2025AI应用全景图谱报告

提供AI咨询+AI项目陪跑服务，有需要回复1

加粉丝群获取报告

模型基础能力的提升加上自媒体的各种活跃，为AI应用提供了成长的温床，所以25年被称为了AI应用爆发的元年，这是有道理的，至少老板们在投钱这个方面是愿意的。

正好，这两天我看见一份由量子位提供的报告《2025年，中国AIGC应用全景图谱报告》

这里来看看他的研究与我们的理解是否一致。

序言

2024年，国内AI产品第一轮变革基本完成——高价值场景基本探索完毕，优秀产品在规模和营收方面脱颖而出。

AI智能助手等多个赛道形成了明确的竞争格局，数十款AI产品用户规模达到千万量级，搜索、写作、电商图、游戏原画等场景的工作流已被深度AI化...

PS：这里的说法是存疑的，还得看报告后面提供的证据链

技术方面，显著降低的模型成本使更多场景有了开发价值、推理能力赋能了金融分析等需要透明性的复杂决策场景、高效端侧模型为AI终端创造空间、多模态能力跨代提升使创意生成达到可用水准...

生态方面，大厂在业务矩阵联通上各显神通，一站式综合工具离SuperAPP越来越近；AI代码、AI Agent平台和低代码开发工具显著降低开发门槛，独立开发者拥有了更多可能性；以DeepSeek—R1为开端，各厂商之间不再各自为营，产品开发进入新范式...

PS：模型越来越便宜、推理速度越来越快是符合摩尔定律的，这不必多说，但AI应用的成本其实比较高，真正发力的还是有一定资本的玩家

作为量子位智库年度核心研究成果，《中国AIGC应用全景图谱报告》基于对国内上千款AI产品的长期追踪与系统性研究，以全景式视角呈现了国内AI产业生态的竞争格局与创新脉络。

本图谱围绕C端消费市场、B端产业应用和开发层工具三大核心维度，共涵盖50+细分赛道及400+头部产品，挖掘产品格局变动后的深层原因和长期隐喻。

我们接下来就深入看看这些案例，以下是报告目录：

AIGC应用全景图铺

这里几乎涵盖了所有场景的AI应用，要做AI创业的同学也可以在这个图上看看自己是属于哪个领域，并且能不能在这个领域上再细分。

他这个图看上去很全，但是依旧遗漏了不少，比如具体到医疗细分打开一看：

左手医生、云知声等在AI医疗领域其实做得都挺不错的，但没被包含。

接下来我们看看AI应用的趋势情况。

但是这里要吐槽下，有点怀疑内容可能是非专业人员在整理，因为AI应用的其实在方方面面都有应用，特别在意图识别和判断一块，而AIGC主要是用于生成内容，但很多应用并不需要生成内容，所以AIGC应用这个说法不太好。

AI应用趋势

这页PPT的主旨是：模型训练的成本被打下来了，包括对模型训练的基本认知，当前除了做通用模型的公司，几乎看不到预训练的存在了。

就算是要做微调或者强化学习，也会依赖于某一能力强大的基座模型，这是一种事半功倍的做法，并且已经逐渐变为行业共识了。

这里提到了很多正在研发自己基座模型的公司也选择接入DeepSeek，并且给出了观点：厂商目前更加关注成本效率和场景定义权。

这个说法其实我没看懂，特别以百度文心一言为例，他是占据了国内AI的先发身位，但现在模型产品居然用上了DeepSeek，我真不知道其是如何在思考的...

为了抢占入口、争夺用户而放弃自己的产品吗，或者是等待用户多了后又换成自己的模型，但这样有意义吗...

这一页显示了不同场景下，国内模型的能力，其中多模态一块的能力是值得关注的，比如即梦AI在文生图一块的能力表现是非常不错的。

这页在强调AI应用火爆，但多数流量入口还是在大厂手里，并且后续各个大厂可能会同步开发各种AI应用平台，以争夺AI开发者。

这里在强调AI应用，特别是各个大厂正在试图争夺AI创作者的具体动作，比如对于AI协作，他们会直接提供户“搜-存-想-写”的工作流进行全覆盖的产品模块。

这一变化意味着AI产品正在追求从「单点效率工具」上升为「端到端超级工具」，通过减少切换应用的频次，培养用户的使用习惯，为厂商的一系列AI业务矩阵形成超级流量入口。

对于AI平台级工具提供者，这句话需要关注：相较于基于应用的传统流量分发逻辑，AI操作系统可以通过意图理解直接成为流量分发中枢。

通过调用相关功能或AI Agent，AI操作系统将原本分散在多个APP的交互行为集中到系统级AI入口，引导用户用“点击应用图标”变为“自然语言操作”，甚至是“意图即时响应“和”预测性服务提供“，GUI逐渐演变为基于语音、甚至主动预测推送的“OS UI”。

这一页在介绍当前Agent的架构，包括决策模块和记忆模块以及各种工具链。

只不过这套架构事实上真的有突破的是大脑这个模块，因为模型基础能力的提升，他们在做意图识别以及工作流规划的时候能够有模有样了，但幻觉情况不容乐观。

除此之外，感知模块除了图片识别以外，就当前来说还没什么太大进展；记忆板块的话模型进步较大，从LLama4到GPT最新版本，都号称支持几十万字的上下文了，只不过到底理解的怎么样，就不好说了。

