2025年 智能软件研发行业词条报告 国标分类/信息传输、软件和信息技术服务业/软件和信息技 术服务业/软件开发、头豹分类/信息传输、软件和信息技术 服务业/软件和信息技术服务业/软件开发 Copyright © 2025 头豹 2 智能软件研发：算力与场景双驱动，智能软件研发进入“平台+服 务”融合新阶段 头豹词条报告系列 饶立杰、饶立杰RLJ 2025-07-11 未经平台授权，禁止转载 未经平台授权，禁止转载 行业分类： 信息传输、软件和信息技术服务业/软件开发 信息传输、软件和信息技术服务业/软件开发 智能软件研发行业是指专注于开发和应用具有人工智能（AI）技术的软件系统与服务，为各行各业提供智能化解决方案，旨在提升业务效 率、优化决策过程、增强用户体验及创造新的价值和服务模式的创新性技术领域。在数字化转型的背景下，各行各业对智能软件的需求日益增 长。未来，智能软件将更加注重个性化 长。未来，智能软件将更加注重个性化和用户体验。通过深入了解用户需求，开发者将能够开发出更符合用户期望的产品与服务，提高用户满意 度和忠诚度。 按照应用领域可将智能软件研发分为办公软件、嵌入式软件、新兴技术软件、信息安全软件、信创软件。 办公软件是一种集成先进的人工智能（AI）技术的工具，旨在优化和简化日常办公流程。它能够提供自动化任务处理、智能数据分析、实 时协作功能以及个性化的工作辅助，大大提高了工作效率和决策质量。例如

暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 在保险行业，这一技术革命同样引发了深刻的变革。国内外众多保险公司和保险科技 公司，如阳光、人保、平安、国寿、泰康、瑞再、安盛、安联等，纷纷投身于大模型技术的研发 与应用，积极探索其在保险业务中的无限可能。阳光保险集团作为行业的先行者和探索 者，于2023年初率先启动了“阳光正言GPT大模型战略工程”，旨在通过大模型技术的深度 应用，推动保险业务模式的重塑与升级。 为了突破算力“卡脖子”的问题，并抓住新技术带来的机遇，我国正加快国产GPU芯片 生态体系的建设，包括从芯片设计、制造到封装测试的全流程加速推进。华为、寒武纪、摩 尔线程、景嘉微、海光信息、沐曦科技、壁仞科技、燧原科技等企业通过加大研发投入、优化 生产工艺、提升测试水平等措施，在GPU设计、制造和封装等环节均取得显著进步，国产芯 片在性能、功耗、成本等方面不断取得突破，与国际巨头的差距不断缩小。 软件、系统、框架不断完善，除 云计算平台如AWS、Azure和Google Cloud不断扩展其计算资源，提供了更灵活、更 强大的计算服务。这些平台的支持使得研究人员和企业能够更容易地访问到高性能的计 算资源，加速了大模型的研发和应用。云计算的弹性扩展能力也使得资源的利用更加高效， 降低了研发成本。例如，AWS推出的基于Blackwell GPU的Amazon EC2实例，将为用户提 供强大的AI推理性能和便捷的接入方式。 （5）端侧算力发展 端侧

，充分释放开发者的价值。未来可能会由 AI 承担部分基础工作， 而开发者则转向更高层次的 架构设计和业务规划，专注于更复杂、更创造性的任务， 如架构设计、算法优化或用户体验创新。 n AI 编程在银行业可有效赋能内部研发。从具体用例看， 澳新银行对 1000 名软件开发人员进行了为期六周的 AI 编程助手试 用实验。实验发现，当软件开发人员使用 AI 编程助手时，平均生产率提高 42% ，代码质量提高 12% 机构 应用场景 工商银行 网点运营、远程银行、运营管理、人力资源、智慧办公、智能研发等 农业银行 智能问答、智能客服、辅助编程、智能办公、智能风控等 中国银行 内部知识服务、辅助编码等 建设银行 智能客服、市场营销、投研报告、智慧办公、智能运营、智能风控等 交通银行 办公助手、客服问答等 邮储银行 研发测试、运营管理、客户营销、智能风控、消费者权益保护等 中信银行 落地代码生成、智能操作等 宣传文案、智能周报、文章翻译、会议纪要等 江苏银行 智能客服、智能文档助手 杭州银行 知识问答、办公助手 n 在生成式人工智能落地应用中大行发力更早。六大国有银行大力投入大模型技术体系研发的同时多场景探索大模型应用， 实现客服、办公、研发、运营等多个业务领域的应用创新。中小银行则多以单场景切入， 探索智能客服、智慧办公等通 用场景下的更多应用，如探索智慧办公场景下的宣传文案、智能周报、文章翻译、会议纪要等细分场景。

