夜雨聆风第四章 中国AI产业重点领域发展现状
第三节 大模型技术与应用生态
2026年，中国大模型产业开始从“技术突破”到“规模化落地”跃迁。大模型已从最初的自然语言处理领域快速扩张，转而进入不同模态与不同领域，通用大模型能力加速迭代，行业大模型深度适配垂直场景，大模型正从“能思考”的技术形态，转向“能实干”的应用载体。2025年，中国公有云大模型Token调用量约2000万亿，为工业、服务业、农业等千行百业开拓赋能新空间。截至2025年7月，我国已发布大模型的企业数量达2455家，是全球发布大模型企业数量最多的国家。2024年中国大模型市场规模已达294.16亿元，预计到2026年将突破700亿元，其中多模态大模型市场规模为156.3亿元，数字人、游戏等场景应用表现亮眼。2025年上半年，中国大模型市场日均调用量突破10.2万亿Tokens，较2024年下半年增长363%，大模型应用已从试点验证期迈入规模化落地阶段。
大模型已在金融、教育、交通、医疗、家居、营销等多个垂直领域经过多年发展和技术迭代，实现了较为成熟的应用。政策层面，“人工智能+”连续两年被写入中央经济工作会议，“十五五”规划建议明确其战略支柱地位，政策明确了医疗、工业、金融等领域应用渗透率目标，更多行业将出现“AI+”标配场景。AI技术已渗透医疗健康、智能制造、教育消费、影视文娱等多个领域，催生了一系列颠覆性变革。中国工程院院士何友指出，AI产业链正在从“算法驱动”转向“算力-模型-应用-终端”的协同优化，智能体自主性显著增强，AI正在重塑软件形态，加速在行业与业务流程中的落地。
一、医疗从“辅助诊断”到“辅助治疗”
医疗是AI大模型应用最具深度和潜力的行业之一。2026年，AI医疗正经历从“辅助诊断”向“辅助治疗”的关键跨越，大模型技术在药物研发、临床诊断、健康管理等领域全面渗透，形成了“技术赋能—场景落地—价值兑现”的完整闭环。
（一）药物研发：AI驱动的范式革命
AI大模型正在重塑药物研发的底层逻辑。传统的药物研发需要5—10年时间，耗资数十亿美元，而AI驱动的药物研发可将这一周期大幅压缩。2026年1月，在JP Morgan医疗健康大会上，AI疾病建模公司CytoReason发布了由英伟达加速的AI智能体LINA，基于计算疾病模型支持药物研发。该智能体能够在分子层面模拟疾病进程，帮助制药企业快速筛选候选药物、优化临床试验设计。同月，基因检测公司Natera宣布与英伟达合作，利用AI基础模型平台扩展精准医学应用，该模型在发现新药物靶点、预测治疗反应、识别新的预后生物标志物等方面展现出显著效用。
2026年2月，波士顿基因公司与第一三共制药达成战略合作，利用AI驱动的多模态分析加速药物开发。通过整合电子病历、基因组学、转录组学、影像学和免疫分析等多模态数据，其AI基础模型能够实现疾病层面的建模，优化患者筛选并提高临床试验成功率。
（二）临床诊断从“读片”到“理解”的
2026年2月，斯坦福大学与普林斯顿大学联合发布了首个医学世界模型MedOS，标志着医疗AI从大语言模型在医学课本上的“投影”跃迁至能够理解并介入真实医疗物理世界的新阶段。MedOS能够模拟疾病的发生发展过程，理解“生老病死”的物理现实，为临床决策提供更加精准的支持。
在国内，AI医疗应用取得关键突破。2026年3月，央视新闻报道了国家人工智能在医疗领域的最新进展，发布了五大核心创新成果与9款医疗智能应用，推进我国“人工智能+医疗”高质量发展。AI临床手术领域，国产技术实现从“辅助诊断”向“辅助治疗”的关键跨越，佗道医疗完成全球首台AI辅助手术的临床应用，标志着中国AI医疗进入手术治疗新阶段。
（三）健康管理与慢病防控
在健康管理领域，AI大模型的应用同样深化。浙江余杭区深度参与开发的“安诊儿”医疗智能体3.0版本中的专职慢病医生智能体“余小康”，为辖区慢病患者提供7×24小时不间断在线健康管理服务，目前已全量覆盖余杭区所有二级及以上公立医院和基层医疗机构，“安诊儿”累计服务超3700万人次。这一实践表明，AI正在从“医院内的诊断工具”走向“院外的健康管家”。
（四）医疗AI的发展瓶颈
