生成式AI重塑产业生态 直面五大领域核心挑战

7月28日，在2025世界人工智能大会期间，毕马威中国发布《新智启新质：生成式AI赋能产业变革的实践与路径》报告。

报告指出，科技一路跃迁，呈现出浪潮式演进，每一轮演进又遵循着“科技突破—工程创新—产业变革”的发展规律。从模型层来看，开源与闭源逐渐从技术路线差异转变为产业规则制定权之争，而当前国内各类科技创新主体对开源普遍抱有较积极态度，将为中国生成式AI产业走向自主可控和扩大国际影响力提供窗口期。从应用层来看，随着基础设施层、模型层的发展格局和路线渐趋清晰，以及各类生成式AI服务持续涌现，下游ToB应用市场需求有望爆发，成为生成式AI产业的价值高地和竞争焦点，长期来看，随着ToB市场规模效应显现，生成式AI服务有望以更低成本向ToC市场渗透。

报告进一步指出，生成式AI的价值实现高度依赖行业属性与场景特性的耦合效应，究竟哪些行业和场景会是价值高地，已成为生成式AI供需双方共同关注的焦点问题。

毕马威全球的调研数据显示，与跨行业平均水平相比，金融服务、保险、资产管理等金融机构对于AI投资回报的认可度均表现出较高水平。国内方面，生成式AI已在银行业进入试点应用阶段，预计1—2年内有望出现降本增效的财务成果，保险和证券等机构的相关应用成熟度略低，但总体差距较小。

此外，在制造业领域，报告发现，中国制造业亟需加快从传统的“流程驱动”的线性增长模式，迈向“流程和数据融合驱动”的精细化管理运营和复杂能力网络构建，实现生产方式向个性化、定制化、灵活化的深刻转型。目前生成式AI正加速渗透至研、产、供、销、服等各个关键环节，为传统制造业流程注入新活力。值得注意的是，制造业场景相对碎片化，在部分知识壁垒较高、流程规则要求严格的场景中，小模型仍有存在必要性。因此，中短期内，制造业场景中生成式AI与传统AI将互为补充、协同推进。

从投资回报率来看，制造业企业对于生成式AI的应用十分关注实际场景需求，针对生成式AI的投资会更加聚焦于具体运营指标提升和实际财务价值落地。不过，由于制造业数据结构较复杂且隐性知识密集，企业前期训练部署生成式AI的资源成本极高，使得相关投入产出评价更加困难。

从企业投资意愿来看，在国内智能制造和培育新质生产力的要求下，越来越多制造业企业从“试点探索”走向“深度应用”，但头部企业和中小企业的态度呈现较明显分化趋势。头部企业因数字化转型基础相对领先，对于投资回报率的判断相对清晰，持续投资意愿相对较高，中小企业受限于成本、人才、技术等压力，普遍存在不敢投、不能投的问题。

生成式AI在创造巨大价值的同时，也伴生出复杂的新型风险与挑战。报告指出，生成式AI的风险应对面临五大领域的核心挑战：管控域需解决政策合规缺口、组织架构滞后和责任归属模糊等权责界定难题；技术域需攻克模型脆弱性、透明度缺失和内容失控等技术固有风险；治理域面临风险监测框架滞后、治理目标失当和利益协同障碍等主导性困境；过程域需统筹多源异构模型、多模态数据和复杂场景带来的全生命周期管理压力；价值域则需平衡成本收益、规避伦理冲突并应对人才结构冲击，确保技术发展与公共利益动态对齐。这些挑战共同构成了生成式AI风险治理的立体化难题矩阵。

毕马威中国数字化赋能及人工智能主管合伙人张庆杰表示，AI转型绝非简单技术叠加，AI驱动的数智转型是深层价值塑造、思维创新、情感共生等全过程变革新范式，企业通过“赋能、融合、演进”三个阶段推动AI应用，提升企业产品及服务价值、调整优化流程、提升落地效能。