AI產(chǎn)業(yè)發(fā)展十大趨勢報告析

2025年

AI產(chǎn)業(yè)發(fā)展十大趨勢AI賦能千行百業(yè)，行業(yè)大模型催生“智能鏈主”AI技術能力普惠之下，利用企業(yè)專有數(shù)據(jù)形成深度洞察與策略是企業(yè)未來經(jīng)營差異化的重要關鍵AI應用的深化將對企業(yè)的組織能力提出新的要求，企業(yè)需要打造適用于人機協(xié)同的組織管理體系self-playRL范式開啟，大模型技術軍備賽進入復雜推理階段多模態(tài)模型能力持續(xù)升級，朝向多模態(tài)理解和生成的統(tǒng)一發(fā)展Agent向超級智能體進化，具備更強的學習和推理能力，處理更復雜的任務AI原生應用形成服務閉環(huán)，聚焦專業(yè)用戶提升效率是中短期重要方向現(xiàn)存應用加速擁抱AI，利用LLM能力提升產(chǎn)品競爭力，不加AI就淘汰AIGC賦能IP全生態(tài)，延長優(yōu)質(zhì)IP生命周期，提升商業(yè)價值貢獻硬件全面AI化，教育與辦公、生活的應用場景閉環(huán)率先實現(xiàn)落地2025年AI產(chǎn)業(yè)發(fā)展十大趨勢應用場景多元化探索，初現(xiàn)雛形AGI道阻且長，技術能力持續(xù)提升，加速產(chǎn)業(yè)落地趨勢1：self-playRL范式開啟，大模型技術軍備賽進入復雜推理階段由OpenAI發(fā)布的GPT3作為序幕，大語言模型理解和生成能力、通用和泛化能力提升等，引爆了對于AGI發(fā)展的高預期，大量大模型涌現(xiàn)，開源模型與閉源模型并駕齊驅(qū)，國內(nèi)大模型也在奮起直追，人工智能的發(fā)展從分析式AI進入生成式AI時代。分析式人工智能→生成式人工智能人工智能與AGI發(fā)展階段劃分交互革命人機交互方式：GUI??DUI/HUIPrompt工程價值凸顯知識革命語言是知識的載體，未來模型人人可訓、人人可用，即個人知識能力將得以復制和擴展思維革命AI具備獨立思考與邏輯判斷的能力進一步延展，具身智能連接物理世界，硅基生命與碳基生AGI0.1AGI1.0AGI2.0通過析AI開發(fā)者調(diào)研結(jié)果來看，OpenAIGPT系列大模型以42.9%的使用率位居首位，同為海外的MetaLLaMa系列大模型以27.1%的比例位居第三位。中國的大模型企業(yè)，阿里通義大模型以37.8%的使用率位居第二。總體上而言，AI開發(fā)者在模型層的選型仍然處于變動的狀態(tài)，且尚未形成相對比較明確的競爭格局。而OpenAI發(fā)布o1（草莓）模型，則再次定義大語言模型的技術方向與競爭焦點，如下圖所示：機器學習深度學習與大語言模型時代預測性分析分類生成式和對話式AI20002024+XGBoostCatBoostAlexNetBERTGPT3GPT4Gemin1.5LLaMa-3o1Claude3.5復雜推理self-playRLPre-trainRLHFPost-trainVS與以往的模型相比，OpenAIo1聚焦于優(yōu)化推理過程，在復雜的科學、編程和數(shù)學等任務中的表現(xiàn)顯著提升。它能夠像人類一樣進行深入思考、逐步推導，這對于解決需要深度邏輯推理的問題具有重大意義，突破了對大型語言模型能力的傳統(tǒng)認知，為人工智能在復雜任務處理上開辟了新的道路。由此而開啟Post-train階段的Self-playRL（自對弈強化學習）范式對于后續(xù)大模型技術路線的升級和優(yōu)化具有指引性的意義，傳統(tǒng)預訓練依賴全網(wǎng)語料，數(shù)據(jù)有噪聲且質(zhì)量不一，RLHF后訓練受人類標注數(shù)據(jù)限制。純強化學習（RL）方法無需人類標注數(shù)據(jù)，能讓模型自我探索學習，激發(fā)創(chuàng)新和探索能力，利于突破未知領域。