Token经济时代正在加速到来。根据国家数据局公布的数据，2024年初，中国日均Token调用量约为1000亿；到2025年底已跃升至100万亿；2026年3月突破140万亿，两年增长超过千倍。调用规模的快速增长，反映出大模型应用需求正在加速释放，也表明人工智能正从技术探索走向产业实践。下一步，真正考验大模型产业化能力的，不只是调用规模的扩大，而是谁能进入能源、电力、钢铁、金融等高门槛行业的核心业务系统，并在长期运行中形成可验证的业务价值。
5月8日，弗若斯特沙利文发布《中国通用大模型项目中标研究报告（2025年度）》。报告将中国大模型产业商业化发展概括为从“参数竞赛”到“业务嵌入”再到“价值兑现”的三阶段演进，并指出2025年至今正成为大模型发展的关键转折阶段，发展焦点逐步从“模型更强”的单一维度，转向能否融入业务流程、形成可量化ROI，并在成本、安全、迭代等要素之间取得平衡的综合维度。
报告披露，2025年全年中国大模型公开中标项目达7539个、披露中标金额为295.2亿元；从项目类型看，应用类占数量的58%，市场重心从“建模型”转向“用模型”。
行业采购不只是看模型，而是看能否进入系统
这组数据背后，是行业采购逻辑的变化。越来越多关键行业开始把AI嵌入招采、生产运营、风控审核、客户服务、知识管理等业务链条。对这些行业而言，选择大模型并不是在选择一个通用问答工具，而是在选择能够进入业务流程、适配安全边界并持续运营的智能底座。
这种变化首先发生在高门槛行业。能源行业关乎安全与连续生产，电力业务涉及规则、交易和责任边界，钢铁制造依赖长期积累的工业知识，金融行业对合规、稳定和可追溯要求更高。这些场景检验的不是单点模型能力，而是行业知识、系统集成、数据治理、安全可控和长期交付的综合能力。
高门槛场景正在验证AI的实际价值
能源化工是大模型落地难度较高的场景之一。报告列举的中石油“昆仑大模型”案例显示，中石油携手科大讯飞、华为及中国移动，基于星火底座打造能化领域首个国家备案的“昆仑大模型”，覆盖油气勘探、炼化工艺等六大领域。对能源企业来说，这类应用的价值不在于“多一个模型”，而在于AI开始进入专业知识体系和关键业务链条。
发电行业的难点在于业务链条长，招采、交易、生产运营等环节既有专业门槛，也有规则和责任要求。报告显示，国能集团相关千亿级发电行业大模型深度嵌入招采、交易、生产运营等核心业务链条。其中，2025年发布的“擎源”覆盖15个业务域、75个应用场景，首批41个智能体已在多地试点。更能体现业务价值的是结果：智能评标助手深度嵌入管理流程，提效与节支年化效益约19亿元；在电力交易场景中，交易盯盘时间由1.5小时缩短至15分钟，度电收益提升5%-10%，实现增收400万元。
在钢铁制造领域，AI的价值体现在工业知识沉淀。报告显示，宝钢股份联合科大讯飞建设钢铁行业大模型应用平台，将复杂的工艺经验、实时数据与工艺逻辑沉淀为可持续运行的系统能力底座。该平台建成630G行业语料库，上线149个智能体，覆盖采购、工艺、客服等核心场景，吸引4500名常态活跃用户，累计会话访问量145万次。相比建设数字本身，更值得关注的是，钢铁行业分散的经验和知识正在被转化为可查询、可调用、可复用的能力。
金融领域对稳定、合规、可追溯和数据安全要求更高。报告显示，交通银行国产千亿级金融大模型深度嵌入零贷、交易、风控等核心业务链条，推进线上线下服务一体化。在零售金融流程中，相关能力已累计服务超3000万客户；在资金交易与风控场景中，通过核心判断流与执行流嵌入，辅助机器人达成金额超千亿元，并将单笔任务处理时长有效降低40%。
可验证结果成为行业选择的关键
这些案例呈现出同一个趋势：大模型落地正在从外围辅助走向核心流程，从单点试验走向系统应用，从能力展示走向结果验证。对客户而言，采购AI的关键问题也随之变化：不是模型能否回答问题，而是能否提升效率、降低成本、规范流程、控制风险，并在复杂业务系统中稳定运行。
报告在重点厂商样本部分披露，在排名前六的通用大模型重点厂商、非运营商背景政企公开招标口径下，2025年全年科大讯飞中标项目数达210个、中标金额超23亿元。这组数据的意义，不只是项目规模，更在于其背后对应的行业选择条件：自主可控的技术底座、行业知识积累、复杂场景交付能力和可量化成效。
从行业观察角度看，大模型竞争正在从单一模型能力竞争，进入产业系统能力竞争。关键行业选择AI，既看技术水平，也看能否理解行业规则、嵌入既有流程、守住安全底线，并持续产生业务结果。沙利文报告提供了第三方观察窗口，而能源、发电、钢铁、金融等行业案例，才是理解这一轮大模型商业化进程的主要线索。
配资炒股平台提示：文章来自网络，不代表本站观点。