LEVEL 1 研发模型结构 LEVEL 2 研发预训练模型 LEVEL 3 基于模型 SFT LEVEL 4 直接调用 大模型产业生态图 大模型产业链上的生态，根据大模型生态上不同企业的定位，分成了四个等级的企业： • 自研大模型结构的企 业 • 不用训练，直接调 用大模型 API 的企业 • 研发预训练模型的企业 达市值下跌 5900 亿 更高效资源利用 使用 ~2,000 GPUs, 竞品使用 10,000+ GPUs 人工智能的 Sputnik 时 刻 被美国及其盟友列入各种限制 更低的研发成本 * $5.6M vs. OpenAI’s $100M+ 投资浪费 业务系统 A 对外出入口 A 应用逻辑 A 算法 算力 适应性差 业务系统 B 对外出入口 B 应用逻辑 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 用的一站式丝滑服务体验 • 全面接入 deepseek 模型 大模型工具链支持大模型研发至应用全栈技术 算力 计算集群（ H20/A10 等） 国产算力适配 高性能计算网络架构 客户业务系统

17%的组织将生成式人工智能应用和服务 引入生产环节，保障国家的科技话语权与产业安全。美国、日本等 发达国家和地区也持续加大在智算、超算等算力相关领域的投入， 力求巩固其领先地位。美国“网络与信息技术研发计划”(NITRD)人工 智能研发投资预算增长至 31 亿美元，占整体年预算的近三分之一， 相比于上一年提高 19.2%；2025 年 1 月，美国政府公布“星际之门” 国家级计划，预计将投入 5000 亿美元用于美国国内人工智能基础设 2025 年 6 月底， 我国在用算力中心机架总规模达 1085 万标准机架，智能算力规模达 788 EFLOPS（FP16）。 另一方面，算力技术创新推动算力水平提升。芯片技术方面， 我国自主研发的高性能处理器、加速器等产品不断涌现，为算力设 备性能提升奠定坚实基础。计算架构方面，异构计算架构成为主流 模式，多样化、跨体系处理器协同成为提升计算并行度和能效的重 要手段。绿色节能方面，一是我国积极推进绿色节能技术创新，研 个大模型，在全球已发布的 3755 个大 模型中数量位居首位。另外，全国已完成备案生成式人工智能服务 439 项。据 IDC 统计，2024 年我国智算市场规模为 190 亿美元，同 比增长 86.9%，为大模型研发和应用提供了强大硬件支持。同时， 国内企业推出多款高性能处理器和加速器，硬件设备在算力、能效 等方面性能表现不断提升。大模型技术的快速演进推动人工智能开 发门槛大幅降低，行业应用快速兴起，大模型参数量从千亿级发展

生成式大模型在医疗领域的应用形式多样。例如，它 可以用于患者病历的自动生成，在医生输入关键信息后，模型能够 输出完整的病历文档。这不仅提高了医疗工作的效率，还在一定程 度上减少了因人为因素造成的错误。此外，这类模型也可用于药物 研发，生成对特定患者群体有效的治疗方案，或通过分析历史数据 来发现潜在的新药物靶点。 在临床决策支持方面，AI 生成式大模型能够根据患者的病史和 症状生成诊断和治疗建议。通过实时分析患者的健康数据和医学文 从新数据中学习，提高生成结果的质量与真实感。 这些特点使得生成式模型在医疗场景中的应用变得日益重要， 特别是在药物发现、疾病预测、患者监测和个性化治疗等方面。通 过不断优化这些模型的结构及算法，研发团队能够更有效地将生成 式模型应用于现实医疗问题中，提高医疗诊断的准确性和效率。 2.1.2 大模型的优势 大模型作为人工智能领域的重要创新，其优势在多个方面体现 出其在医疗场景应用中的巨大潜力。 模型，能够实时分析患 者的病历数据，为医生推荐个性化的治疗方案，并在一定程度上降 低了误诊率。 在药物研发过程中，AI 生成式大模型被用来预测化合物的药理 活性与安全性。某制药公司利用这种大模型加快药物筛选的速度， 通过分析上百万的化合物数据，成功找到了多个候选药物，这一过 程不仅缩短了研发周期，还节省了大量的研发成本。 在患者管理与教育方面，AI 生成式大模型也显示出其独特的价 值。一些健康管理平台利用

业知识和洞察进行系统化梳理与编码标准化，自 主智能供应链有助于确保核心知识的保留，并传 承至下一代员工，即便在资深团队成员陆续退休 的情况下，仍能维持知识体系的可持续性。 实现自主智能供应链 6 我们的调研发现，通过人工监督关键流程节点 （即“人机协同”）来实现自主运营，能够显著提升 效率、敏捷性和可持续性，这对于适应动态环境中 的突发变化至关重要。 这种方法既能充分发挥AI驱动系统的强大 能 activities grouped in 9 clusters of similar nature of task 按相似特征划分的 活动集群 20. 21. 生产控制 质量控制 设计、研发与战略采购 1. 创意构思/创新 2. 新产品/新服务的设计、测试与验证 3. 采购寻源、供应商选择及合同磋商 4. 供应商发展与关系管理 计划与排程 5. 供需集成计划 6 70 75 80 未来状态描述 主要由 人工驱动 主要为 自动化 增强型 人工决策 自主化 质量与生产控制 1 生产制造 2 客户与现场支持 3 6 运输 7 计划与排程 设计、研发与战略采购 4 基于AI解决方案的自动化质量控制，根据预警自动调整生产控制。 • 混合型客户支持模式，结合AI驱动的自主问题解决与科技增强的现场支持，基于经验教训 和客户具体情况提供定制化建议。

