“满足数据基础成熟、场景痛点明确、商业化路径清晰等条件的行业将成为AI落地的‘先锋军’。总体来看，医疗、制造、金融领域将最先爆发；教育行业也有爆发潜质。”7月28日下午，毕马威中国数字化赋能及人工智能主管合伙人张庆杰在“2025世界人工智能大会暨人工智能全球治理高级别会议”上接受当前，人工智能技术正加速从实验室走向产业实践，成为驱动企业数字化转型的核心引擎。与此同时，随着生成式AI技术加速渗透千行百业，大模型产业正从概念热潮迈入务实发展的深水区。

　　当前市场呈现多重鲜明特征：“价格战”硝烟渐浓，模型训练与部署成本持续下探，技术门槛不断降低；落地场景加速分化，不同行业对AI的需求呈现差异化发展；通用模型与垂直模型的路径之争愈演愈烈。

　　对此，张庆杰认为大模型成本下降是一把“双刃剑”，需警惕陷入“廉价平庸化”陷阱。他强调，企业必须在技术、商业、社会三个维度把握平衡，既要关注成本与效能的非线性博弈，也要处理好规模化与差异化的矛盾统一，更要平衡效率提升与风险控制。

　　毕马威中国数字化赋能及人工智能主管合伙人张庆杰

　　要避免模型“廉价平庸化” 需平衡三个方面

　　总体来看，医疗、制造、金融领域将最先爆发。教育行业也有爆发潜质，但目前监管政策暂不清晰。能源、农业等行业的长期价值虽大，但受基础设施限制，可能增速略缓。

　　在技术储备方面，要从AI三要素来看——企业需具备行业级数据治理与隐私计算能力，需具备模型定制能力与领域自适应技术，需支持算力的异构管理与混合部署。

　　在资金投入方面，企业在算力、数据治理、定制开发等方面的成本将普遍增加2~5倍。

　　在技术维度，需要关注成本与效能博弈，平衡“够用就好”与“性能冗余”、平衡通用基座与垂直精调、平衡集中训练与边缘智能；在商业维度，需要关注规模化与差异化的统一，平衡标准化与定制化、平衡技术护城河与生态开放度、平衡直接与间接价值捕获；在社会维度，则应关注效率与风险的拉锯，平衡应用激进性与伦理安全、平衡数据飞轮与隐私保护、平衡人力替代与人机协同。

　　企业应用AI易陷入五大误区

　　以制造业为例，转型分三阶段：1~2年完成数据筑基，2~3年实现服务重构并提升效率40%，3~5年完成生态跃迁使服务收入占比从不足5%提至35%以上。

　　企业应该建立分层培养体系并注重实战，具备这些能力的团队比普通团队的效率高40%以上。