生成式AI的2025：

告別PPT，擁抱生產(chǎn)力革命。

就在現(xiàn)在，拿起手機(jī)，打開電商購物網(wǎng)站，搜索“充電器”，大概率彈出的第一個推薦品牌是安克創(chuàng)新。

如果你看中了其中哪一款產(chǎn)品，想要問價比價、咨詢參數(shù)，你會點(diǎn)擊客服，線上咨詢。

你可能不知道的是，就只是這短短的2個操作，有多少AI大模型能力參與其中。

在6月19日的2025亞馬遜云科技中國峰會上，知名智能硬件科技品牌安克創(chuàng)新首席信息官龔銀分享了如何在亞馬遜云科技技術(shù)的幫助下，利用AI創(chuàng)新智能產(chǎn)品，提升公司運(yùn)作效率。

安克創(chuàng)新與亞馬遜云科技建立了高質(zhì)量實時知識庫大語言模型系統(tǒng)，搭建了50多個Al Agent；搭建了多模態(tài)AIGC內(nèi)容生產(chǎn)平臺Vela；搭建了融合Amazon SageMaker平臺的智能廣告系統(tǒng)，站內(nèi)廣告覆蓋率超過90%；通過深度學(xué)習(xí)算法與AI大模型進(jìn)行產(chǎn)品開發(fā)與升級……

廣告投放、物料生成、客服回復(fù)、產(chǎn)品升級……有多么前沿黑科技？一點(diǎn)也不。

但有用嗎？太有用了。

當(dāng)前，安克創(chuàng)新的內(nèi)容生產(chǎn)平臺Vela出圖數(shù)量已經(jīng)超過120萬張、客服工單AI解決率超過70%、站內(nèi)超過20%以上的廣告由AI全自動托管；安克創(chuàng)新內(nèi)部公司級的AI能力底座——AIME平臺上，已經(jīng)沉淀了超過300款活躍AI Agent，通過AIME構(gòu)建的AI應(yīng)用使用量超過千萬次。

既不是什么“奇點(diǎn)已至”，也不是什么“Aha Moment”，只是真真切切把日常需求轉(zhuǎn)化為智能化業(yè)務(wù)，讓AI實時干活，不“畫餅”，只解決問題。

這并非孤例。

在2025亞馬遜云科技中國峰會上，展示了一大批生成式AI在企業(yè)落地的豐富場景，除了安克創(chuàng)新外，還有TCL、WPS、貨拉拉、金蝶、合合信息、復(fù)星醫(yī)藥等等。

亞馬遜云科技大中華區(qū)總裁儲瑞松就提到：“在我與很多客戶的溝通中能觀察到，越來越多的企業(yè)都想擁抱AI。”

（亞馬遜云科技大中華區(qū)總裁 儲瑞松；圖片來源：亞馬遜云科技）

在所有亞馬遜云科技成功幫助客戶實施量產(chǎn)的1500多個生成式AI項目中，客戶從PoC到量產(chǎn)的落地成功率高達(dá)82%，足足比Gartner在2024年Gartner企業(yè)AI發(fā)展任務(wù)調(diào)查中所統(tǒng)計的行業(yè)平均水平41%翻了一倍。

今天，已經(jīng)沒有人再質(zhì)疑生成式AI是不是實驗室的“概念驗證”，是不是市場的“新奇噱頭”。

根據(jù)斯坦福大學(xué)人工智能研究所（Stanford HAI）《2024年人工智能指數(shù)報告》，當(dāng)前，全球AI大模型行業(yè)正處于技術(shù)創(chuàng)新與商業(yè)化加速推進(jìn)的階段，OpenAI、Google、微軟、亞馬遜云等企業(yè)處于領(lǐng)先地位，主導(dǎo)著全球生成式AI、自然語言處理等領(lǐng)域的行業(yè)落地；Meta、DeepSeek等前沿公司則通過探索不斷開源模式，增強(qiáng)生態(tài)影響力。

