2025年中国AIGC应用全景图谱报告

Landscape Report on AIGC Applications in China 2025 量子位智库出品 序言 2024年，国内AI产品第一轮变革基本完成——高价值场景基本探索完毕，优秀产品在规模和营收方面脱颖而出。AI智能助手等多个赛道形成了明确的竞争格局，数十款AI产品用户规模达到千万量级，搜索、写作、电商图、游戏原画等场景的工作流已被深度AI化... 而现在，受技术、生态等因素的共同推动，行业再次来到拐点。 技术方面，显著降低的模型成本使更多场景有了开发价值、推理能力赋能了金融分析等需要透明性的复杂决策场景、高效端侧模型为AI终端创造空间、多模态能力跨代提升使创意生成达到可用水准...生态方面，大厂在业务矩阵联通上各显神通，一站式综合工具离SuperAPP越来越近；AI代码、AIAgent平台和低代码开发工具显著降低开发门槛，独立开发者拥有了更多可能性；以DeepSeek—R1为开端，各厂商之间不再各自为营，产品开发进入新范式... 在新的拐点上，如何捕捉把握新的AI产品趋势？ 作为量子位智库年度核心研究成果，《中国AIGC应用全景图谱报告》基于对国内上千款AI产品的长期追踪与系统性研究，以全景式视角呈现了国内AI产业生态的竞争格局与创新脉络。本图谱围绕C端消费市场、B端产业应用和开发层工具三大核心维度，共涵盖50+细分赛道及400+头部产品，挖掘产品格局变动后的深层原因和长期隐喻。 量子位智库希望，能够通过对产品格局和数据表现的分析呈现，揭示国内AI产业向产品及商业化深水区转变的趋势，为行业参与者提供关键决策锚点。 01AIGC应用全景图谱01 02AIGC应用趋势总览04 C端重点赛道分析1903 04代表案例集 42 AIGC应用全景图谱 AIGC应用全景图谱介绍 在《2025年AIGC应用全景图谱》中，为了更直观全面地体现国内AIGC应用的现状与演变趋势，量子位智库选取了to C消费端产品、to B行业应用和底层开发工具这三大维度，对涉及的细分赛道、产品与企业进行了全面梳理，企图通过产业链与交叉视角更好地呈现国内的AIGC应用现状。 在自研产品数据库、一手产品体验、底层逻辑分析等多方依据的基础上，我们在各领域中选择了具有代表性和长期发展潜力的AI产品及企业，并以图谱的形式进行呈现，具体结构如右： 我们将在第三部分中对三大模块及模型层的趋势进行进一步展开，并在第四部分中对C端产品中的重点细分赛道进行深入分析。 AIGC应用趋势总览 模型层趋势—新模型架构和训练策略优化推动大模型普惠，但技术代差和系统级优化才能形成竞争壁垒 国内模型层的重点已不再是「大力出奇迹」。 如何在训练成本可控且具有竞争力的前提下，寻求参数规模扩展与模型效果提升成为了共识。 受益于训练策略优化、软硬件协同和模型架构创新等，大模型普惠化正全面展开。从混合专家系统MoE、结合了监督微调SFT/强化学习RL的后训练、分布式AI训练框架，到非Transformer架构和异构计算架构，各厂商都在寻求不同的方式来提升模型训练效率、推理速度和轻量化部署能力，最终带动大模型成本跨越式下降。 量子位智库认为，除去提升模型性价比的这一当下的共识外，国内大模型的竞争重点将从“技术有无”转向“代差级别领先能力”。 以OpenAI o1和DeepSeek-R1开启模型推理能力之争为例，国内厂商的“从无到有”的追赶速度惊人，技术差异化窗口期极短。但由于国内大模型领域相当架构同源与性能趋同，在实际落地时难以表现出突出的产品功能和使用体验。 根据量子位智库的数据观察，相当的产品并未因推理模型的引入而有明显的用户增长，推理相关任务仍主要集中在头部的DeepSeek及相关引入产品。 模型层趋势—模型协作创新范式出现，推理、多模态及端侧模型单点突破 在这一背景下，腾讯、百度等多家头部AI厂商选择直接接入DeepSeek-R1而非专攻自研模型，也意味着相较底层技术，厂商目前更加关注成本效率和场景定义权，“协作创新”取代了此前的“重复造轮子”。