同時，也需要注意到，盡管Self-play方法已經(jīng)開始在一定范圍內(nèi)得到應用，但是，也仍然存在挑戰(zhàn)需要進一步研究和解決，包括收斂性問題、環(huán)境非平穩(wěn)性問題、可擴展性與訓練效率等問題。另外，強化學習注重設計良好的“獎勵模型”，但是除了數(shù)學、代碼等理科領域，強化學習在其他領域仍然難以泛化。總體上而言，在復雜推理階段，大模型需要具備更高層次的邏輯推理、因果推斷和問題解決能力，進而可以擴展大模型在更多領域發(fā)揮重要作用，復雜推理的重要性凸顯。這進一步提升了當下大模型技術能力的評價標準與競爭壁壘。在OpenAI發(fā)布O1推理模型之后，國內(nèi)大模型廠商也緊隨其后，紛紛推出了自己的推理模型。這些模型在數(shù)學、代碼、推理謎題等多種復雜推理任務上取得了顯著進步。機構(gòu)模型基本情況某著名企業(yè)、某著名企業(yè)、鵬城實驗室、阿里巴巴達摩院及理海大學聯(lián)合研發(fā)llava-o1基于llama-3.2-vision模型，具備自主多階段推理能力，在多模態(tài)推理基準測試中表現(xiàn)優(yōu)異；該模型旨在允在推理時采用更系統(tǒng)和結(jié)構(gòu)化的方式。LLaVA-o1通過引入分階段的推理框架，使得模型能夠在處理視覺問題時，按照總結(jié)、說明、推理和結(jié)論四個階段逐步進行，從而提高推理的準確性和一致性DeepSeekDeepSeek-R1-Lite根據(jù)DeepSeek官方發(fā)布的報告顯示，通過強化學習訓練，在數(shù)學、代碼和復雜邏輯推理任務上表現(xiàn)媲美o1-preview；目前模型仍在開發(fā)階段，經(jīng)持續(xù)迭代，正式版DeepSeek-R1模型將完全開源，包括公開技術報告并提供API月之暗面k0-math主打數(shù)學推理能力，數(shù)學能力對標OpenAIo1系列；采用了全新的強化學習和思維鏈推理技術，通過模擬人腦的思考和反思過程，大幅提升了解決數(shù)學難題的能力，可以幫助用戶完成更具挑戰(zhàn)性的數(shù)學任務；同時，該模型可能會過度思考的問題，并需要進一步進行泛化阿里巴巴QwQQwQ-32B-Preview，其推理能力在評測結(jié)果上超過o1-mini，是目前開源領域最強的推理大模型；同時，官方團隊也指出了該模型存在的局限性，包括：語言混合、遞歸推理風險、需要進一步完善安全機制、常識推理的提升空間。Marco-o1Marco-o1不僅關注具有標準答案的學科（例如代碼、數(shù)學等）領域，而且更加強調(diào)開放式問題的解決方案。研究團隊的目標是解決：“o1這類模型能否有效的推廣到難以量化且缺乏明確獎勵的其他領域上”這一問題部分中國大模型企業(yè)推出推理模型趨勢2：多模態(tài)模型能力持續(xù)升級，朝向多模態(tài)理解和生成的統(tǒng)一發(fā)展當前自然語言、音頻、視頻等多個模態(tài)的理解與生成能力均提升顯著，在模型創(chuàng)新、跨模態(tài)能力提升、性能優(yōu)化上有進展，并涌現(xiàn)出不少基于多模態(tài)模型的應用和探索。目前多模態(tài)大模型主要有兩種思路，具體如下：多模態(tài)大模型語言模型（MM-LLM）大型多模態(tài)模型（LMM）MLLM是在大型語言模型（LLM）的基礎上發(fā)展起來的，通過擴展LLM的能力，使其能夠處理和理解來自不同模態(tài)（如圖像、音頻等）的數(shù)據(jù)。MLLM的核心在于將LLM的強大文本處理能力與其他模態(tài)的數(shù)據(jù)進行融合，實現(xiàn)跨模態(tài)的任務處理LMM是指從設計之初就專門針對多模態(tài)數(shù)據(jù)進行適配的大型深度學習模型，能夠同時處理和理解多種模態(tài)的數(shù)據(jù)（如文本、圖像、音頻、視頻等）。LMM的核心在于其原生多模態(tài)架構(gòu)，能夠在多模態(tài)數(shù)據(jù)之間建立深層次的關聯(lián)和融合。