医疗AI取得长足进步，但面临数据标准化、模型可解释性、临床验证周期长等挑战。医疗数据的隐私保护和合规使用是首要难题，高质量标注数据的获取成本高昂；模型的“黑箱”特性使其在临床决策中的可接受度受限；AI医疗产品的审批和监管体系仍在完善中，临床推广面临制度障碍。
二、金融从“试点验证”到“规模化部署”
金融是AI大模型应用最成熟、商业化最充分的行业之一。2025年被誉为“智能体（Agent）元年”，多家金融机构完成DeepSeek等大模型的私有化部署，AI技术正全面渗透投顾服务的客户触达、投研决策、交易执行、合规风控与运营管理全链条。2025年中国AI金融市场规模已达约1.8万亿元，预计2026年将突破3万亿元，年复合增长率超过30%。
（一）智能风控从“抽查”到“全覆盖”
AI大模型重塑银行风控模式。传统风控依赖抽样检查和规则引擎，存在覆盖盲区和响应滞后。利用大模型，银行可以全面检查所有贷款，实现从抽查到全覆盖的转变，通过这种方式，不少银行发现了大量违规情况，显著减少了损失。智能风控已成为技术成熟度最高的AI金融场景，超过90%的头部银行已部署AI系统。
2026年，两会提出“深化拓展‘人工智能++’，加快推广智能体”首次写入国家战略，金融机构对AI应用的心态已发生根本性转变，从“试试看”的谨慎态度转向“不做就会落后”的紧迫感。2025年半年报显示，42家A股上市银行中九成已部署AI系统，应用场景从最初的智能客服扩展到风控、营销等核心业务。
（二）智能AI重塑财富管理
AI正在彻底改变投顾行业的服务模式。九方智投深度集成自研的FinSphere证券领域垂直大模型，构建了覆盖投研、服务、合规全链路的智能体矩阵，实现了AI技术与持牌投顾专业服务的深度融合。该系统能够自动完成市场分析、执行复杂建模、贯通端到端工作流，并主动向投顾进行合规尽责提醒，时刻辅助投顾做好风控工作。2025年11月，广州发布全国首个AI投顾地方性支持文件《广州市大力推动AI投顾发展的若干措施》，行业正加速迈向“规范化+科技化”的高质量发展新阶段。
（三）智能客服与营销降本增效
在客服领域，AI大模型驱动的智能客服系统已从简单的问答机器人升级为具备多轮对话、情感识别、任务执行能力的智能体，大幅降低人工客服成本，提升服务效率。在营销领域，大模型能够基于用户画像和消费行为，生成个性化营销内容，实现精准触达，显著提升转化率。
2025年上半年企业级大模型调用量行业分布中，互联网与金融行业合计占比超过90%，金融行业虽调用量次之，但因合规推理和可解释性要求高，呈现“低频高值”特征。
但金融AI面临模型可解释性、数据安全、算法偏见等核心挑战。
三、教育从“标准化生产”到“个性化培养”
教育是大模型应用最具变革潜力的领域之一。2026年，AI正在推动教育从“标准化生产”向“个性化培养”的本质升级，智能体（Agent）加速教育模式进化。
（一）教师赋能：AI成为教学助手
2026年3月，好未来正式发布行业首款为教师群体打造的AI原生桌面超级智能体——九章龙虾。该产品融合教研能力与题库积累，通过自然语言驱动系统，支持教师在零配置状态下自动完成数据处理与多模态内容创作，所有运算均在本地运行。内置多种教师专用技能和工具，一站式集成教师工作常用功能、主流即时通讯工具、智能记忆与定时任务能力。教师可基于系统记忆的学生学情，为每位学生生成个性化作业内容，并设定时间一键推送至对应家长沟通群组，使AI从“看起来先进”变成“真正好用”。
（二）个性化学习：AI成为专属导师
AI正在为每个学生提供个性化、精准化的学习体验。斑马儿童科教大模型已通过备案，基于该大模型的多个AI功能和多款AI产品已陆续上线，为更多儿童提供AI驱动的个性化学习解决方案，助力儿童全面成长。赶考小状元展示了AI自习室模型进展，为每个学生提供个性化、精准化内容辅导，提高学习效率。阿里云与菩瓦纽持续深化大模型与教育场景的融合创新，重点探索教学决策智能辅助、跨学科能力评估等前沿领域，通过技术迭代不断降低个性化教育的实施门槛。
在教育智能体的最新发展中，教育“龙虾”的超强记忆、全时运行、主动推送、技能集成等能力，帮助打造出体验更好的学生AI学伴、老师AI助手。好未来CTO田密指出，在OpenClaw的助力下，教育智能体正从云端智能体向个人智能体升级，教育“龙虾”基本达到AI老师L3水平，能够深度参与学习过程。