每個人在問的都是，AI和大模型怎么落地？如何商用？怎么為我創(chuàng)造價值？

2025年，AI還有什么機(jī)會？

沒成功的AI，“死”在了哪？

2023年6月，距今兩年前，亞馬遜云科技成立了一個名為“生成式AI創(chuàng)新中心”的部門，幫助客戶進(jìn)行生成式AI的應(yīng)用落地和生產(chǎn)部署。

要知道，那時候，第一代ChatGPT才剛推出半年，全球都沉浸在大模型技術(shù)帶來的繽紛與眩暈里，還在忙不迭地爭相訓(xùn)練基礎(chǔ)模型。

在此后兩年多的時間里，亞馬遜云科技的生成式AI創(chuàng)新中心逐漸聚攏了超過350位來自全球的應(yīng)用科學(xué)家、數(shù)據(jù)科學(xué)家、開發(fā)人員、行業(yè)專家、戰(zhàn)略顧問……

他們每日奔走在“戰(zhàn)區(qū)”一線，與來自游戲、辦公、金融、物流、醫(yī)藥的所有客戶面對面溝通，搞清楚最適合此時此刻的AI方案是什么？問題出在哪里？我們怎么解決？有什么策略？

失敗的項目都“死”在了哪里？問題出在什么地方？

最常見的問題是對項目的最終效果需求不明確，或是在場景的選擇上發(fā)生偏差——比如，有時企業(yè)會發(fā)現(xiàn)問題甚至都不需要借助生成式AI來解決。

另外一類常見問題是，企業(yè)有時初步嘗試生成式AI后發(fā)現(xiàn)效果不錯，但實際落地的成本卻遠(yuǎn)高于預(yù)期。

還有一類生成式AI項目普遍存在的問題在于，企業(yè)往往會源于好奇心，以“發(fā)現(xiàn)一種時髦技術(shù)是否具有實現(xiàn)可能性”的心態(tài)，將生成式AI項目作為探索性的嘗試，而并沒有從戰(zhàn)略上就明確它將成為差異化競爭與創(chuàng)新突破的渠道。

最終，極有可能看到的結(jié)果就變成了，企業(yè)實則在完成PoC后，資源重心又會轉(zhuǎn)向其他“戰(zhàn)略重點(diǎn)”。

（亞馬遜云科技全球技術(shù)總經(jīng)理 Shaown Nandi）

而在中國峰會上，亞馬遜云科技全球技術(shù)總經(jīng)理Shaown Nandi也提到了三點(diǎn)，生成式AI適合用以提高員工生產(chǎn)率、優(yōu)化業(yè)務(wù)運(yùn)營，賦能產(chǎn)品服務(wù)乃至商業(yè)模式的創(chuàng)新。這便是需要從源頭上確定，企業(yè)要以何種目的，來開始駕馭生成式AI這樣的超級浪潮。

從1500次實踐中，看見AI落地方法論

看過了失敗，成功的生成式AI又是如何落地的？

總結(jié)起來其實也很簡單，場景-技術(shù)-量產(chǎn)-反饋，但正如“魔鬼藏在細(xì)節(jié)里”，每一個環(huán)節(jié)都有出錯的可能。

場景評估

首先——也是最重要的——是企業(yè)對于AI應(yīng)用場景的評估。

毫無疑問，今天沒有任何一家企業(yè)的CEO對于“AI”“大模型”的概念無動于衷。企業(yè)的智能化轉(zhuǎn)型、降本增效需求固然迫切，然而如果追問下去，卻又很少有人能夠立刻回答“我們?yōu)槭裁匆肁I？它能解決什么實際問題？它究竟能帶來多少收益？”

不是所有問題都需要用生成式AI來解決。例如，人臉識別、OCR等技術(shù)早已有著成熟的深度神經(jīng)網(wǎng)絡(luò)算法，它們比AI大模型更簡單、更經(jīng)濟(jì)，同時也更成熟完備，適合場景需求。