如谷歌Gemini模型、OpenAIGPT-4V模型利用現(xiàn)有LLM預訓練成果，減少開發(fā)成本和時間靈活進行不同模型之間的組合，適用于多種多模態(tài)任務具備較強的多模態(tài)融合能力處理復雜的多模態(tài)任務時表現(xiàn)更優(yōu)異，如視頻分析等定義優(yōu)勢具體來說，當前多模態(tài)模型的進展如下：新模型不斷涌現(xiàn)研究機構(gòu)和企業(yè)不斷推出性能強大的多模態(tài)模型，例如智源人工智能研究院Emu3，是全球首個原生多模態(tài)世界模型，通過自回歸技術結(jié)合圖像、文本和視頻三種模態(tài)，在圖像生成、視覺語言理解和生成方面表現(xiàn)出色。訓練方法優(yōu)化訓練方式不斷創(chuàng)新，例如新的聯(lián)合訓練策略，即在訓練過程中先固定大語言模型的權重參數(shù)，對圖像編碼器和橋接組件進行初步訓練，然后再對整個模型進行整體訓練，這種分階段的訓練方式有助于提高模型的性能和效率?？缒B(tài)交互能力增強能夠更好地理解和關聯(lián)不同模態(tài)之間的信息，實現(xiàn)更精準的跨模態(tài)交互和轉(zhuǎn)換，例如，可以根據(jù)文本描述生成高質(zhì)量的圖像或視頻，也可以理解圖像或視頻內(nèi)容并生成相關的文本描述，并且在語義一致性方面有了很大提升。性能提升計算效率提高，多模態(tài)模型計算速度加快、響應時間縮短，可快速處理分析數(shù)據(jù)滿足實時需求。同時，模型結(jié)構(gòu)與訓練方法優(yōu)化使精度提升，在圖像、語音、自然語言處理等任務準確率和召回率顯著提高。面對現(xiàn)實世界，信息是以多種模態(tài)存在的，如文本、圖像、音頻、視頻等。人類的認知過程是多模態(tài)的，我們通過視覺、聽覺、觸覺等多種方式感知世界。然后，上述在多模型能力方面的進展，通常都是將理解和生成任務分開處理，使用獨立的模型分別應對，多模態(tài)模型的統(tǒng)一有助于使其更接近人類的認知模式，從而更好地理解和處理復雜的自然場景，增強人機交互體驗，拓展更廣泛的應用領域。相應地，多模態(tài)理解和生成的統(tǒng)一是當下多模態(tài)模型能力提升的重要發(fā)展方向。LLMDiffusionLLM（AR）VisionLanguageLanguageLanguage（a）UnderstandingOnly（b）GenerationOnlyLLMLLM（AR+Diffusion）e.g.,NExT-GPT，SEED-Xe.g.,LWM，Chameleone.g.,Show-oContinuousDiscreteAR:AutoregressiveDiffusionLanguageVisionLanguageVisionLanguageVisionLLM（AR）信息來源：SHOW-O：OneSingleTransformertoUnifyMultiModelUnderstandandGeneration無論是上述何種思路，多模態(tài)整體上需要在如下方向進一步研究與提升，從而實現(xiàn)更廣泛的應用落地：技術發(fā)展增強跨模態(tài)理解能力不同模態(tài)的數(shù)據(jù)（如文本、圖像、音頻、視頻等）具有各自獨特的特征和表達方式，統(tǒng)一發(fā)展能更好地建立起不同模態(tài)之間的關聯(lián)和映射，讓模型更準確、深入地理解各模態(tài)信息的內(nèi)在聯(lián)系和語義一致性提高模型的泛化能力單一模態(tài)的模型往往只能處理特定類型的數(shù)據(jù)，在面對復雜多變的實際場景時可能表現(xiàn)不佳。