但值得注意的是，无论是自研技术创新还是外部协作融合，多角度配合的系统级优化才能形成竞争壁垒。 以腾讯元宝为例，在接入了DeepSeek的一系列外部产品中，元宝在推理深度、响应时长等方面的使用体验远超其他竞品，数据提升同样最为明显，在半个月内成功跻身AI智能助手第二梯队头部。 这一借力超车来源于腾讯与DeepSeek-R1深度融合的系统级优化——全栈技术优化（昇腾服务器等自建算力集群，自研负载均衡算法等）、生态整合优势（微信生态数据独家调用）、多角度场景联通（微信文件直接上传、无缝衔接腾讯文档、企业微信等其他矩阵产品）。 模型层趋势—模型协作创新范式出现，推理、多模态及端侧模型单点突破 除去底层大模型的普惠化与厂商模型开发思路的转变外，过去一年，国内AI在模型深度推理能力、多模态技术以及端侧模型方面也有了明显的单点突破，带来了新的落地场景和用户群体。 C端产品层：AI智能助手领跑第一轮场景探索，产品头部梯队基本定型 基于量子位智库的数据调研，目前国内的第一轮场景探索已基本完毕。AI智能助手、AI搜索、AI 2D生图和AI直接生成视频成为本轮最受关注的AI原生场景。 整体来看，AI硬件侧仍在市场教育的探索阶段，以搭载多形式的AI智能助手或实时翻译/总结/修图等单点AI功能为主，暂无代表性产品出现。 在AI软件的Web端，头部产品主要由互联网大厂掌控，业务矩阵联通和一站式AI工作流特色明显。 但除了AI智能助手、AI视频生成、AI 3D模型外，大部分赛道的市场教育已经见顶，用户规模和活跃度陷入停滞。 2025年3月，Web端AI产品访问总量超过6亿，总月活超过1.2亿。 其中，共11款产品当月访问量超过千万，43款产品访问量超百万，20款产品的当月MAU超过百万。 C端产品层：AI智能助手领跑第一轮场景探索，产品头部梯队基本定型 AI软件的APP端则有更多初创公司和创新场景出现。 除AI智能助手和AI教育共同领跑外，AI笔记、AI记账、AI输入法、AI趣味性创作等创新性场景也开始崭露头角。 2025年3月，AI APP产品总新增下载超过1.6亿，平均每天有约2亿人在使用AI APP。 其中，共6款产品当月新增下载超千万，23款产品超百万。6款产品的平均DAU超过千万，23款产品平均DAU超百万。 受益于现有超级流量入口、成熟的产品与推广方法论等因素，国内头部产品目前主要集中在大厂手中。 但受益于MoE、MLA等创新模型架构、错峰调度机制及国产芯片适配等算力创新，大模型的训练与推理成本突破性压缩。叠加各厂商的开源免费与API降价策略，AIGC应用的开发运营成本明显降低，AI APP或成第一批独立开发者创新的突破口。 C端产品层：一站式/全陪伴工具成为短期新趋势，AI操作系统可能成为下一代超级流量入口 以豆包和夸克为典型代表，国内的AI产品正在呈现出明显的「功能一站式」、「形态全陪伴」的特征。由于延展开发价值更大和AI终端厂商的加入，AIGC应用中超级流量入口的竞争比互联网时代更为激烈。 功能方面，除去常见的AI搜索、AI写作、AI生图等功能外，以办公类综合套件为代表的AI产品们开始添加信息流推送、AI文档编辑（如通义AI笔记）、AI存储（如豆包AI云盘）等额外功能，试图在单个产品中对用户“搜-存-想-写”的工作流进行全覆盖。 即便是生成PPT或AI写作等独立场景，AI PPT、WPS AI等工具也会按照操作流程覆盖自动生成框架、智能搜索、写作润色等延展功能，或是针对单个任务提供多种不同服务模式，在单个任务上全面渗透，抢占用户心智。 这一变化意味着AI产品正在追求从「单点效率工具」上升为「端到端超级工具」，通过减少切换应用的频次，培养用户的使用习惯，为厂商的一系列AI业务矩阵形成超级流量入口。 产品形态方面，除去常见的Web端和APP端。