《2025 AI+研发应用大模型国内现状调查报告》核心摘要

拥抱 AI · 重塑研发 | 2025年11月17日

报告核心结论速览 (对比2024年) ▼

方向	主要变化 (2025年)	关键提升
模型落地形态	从试点走向体系化	场景扩展2倍以上
应用领域	从通用走向垂直化	行业模型爆发
生命周期环节	开发/测试环节领先	智能测试突破显著
企业策略	模型 × 知识深度融合	微调与RAG标准化
组织层面	新岗位出现	Prompt与Agent工程职位形成
治理与ROI	安全与价值双聚焦	70%以上企业有量化收益

一、总体趋势与行业格局 ▼

                    应用进入“深耕细作”阶段： 绝大多数 (89.2%) 研发团队已拥抱LLM。其中，积极应用的团队占比达 62.8%，较去年增长 8.8%。开始试用的团队比例从 54% 降至 26.4%，表明试用成功并带来效益，大量团队已转化为积极应用者。
                

                    重心转移： 行业关注点已从“是否使用AI”的观望期，转向“如何在业务流程中系统化落地”的实践期。竞争也从单纯的“模型能力竞争”转向了包含平台、插件和工作流的“应用生态竞争指竞争不再局限于底层模型的好坏，而是扩展到围绕模型构建的工具、平台、社区、解决方案等整个生态系统的完整性和易用性。”。
                

                    垂直领域加速渗透： 行业大模型成为主流，金融、制造、软件研发等五大领域市场规模较2024年扩大约 1.8 倍。软件与IT服务业成为最活跃的行业，渗透率超 78%。
                

                    模型选择格局剧变：
                    国内模型： DeepSeek由深度求索公司开发的系列大模型，因其年初开源的R1和V3版本性能优异且可免费商用，市场占有率迅速提升。 凭借其开源策略，使用率从 3.2% 飙升至 81.1%，成为绝对领导者。阿里通义千问 (65.5%) 和豆包大模型 (41.9%) 位居第二、三阵营。
国际模型： OpenAI GPT系列仍保持 67.6% 的高使用率。Claude系列增长最快，达到 43.2%，是去年的 2.45 倍。

                

二、核心价值：降本增效成为现实 ▼

                    价值期望高度统一： 85.1% 的团队期望LLM实现“降本增效”。其中，对“提升开发(编程)工作效率”的期望值从 65.1% 提升至 81.8%，增长了 16.7%。
                

                    量化收益清晰可见： 超过 70% 的企业已建立量化指标评估LLM收益。在编程效率上，合计超过 64% 的团队实现了 10%~39% 的效率提升。需求、设计、编程、测试等关键环节，平均节省人力成本 30%~45%。
                

                    代码生成是核心价值点： 81.1% 的团队将LLM主要用于代码生成，较去年增加近 15%。部分大厂反馈已有 70% 的代码由AI生成。这证明LLM在编程辅助上已成为不可或缺的生产力工具。
                

三、全生命周期渗透现状 ▼

                    各环节“未使用”比例骤降，智能化成标配：
                    需求环节: 8.1% (去年18.3%)
设计环节: 5.4% (去年17.5%)
编程环节: 3.4% (去年9.5%)
测试环节: 16.9% (去年19.0%)

                 

需求： 核心应用是“润色或优化需求文档”(60.8%)。企业对提效的判断从模糊转向清晰，“不确定”比例从 39.7% 骤降至 14.9%。
设计： 已从知识查询转向方案建议，“向LLM咨询，让大模型提供建议”(61.5%)成为最主要用途。
编程： 最成熟领域。“代码补全”(70.9%)是核心场景。代码采纳率 ≥30% 的团队占比达 47.2%。编程工具呈多元化生态，Cursor一款深度集成AI能力的IDE，以其原生、流畅的AI编程体验受到开发者欢迎。 (18.9%) 位居榜首，国产工具通义灵码 (16.9%) 紧随其后。
测试： “生成测试用例”(68.2%) 是核心场景。但仍有 52% 的企业未使用基于LLM的专用测试工具，显示该领域工具生态仍在成长。
运维： 进入智能分析阶段。AIOpsAI for IT Operations，智能运维。将人工智能应用于IT运维，通过机器学习等技术实现自动化、智能化的运维管理，大模型极大地增强了其分析和决策能力。结合大模型成为新方向，核心场景为“运维日志分析”(45.3%)和“异常诊断”(43.9%)。

