艾瑞这份连续做了七年的行业研究报告，提供了一个相对冷静的视角。它把2024年中国人工智能产业的盘子量了出来——2697 亿元，同比增长 26.2%。这个数字不算小，但报告同时很坦诚地指出：增速比预期要低。

增速低，不代表行业没戏，而是说明钱没有想象中流得那么顺畅。这一期，我们就顺着这笔钱，追三个问题：它在产业的哪一层流动，流进了哪个行业的口袋，又是以什么方式流动的。搞清楚这三件事，企业才知道自己的投入该放在哪里。

先看整体。2022年，这个盘子是1706亿元；2023年长到2137亿元；2024年到了2697亿元。报告测算，未来五年会保持32.1%的年复合增速，到2029年突破一万亿元。

2024年为什么没达到预期？报告给出了三个很实在的原因。

● 大模型在真实业务场景里的表现，还没有完全满足客户的需求。演示效果好，不等于放到生产环境里就稳。很多客户试过之后，发现离“能放心用”还有距离。

● 建设成本高。上一个项目，不只是买模型，还要在数据基础、算力资源、组织机制上投入不少，很多企业算完账，选择先停在探索阶段。

● 模型调用费用持续下降。这听起来是好事，但对市场规模的统计来说，单价降了，同样的用量对应的金额就少了，数字自然涨得慢。

这三条放在一起看，其实说明了一件事：2024年不是需求不足，而是“供需之间还没对上”。客户想要能直接解决业务问题的方案，供应商还在打磨产品；价格在降，但客户对效果的信任还没建立起来。这个错位，恰恰是2025年被 DeepSeek 打破的起点。

要看清钱流向哪里，先得看清产业的骨架。艾瑞把整个产业分成三层：基础层（算力、数据、算法）、模型层与工具层（大模型、开发平台、智能体平台）、应用层（AI+金融、医疗、工业、政务、零售等）。

钱在这三层里的分布，很能说明问题。从2024年的投融资数据看，语言及多模态赛道最受资本青睐，全年融资事件193起，遥遥领先；视觉模态80起，基础层76起，机器人40起，自动驾驶28起。而在基础层内部，AI 芯片类投资占比超过一半。

但报告也提醒，这种流向并不均衡。应用层虽然项目多，单个项目的金额却普遍不大，大量企业还在“跑马圈地”，靠低价和投流抢位置。这构成了2024年中国 AI 产业最真实的一幅图景：上游热闹，下游拥挤，中间还在找平衡。

如果说有哪个环节最能反映这个行业的冷暖，那一定是算力。过去三年，它坐了一趟完整的过山车。

报告对2024年“算力闲置”的解释，很值得管理者细读：这不是简单的建多了，而是供需错配。一些地方的算力规划脱离了当地产业的实际需求，供给侧跑在了需求侧前面；与此同时，真正能用的高性能算力，其实一直紧缺。

2025年初的一个细节，把这种转变说得很清楚。DeepSeek 发布开源模型后，英伟达股价单日跌幅接近20%。这不是因为算力不重要了，而是因为算法优化显著降低了训练成本，削弱了对进口高端显卡的依赖。报告的原话是：中国基于算法优化与技术创新，进一步突破了模型层性能表现，增强了产业自主可控的能力。

看完了上游，再看离钱最近的地方。2024年，B端（企业和政府客户）仍然是大模型变现的主战场，主要方式是项目制。招投标数据能说明很多问题：这一年，中国大模型中标项目的数量和金额都在快速增长。

钱主要流进了哪些行业？报告给出了两组分布：

这张表读起来很有意思。通信和教科的项目数量最多，但单笔金额不大；政务项目数量只占11%，金额却占了三分之一还多——说明政务项目是典型的“大单、少数”。金融虽然项目不少，金额占比却不高，反映出金融行业对数据安全和合规的要求更高，落地更谨慎。

供给这一侧，中标的主力是科大讯飞、百度、智谱、火山引擎、阿里云、腾讯云等。2025年初 DeepSeek 开源之后，又带动了一轮新的合作浪潮，基础层、平台层、应用层纷纷接入。

和B端相比，C端（个人用户）的场面要热闹得多，但也更难赚到钱。

2024年，国内大模型厂商打了一场很激烈的价格战。字节跳动把大模型的计价单位从“分”降到“厘”，对外宣称价格比同行低99%；阿里云通义千问最高降价97%；百度宣布两款主力大模型免费。到了C端，各家又开启买量投流，据公开报道，仅2024年10月，kimi、豆包、腾讯元宝等应用的广告投放支出就超过了3亿元。

价格战和投流，换来了用户，却没有换来稳定的收入。报告判断得很直接：大多数 C 端 AI 产品仍面临用户黏性不足、收费持续性不足的问题，产品形态尚未稳定，生态壁垒尚未建立。换句话说，C端是一个流量生意，谁都能进来，谁也留不住谁。