手脚模块的话，MCP或者P2P正在发力，但这些都是在炒冷饭，有的东西早就有了，没有的东西也没有暴露出来，这个板块并无新意。

这里介绍了一些类似于Manus的Agent平台，这里也抛出了作者的观点：

量子位智库认为，AI Agent下一步的竞争点在于对外部工具的调用能力，也即最终可执行任务的多样性和稳定性，这需要生态和技术的双重改进：

第一，技术架构上，需构建动态任务拆解机制（如递归式规划算法）和标准化接口协议（如MCP工具描述规范），解决工具冲突与执行稳定性问题；多智能体协作系统同样需要关注；

第二，生态协同上，需建立开放的工具集成框架（如兼容多平台API的插件系统）和开发者激励体系；

这里他们的观点不能说错误，只不过其实Agent框架的核心肯定不是上述所述，其核心一直在围绕着幻觉展开，Agent 平台如何解决小领域的幻觉问题，才是重中之重，反而各种工具调用都是小道耳

这一页没什么实际内容。

这一页比较深入的探讨了AI在各个2B的领域渗透程度并且描述了其核心场景，只不过很可惜可能是错的，因为单医疗板块的描述就不对...

医疗的核心场景当然不是影像辅助诊断，更不会是药物研发，这种根本不解决实际医患资源失衡的根本问题...

医疗AI的核心在于诊断，在于诊断后的病程管理，从这个角度来看，我很怀疑这个报告是AI生成的...

其中教育、人力一块差距倒是不大。但这里最后一句话又不大对：

而现在，国内的开源生态日趋成熟，中小企业可以通过微调快速定制行业模型，并通过领域知识增强实现局部超越。相关功能完善的MaaS平台、各类低代码开发工具等相关进展同样使中小企业有了更多低成本落地AIGC应用的可能。

中小企业没事才不会去微调呢？有些公司就2个破程序员，他们能理解什么叫微调？

这页重点说了各种工具链，这里顺便说下MCP，还是那句话你不想用的之前就开发过，你想用的所谓MCP一定不会出现，所以这块发展起来也还早。

这块值得大家关注，无论是扣子还是最近火爆的Dify，其本质其实是一种低代码平台，他们现在已经被吹嘘成了“新一代AIGC应用开发平台...

只不过，这种但智能体的平台当前还适合做个人助手，在多人协作场景上表现一般，并且正经一点的垂直领域公司，一定不会用扣子，毕竟搭建一套这种平台才一个多月，这里最大的问题是数据安全以及入口之争。

接下来看看一些具体的应用...

C端重点赛道分析

这里所谓的AI只能助手就是DeepSeek聊天工具本身，我也机会天天在用了，挺好的。

AI助手确实会一步步演进，最终发展成Agent是很好的方向，但是如何做如何发生，这个不好说，这块还没什么好讨论的。

这块需要重点说下，都可以算是AI知识库一块的延伸，我这里给一个需求图大家感受下：

这里做得简单可以直接依赖模型就好，但效果总是不够好连60分都达不到，根据提示词倒是可以优化到70分，但要从70分优化到90分就困难得不行了，各种知识库、微调场景也就出现了。

所以，AI知识库确实不好达到效果，要达到效果就需要大量的成本投入。

这里详细介绍了六种知识库场景：

一站式细分工具；
文档编辑器；
素材库；
协作软件；
办公软件；
集合站；

其实这些都是AI知识库的一个，没有更多的认知输出，看不到东西。

以医疗为例，也会有类似于医疗纯血版本OpenEvidence...

后面展开的AI写作相关产品，信息量就更少了，大家自己去看报告吧。

这里重点提一嘴文生图板块，后续这块其实想象空间很大的，比如我完全可以基于GPT生成自己想要的职场漫画。

然后这块内容很有意思，任何一个板块都值得深入投入，并且要真的做出成绩也是不容易的。

比如曾红极一时的AI陪伴产品表现平平，时长泡沫正快速消除，陷入「增长疲软+创新停滞」的双困境。

如果仅仅是靠AI DeepSeek去聊天，当然表现平平啊，这里需要用心理学、经济学等逻辑去重构产品。

AI产品一枝独秀，因为学生需求本来就在那里，而其他陪聊产品还不如开一把王者荣耀呢...

代表案例

这里我抽一些具有代表性的说下就行了吧...

ima.copilot定位为以知识库为核心的智能工作台，是双模型支撑的搜、读、写一体的效率工具。25年3月总访问量超80万，MAU超50万。

ima.copilot是腾讯比较典型的一块知识库类AI工具，他最大的特点就是可以直接读取公众号的文章，而反过来用腾讯元器就可以生成一个个人的数字分身，他是可以回答用户问题的。

怎么说呢，初期体验一般般，但后面来说体验正在逐渐增强，对于他的应用，我个人是比较看好的。

办公套件...

结语

从报告质量来说的话也算值得一读，只不过信息密度不大。

这篇报告为我们勾勒了国内AI应用生态的蓬勃图景，也印证了“2025年AI应用爆发元年”的行业共识。

模型成本下降、多模态突破、低代码平台兴起，确实为AI渗透千行百业提供了技术底座。

但报告对医疗等垂直领域的核心场景判断偏差，暴露出生成式内容与产业深水区需求的割裂——真正的价值不在“替代人工创作”，而在于重构诊断流程、优化资源分配等深层变革。

当前AI应用仍面临三重矛盾：大厂生态入口争夺与垂类数据安全的博弈、Agent技术理想化架构与幻觉频发的现实落差、资本追捧的“万能工具箱”与中小企业落地成本的错位。

未来胜负手或许不在于技术参数的军备竞赛，而在于谁能将模型能力精准锚定在“刚需场景”，例如医疗的病程管理、教育的个性化诊断、制造业的工艺优化等“隐形痛点”。

当技术迭代与需求挖掘形成闭环，AI应用才能真正跨越“玩具级工具”的门槛，迎来价值爆发。