相反，AI大模型的技術(shù)本質(zhì)是Next Token Prediction，擅長創(chuàng)意性、智能性的內(nèi)容生成與人機(jī)交互。

亞馬遜云科技提出，在啟動生成式AI項目之前，企業(yè)需要從七個關(guān)鍵維度進(jìn)行全面評估（團(tuán)隊、時間線、風(fēng)險、數(shù)據(jù)、ROI、預(yù)算、可行性），以確保項目落地。

舉例來說，雖然都是亞馬遜云科技的客戶，但是各家所采購的服務(wù)、應(yīng)用的場景均有所不同。

例如，復(fù)星醫(yī)藥主要利用亞馬遜云科技的生成式AI技術(shù)和智能醫(yī)學(xué)內(nèi)容生成中心解決方案；TCL借助亞馬遜云科技實現(xiàn)產(chǎn)品創(chuàng)新迭代，并利用亞馬遜云科技的全球基礎(chǔ)設(shè)施實現(xiàn)全球化發(fā)展；合合信息則借助亞馬遜云科技構(gòu)建了開源的AI Agent終端管理工具Chaterm.AI，助力開發(fā)者高效創(chuàng)新

只有明確了場景需求與ROI建模，AI才不會是一筆“爛尾糊涂賬”。

技術(shù)選型

技術(shù)選型與場景評估息息相關(guān)，簡單來說，企業(yè)需要找到最適合當(dāng)前應(yīng)用場景的AI模型——而非目前最火的。

2025年春節(jié)以來，DeepSeek一夜爆火，幾乎將“百模大戰(zhàn)”打了個寸草不生。然而，DeepSeek并非萬能，就像GPT鼎盛之時也未能一統(tǒng)天下。

真正在工業(yè)應(yīng)用場景中，企業(yè)決策者最終關(guān)心的是生成式AI所帶來的商業(yè)增長和商業(yè)價值，無論是DeepSeek、Claude，還是Nova或是Gemini，都是幫助企業(yè)實現(xiàn)商業(yè)價值中的一環(huán)。

就在6月19日，以色列企業(yè)級應(yīng)用AI初創(chuàng)Base44剛剛以8000萬美元現(xiàn)金出售。這是一家成立于2024年12月，僅有9名員工，從未接受任何外部融資，在成立第6個月就斬獲25萬名用戶、18.9萬美元凈利潤的AI創(chuàng)企奇跡。

（Base44官網(wǎng)；圖片來源：Base44）

在采訪中，Base44創(chuàng)始人Maor Shlomo透露，在構(gòu)建底層AI能力時，團(tuán)隊在經(jīng)歷了多番評估后，認(rèn)為OpenAI模型成本過高，最終選擇通過亞馬遜云平臺接入Claude大模型，搭建Base44的底層AI能力。

是的，對于大部分企業(yè)客戶來說，其實不太在乎手里的“黑貓白貓”來自哪家大模型企業(yè)，只要這些模型能用、好用、經(jīng)濟(jì)實惠、保持前沿——這與亞馬遜云科技一直以來在大模型領(lǐng)域的“Choice Matters”（選擇大于一切）戰(zhàn)略一脈相承。

根據(jù)Jefferies & Company報告數(shù)據(jù)，當(dāng)前，只有3%的企業(yè)只使用一個語言模型提供商，而34%的企業(yè)使用兩個，41%的企業(yè)使用三個，22%的企業(yè)使用四個。而根據(jù)Gartner的預(yù)測數(shù)據(jù)，到2027年，80%的中國企業(yè)將會選擇多模型策略。

畢竟，大模型技術(shù)的下一次顛覆性突破，可能又會出現(xiàn)在DeepSeek、Manus、或是其他人們意想不到的地方。

量產(chǎn)優(yōu)化

在生成式AI項目從PPT走向規(guī)模化落地的過程中，量產(chǎn)優(yōu)化是至關(guān)重要的階段，也是相對“坑”最多的階段。

場景評估、模型選型都將直接影響項目成本結(jié)構(gòu)，進(jìn)而關(guān)系到項目最終是否能夠真正落地、真正創(chuàng)造價值。而模型的定制與調(diào)優(yōu)策略，則在量產(chǎn)優(yōu)化階段直接影響著項目的成本、性能、整體表現(xiàn)。