四、技术与组织双重变革 ▼

                    技术栈升级： 约 62% 的企业使用 RAG检索增强生成 (Retrieval-Augmented Generation)。通过从外部知识库检索相关信息，再交由大模型生成答案，有效缓解“AI幻觉”并让模型掌握私域知识。 或 LoRA低秩适应 (Low-Rank Adaptation)。一种高效的模型微调技术，通过只训练少量参数即可让大模型适应特定任务，极大降低了私有化部署和训练的成本。 微调，显著高于去年的 30%。基于开源大模型进行私有化部署(54.8%)已成主流。
                

                    智能体 (Agent)能够感知环境、进行决策和执行动作的自主实体。基于大模型构建的Agent能自主完成规划、调用工具等复杂任务，是AI发展的下一个重要阶段。 开发框架头部重构： Dify一个开源的LLM应用开发平台，以其易用性和强大的工作流编排能力，迅速成为开发者首选的Agent框架之一。 (36.5%) 成为第一大框架，LangChain (20.9%) 占比明显下降。应用渗透率持续提升，“没有用”的比例从 31.2% 降至 19.6%。
                 

                    组织变革加速：
                    新岗位涌现： “AI工作流设计师”、“AI应用策略师”等岗位出现，标志着企业开始从工具使用者，转向生产力体系建设者。
协作模式重塑： 50.7% 的团队认为个人学习新技术效率大幅提升。评审重心从代码风格转向业务逻辑，初级开发能更快承担复杂任务。
治理体系升级： 治理焦点从“模型安全”扩展为“全栈智能治理”，涵盖数据隐私、Prompt合理性、模型溯源等全链路。

                

五、核心挑战与未来展望 ▼

                    LLM深度应用的核心瓶颈：
                    缺少高质量的（业务/研发）训练数据 (50.8%)
安全、隐私担忧 (40.5%)
“AI幻觉”导致引入难以察觉的深层Bug (38.9%)
AI Agent行为的不可预测性与可控性差 (29.7%)
目前研发人员的应用水平不行 (28.4%)

                

                    行业共识乐观且坚定： 61.5% 的调查者认为“人人都有一个AI助手”，58.8% 认为AI将“极大地提升研发效率”。
                

                    确定性方向：走向智能体（Agentic）时代。
                    企业普遍计划在2026年前引入任务导向型LLM Agents，实现跨阶段的自动协作与决策。
人机协作方式将从“提示与回复”的被动模式，过渡至“持续对话与共创”的主动模式。
“AI辅助人”的角色转变正在加速，AI将成为团队中的“长期交互成员”，彻底重塑软件研发的组织形态和工作流程。

                

融会贯通：综合总结

《2025 AI+研发应用大模型国内现状调查报告》揭示了软件研发行业正经历一场由AI驱动的深刻变革。总结而言，行业已跨越“要不要用”的门槛，进入“如何用好”的深水区。

核心趋势表现为“体系化”、“垂直化”和“生态化”。AI的应用正从零散的单点工具，系统性地融入研发全生命周期；从通用的聊天机器人，演变为深入业务的行业专用模型；市场竞争的焦点也从模型本身转向了包含工具、平台和工作流在内的应用生态。

在价值层面，“降本增效”已从愿景变为可量化的现实，尤其在代码生成环节，AI正成为核心生产力。与此同时，这场变革不仅是技术的升级，更是组织与文化的重塑，催生了新的岗位和协作模式。

展望未来，行业正朝着智能体（Agentic）时代迈进。AI将不再仅仅是被动的执行者，而是能够自主规划、与人共创的“智能伙伴”。这预示着软件工程3.0时代——一个由模型驱动研发、模型驱动运维的全新范式，已经到来。对于所有企业和开发者而言，主动拥抱这一变革，构建人机协同的研发新体系，是赢得未来十年竞争的关键。