2025年六大行业大模型应用跟踪报告，显示大模型已从探索阶段转向规模化落地。银行业领先，保险业26.8%已应用，证券业采纳率倍增，78%国资央企正在探索，制造业应用深入核心环节，零售业92%企业预计AI提高生产力。报告提供标杆案例和实施路径，为企业提供参考。

---

2022年底ChatGPT的出现引发了世界范围内对大模型的关注。2023年，是中国大模型的发展“元年”，百模大战拉开序幕。2024年，是企业真正开始使用大模型技术并从中获得业务价值的一年。2025年初，DeepSeek发布引发全球轰动，进一步降低企业大模型应用门槛，并开启“智能体元年”，AI Agent将迎来规模化落地浪潮。

在过去的一年里，沙丘智库跟踪调研了国内外各行业头部企业超1000个大模型落地案例，输出800多份深度案例研究以及60多份大模型行业研究报告，已成为全球范围内大模型市场的主要参与者和观察者，也被上千家上市企业战略/IT中高层订阅。

近期，针对银行、保险、证券、央国企、制造、消费品零售等细分行业，沙丘智库进行了系统性的大模型应用跟踪：

▎报告1：沙丘智库《2025年中国银行业大模型应用跟踪报告》

国有大行和股份制银行在技术应用上占据领先地位，几乎所有银行都在积极探索大模型，搭建相对完整的大模型能力体系；城商行/农商行以及其他类型银行对大模型的态度从谨慎观望逐渐转向单/多场景试点，其中头部城商行以及头部民营银行的探索进程较快。

在本报告中，沙丘智库全面解读银行业大模型落地进展，从国有银行、股份制银行、城商行中选择了9家银行（中国工商银行、中国邮政储蓄银行、招商银行、中信银行、中国民生银行、华夏银行、北京银行、江苏银行、青岛银行）作为标杆对象，深入研究这些银行的大模型技术体系、建设路径、应用场景、落地方法论等。同时，针对知识库类、智能客服类、数据分析类、代码类以及创新场景类应用，精选了22个银行业大模型典型案例，旨在为其他银行提供经验借鉴。

▎报告2：沙丘智库《2025年中国保险业大模型应用跟踪报告》

保险公司对大模型应用的采纳率正在不断提高。根据沙丘智库近期对41名保险公司技术相关负责人的调研，26.8%的保险公司表示正在应用大模型，此外有34.1%的保险公司考虑在未来一年内应用大模型。

DeepSeek R1的发布降低大模型应用门槛，有望通过技术性能优化、成本控制与合规增强等进一步推动保险公司对大模型技术的采纳，尤其对中小保险公司来说。

领先的保险公司积极推动科技创新发展，并将大模型纳入到科技战略中。当前，头部保险公司均采取自建/共建的方式，走自主可控的大模型建设路径。对于头部保险公司来说，问题不再是是否要采纳大模型，而是如何有效地利用大模型。

通过对保险企业大模型实践的深度调研与分析，沙丘智库将标杆企业采取的关键举措总结如下，这些关键举措组成了“战略-场景-技术-组织”的完整闭环。未来，随着大模型技术成熟度提升，保险企业的竞争将逐渐从“单点应用”转向“生态构建”——通过开放原子能力与行业伙伴共建AI生态，最终实现从“技术采纳者”到“标准制定者”的跃迁。

在本报告中，沙丘智库全面解读保险业大模型市场概况，洞察行业发展趋势，为保险公司提供制定大模型战略的关键考虑因素和实施路径。深入剖析中国人保、中国太保、泰康保险集团、阳光保险等标杆企业的大模型应用实践；精选了12个保险业大模型典型案例，展示大模型在保险业务全流程中的创新应用。

▎报告3：沙丘智库《2025年中国证券业大模型应用跟踪报告》

自2023年至今证券公司大模型采纳率呈倍速攀升，且大模型探索已经从头部券商延伸至中小券商。根据中国证监会披露的数据，截至2025年5月，我国共有证券公司151家（含证券经营机构以及旗下资产管理、承销保荐等子公司）。其中，根据沙丘智库调研数据显示，2023年共计有19家证券公司（主要为头部券商）开展大模型探索，2024年扩展至37家，2025年H1进一步增加至67家。

在本报告中，沙丘智库对全量151家证券公司进行系统性研究，并从中选择了15家值得重点关注的标杆证券公司，研究其大模型应用场景覆盖情况、大模型建设方式、智能体建设进展，旨在帮助证券公司洞察技术趋势、识别市场机会、学习成功经验。