坦白說，這個階段屬于“臟、苦、累”活，但卻也是項目落地的必經(jīng)之路。

前期的數(shù)據(jù)存儲、標(biāo)注、清洗；中期的模型量化、部署、提示詞工程；后期的云端預(yù)留實例、緩存機(jī)制、預(yù)配吞吐量，全都是典型的多環(huán)節(jié)復(fù)雜性工程化難題，需要有著豐富經(jīng)驗的數(shù)據(jù)工程師、AI工程師進(jìn)行成本、性能、效率的trade-off平衡。

例如，在亞馬遜云科技專家的支持下，國內(nèi)某文化產(chǎn)業(yè)互聯(lián)網(wǎng)集團(tuán)的工程師將Amazon Bedrock的提示優(yōu)化功能與Claude 3.5 Sonnet結(jié)合，簡化了提示工程流程，節(jié)省了Token消耗的同時，將人物對話歸屬準(zhǔn)確率從70%提升至90%，極大地優(yōu)化了AI項目量產(chǎn)性能。

此外，貨拉拉在數(shù)據(jù)處理環(huán)節(jié)，采用了包括Amazon Nova在內(nèi)的AI模型對存量客服對話數(shù)據(jù)進(jìn)行處理，將非結(jié)構(gòu)化的數(shù)據(jù)存儲為根據(jù)對話意圖關(guān)聯(lián)的圖結(jié)構(gòu)數(shù)據(jù)，讓貨拉拉在RAG的基礎(chǔ)上也能夠使用以CID-GraphRAG為代表的新興技術(shù)框架，大幅提升了AI功能表現(xiàn)。

成果監(jiān)測

這是整個生成式AI項目落地中最容易理解的一個環(huán)節(jié)，卻也是最容易被忽略的一個環(huán)節(jié)。

生成式AI項目，怕的不是模型不夠大，也不是算力不夠強(qiáng)，是干著干著，突然發(fā)現(xiàn)“投入如流水，產(chǎn)出卻成謎”。

尤其是在AI大模型動輒訓(xùn)練一次成本以十萬計的前提下，一套成熟的成果監(jiān)測相當(dāng)于企業(yè)的智能“儀表盤”，既要通過“紅綠燈”告訴決策者系統(tǒng)是否運(yùn)作正常，更要充當(dāng)“實時導(dǎo)航”的作用，確保目前AI項目在正確道路上行駛，以及是否需要立即調(diào)整、轉(zhuǎn)向。

具體來說，項目的成果監(jiān)測需要包括質(zhì)量、性能、應(yīng)用層這三大維度的評估指標(biāo)，通過系統(tǒng)延遲、吞吐量、幻覺程度，以及用戶反饋、對話長度等數(shù)據(jù)對項目進(jìn)行實時“導(dǎo)航”。

——很難想象，亞馬遜云科技的團(tuán)隊們究竟是踩了多少“坑”，才總結(jié)出這條寶貴經(jīng)驗。

生成式AI的2025：告別PPT，擁抱生產(chǎn)力革命

從2024年下半年開始，“落地”便成了AI產(chǎn)業(yè)的主流名詞。

根據(jù)The Information對全球50家頭部企業(yè)的調(diào)查顯示，共有38家大公司采用了OpenAI模型；17家企業(yè)采用了Gemini模型；11家企業(yè)采用了Claude，三分天下，強(qiáng)強(qiáng)聯(lián)合。

（全球巨頭AI大模型Top50頭部客戶（局部）；圖片來源：The Information）

但基礎(chǔ)模型的世界變化極快，每周都會有更強(qiáng)大、更具成本效益和更快速的模型發(fā)布。 更多的情況下，沒有一個模型能適用于所有場景。這也是為何在Amazon Bedrock中，亞馬遜云科技提供豐富的模型選擇 —— 從擁有數(shù)千億甚至萬億參數(shù)的巨型模型到只有幾百萬參數(shù)的小型模型。

