近日，安全牛發布《企業級AI大模型落地實戰技術應用指南（2025版）》，對我國企業級AI大模型的發展現狀、應用挑戰及建設框架進行系統梳理。報告顯示，我國企業級大模型部署已形成多元格局，頭部科技企業與央國企共同推動智能化轉型。

在部署現狀方面，我國企業級大模型市場呈現“多頭并進”態勢。除具備自主知識產權的DeepSeek模型在央國企中加速落地外，百度的“文心一言”、阿里巴巴的“通義千問”等通用大模型，憑借技術優勢與生態布局，成為推動各行業智能化轉型的核心力量。截至2025年9月，國內已備案大模型數量超500個，涵蓋開源、商業、通用及垂直領域。端側市場方面，智能汽車、AI手機等終端產品規模預計2028年突破1.9萬億元，年均增速達58%。

行業應用層面，大模型已覆蓋政務、金融、醫療、制造等重點領域。據IDC 2024年報告，不同行業的大模型滲透率與部署模式存在差異。例如，政務領域側重數據安全與流程優化，金融領域則聚焦風險控制與客戶服務。應用場景可分為通用場景（跨行業高頻應用）與垂直場景（深度定制），未來兩者將向“通用能力+行業適配”的混合模式演進。

從投入規模看，國央企作為數智化轉型的核心主體，占全國企業數智化投入的30%-40%。2023年，國央企數智化實際投入約4000億元，年復合增長率達15%-20%。按此增速，2025年我國企業數智化轉型總投入預計達1.5萬億-2萬億元，其中央國企預算可達5300億-6800億元。預算分布上，2000萬-5000萬元區間的央國企占比達33%，較2024年提升12個百分點。

盡管市場發展迅速，但AI大模型落地仍面臨多重挑戰。報告從技術、產業、應用、安全、運營及商業模式六個層面展開分析。技術層面，大模型的算法缺陷可能長期存在，影響其可靠性與可控性；產業層面，算力資源、國產化硬件適配及軟件生態問題日益凸顯；應用層面，企業缺乏落地經驗、行業數據不足及業務融合困難成為主要障礙；安全層面，數據隱私與合規風險在復雜網絡環境下加劇；運營層面，高昂成本與人才短缺制約中小微企業推進；商業模式層面，能力變現與推理成本的平衡成為關鍵矛盾。

針對上述挑戰，報告提出“可信AI系統”建設目標框架，強調將風險管理與算力配置、模型選型置于同等戰略地位。該框架自下而上分為基礎設施層、平臺服務層、應用層和治理層，其中前三層構成最小化可行架構（MVA）。MVA模式允許企業以低成本快速驗證AI項目價值，為后續規模化擴展奠定基礎。風險考量方面，供應鏈管理、數據合規及成本控制是建設和規劃階段的核心要素。

報告建議，初級實踐者可參考AI Agent系統原型構建MVA，通過實際業務需求逐步完善可信AI系統。例如，某制造企業通過MVA模式，在3周內完成生產流程優化項目的核心功能驗證，成本較傳統方案降低60%。這一案例表明，MVA模式能有效平衡效率與風險，推動AI技術從實驗室走向產業落地。