而多模態(tài)模型的統(tǒng)一發(fā)展可以整合多種模態(tài)的信息，使模型能夠從多個角度對事物進行理解和分析，從而提高模型的泛化能力，適應不同的應用場景和數(shù)據(jù)變化數(shù)據(jù)管理促進數(shù)據(jù)融合和共享多模態(tài)模型的統(tǒng)一發(fā)展需要對不同模態(tài)的數(shù)據(jù)進行融合和處理，這將推動數(shù)據(jù)的標準化和規(guī)范化，促進不同來源、不同格式的數(shù)據(jù)之間的融合和共享緩解數(shù)據(jù)稀缺問題某些模態(tài)的數(shù)據(jù)可能比較稀缺或難以獲取，而多模態(tài)模型的統(tǒng)一發(fā)展可以通過利用其他模態(tài)的數(shù)據(jù)來彌補某一模態(tài)數(shù)據(jù)的不足應用落地拓展應用場景統(tǒng)一的多模態(tài)模型可以打破不同模態(tài)之間的界限，為各種創(chuàng)新應用場景的開發(fā)提供了可能。例如，在文化娛樂領域，可以打造出具有多模態(tài)交互功能的虛擬現(xiàn)實（VR）或增強現(xiàn)實（AR）游戲，讓玩家沉浸在更加豐富的虛擬世界中等降低應用成本對于企業(yè)和開發(fā)者來說，使用統(tǒng)一的多模態(tài)模型可以減少對不同單一模態(tài)模型的開發(fā)和維護成本提高應用效率和質(zhì)量多模態(tài)模型的統(tǒng)一發(fā)展使得不同模態(tài)的數(shù)據(jù)能夠在一個模型中進行協(xié)同處理，減少了數(shù)據(jù)在不同模型之間的轉(zhuǎn)換和傳輸時間，提高了應用的效率。同時，統(tǒng)一模型能夠更好地整合多模態(tài)信息，做出更準確、更全面的決策和判斷，從而提高應用的質(zhì)量和可靠性趨勢3：Agent向超級智能體進化，具備更強的學習和推理能力，處理更復雜的任務Agent正憑借一系列關鍵技術進展，如深度學習、強化學習、自然語言處理技術的突破以及多模態(tài)融合等方面的發(fā)展，逐步向具備更強學習和推理能力、能處理更復雜任務的超級智能體進化?；诖笳Z言模型的發(fā)展以大語言模型為核心的Agent在自然語言處理能力上取得了顯著進步。它們能夠理解和生成人類語言，準確回答各種問題，提供詳細的解釋和建議。這些能力的提升可增強語言理解與生成，助力任務規(guī)劃執(zhí)行，強化推理決策，還能拓展知識儲備與學習能力，如在客服、寫作、金融、科研等多領域發(fā)揮作用，推動Agent更好完成各項復雜任務。>多模態(tài)融合能力增強部分Agent開始具備多模態(tài)融合的能力，能夠結(jié)合文本、圖像、語音等多種信息進行處理和分析。多模態(tài)融合能力增強可以推動Agent實現(xiàn)更全面準確信息理解，克服單模態(tài)局限、整合多源信息；帶來更自然高效人機交互；使其有更強場景適應力；還賦予更智能決策與規(guī)劃能力，為Agent在多領域應用提供有力支撐。>上述Agent能力提升對應用場景的拓展意義非凡，使得Agent能更精準理解場景需求，高效處理復雜任務，提升整體工作效率，適應多元環(huán)境變化，保障應用的穩(wěn)定性與持續(xù)性。同時，Agent進化為超級智能體也將進一步促進多智能體應用的發(fā)展，包括提升任務處理與協(xié)同能力，快速處理復雜任務并優(yōu)化多智能體協(xié)同；可能推動多智能體系統(tǒng)的架構(gòu)向更加智能化、靈活化的方向發(fā)展，并對多智能體系統(tǒng)進行集中管理和監(jiān)控，及時發(fā)現(xiàn)和解決系統(tǒng)中的問題，提高系統(tǒng)的穩(wěn)定性和可靠性等。