生成式AI的2025：

告別PPT，擁抱生產力革命。

就在現在，拿起手機，打開電商購物網站，搜索“充電器”，大概率彈出的第一個推薦品牌是安克創新。

如果你看中了其中哪一款產品，想要問價比價、咨詢參數，你會點擊客服，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新首席信息官龔銀分享了如何在亞馬遜云科技技術的幫助下，利用AI創新智能產品，提升公司運作效率。

安克創新與亞馬遜云科技建立了高質量實時知識庫大語言模型系統，搭建了50多個Al Agent；搭建了多模態AIGC內容生產平臺Vela；搭建了融合Amazon SageMaker平臺的智能廣告系統，站內廣告覆蓋率超過90%；通過深度學習算法與AI大模型進行產品開發與升級……

廣告投放、物料生成、客服回復、產品升級……有多么前沿黑科技？一點也不。

但有用嗎？太有用了。

當前，安克創新的內容生產平臺Vela出圖數量已經超過120萬張、客服工單AI解決率超過70%、站內超過20%以上的廣告由AI全自動托管；安克創新內部公司級的AI能力底座——AIME平臺上，已經沉淀了超過300款活躍AI Agent，通過AIME構建的AI應用使用量超過千萬次。

既不是什么“奇點已至”，也不是什么“Aha Moment”，只是真真切切把日常需求轉化為智能化業務，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在企業落地的豐富場景，除了安克創新外，還有TCL、WPS、貨拉拉、金蝶、合合信息、復星醫藥等等。

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

（亞馬遜云科技大中華區總裁 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的1500多個生成式AI項目中，客戶從PoC到量產的落地成功率高達82%，足足比Gartner在2024年Gartner企業AI發展任務調查中所統計的行業平均水平41%翻了一倍。

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

根據斯坦福大學人工智能研究所（Stanford HAI）《2024年人工智能指數報告》，當前，全球AI大模型行業正處于技術創新與商業化加速推進的階段，OpenAI、Google、微軟、亞馬遜云等企業處于領先地位，主導著全球生成式AI、自然語言處理等領域的行業落地；Meta、DeepSeek等前沿公司則通過探索不斷開源模式，增強生態影響力。

每個人在問的都是，AI和大模型怎么落地？如何商用？怎么為我創造價值？

2025年，AI還有什么機會？

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創新中心”的部門，幫助客戶進行生成式AI的應用落地和生產部署。

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帶來的繽紛與眩暈里，還在忙不迭地爭相訓練基礎模型。

在此后兩年多的時間里，亞馬遜云科技的生成式AI創新中心逐漸聚攏了超過350位來自全球的應用科學家、數據科學家、開發人員、行業專家、戰略顧問……

他們每日奔走在“戰區”一線，與來自游戲、辦公、金融、物流、醫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生偏差——比如，有時企業會發現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，企業有時初步嘗試生成式AI后發現效果不錯，但實際落地的成本卻遠高于預期。

還有一類生成式AI項目普遍存在的問題在于，企業往往會源于好奇心，以“發現一種時髦技術是否具有實現可能性”的心態，將生成式AI項目作為探索性的嘗試，而并沒有從戰略上就明確它將成為差異化競爭與創新突破的渠道。

最終，極有可能看到的結果就變成了，企業實則在完成PoC后，資源重心又會轉向其他“戰略重點”。

（亞馬遜云科技全球技術總經理 Shaown Nandi）

而在中國峰會上，亞馬遜云科技全球技術總經理Shaown Nandi也提到了三點，生成式AI適合用以提高員工生產率、優化業務運營，賦能產品服務乃至商業模式的創新。這便是需要從源頭上確定，企業要以何種目的，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？

總結起來其實也很簡單，場景-技術-量產-反饋，但正如“魔鬼藏在細節里”，每一個環節都有出錯的可能。

場景評估

首先——也是最重要的——是企業對于AI應用場景的評估。

毫無疑問，今天沒有任何一家企業的CEO對于“AI”“大模型”的概念無動于衷。企業的智能化轉型、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“我們為什么要用AI？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等技術早已有著成熟的深度神經網絡算法，它們比AI大模型更簡單、更經濟，同時也更成熟完備，適合場景需求。

相反，AI大模型的技術本質是Next Token Prediction，擅長創意性、智能性的內容生成與人機交互。

亞馬遜云科技提出，在啟動生成式AI項目之前，企業需要從七個關鍵維度進行全面評估（團隊、時間線、風險、數據、ROI、預算、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、應用的場景均有所不同。

例如，復星醫藥主要利用亞馬遜云科技的生成式AI技術和智能醫學內容生成中心解決方案；TCL借助亞馬遜云科技實現產品創新迭代，并利用亞馬遜云科技的全球基礎設施實現全球化發展；合合信息則借助亞馬遜云科技構建了開源的AI Agent終端管理工具Chaterm.AI，助力開發者高效創新

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”。

技術選型

技術選型與場景評估息息相關，簡單來說，企業需要找到最適合當前應用場景的AI模型——而非目前最火的。

2025年春節以來，DeepSeek一夜爆火，幾乎將“百模大戰”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天下。

真正在工業應用場景中，企業決策者最終關心的是生成式AI所帶來的商業增長和商業價值，無論是DeepSeek、Claude，還是Nova或是Gemini，都是幫助企業實現商業價值中的一環。