务更高效，显著降低算力成本。 稳定可靠，持续运行： ECS g�i 的双单路设计，能够有效降低故障时的爆炸半径，并实现故障时 自动切换，降低业务中断风险，为小鹏 7x�� 小时不间断的数据处理业务提供了坚实保障，确保 了研发进程不受中断。 �� 4.2微帧科技 微帧科技（Visionular）作为领先的视频编码与超高清服务提供商，深耕视频编码、深度学习、图像处 理等领域 20 余年。公司拥有自研的核心编码引擎，为长视频、短视频、直播、RTC 智能调度降本增效：通过采用任务触发弹性 + Spot 实例策略，微帧科技在非实时任务处理上 成本最多能实现降低 60%，资源利用率可提升至 85%。 �� 4.3嘎嘎射击 厦门真有趣信息科技有限公司，专注于移动游戏研发、全球化发行及原创 IP 孵化，累计服务超 2 亿全 球玩家。其多人竞技射击手游作品嘎嘎射击融合了快节奏动作与视觉，推出即登上热门游戏榜单。 业务痛点： 并发性能瓶颈：游戏内物理引擎计算、实时弹道模拟、百人同屏战斗等场景对 AI 时代内部运营效率和外部市场环境的双重挑战，更好地支撑业务创新发展。 面向未来，阿里云依托英特尔高性能处理器的优势技术，正在以前所未有的强度投入 AI 技术研发和 云基础设施建设。双方将继续秉持合作共赢的理念，进一步强化技术研发与产业协同，持续为客户创 造价值，携手谱写 AI 时代的云智能新篇章。 �� 关于 IDC 国际数据公司（IDC）是在信息技术、电信行业和消费科技领域，全球领先的专业的市场调查、

技术迭代与升级..............................................................................171 10.1.1 新技术的研发方向.................................................................173 10.1.2 持续改进与更新............. 为了确保各方参与者能够有效沟通和配合，建议定期召开协调 会议，分享运营中的问题、解决方案及优化建议，形成持续改进的 良性循环。此外，还应建立运营反馈机制，以便一线工作人员能够 将实际使用中遇到的问题及时反馈给研发团队，促进系统的优化与 升级。 定期运营与维护工作流程如下图所示： 总的来说，铁路沿线实景三维 AI 大模型的运营与维护需综合 考虑设备管理、数据更新、安全防护与团队沟通四个主要方面。在 2023 年 9 月 25 日 李四 设备检修后数据更新 通过规范化的数据更新与维护流程，可以确保铁路沿线三维 AI 大模型在运营过程中始终具备最新且准确的数据支持。此外，结合 机器学习技术，可以研发自动化的数据更新算法，实现部分数据的 智能更新，提高响应速度。 同时，建立反馈机制也非常重要。运营人员在使用三维模型 时，应及时将发现的问题和需求反馈至数据管理团队，确保系统的 迭代与完善。

 医疗影像辅助诊断准确率大幅提高  制造业智能生产线降低运营成本 此外，我国的人工智能政策环境也为行业发展提供了强有力的 支持。从国家层面上，政府出台了一系列政策来促进人工智能技术 的研发和应用，涉及资金投入、人才培养和技术创新等多个方面。 这使得人工智能行业的发展得到了良好的土壤。 根据《全球人工智能发展报告》的数据，目前全球主要国家在 人工智能技术上的投入占各国科技预算的比重普遍超过 自的解决方案。为了有效地在市场中立足，我们必须对现有竞争者 进行深入分析，从而识别市场机会及潜在威胁。 当前的主要竞争者分为三类： 第一类是大型科技公司，例如谷歌、微软和亚马逊等。这些公 司具备强大的技术实力和资源，能够在研发、基础设施、用户支持 等方面提供全方位的解决方案。它们的产品通常包含丰富的功能和 工具，并通过全球化的市场布局快速扩张。与这些公司竞争，我们 必须找到差异化的市场定位，可能通过提供更具个性化的服务或特 策略，保持我们的市场竞争力。 2.2.1 主要竞争者概述 在当前迅速发展的人工智能行业中，大模型 SaaS 平台的竞争 环境日益激烈，主要竞争者涵盖了多家技术成熟且市场影响力巨大 的企业。这些公司不仅注重技术的创新与研发，同时也在用户体 验、平台稳定性和服务支持方面下足了功夫。以下是几家主要竞争 者的概述。 首先，OpenAI 是大模型 SaaS 平台的领先者之一，凭借其强 大的 GPT 系列模型以及相关 API