盡管上述技術能力的不斷提升可以推動Agent向廣泛的應用場景拓展，但是在實際落地的過程中仍然需要形成一系列規(guī)則和措施來規(guī)避如下技術以外的風險和挑戰(zhàn)：倫理道德安全社會經(jīng)濟價值對齊：確保Agent目標與人類價值觀一致困難，其決策可能不符人類期望，引發(fā)道德困境責任劃分：Agent出錯時，難以界定開發(fā)者、使用者還是其自身的責任，需明確法律倫理框架隱私保護：Agent訓練需大量數(shù)據(jù)，保障性能同時保護用戶隱私是重要挑戰(zhàn)對抗攻擊：意攻擊，如對抗樣本可使Agent產(chǎn)生錯誤決策，需有效防御技術自主決策風險：自主決策能力可能帶來不可預測風險，決策系統(tǒng)故障或被篡改會嚴重影響社會就業(yè)影響：廣泛應用可能替代大量工作崗位，需做好勞動力轉(zhuǎn)型與再培訓應對就業(yè)市場變化社會公平性：發(fā)展應用可能加劇不平等，優(yōu)勢群體受益多，落后地區(qū)和弱勢群體可能被邊緣化ToolCopilotAIAgentRPARPA+AILLM驅(qū)動程序員駕馭數(shù)字員工，賦能業(yè)務團隊業(yè)務人員可用，進一步降低應用門檻人機協(xié)同，實現(xiàn)數(shù)字化勞動力的組合與重構(gòu)將LLM（大語言模型）和RPA（機器人流程自動化）相結(jié)合是現(xiàn)階段Agent落地的一種有效手段，可以充分發(fā)揮技術協(xié)同優(yōu)勢，增強數(shù)據(jù)處理與理解能力，將智能決策與任務執(zhí)行有機融合；也有助于通過RPA明確的流程規(guī)則，確保價值對齊和透明性提升，以及責任界定的輔助；通過RPA系統(tǒng)本身具有的穩(wěn)定性和可靠性，在一定程度上提升Agent應用的安全保障能力等。如下三種方式并行，也是企業(yè)考慮利用Agent和數(shù)字員工提升勞動生產(chǎn)力的可行之道。附：中國Agent應用圖譜金融文娛教育+公用事業(yè)制造+能源醫(yī)療+健康消費/電商行業(yè)解決方案類型Agent功能類型AgentRPA平臺支小助小浦智匯、智讀等騰訊元寶桃豆游戲Copilot隊友數(shù)字員工AIAgent以正教育AgentAYAYI商家智能助手AI購物助手小滬小華AIAgentCPSAIAgent會聆心理39AI全科醫(yī)生春雨慧問代碼+測試辦公財稅營銷+客服數(shù)據(jù)分析人力資源AI程序員CodeGeeXChatDEV金山CopilotPro數(shù)字員工Agent某著名企業(yè)AI助理AI數(shù)字員工BPai智能財稅“金稅一言”AI面試助手AIFamilyAIAgent小明助理BlueAITableAgentCopilotAI數(shù)據(jù)分析師郵曉蕊教育AI助手攜程問道安全應急AIAgentHealthGPTSkyAgents總結(jié)：AGI道阻且長，技術能力持續(xù)提升，加速產(chǎn)業(yè)落地AGI需具備類似人類的通用認知能力，涵蓋學習推理、語言理解與交互、復雜規(guī)劃與決策等多方面能力。這就意味著朝向AGI進化的基礎技術，無論是模型架的創(chuàng)新，還是模型自主決策能力的訓練與提升，都需要長周期的摸索與研究。同時，AGI的發(fā)展也面臨諸多挑戰(zhàn)，這包括：計算資源限制AGI基礎技術研發(fā)對算力要求極高，從模型架構(gòu)創(chuàng)新角度，新架構(gòu)探索需大量計算資源進行實驗和驗證；模型自主決策能力訓練也需海量數(shù)據(jù)及復雜計算來優(yōu)化模型參數(shù)，以實現(xiàn)精準決策。然而，當前硬件技術發(fā)展還無法完全滿足需求，硬件性能提升速度跟不上模型規(guī)模和復雜度增長，限制了研究進度，導致研究周期延長。數(shù)據(jù)獲取與質(zhì)量難題高質(zhì)量數(shù)據(jù)是基礎技術發(fā)展的關鍵，模型架構(gòu)創(chuàng)新需大量不同類型數(shù)據(jù)來訓練和優(yōu)化，以學習各種模式和規(guī)律；自主決策能力訓練更需豐富的標注數(shù)據(jù)及反饋信息，以引導模型做出正確決策。但實際中，數(shù)據(jù)存在獲取困難、標注成本高、數(shù)據(jù)質(zhì)量參差不齊等問題，獲取和整理數(shù)據(jù)需耗費大量時間和精力，延緩了研究步伐。