近日，安全牛发布《企业级AI大模型落地实战技术应用指南（2025版）》，对我国企业级AI大模型的发展现状、应用挑战及建设框架进行系统梳理。报告显示，我国企业级大模型部署已形成多元格局，头部科技企业与央国企共同推动智能化转型。
在部署现状方面，我国企业级大模型市场呈现“多头并进”态势。除具备自主知识产权的DeepSeek模型在央国企中加速落地外，百度的“文心一言”、阿里巴巴的“通义千问”等通用大模型，凭借技术优势与生态布局，成为推动各行业智能化转型的核心力量。截至2025年9月，国内已备案大模型数量超500个，涵盖开源、商业、通用及垂直领域。端侧市场方面，智能汽车、AI手机等终端产品规模预计2028年突破1.9万亿元，年均增速达58%。
行业应用层面，大模型已覆盖政务、金融、医疗、制造等重点领域。据IDC 2024年报告，不同行业的大模型渗透率与部署模式存在差异。例如，政务领域侧重数据安全与流程优化，金融领域则聚焦风险控制与客户服务。应用场景可分为通用场景（跨行业高频应用）与垂直场景（深度定制），未来两者将向“通用能力+行业适配”的混合模式演进。
从投入规模看，国央企作为数智化转型的核心主体，占全国企业数智化投入的30%-40%。2023年，国央企数智化实际投入约4000亿元，年复合增长率达15%-20%。按此增速，2025年我国企业数智化转型总投入预计达1.5万亿-2万亿元，其中央国企预算可达5300亿-6800亿元。预算分布上，2000万-5000万元区间的央国企占比达33%，较2024年提升12个百分点。
尽管市场发展迅速，但AI大模型落地仍面临多重挑战。报告从技术、产业、应用、安全、运营及商业模式六个层面展开分析。技术层面，大模型的算法缺陷可能长期存在，影响其可靠性与可控性；产业层面，算力资源、国产化硬件适配及软件生态问题日益凸显；应用层面，企业缺乏落地经验、行业数据不足及业务融合困难成为主要障碍；安全层面，数据隐私与合规风险在复杂网络环境下加剧；运营层面，高昂成本与人才短缺制约中小微企业推进；商业模式层面，能力变现与推理成本的平衡成为关键矛盾。
针对上述挑战，报告提出“可信AI系统”建设目标框架，强调将风险管理与算力配置、模型选型置于同等战略地位。该框架自下而上分为基础设施层、平台服务层、应用层和治理层，其中前三层构成最小化可行架构（MVA）。MVA模式允许企业以低成本快速验证AI项目价值，为后续规模化扩展奠定基础。风险考量方面，供应链管理、数据合规及成本控制是建设和规划阶段的核心要素。
报告建议，初级实践者可参考AI Agent系统原型构建MVA，通过实际业务需求逐步完善可信AI系统。例如，某制造企业通过MVA模式，在3周内完成生产流程优化项目的核心功能验证，成本较传统方案降低60%。这一案例表明，MVA模式能有效平衡效率与风险，推动AI技术从实验室走向产业落地。
