2025年上半年AI行业应用回顾与前瞻：场景篇

推荐语

2025年AI应用场景深度解析：从代码革命到营销突破，看AI如何重塑行业格局。

核心内容：
1. 代码大模型与IT开发工具的最新进展与效率提升
2. 数据工程领域面临的挑战与突破性解决方案
3. 广告营销领域AI应用从内部工具到业务模型的转变

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

不知不觉，2025年上半年又匆匆过去，所谓“搞AI一年，抵人间三年”，这么说来，又增加了一年半的工作经验。本来想着年底再做总结的，但是算算这半年AI的变化已经够得上写一篇系列了，还是写了再说。

全文大约2200字，阅读需要5分钟

2024年AI产业应用回顾与前瞻：场景篇

2024年总结时，我曾按照场景面向的对象不同，将AI产业应用场景分为toB的IT生产力工具，toC的娱乐满足，以及产业AI化三类，目前来看这种分类仍然适用，以下展开细聊。

代码与IT项目开发

2025年上半年代码领域的AI模型优化进步比较明显，新增了很多编程场景应用，虽然国内的代码大模型仍然不太好用，但相比于人类的代码“屎山”，代码大模型仍然能提升不少效率。

按某头部厂商的口径，代码大模型的常用功能有20个左右，能够实现编码效率提升35%，而去年这个比例是10%-30%，技术上有不小的进步。国外某主打编码的厂商模型，应该能提升更多。

不过，代码大模型仍然没有回答我之前提出的那个问题，程序猿一天当中敲代码的时间也就是1-2小时，全局效率提升可能仍然不理想。

与代码本身形成对比的是，用于IT项目开发的AI工具已经有了比较明确的共识方向：整合AI大模型的IDE（集成开发环境），通过无代码/低代码+function calling的方式完成大模型工作流开发、封装、发布，这个场景应用使得一些无需个人信息处理、无复杂逻辑、无需精致UI的简单开发能够无代码实现。

未来随着AI编程技术的不断进步，所谓的“简单”门槛也会逐渐降低，无代码、低代码能实现的场景也会越来越多、越来越精致，来自小团队的产品肯定也会不断出现，大公司在一些场景也能慢慢采用提效。

数据工程

2024年，我梳理了若干可用AI改造的场景方向，从这半年的进展来看，方向上并无大的变化，变化在于落地环节。

大家用了一圈AI工具以后，逐渐发现数据质量差的问题无法绕开，所以现在的AI数据工具落地（非AI的工具也一样）很多要附带数据质量提升服务。这就有些魔幻，因为我们知道数据质量是一个业务问题，让工具提供方来进行数据质量提升……先不评论，暂且让子弹飞一会吧。

另外，最近看到有观点认为，MCP协议在数据工程领域很有价值，可以降低数据地图的复杂度，理论上是这样不错，但AI的东西，现在具体落地还说不好，拭目以待吧。

大体来看，数据质量不好的，仍然在原地转圈，而数据质量好的，已经有应用案例了，比如下面：

广告及营销

在广告及营销领域，去年我们所看到的AI应用，基本是服务于组织内部的职能人员，效果如何大家都清楚，今年逐渐不提了。

真正的变化来得猝不及防但又在意料之中：直接AI嵌入改造toC业务模型

一个例子是大厂用AI算法进行广告投放。腾讯的电话会透露，个别项目广告效果最高提升3倍，业内其他渠道的数据也大致相同。3倍这个数据当然是筛选后的，但全量口径的话2倍总是应该有的，AI提效100%，这可都是真金白银的收入。

另一个是某跨境零售商，用AI加持小单快反，迭代周期缩得更短了，消费者复购提升了，人员和管理成本也打下来了。

视觉开发

去年的AI生成视频还是个主要toC的场景，今年战火已经烧到toBtoC的游戏开发和视频内容开发。从早些年大家吐槽AIGC图片没有可编辑的图层，后来吐槽AIGC的视频没有灵魂，到了今年大家已经习惯AIGC并开始使用了。

现在AI生成一个及格视频的功能已经比较完善了，后面就是市场上AI驱逐人工，在非强创意场景将人类变为AI的修补匠，而人类内容设计必须更加有创意才行。

我们现在玩的游戏，看的视频，作为曾经的非AI开发，质量之差有目共睹，现在用AI开发替代，似乎也没差太多。路是如何走到今天的，需要反思的不仅仅是视觉开发行业，未来各行各业可能都会面临类似的问题。

上面几类场景可以看到，toB方向，AI已经基本成了大厂的专属工具，嵌入业务的toBtoC模式逐渐成型，而中小玩家，数据质量不行，没模型研发，用户数量也不足够，很快不得不从这场虚幻的梦中醒来。

toC场景

ToC的场景没什么可说的，这半年时间没有什么新变化，情绪产品增长来的快去的也快，没有新场景就会逐渐死亡。

几乎已经可以确定地说，AI仅能作为生产力工具，而不能直接服务用户。

产业AI化

产业AI化则感觉在持续分化。

上半年调研分析了几个实业场景，真实物理世界的生产过程比我想象的更加枯燥，重复性工作遍地都是，这让我想起早年间十分流行的一句话，“人生的本质就是复读机”。

这也就意味着，AI可改造的领域也遍地都是，唯一的问题是边际成本是否划算。随着技术进步带来的AI边际成本逐渐下降，终有一天，大部分生产场景都可以被AI化改造，只是进程快慢。

在此背景下，许多头部厂商用AI驱动流程优化，今年或多或少已经尝到了一点甜头。例如某零售商超用AI设计规划货架摆放，并通过分析监控核验是否摆放正确，既节约人工摆放时间，又减少出错，还能避免管理失控。

又如，前些年通过5G+小模型运作的关灯工厂，使用大模型进一步优化生产流程安排，能进一步提升生产效率，理论上未来还能进一步实现供产研销一体化智能化管理。

可以预见，已经尝到甜头的厂商未来也将继续加注AI，在一个个具体场景把人类变为AI的修补匠，甚至可能还会建立统一的大模型管理平台，统一调度统一管理，走向AI原生架构。

而尾部的中小厂商，如果再不转型，将进一步缺乏竞争力，被淘汰将成为大概率的必然。

小结

2024年AI产业应用回顾与前瞻：场景篇

在前文中，针对2024年的AI应用场景我总结了几个特点：用户端AI适配场景少、生产端全方位AI化、嵌入工作流程场景、价值不外显、使用体验差。

半年过去，5个特点有4个依然没有变化，不赘述，有所变化的是随着AI嵌入现有的业务模型，价值逐渐外显。

这个价值外显目前只能在有限组织的有限场景实现，一是这些组织有充分的数据和算力，能够为大模型提供训练，二是场景所面向的用户数量足够大，能够通过AI实现精准触达。但未来肯定会逐渐扩大范围，大家针对标杆应用抄作业还是挺快的。

总的来说，仍然可以期待未来AI技术在新场景中发挥更大作用。

（未完待续）