还有一个容易被忽略的地方，就是模型层和应用层之间的工具层。报告专门用了一节讲它，因为这里的生意，往往比想象中更稳。

大模型训练越来越依赖分布式，于是出现了 DeepSpeed、Megatron、Colossal-AI 这类分布式开发框架；模型的生命周期管理越来越复杂，MLOps 就分化出了专门面向大模型的 LLMOps 平台；而为了让企业不用从零搭建，厂商又推出了一体机，把硬件和软件打包在一起。

一体机这门生意，在2024年之后的走热，很值得注意。它以 DeepSeek 这类开源模型为核心，具备开源部署、本地化应用（保障数据隐私）、低成本、可快速定制的特点，精准满足政府、金融、医疗、工业制造这些对数据安全要求高的行业。报告预计，2025年适配 DeepSeek 的一体机市场会进一步升温。

把前面几条串起来，2024年其实给行业上了一堂很实在的课：光有技术不够，得让客户算得过账。大模型性能在提升，但如果落地成本高、见效慢，客户就会停在“试一试”的阶段。

2025年初，DeepSeek 的出现，恰好把这个结打开了一道口子。它通过结构化稀疏注意力、混合专家系统等算法优化，显著降低了训练成本，也让推理的成本大幅下降。更重要的是，它选择了开源。

开源带来的连锁反应是深远的。一方面，中小企业终于用得起大模型了，不用再从零训练；另一方面，围绕开源模型的微调、蒸馏、RAG 等落地路径迅速成熟——企业可以根据自己的业务，选一条成本最低、效果最合适的技术路线。报告把这条路径讲得很清楚：不是每个企业都要自己训练模型，更多企业需要的是“用好别人的模型”。

报告成稿于2025年。站在2026年回看，有三个判断值得管理者放进决策里。

判断一：政策把方向和时间表都摆出来了

国务院《关于深入实施“人工智能+”行动的意见》、国务院办公厅《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》等文件，从产业方向、应用场景、人才支撑等角度给出了明确部署。政策的意义，不只是给钱、给项目，更是给了一个相对确定的预期——哪些方向被鼓励，哪些边界要注意。对企业的含义是：跟着政策的方向走，试错成本会更低。

判断二：智能体从“概念”走向“可交付”

报告提到，MCP 等智能体开发协议及工具逐渐成熟，让智能体产品“可自主完成复杂任务”的实用性明显提升。到了2026年，智能体已经不只是发布会上的演示，而是开始被真正部署进业务流程。这意味着企业采购的对象，正在从“一个模型”变成“一个能干活的角色”，考核方式也要跟着调整。

判断三：具身智能成为下一个战略高地

报告把具身智能称为“连接数字智能与物理世界的关键技术，是下一代 AI 竞争的战略高地”。它的发展，需要解决硬件加速、软件优化、跨行业生态协作等一系列挑战。对制造、物流、零售这些有大量物理作业的行业来说，这个方向值得提前关注，但不必急着All in——它离大规模商用，还有一段路要走。

把这份报告读透之后，我给企业梳理出五条判断，帮助你把有限的预算，投在刀刃上。

同一条产业链，不同岗位看到的重点不同。下面按岗位分列，各位可以对号入座。

读完整份报告，我最想强调的一点是：中国 AI 产业的钱，并没有消失，它只是在重新找位置。2024年增速低于预期，不是行业退潮，而是从“讲故事”转向“算账”的必经阶段。那些能把技术变成可计量价值的环节，正在慢慢把钱吸过去。

对企业的启发也很清楚：不要被宏大的数字迷住，也不要被暂时的低增速吓退。真正该做的，是看清自己所在的这一层、这一个环节，然后老老实实地回答一个问题——我这笔投入，能不能算清楚它带来的价值。能，就投；不能，就先想清楚再投。

产业的钱流向哪里，最终取决于价值在哪里被创造出来。这句话，放在2024年成立，放在2026年，依然成立。

研究会简介

深圳市职业经理人发展研究会是由哈工大、中大、深大、广外、广州大学5所大学的教授牵头发起，并由300名职业经理人，50个行业标杆性企业联合成立的高端职业经理人智库组织。

研究会自成立以来致力于为企业提供职业经理人的培训、培养和陪跑服务，开发了中小企业职业经理人胜任力模型，通过胜任力模型对职业经理人开展能力测评、职业规划、导师陪跑、人才培训和标企职业经理人选育用留交流等服务，不断通过精深化的人才服务体系促进企业职业经理人队伍的职业化水平和专业化能力的提升。

在培养职业经理人的同时，研究会同步关注企业组织力提升，创建了中小企业人才价值链管理体系搭建服务，为企业搭建人才的价值创造、价值评价和价值分配体系，促进职业经理人的人力资源价值发挥。