▎报告4：沙丘智库《2025年央国企大模型应用跟踪报告》

国有企业（国企）的定义是指国家对其资本拥有所有权或者控制权的企业，可分为中央直接管理和地方政府管辖，前者通常称为央企，后者通常称为地方国企。

国资委对国资央企（由国务院直属管理）的人工智能发展提出明确要求，使得国资央企成为央国企中大模型探索的领军者。

沙丘智库通过对全量100家国资央企的调研和梳理，截止目前，78%（78家）的国资央企正在探索大模型应用，尤其是2025年初DeepSeek的发布降低大模型应用门槛，多家国资央企完成DeepSeek系列模型的本地部署应用；已有40%（40家）的国资央企发布了大模型，相较于去年9月增加了16家，增速高达66.7%。

受制于技术资源、应用场景、政策资金等因素，地方国企的大模型应用相较于央企而言整体进展较慢，但在数字化转型和“AI+”专项行动的政策指引下，未来地方国企（尤其是大型企业）将加快大模型布局。

沙丘智库调研数据显示，当前18.2%的地方国企正在探索大模型应用，29.1%的地方国企表示未来12个月内有计划探索大模型应用。

在本报告中，沙丘智库深入分析了央国企大模型建设进展，包括技术体系布局、建设投入、采纳情况、建设方式、应用场景等；同时，提供头部央国企的23个大模型落地实践，旨在为其他央国企提供参考。

▎报告5：沙丘智库《2025年中国制造业大模型应用跟踪报告》

中国制造业企业呈现高度分散化的特征，一方面，超大型企业较少、中小型企业居多；另一方面，细分行业众多，每个行业在工艺、设备、质量标准等方面差异巨大。

当前，大模型应用主要集中在头部大型制造业企业。沙丘智库对《2024中国制造业企业500强榜单》中500家制造业企业大模型应用情况的研究和调研结果显示，中国500强制造业企业中有26%的企业正在推进大模型应用，而这其中有接近一半的企业都属于前100强企业。

从细分行业上看，在推进大模型应用的制造业企业中，电子信息、钢铁、汽车等细分领域大模型探索速度最快，此外，机械装备、食品制造、化工、有色金属等细分领域也在积极布局。

相较于前两年的“外围辅助”，制造业大模型应用正在向“核心控制”发展。大模型的作用已经从相对边缘的客服、质检等环节，逐渐深入到工业设计、工业控制等领域中。

在本报告中，沙丘智库深入调研了制造业企业的大模型采纳情况、建设方式、应用挑战等，梳理了27个核心的制造业大模型应用场景，并精选了15个典型的制造业大模型落地案例，旨在帮助制造业企业洞察技术趋势、识别市场机会、学习成功经验。

▎报告6：沙丘智库《2025年中国消费品零售业大模型应用跟踪报告》

面对宏观经济的不确定性以及市场竞争的加剧，消费品零售企业不断寻求创新和效率提升的途径。AI技术作为一种强大的工具，已经被广泛认为是提升竞争力的关键因素。中国百货商业协会2024年底的调研数据显示，82%的零售企业认为AI技术将对零售行业的数字化发展产生深远影响；

在AI技术的应用价值方面，效率和成本优化、产品和服务改善是消费品零售企业想要通过生成式AI技术获得的关键收益。CCFA的调研数据显示92%的企业预计生成式AI将能帮助企业提高工作效率和生产力。

通过对消费品零售企业大模型落地实践的长期跟踪，沙丘智库将当前主要的应用场景总结为如下20个。按照应用场景的受众和性质，将消费品零售业大模型应用场景按照人（用户侧）、货（产品侧）、场（销售侧）、通用场景进行划分：

本报告全面解读当前消费品零售业大模型应用进展，以及精选36个消费品零售企业大模型典型案例，旨在帮助其他消费品零售企业洞察技术趋势、识别市场机会、学习成功经验。

学习大模型 AI 如何助力提升市场竞争优势？

随着新技术的不断涌现，特别是在人工智能领域，大模型的应用正逐渐成为提高社会生产效率的关键因素。这些先进的技术工具不仅优化了工作流程，还极大地提升了工作效率。然而，对于个人而言，掌握这些新技术的时间差异将直接影响到他们的竞争优势。正如在计算机、互联网和移动互联网的早期阶段所展现的那样，那些最先掌握新技术的人往往能够在职场中占据先机。

掌握 AI 大模型技能，不仅能够提高个人工作效率，还能增强在求职市场上的竞争力。在当今快速发展的技术时代，大模型 AI 已成为推动市场竞争力的重要力量。个人和企业必须迅速适应这一变化，以便在市场中保持领先地位。

如何学习大模型 AI ？

在我超过十年的互联网企业工作经验中，我有幸指导了许多同行和后辈，并帮助他们实现个人成长和学习进步。我深刻认识到，分享经验和知识对于推动整个行业的发展至关重要。因此，尽管工作繁忙，我仍然致力于整理和分享各种有价值的AI大模型资料，包括AI大模型入门学习思维导图、精选学习书籍手册、视频教程以及实战学习等内容。通过这些免费的资源，我希望能够帮助更多的互联网行业朋友获取正确的学习资料，进而提升大家的技能和竞争力。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、初阶应用：建立AI基础认知