除了上文中提到的亞馬遜云科技服務(wù)的中國客戶外，在全球?qū)用妫男裸y行集團(tuán)、巴西伊塔烏聯(lián)合銀行、澳大利亞國民銀行、Booking、Capital One、Fast Retailing、豐田、索尼、T-Mobile等都與亞馬遜云科技達(dá)成了合作。

2025年的AI，毫無疑問是“火熱”而又“分裂”。

今天，人人都在講大模型，行業(yè)需求爆發(fā)式增長，根據(jù)IDC《中國模型即服務(wù)(MaaS)及AI大模型解決方案市場追蹤，2024H2》數(shù)據(jù)，2024年中國MaaS市場呈現(xiàn)爆發(fā)式增長，全年規(guī)模達(dá)7.1億元人民幣，同比激增215.7%。

但與此同時，隨著DeepSeek橫空出世，曾經(jīng)戰(zhàn)火燃遍大江南北的“百模大戰(zhàn)”逐漸走向尾聲，基礎(chǔ)模型訓(xùn)練越來越無利可圖，“大模型六小龍”和各大AI創(chuàng)業(yè)公司陸續(xù)傳出轉(zhuǎn)型、裁員消息；行業(yè)從PoC到量產(chǎn)的生成式AI項目成功率僅為41%，“AI墳場”里住滿了“死去”的項目。

這是技術(shù)狂歡的時代，我們比史上任何時候都更興奮、更焦慮、更迷茫。當(dāng)技術(shù)的浪潮無可掉頭，唯一能做的只有乘浪而起。

歷史上蒸汽機(jī)放大和解放了人和動物的肌肉力量，蒸汽機(jī)在紡織、交通、采礦和冶煉等領(lǐng)域的應(yīng)用帶來了工業(yè)革命。

今天，機(jī)器智能放大和解放人的大腦智力，機(jī)器智能的應(yīng)用將帶來下一場革命。

2025年，AI模型的訓(xùn)練成本已經(jīng)降至三年前的1/20，推理響應(yīng)速度提升數(shù)倍，多項技術(shù)突破使得實現(xiàn)千億級AI模型的毫秒級響應(yīng)、實時決策成為可能，具備了工業(yè)化、規(guī)模化量產(chǎn)的基礎(chǔ)。

可同時，“低垂的果子”已經(jīng)被摘光，想要真正推動生成式AI落地，解決問題，產(chǎn)生價值，就必須要“挽起袖子”，“面朝黃土”。

這過程很難，但終究是有價值的。

所有技術(shù)的終點(diǎn)，都是對人類需求的深層呼應(yīng)。生成式AI所帶來的并不僅僅是生產(chǎn)工具的迭代，而是一場商業(yè)模式本質(zhì)的變化。

互聯(lián)網(wǎng)從發(fā)明到成為基礎(chǔ)設(shè)施用了30年，云計算從技術(shù)探索到廣泛應(yīng)用也用了將近20年，大模型真正成為各行各業(yè)的“新基建”，還在更遙遠(yuǎn)的未來。

但我們已在路上。

參考資料：

《北美生成式AI三分天下：微軟借力OpenAI，AWS傍身Anthropic，谷歌自食其力》硅兔君

《用一朵對的云，破AI時代的“浪”》亞馬遜云科技

《中國模型即服務(wù)(MaaS)及AI大模型解決方案市場追蹤，2024H2》IDC

《2024年人工智能指數(shù)報告》斯坦福大學(xué)人工智能研究所

《9人AI創(chuàng)企賣了6億：半年0融資，單月凈賺137萬》智東西

《2024 GCR Bedrock Public Reference》Amazon Web Services

《Jefferies Sticks to Its Buy Rating for Amazon (AMZN)》Market Insider