倫理和安全性考量AGI的發(fā)展引發(fā)了諸多倫理和安全問題，如模型決策的公正性、透明度、可解釋性，以及對社會就業(yè)結(jié)構(gòu)的沖擊等.這要求在基礎技術研究中，同步考慮如何使技術符合人類的倫理道德和社會價值觀，確保其安全可靠、可控可管，而解決這些問題需要在技術研發(fā)過程中不斷權衡和探索，進一步拉長了研究周期。朝向AGI的目標遇到上述諸多挑戰(zhàn)而停止，在這個過程中，AI基礎能力持續(xù)提升，進一步加速了產(chǎn)業(yè)落地與產(chǎn)品應用的探索。人工智能產(chǎn)業(yè)的長遠發(fā)展，終須基礎研究與產(chǎn)品實踐相結(jié)合，實現(xiàn)螺旋式攀升。從2024年開端，向2025年延續(xù)，人工智能的發(fā)展，將由模型開發(fā)與競賽，轉(zhuǎn)向產(chǎn)品為先與場景打磨的新階段。此前無論是模型訓練方式的轉(zhuǎn)變、還是多模態(tài)能力的升級，以及Agent智能化水平的提升，也都為人工智能的應用落地提供了有力的技術支撐。其他并未單獨提及的關鍵變化如下：推理成本顯著下降，降低應用場景實踐門檻一方面，硬件技術的進步功不可沒。新型芯片架構(gòu)的研發(fā)與優(yōu)化，例如專門針對人工智能推理任務設計的芯片，大幅提升了計算效率。這些芯片在能耗管理和運算速度上取得了良好平衡，使得單位推理運算的能耗成本和時間成本均有效降低。另一方面，算法優(yōu)化也起到關鍵作用。研究人員不斷改進推理算法，減少不必要的計算步驟和數(shù)據(jù)傳輸，通過模型壓縮技術，在不顯著影響模型精度的前提下，降低模型的存儲和計算需求，從而在大規(guī)模推理應用場景中極大地節(jié)省了成本。再者，云服務提供商之間的競爭加劇，為吸引更多人工智能企業(yè)用戶，他們不斷優(yōu)化基礎設施并降低服務價格，使得企業(yè)在使用推理服務時的費用大幅減少，共同推動了2024年推理成本的顯著下降。大模型競爭格局存在變化空間，模型層競爭收攏OpenAIo1模型改進了推理密集型基準測試的表現(xiàn)，在復雜的數(shù)據(jù)和科學任務上表現(xiàn)出色，仍然占據(jù)模型側(cè)的領先優(yōu)勢，但是仍然面臨o1模型使用成本高昂的問題。與此同時，開源模型與閉源模型之間的差距正在縮小。如Meta發(fā)布LlaMa3.1和LlaMa3.2模型，前者在推理、數(shù)學和上下文任務上與GPT-4o和Claude3.5Sonnet等模型能力不相上下。而后者的多模態(tài)能力在圖像識別和視覺理解任務上與領先的閉源模型具有競爭力，其輕量級模型在某著名企業(yè)設備和邊緣計算上的表現(xiàn)也令人印象深刻。聚焦到中國人工智能市場，中國的大語言模型距離國際領先模型仍然存在差距，但是也也在部分子任務上實現(xiàn)了SOTA。以智源研究院發(fā)布的部分FlagEval「百?！乖u測結(jié)果為例，字節(jié)跳動、阿里巴巴以及騰訊等，均在部分方向上表現(xiàn)出色。機構(gòu)模型開閉源字節(jié)跳動Doubao-pro-32k-preview閉源百度ERINE4.0Turbo版本：Erine-4.0-turbo-8k-latest閉源OpenAIo1-preview-2024-09-12閉源AnthropicClaude-3-5-sonnet-20241022閉源阿里巴巴Qwen-Max-0919閉源機構(gòu)模型開閉源OpenAIo1-mini-2024-09-12閉源GoogleGemini-1.5-pro-latest閉源阿里巴巴Qwen-max-0919閉源字節(jié)跳動Doubao-pro-32k-preview閉源MetaLlaMa-3.3-70b-instruct開源語言模型-主觀（含價值觀）更偏重考察中文能力機構(gòu)模型開閉源騰訊HunyuanImage閉源字節(jié)跳動Doubaoimagev2.1閉源Ideogram_AIIdeogram2.0閉源OpenAIDALL?E3閉源快手可圖閉源機構(gòu)模型開閉源快手可靈1.5（高品質(zhì)版）閉源字節(jié)跳動即夢P2.0pro閉源愛詩科技PixVerseV3閉源MiniMax海螺AI閉源Pika.AIPika1.5閉源多模態(tài)生成模型-文生圖多模態(tài)生成模型-文生視頻信息來源：智譜研究院FlagEval「百模」評測2024年12月壓縮與蒸餾模型便于模型部署和提升推理效率，加快模型在新領域的落地應用通過優(yōu)化算法和訓練方法，實現(xiàn)了在保持高性能的同時減少模型大小。如面壁智能發(fā)布了端側(cè)多模態(tài)模型MiniCPM-Llama3-V2.5，參數(shù)規(guī)模僅8B，但在多模態(tài)能力上超越了GPT-4V和GeminiPro，特別是在OCR能力和多語種支持方面表現(xiàn)出色。而數(shù)據(jù)集蒸餾技術、多模態(tài)數(shù)據(jù)蒸餾等技術在2024年的進步，如騰訊的多模態(tài)AI實驗室研究了基于蒸餾的多模態(tài)數(shù)據(jù)集生成方法；華為諾亞方舟實驗室多模態(tài)蒸餾研究項目等，也進一步推動了小型模型的應用場景拓展與商業(yè)化。合成數(shù)據(jù)廣泛應用合成數(shù)據(jù)技術通過算法、統(tǒng)計模型或生成式AI技術生成，旨在模擬真實世界的數(shù)據(jù)分布和特征。隨著生成式AI技術的進步，如GAN（生成對抗網(wǎng)絡）、VAE（變分自編碼器）等技術的發(fā)展，合成數(shù)據(jù)的生成質(zhì)量和效率不斷提升。相應地，合成數(shù)據(jù)的應用領域不斷拓展，從最初的自動駕駛、醫(yī)療影像分析等領域逐漸滲透到金融、教育、零售等多個行業(yè)。趨勢4：AI原生應用形成服務閉環(huán)，聚焦專業(yè)用戶提升效率是中短期重要方向類型現(xiàn)有應用AI原生應用典型示例交互方式重構(gòu)GUI多模態(tài)交互GPT-4o，通過語音直接進行交互服務重構(gòu)通過信息鏈接促進交以及商品/服務的供給直接提供服務Before：豬八戒網(wǎng)，提供的是做圖需求與供給之間的鏈接Now：可以通過AI做圖應用直接提供服務鏈接對象重構(gòu)人-人人-軟件Before：社交解決的是人與人之間的鏈接，如微信等Now：社交除了解決人與人之間的鏈接，還可以是人與軟件（agent）之間的互動，同樣可以滿足部分用戶的情感需求，如星野等產(chǎn)品迭代重構(gòu)功能迭代模型迭代Before：用戶適應產(chǎn)品，接受產(chǎn)品功能與交互的變化Now：由于模型升級導致產(chǎn)品功能增強，產(chǎn)品適應用戶，用戶無感知AI原生應用可能發(fā)生的重構(gòu)當前AI原生應用大量涌入市場，但是，一方面存在用戶規(guī)?？焖僭鲩L，但是留存不理想的情況，另一方面，貌似仍然尚未跳開已有應用的產(chǎn)品形態(tài)，從AI能力增強對于應用形態(tài)可能的影響來看，至少可以從如下方面進行AI原生應用的探索與跟蹤：其中，與現(xiàn)存應用最明顯的差異在于，AI原生應用需要對最終結(jié)果負責，服務或者說結(jié)果的達成過程由AI原生應用自行消化，用戶對于AI原生應用的滿意度和評價，均來自于其提供結(jié)果的完成度和滿意度。例如，用戶評價不同的AI生圖應用，評價的核心出發(fā)點就在于其生圖的質(zhì)量是否達到用戶的預期，對于應用開發(fā)者來說，生圖的步驟和產(chǎn)品設計，除了提升用戶的生圖體驗之外，更重要的是通過產(chǎn)品“雕花”，實現(xiàn)對于用戶預期和質(zhì)量控制的管理。