浏览器插件、现有超级APP植入、能通过快捷键随时唤起的PC端、与AI终端适配的底层操作系统等均成为各产品的拓展新方向。 C端产品层：一站式/全陪伴工具成为短期新趋势，AI操作系统可能成为下一代超级流量入口 豆包桌面端支持快捷键随时唤醒和信息实时推送 这种多形态布局来源于大模型技术的提升与混合计算架构的成熟，实时交互能力、响应速度、特定任务处理能力的提升使得AI产品能够同时满足不同产品形态下的核心诉求，匹配不同场景下的使用习惯。 从影响上来看，多形态的布局有助于形成更完整的用户触点，抢夺用户注意力。同时借助不同设备获取位置信息、使用习惯、浏览记录等用户数据，进一步提升产品个性化体验。 其中，AI底层操作系统值得特别关注，为众多AI终端厂商抢夺流量分配权和生态链关键位置提供了新机会。 相较于基于应用的传统流量分发逻辑，AI操作系统可以通过意图理解直接成为流量分发中枢。通过调用相关功能或AI Agent，AI操作系统将原本分散在多个APP的交互行为集中到系统级AI入口，引导用户用“点击应用图标”变为“自然语言操作”，甚至是“意图即时响应“和”预测性服务提供“，GUI逐渐演变为基于语音、甚至主动预测推送的“OS UI”。 此外，AI操作系统更容易通过跨终端协同（如手机、IoT设备、汽车）实现流量聚合，根据用户所处场景跨端收集数据和调动工具。 目前，华为、联想等AI终端厂商已在此有所布局。生态方面，AI终端厂商也不再受限于APP开发框架及应用商店，可以直接对外开放开发框架，推动流量进一步集中。 C端产品层：意图直达的AI Agent是最终理想形态，工具调用生态成为决胜点 AI Agent是能直接理解用户需求并自动完成任务的智能系统，它通过大模型驱动，具备自主规划、记忆积累和工具调用三大技术支柱，无需用户逐步下达指令，即可分解自动规划旅行行程、购买特定商品等复杂任务。 相比Chatbot和Copilot等AI产品形态，AI Agent通过两大特征实现了「意图直达」的新交互范式和服务分发网络： •从被动响应到主动行动：现有的AIGC应用依赖用户主动调用功能模块（如搜索框输入、按钮点击），而AI Agent通过自然语言理解与多模态感知，将交互入口从“功能触发”升级为“需求响应”，直接捕捉并执行用户意图。例如将“策划旅行”的抽象指令自动分解为机票比价、酒店筛选、行程优化等子任务，实现端到端的智能服务闭环。 •从单一功能到生态整合：作为新型流量入口，用户无需下载多个APP即可获得跨平台服务。它能跨应用及平台配合完成任务（例如在“策划旅行”任务中自动使用搜索平台、机酒预定平台、支付平台等），重构数字服务分发逻辑，形成“需求即服务”的新生态。 目前，国内的AI Agent主要包含四种形式：to B的数字员工，也即专注于营销、客服、HR等特定工作职能的AI Agent；传统APP形态的AI Agent，代表为智谱华章的AutoGLM、蚂蚁集团支小宝和Manus；AI终端底层系统中的AI Agent，如联想小天、华为小艺；以及在功能上更接近个性化Chatbot的个人数字分身。 C端产品层：意图直达的AI Agent是最终理想形态，工具调用能力成为决胜点 以AutoGLM为例，该产品目前支持PC端、浏览器插件端及安卓端，更侧重直接调用外部工具接口。目前在APP端可实现淘宝下单及评价，微信朋友圈/小红书点赞评论、高德地图导航打车、12306及携程预定票务及酒店、抖音收藏关注等。在浏览器插件端可实现在知乎、微博、百度等多个网站的搜索、总结、评论。 支小宝则更侧重蚂蚁集团自有的智能体开发生态，支持各官方机构开发自有Agent，由支小宝进行统一调度。 而AI终端中的AI Agent目前仍以调起单个AI功能为主。 量子位智库认为，AI Agent下一步的竞争点在于对外部工具的调用能力，也即最终可执行任务的多样性和稳定性，这需要生态和技术的双重改进： •技术架构上，需构建动态任务拆解机制（如