就在6月19日，以色列企業級應用AI初創Base44剛剛以8000萬美元現金出售。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創企奇跡。

（Base44官網；圖片來源：Base44）

在采訪中，Base44創始人Maor Shlomo透露，在構建底層AI能力時，團隊在經歷了多番評估后，認為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，只要這些模型能用、好用、經濟實惠、保持前沿——這與亞馬遜云科技一直以來在大模型領域的“Choice Matters”（選擇大于一切）戰略一脈相承。

根據Jefferies & Company報告數據，當前，只有3%的企業只使用一個語言模型提供商，而34%的企業使用兩個，41%的企業使用三個，22%的企業使用四個。而根據Gartner的預測數據，到2027年，80%的中國企業將會選擇多模型策略。

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

量產優化

在生成式AI項目從PPT走向規模化落地的過程中，量產優化是至關重要的階段，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構，進而關系到項目最終是否能夠真正落地、真正創造價值。而模型的定制與調優策略，則在量產優化階段直接影響著項目的成本、性能、整體表現。

坦白說，這個階段屬于“臟、苦、累”活，但卻也是項目落地的必經之路。

前期的數據存儲、標注、清洗；中期的模型量化、部署、提示詞工程；后期的云端預留實例、緩存機制、預配吞吐量，全都是典型的多環節復雜性工程化難題，需要有著豐富經驗的數據工程師、AI工程師進行成本、性能、效率的trade-off平衡。

例如，在亞馬遜云科技專家的支持下，國內某文化產業互聯網集團的工程師將Amazon Bedrock的提示優化功能與Claude 3.5 Sonnet結合，簡化了提示工程流程，節省了Token消耗的同時，將人物對話歸屬準確率從70%提升至90%，極大地優化了AI項目量產性能。

此外，貨拉拉在數據處理環節，采用了包括Amazon Nova在內的AI模型對存量客服對話數據進行處理，將非結構化的數據存儲為根據對話意圖關聯的圖結構數據，讓貨拉拉在RAG的基礎上也能夠使用以CID-GraphRAG為代表的新興技術框架，大幅提升了AI功能表現。

成果監測

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

生成式AI項目，怕的不是模型不夠大，也不是算力不夠強，是干著干著，突然發現“投入如流水，產出卻成謎”。

尤其是在AI大模型動輒訓練一次成本以十萬計的前提下，一套成熟的成果監測相當于企業的智能“儀表盤”，既要通過“紅綠燈”告訴決策者系統是否運作正常，更要充當“實時導航”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整、轉向。

具體來說，項目的成果監測需要包括質量、性能、應用層這三大維度的評估指標，通過系統延遲、吞吐量、幻覺程度，以及用戶反饋、對話長度等數據對項目進行實時“導航”。

——很難想象，亞馬遜云科技的團隊們究竟是踩了多少“坑”，才總結出這條寶貴經驗。

生成式AI的2025：告別PPT，擁抱生產力革命

從2024年下半年開始，“落地”便成了AI產業的主流名詞。

根據The Information對全球50家頭部企業的調查顯示，共有38家大公司采用了OpenAI模型；17家企業采用了Gemini模型；11家企業采用了Claude，三分天下，強強聯合。

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

但基礎模型的世界變化極快，每周都會有更強大、更具成本效益和更快速的模型發布。 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 —— 從擁有數千億甚至萬億參數的巨型模型到只有幾百萬參數的小型模型。

除了上文中提到的亞馬遜云科技服務的中國客戶外，在全球層面，澳新銀行集團、巴西伊塔烏聯合銀行、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，行業需求爆發式增長，根據IDC《中國模型即服務(MaaS)及AI大模型解決方案市場追蹤，2024H2》數據，2024年中國MaaS市場呈現爆發式增長，全年規模達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，曾經戰火燃遍大江南北的“百模大戰”逐漸走向尾聲，基礎模型訓練越來越無利可圖，“大模型六小龍”和各大AI創業公司陸續傳出轉型、裁員消息；行業從PoC到量產的生成式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。當技術的浪潮無可掉頭，唯一能做的只有乘浪而起。

歷史上蒸汽機放大和解放了人和動物的肌肉力量，蒸汽機在紡織、交通、采礦和冶煉等領域的應用帶來了工業革命。

今天，機器智能放大和解放人的大腦智力，機器智能的應用將帶來下一場革命。

2025年，AI模型的訓練成本已經降至三年前的1/20，推理響應速度提升數倍，多項技術突破使得實現千億級AI模型的毫秒級響應、實時決策成為可能，具備了工業化、規模化量產的基礎。

可同時，“低垂的果子”已經被摘光，想要真正推動生成式AI落地，解決問題，產生價值，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。

所有技術的終點，都是對人類需求的深層呼應。生成式AI所帶來的并不僅僅是生產工具的迭代，而是一場商業模式本質的變化。

互聯網從發明到成為基礎設施用了30年，云計算從技術探索到廣泛應用也用了將近20年，大模型真正成為各行各業的“新基建”，還在更遙遠的未來。

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(MaaS)及AI大模型解決方案市場追蹤，2024H2》IDC

《2024年人工智能指數報告》斯坦福大學人工智能研究所

《9人AI創企賣了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