（三）高校创新实践：AI智能体平台的规模化应用
高校成为AI教育创新的前沿阵地。江苏开放大学与腾讯云合作打造的校级AI智能体平台，目前已经创建了近150个智能体，覆盖行政管理、学科教学、工具辅助等多维度，为770万用户搭建了学分银行，服务用户的终身教育。上海海事大学构建了打通校内校外数据的基座引擎，目前可连接校内200多个信息系统，2025年与腾讯云联合打造了国内首个海商法大模型以及云端海事智能体平台，可作为老师的助教、学校管理助手等。上海大学与腾讯云联合，面向全校所有专业学生开展了人工智能基础课，通过腾讯云Cloudstudio平台为同学们提供AI实战的环境和工具，提升AI实操能力。
（四）教育AI的价值理念
进入“泛开发者时代”，AI的进化让非程序员也能通过自然语言在极短时间内开发应用。“执行力在贬值，判断力在升值”。教育的核心任务也随之转向定义问题和验收成果，记忆型、知识型的教学价值已趋于零，好学生的标准不再是“背得多”，而是“问得准、辨得清、管得住AI”。
学生获取知识的路径正从被动接收转向与AI的协同，未来更重要的能力将是发现问题解决问题的能力、自主判断的能力、以及与多智能体协同的能力。
四、AI for Science（科研）：从“辅助工具”到“认知参与者”
AI for Science（AI4S）是2026年最具前瞻性的AI应用领域。随着通用大模型能力加速迭代，AI赋能科学研究正成为全球科技创新的核心赛道，估计会掀起一场关乎科研底层逻辑革命。
（一）科学智能基础设施加速成型
2026年1月，上海交通大学人工智能学院与上海算法创新研究院联合主办的“Agentic Science at Scale”研讨会，集中发布了一批科学基座模型与科研智能体。当前AI for Science的关键基础设施已逐步成形，Agentic Science at Scale的新时代已正式开启。
上海AI实验室正构建100PB级超大规模科学智能数据库Sciverse，覆盖十余个自然科学一级学科，开放2500万篇科研文献，为AI模型训练与科学研究提供高质量、高时效的数据基座。建成后将实现对我国研究生学科体系全覆盖，为科学发现提供高准确度、强时效性的AI Ready数据基座支撑。
（二）科研智能体：6小时完成博士1—3个月工作量
科研智能体SciMaster的发布，标志着AI在科研领域的应用进入新阶段。该智能体旨在实现全学科科研“搜、读、算、做、写”全流程闭环，依托海量工具调用与超长程上下文管理两大核心技术能力，为用户提供“自动驾驶”般的科研体验：其6小时运行成果即可比肩资深理论物理学博士1至3个月的饱和工作量。除了用户，该智能体也可赋能开发者，推动科研生产由“小作坊”迈向“超级工厂”，使智能体驱动的科学研究加速规模化。
（三）科学大模型：打破“唯数据量论”
2026年初，来自上海交通大学、深势科技、记忆张量、中国科学院理论物理研究所等机构的研究团队联合发布Innovator-VL多模态大模型。无需盲目堆砌数据，仅凭不到500万条精心挑选的科学训练样本与透明的训练策略，便在多项科学基准测试中超越了数据量动辄上亿的模型，打破了科学大模型“唯数据量论”的“暴力美学”，验证了“质量优于数量”的技术路径。
Innovator-VL实现了跨尺度、跨学科的全场景科学理解能力，从微观世界的分子式、晶体结构、冷冻电镜图像，到宏观宇宙的天文光变曲线、遥感影像，再到数理逻辑领域的复杂公式、算法流程图，模型均能实现深度解析与逻辑推理。在实测案例中，面对天文学核心的天体光变曲线分析任务，模型精准识别Ia型超新星的光变特征；在有机化学场景中，模型识别反应物结构、拆解官能团特性、匹配反应类型和选项，辅助化学领域推理。该研发团队完整开源了端到端可复现的全流程开发流水线，为科研工作者提供了高效可复用的研发范式。
AI在科学研究中的角色，正在从“加速工具”逐步演变为“认知参与者”。“过去我们更多关注的是让模型更快地处理数据，但未来更关键的问题是它能否参与科学问题本身的定义与重构之中”。
科研智能体的规模化发展，正在推动科研体系发生从方法、工具到组织方式的系统性变革。
