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

不知不觉，2025年上半年已经悄然过去。常有人说“搞AI一年，抵人间三年”，按此推算，我们相当于又积累了相当于一年半的实战经验。原本打算等到年底再集中回顾，但半年间的变化已足以构成一个系列，不妨先完成这个半程盘点。

全文约2200字，阅读大约需要5分钟。

代码与IT项目开发

2025年上半年，代码领域的AI模型优化取得了显著进步，新增了不少编程应用场景。尽管国内的代码大模型仍不算真正“好用”，但与人类编写的“屎山”代码相比，它们的确能大幅提升效率。据某头部厂商透露，代码大模型的常用功能约有20个，能实现编码效率提升35%——去年这一比例仅为10%到30%，技术迭代速度可见一斑。国外某知名编码厂商的模型，提升幅度可能更大。

不过，一个关键问题依然悬而未决：程序员一天中实际敲代码的时间通常只有1到2小时，全局效率的提升或许并不像数据表面那般亮眼。

与代码模型本身相比，面向IT项目开发的AI工具已形成更为明确的共识：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，实现大模型工作流的开发、封装与发布。这一应用场景，使那些不涉及个人信息、无复杂逻辑、也不追求精致UI的简单开发，真正实现了无代码化。未来，随着AI编程技术的持续演进，“简单”的门槛将不断降低，无代码、低代码能实现的场景会越来越多、越来越精致。来自小团队的产品将层出不穷，大公司也会在部分场景中逐步采用并提升效率。

数据工程

2024年，我们曾梳理过若干可用AI改造的场景方向。从这半年的进展来看，大方向没有改变，真正变化的是落地环节。大家使用了一圈AI工具后，逐渐发现一个绕不开的问题：数据质量太差。于是，当前AI数据工具落地（非AI的工具同样如此）往往需要附带数据质量提升服务。这显得有些魔幻——数据质量本质是业务问题，却让工具提供方来做数据质量提升……先不做评论，让子弹飞一会儿吧。

此外，近期有观点认为，MCP协议在数据工程领域很有价值，能降低数据地图的复杂度。理论上确实如此，但AI的东西，具体落地说了不算，我们拭目以待。

总体来看，数据质量不佳的团队仍然在原地打转；而数据质量优秀的团队，已经涌现出应用案例。比如下面要说的广告及营销领域。

广告及营销

在广告营销领域，去年看到的AI应用基本是服务于组织内部的职能人员，效果如何大家心知肚明，今年已经逐渐无人提及。真正的变化来得猝不及防，却又在意料之中：AI直接嵌入并改造toC业务模型。

一个例子是大厂利用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倍自然是筛选后的数据，但全量口径下，2倍应该是有保障的——AI提效100%，这可都是实打实的收入。

另一个例子是某跨境零售商，借助AI加持小单快反模式，迭代周期进一步缩短，消费者复购率提升，人员和管理成本也随之下降。

视觉开发

去年的AI生成视频还主要集中在toC场景，今年战火已蔓延至toB及toC的游戏开发与视频内容开发。从早些年大家吐槽AIGC图片没有可编辑的图层，到后来吐槽AIGC视频缺乏灵魂，再到今年，大家已经习惯AIGC并开始真正应用。如今，AI生成一部及格线以上的视频功能已较为完善。接下来的趋势是：在非强创意场景中，AI将逐渐替代人力，人类变成AI的修补匠；而人类内容设计，必须向更具创意的方向进化。

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。使用AI开发替代后，似乎差距也不大。这条路是如何走到今天的，值得视觉开发行业深思，未来各行各业都可能面临类似的挑战。

从以上几个场景可以看出，在toB方向，AI已基本成为大厂的专属工具，嵌入业务的toBtoC模式逐渐成型。而中小玩家——数据质量不足、没有模型研发能力、用户数量也不够——很快不得不从这场虚幻的梦中醒来。

toC场景

ToC场景没什么可说的。这半年没有新变化，情绪类产品增长快、消退也快，没有新场景就会逐渐消亡。几乎可以确定地说，AI仅能作为生产力工具，而无法直接服务用户。

产业AI化

产业AI化则在持续分化。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想象中更枯燥，重复性工作随处可见。这让人想起早年间流行的一句话：“人生的本质就是复读机”。这也意味着，AI可改造的领域同样遍地都是，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，只是进程快慢不同。

在此背景下，许多头部厂商利用AI驱动流程优化，今年或多或少已尝到甜头。例如某零售商超用AI设计并规划货架摆放，通过分析监控核验摆放是否正确，既节省了人工摆放时间，又减少了错误，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，现在使用大模型进一步优化生产流程安排，提升生产效率，理论上未来还能实现供产研销一体化智能管理。

可以预见，已尝到甜头的厂商将继续加码AI，在具体场景中将人类变为AI的修补匠，甚至可能建立统一的大模型管理平台，实现统一调度、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，将进一步失去竞争力，被淘汰将大概率成为必然。

小结

在前文对2024年AI应用场景的回顾中，我们总结了几个特点：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，五个特点中四个依然没有变化——不再赘述。有所变化的是，随着AI嵌入现有业务模型，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中实现。一是这些组织拥有充分的数据和算力，能够为大模型提供训练；二是场景面向的用户数量足够大，能够通过AI实现精准触达。但未来，这个范围肯定会逐步扩大——大家对标标杆应用抄作业的速度，还是挺快的。

总的来说，仍然可以期待AI技术在新场景中发挥更大作用。

（未完待续）