安富利AI报告:85%中国工程师实现AI量产,领先全球水平

智东西
作者 ZeR0
编辑 漠影
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
智东西2月27日报道,近日,老牌技术分销商和解决方案提供商安富利发布第五次年度《安富利洞察》(Avnet Insights)研究报告。该研究持续关注全球工程师在应对市场变化的过程中如何集成AI技术。
2026年度的调研于2025年10月21日至11月5日以线上形式展开,共收集了来自美洲、欧洲、中东及非洲(EMEA)、亚洲及日本地区的1200名受访者的有效反馈。
本次调研的典型受访者画像为:任职于高市值高科技企业、具备丰富经验的软件工程师,且拥有企业AI技术应用相关的战略决策权。
研究报告显示,在亚太地区,AI正日益融入各类产品与解决方案的设计之中。工程师们正在不断挖掘AI的应用潜能,积极提升技术专长,以掌握能够加强AI模型优化(17%)、提升数据分析(16%)以及AI/ML理解能力(14%)的各项技能。
在使用大语言模型解答技术问题的受访者中(占比98%),81%倾向于选用商用大语言模型,仅17%反映出多数企业受限于时间、资金与专业能力,难以完成自研模型的构建、训练与维护工作。
一、产品设计环境正在改善,中国在AI规模化部署方面地位领先
从全球范围来看,工程师整体保持乐观态度,77%的受访者认为其产品与解决方案的设计环境正在改善,43%认为略有改善,11%认为市场环境在恶化。
全球供应链中断(16%)与国际贸易政策变动(16%)是备受关注的干扰因素。受访企业普遍认为汇率波动幅度可控,不会对自身贸易平衡造成实质性冲击。

相较于2024年,受访者对“成本上涨”的担忧有所缓解,但对“交付周期”的顾虑显著提升;而对“设计周期”的担忧则有所下降。
在亚太地区,AI的应用落地进程正在加速,各地的进程差异反映出当地市场对于AI发展的优先级不同。
其中,中国在AI的规模化部署方面处于领先地位,而日本则采取更为谨慎的策略,重点关注系统可靠性、产品质量以及较长的产品全生命周期。
二、中国85%受访者已实现AI产品量产
全球超过半数(56%)的工程师称其设计的产品及解决方案已集成AI技术并实现客户交付,这一数据较去年增长了33%。
中国在产品AI技术整合方面表现突出,85%的受访者表示已实现AI产品量产,远超全球平均水平。

在中国,AI的应用普及率显著高于全球平均水平,工程师正将AI技术广泛应用于汽车、工业自动化及智能制造等多个行业领域。

日本及其他亚太地区市场也在稳步推进AI落地,并且优先发展能够提升效率、可靠性与可持续性的实际应用场景。
亚太地区的AI应用重点与全球趋势保持一致,最热门的AI应用包括:流程自动化(42%)、预测性维护(28%)以及故障与异常检测(28%),这些也是最为普遍的AI应用功能。
同时,工程师正也越来越重视边缘AI与机器学习的融合和协同应用。全球范围内有57%的受访者认为两者同等重要,这反映出多模态AI在亚太及全球市场的重要性正在不断提升。

96%的受访者都认同,未来3-5年内,AI赋能工具将重塑企业新产品的研发模式。不过,受访者对AI技术将对哪些具体流程产生最大影响的观点存在分歧。

三、主要挑战:数据质量、与现有工具的集成、成本压力
在亚太地区,工程师面临的挑战与全球趋势基本一致。
调研显示,数据质量(46%)仍是产品设计阶段首要的考量因素,其次是与现有工具的集成(38%)及成本压力(37%)。

在运营层面,持续学习与维护(54%)以及可持续性(43%)等功能的重要性日益凸显,这与AI产品在功耗及全生命周期管理方面的要求密切相关。

结语:多模态AI技术落地进程加快,制造企业适应和创新能力将是核心竞争力
年度《安富利洞察》调研揭示了如下关键趋势:
多模态AI技术落地进程加快,制造企业愈发倾向于通过融合AI与ML模型,实现产品功能与价值的升级。AI驱动的自动化技术成为核心发力点,尤其在流程自动化、故障检测及预防性维护领域应用广泛。AI技术赋能的产品个性化与定制化将成为主流趋势,美国与墨西哥市场尤为显著。可持续性、安全性、持续学习等运维与伦理层面的挑战,已成为行业公认的重点投入领域。
面对AI技术整合带来的机遇与挑战,制造企业的适应能力与创新能力将成为核心竞争力。
安富利致力研究最新的半导体前沿性技术以及如何实现与AI融合的产品开发和应用。安富利中国区总裁董花认为,中国的工程师和企业通过一系列开放性和前瞻性的举措,已经大大地巩固了中国在AI应用领域的领先地位。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
新加坡国立大学破解AI看图说话难题让机器描述更准确
人工智能的“幻觉”问题,特别是大模型在图像描述任务中凭空捏造内容的现象,一直是制约其可靠应用的关键挑战。2026年2月,一项由新加坡国立大学与北京大学深圳研究生院联合发布的突破性研究,为这一难题提供了全新的理解与一套高效、简洁的解决方案。这项研究(论文预印本编号:arXiv:2602 22144v1
斯坦福大学JavisDiT++实现AI有声有色视频生成
这项由浙江大学、新加坡国立大学、多伦多大学等全球顶尖科研机构联合完成的研究成果,已正式发表于2026年国际学习表征会议(ICLR 2026),论文预印本编号为arXiv:2602 19163v1。对于希望深入探究技术细节的读者,可通过此编号查阅完整的学术论文。 在浏览短视频时,你可能已经察觉到一种普
北大提出AI推理双车道方案解决大模型对话卡顿难题
这项由北京大学计算机学院主导,联合清华大学及DeepSeek-AI共同完成的前沿研究,其成果已正式发布于2026年2月的arXiv预印本平台,论文编号为arXiv:2602 21548v1。关注大语言模型推理优化的研究者与开发者,可通过此编号查阅论文全文与技术细节。 在与大语言模型进行深度、多轮对话
清华大学AI突破:赋予虚拟世界持久记忆,解决视频生成失忆难题
想象一下,你正在体验一款开放世界游戏。当你站在高塔之巅,远方的山脉清晰可见。随后你转身离开,去探索地图的其他角落。许久之后,当你再次回到这座塔顶,那座山依然以完全相同的姿态矗立在原地。这种空间持久且一致的认知,是人类理解世界的基础。 然而,若让当前的主流AI来动态生成这样的游戏场景,结果会大相径庭。
大模型压缩技术COMPOT让AI运行更高效
随着人工智能模型参数规模不断突破千亿级别,其庞大的存储需求和计算开销已成为实际部署的主要瓶颈。针对这一挑战,MWS AI基础研究中心与ITMO大学联合提出了一种名为COMPOT的创新模型压缩技术。这项发表于2026年2月预印本平台(arXiv:2602 15200v1)的研究,为大语言模型高效“瘦身
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