在第一阶段（10天），重点是对大模型 AI 的基本概念和功能进行深入了解。这将帮助您在相关讨论中发表高级、独特的见解，而不仅仅是跟随他人。您将学习如何调教 AI，以及如何将大模型与业务相结合。

主要学习内容：

• 大模型AI的功能与应用场景：探索AI在各个领域的实际应用
• AI智能的起源与进化：深入了解AI如何获得并提升其智能水平
• AI的核心原理与心法：掌握AI技术的核心概念和关键原理
• 大模型应用的业务与技术架构：学习如何将大模型AI应用于业务场景和技术架构中
• 代码实践：向GPT-3.5注入新知识的示例代码
• 提示工程的重要性与核心思想：理解提示工程在AI应用中的关键作用
• Prompt的构建与指令调优方法：学习如何构建有效的Prompt和进行指令调优
• 思维链与思维树的应用：掌握思维链和思维树在AI推理和决策中的作用
• Prompt攻击与防范策略：了解Prompt攻击的类型和如何进行有效的防范
  
  
  、、、

二、中阶应用：深入AI实战开发

在第二阶段（30天），您将进入大模型 AI 的进阶实战学习。这将帮助您构建私有知识库，扩展 AI 的能力，并快速开发基于 agent 的对话机器人。适合 Python 和 JavaScript 程序员。

主要学习内容：

• RAG的重要性：理解RAG在AI应用中的关键作用
• 构建基础ChatPDF：动手搭建一个简单的ChatPDF应用
• 检索基础：掌握信息检索的基本概念和原理
• 理解向量表示：深入探讨Embeddings的原理和应用
• 向量数据库与检索技术：学习如何使用向量数据库进行高效检索
• 基于 vector 的 RAG 实现：掌握基于向量的RAG构建方法
• RAG系统的高级扩展：探索RAG系统的进阶知识和技巧
• 混合检索与RAG-Fusion：了解混合检索和RAG-Fusion的概念和应用
• 向量模型的本地部署策略：学习如何在本地环境中部署向量模型
  

三、高阶应用：模型训练

在这个阶段，你将掌握模型训练的核心技术，能够独立训练和优化大模型AI。你将了解模型训练的基本概念、技术和方法，并能够进行实际操作。

• 模型训练的意义：理解为什么需要进行模型训练。
• 模型训练的基本概念：学习模型训练的基本术语和概念。
• 求解器与损失函数：了解求解器和损失函数在模型训练中的作用。
• 神经网络训练实践：通过实验学习如何手写一个简单的神经网络并进行训练。
• 训练与微调：掌握训练、预训练、微调和轻量化微调的概念和应用。
• Transformer结构：了解Transformer的结构和原理。
• 轻量化微调：学习如何进行轻量化微调以优化模型性能。
• 实验数据集构建：掌握如何构建和准备实验数据集。
  
  

四、专家应用：AI商业应用与创业

在这个阶段，你将了解全球大模型的性能、吞吐量和成本等方面的知识，能够在云端和本地等多种环境下部署大模型。你将找到适合自己的项目或创业方向，成为一名被AI武装的产品经理。

• 硬件选型：学习如何选择合适的硬件来部署和运行大模型AI。
• 全球大模型概览：了解全球大模型的发展趋势和主要玩家。
• 国产大模型服务：探索国产大模型服务的优势和特点。
• OpenAI代理搭建：学习如何搭建OpenAI代理以扩展AI的功能和应用范围。
• 热身练习：在阿里云 PAI 上部署 Stable Diffusion
• 本地化部署：在个人计算机上运行大型模型
• 私有化部署策略：大型模型的内部部署方法
• 利用 vLLM 进行模型部署：高效部署大型模型的技术
• 案例分析：如何在阿里云上优雅地私有部署开源大型模型
• 开源 LLM 项目的全面部署：从零开始部署开源大型语言模型
• 内容安全与合规：确保AI应用的内容安全和合规性
• 算法备案流程：互联网信息服务算法的备案指南
  

通过这些学习内容，您不仅能够掌握大模型 AI 的基本技能，还能够深入理解其高级应用，从而在市场竞争中占据优势。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你无疑是AI领域的佼佼者。然而，即使你只能完成60-70%的内容，你也已经展现出了成为一名大模型AI大师的潜力。

最后，本文提供的完整版大模型 AI 学习资料已上传至 CSDN，您可以通过微信扫描下方的 CSDN 官方认证二维码免费领取【保证100%免费】。