排班、AI運營等服務，以及制造業的流程自動化、供應鏈優化、倉儲管理等。

　　多模態融合與生成式AI：正從文本生成向圖像、視頻、3D模型等多模態內容生成演進，其商業化在內容創作、營銷、設計等領域進展迅速。例如：內容產業的AI生成營銷文案、圖片、視頻素材，以及游戲資產生成等。

　　上述場景開始深入行業肌理，與業務流程系統性結合，創造出可衡量、可感知的商業價值。業界關注這些價值密度高、商業模式清晰、且正加速滲透的領域。

　　國是直通車：從市場規模來看，您認為AI+重點產業有多大的潛力或者增量空間？

　　張慶杰：AI+重點產業擁有萬億級增量空間，核心是從“工具賦能”“業務融合”邁向“商業演進”，乃至“生態重塑”。在國務院《關于深入實施“人工智能+”行動的意見》的政策利好下，市場潛力將更凸顯，其中，金融、醫療、制造等領域料將是主戰場。AI與產業的融合不僅創造新市場(如AI制藥)，更從舊市場效率提升中擠壓出新價值。

　　垂直模型崛起：行業小模型因成本、數據安全和專業精度優勢，成為企業級應用主流。

　　張慶杰：在“AI+”的浪潮中，金融、制造、醫療、互聯網與政務等行業走在前列，其共同特點是數據密集、痛點明確、投資回報率易于衡量。

　　目前，AI+金融成熟度最高。智能風控、智能投顧、欺詐檢測已大規模應用。例如，有解決方案讓投顧展業效率提升3倍，智能風控系統普及率超78%，能實時分析交易數據，精準識別欺詐行為。

　　AI+制造以智能化為核心。其中，AI質檢(如輪胎X光檢測準確率超97%)、預測性維護、生產流程優化是重點。企業通過數字工廠實現全流程監控與智能排產，顯著提升良品率和效率。

　　AI+醫療正高速增長。AI影像輔助診斷(如肺結節識別)、藥物研發、基因分析發展迅速。AI系統診斷錯誤率較人工降低37%，2025年醫療大模型發布量達133個，加速精準醫療落地。

　　AI+互聯網/電商深度嵌入。智能客服、個性化推薦已成為標配，AI生成營銷內容(文案、圖片)大幅降低創作成本，提升轉化率。

　　AI+政務與城市治理正在快速普及。“AI數智員工”處理公文，將審核時間縮短90%；智慧交通系統優化信號燈，提升城市通行效率等。

　　張慶杰：“AI+”與產業智能化改造雖前景廣闊，但目前仍面臨幾個核心瓶頸，制約其大規模落地和深度應用。

　　數據瓶頸：數據質量差、存在大量噪聲與缺失，形成“數據孤島”；且難以實現“數據-模型-反饋”閉環，制約模型優化。

　　技術瓶頸：AI研發與算力成本高，傳統產業對價格敏感；通用大模型與專業場景適配難，而開發行業小模型需要深厚領域知識；大模型幻覺依然存在，AI“黑箱”特性在工業、醫療等高風險場景面臨信任危機。

　　商業變現與合規瓶頸：除降本外，AI“增收”的商業模式尚不清晰；數據隱私、算法公平性等合規要求日趨嚴格，尤其在金融、醫療等領域

　　突破這些瓶頸需多方協同：技術側需發展高效、可解釋的垂直模型；企業側需加強數據治理并推動組織轉型；政策側應加快標準制定與生態建設。只有打通這些環節，產業智能化才能實現規模化落地。

　　違法和不良信息舉報電話： 舉報郵箱：報受理和處置管理辦法總機：86-10-87826688