至于產(chǎn)品運營過程，即便面臨與以往應用的較大差異，也是開發(fā)者自行消化，如下圖所示：找平衡面向?qū)I(yè)人士或者專業(yè)需求：更側(cè)重生成質(zhì)量，需要提供更多的prompt與引導，從而幫助用戶豐富作品細節(jié)的要求，達成用戶對于作品質(zhì)量的預期示例：MidjourneyPrompt包括圖片內(nèi)容描述、藝術風格描述、藝術媒介&手段、光線描述、圖片細節(jié)描述等等，使用不同的prompt可以實現(xiàn)圖片的精細化調(diào)節(jié)面向普通用戶或者娛樂需求：更側(cè)重生成體驗與速度，上手門檻低，體驗流暢，生成作品初步達成需求預期即可，可以考慮以成熟作品的模版引導用戶使用，適當增加個性化作品調(diào)整面對用戶需求，通過場景細分保障用戶體驗與留存追求速度AI原生應用面對產(chǎn)品運營，通過尋求從MPF（Model-ProductFit）到PMF（Product-MarketFit）的過渡構(gòu)筑產(chǎn)品護城河追求質(zhì)量模型應用成本模型駕馭能力數(shù)據(jù)飛輪產(chǎn)品邊界模型應用成本包括計算資源、數(shù)據(jù)收集與標注成本、人力投入等。盡管當前模型API調(diào)用成本已經(jīng)大幅度下滑，但是應用企業(yè)仍然需要考慮后續(xù)用戶增長之后來帶來的推理持續(xù)累積提升可能帶來的高成本投入，通過不同模型的組合和產(chǎn)品設計尋求成本優(yōu)化。這涉及對模型的理解、調(diào)整和優(yōu)化能力。企業(yè)需要深入了解不同模型的工作原理、優(yōu)勢與局限性。能夠根據(jù)產(chǎn)品場景需求調(diào)整參數(shù)、改進算法，以提高模型的準確性和適應性。同時，通過模型組合，以及持續(xù)的監(jiān)測和評估，不斷提升對模型的駕馭水平，確保模型在不同場景下穩(wěn)定高效運行。在AI應用中，明確產(chǎn)品邊界至關重要，尤其是模型能力與產(chǎn)品功能之間的邊界。一方面，產(chǎn)品功能應圍繞核心價值設計，不能因模型能力提升而盲目擴展。更重要的是，實時跟蹤模型能力提升的方向和程度，確保產(chǎn)品核心價值與模型能力之間存在增值空間。數(shù)據(jù)沉淀是AI應用持續(xù)優(yōu)化的基礎。通過收集用戶行為數(shù)據(jù)、業(yè)務數(shù)據(jù)等，不斷豐富數(shù)據(jù)資源，并為模型，尤其是產(chǎn)品的改進提供依據(jù)。同時，要注重數(shù)據(jù)的質(zhì)量和安全性，建立完善的數(shù)據(jù)管理體系，確保數(shù)據(jù)的可用性和性，為AI應用的長期發(fā)展構(gòu)建競爭壁壘。當前AI原生應用發(fā)展現(xiàn)狀：聚焦專業(yè)用戶提升效率是中短期重要方向當前AI原生應用主要覆蓋如下用戶群體和功能類型，超級個體涌現(xiàn)的背景之下，在傳統(tǒng)意義上對用戶進行B和C劃分之外，專業(yè)人士（即Prosumer）這類用戶群體的重要性愈發(fā)突出，包括程序員、設計師、律師等各種專業(yè)人士，其效率提升的需求與當前AI應用的價值匹配度相對比較高，具備付費意愿與付費能力，且采購決策考量和周期相對可控，是AI原生應用追求用戶留存和商業(yè)化并重階段需要重點關注的用戶群體。用戶（Consumer）專業(yè)人士（Prosumer）企業(yè)ChatbotsAI搜索AI生成/設計類（圖片/音樂/視頻/文案等等）AI社交（虛擬角色/陪伴）AI教育生產(chǎn)力工具/IT場景等代碼助手營銷/客服協(xié)同辦公數(shù)據(jù)分析/BI法律/醫(yī)療等專業(yè)人士應用當前AI原生應用主要方向趨勢5：成熟應用加速擁抱AI，利用LLM能力提升自身應用服務體驗和產(chǎn)品競爭力，不加AI就淘汰擁抱AI在當下是必選項，不是可選項，成熟應用通常都是從如下視角和價值的角度考慮，需要增強AI能力：提升用戶體驗個性化服務AI可以分析用戶的行為、偏好和歷史數(shù)據(jù)，為用戶提供高度個性化的服務。這在流媒體以及電商平臺都得到了印證，即個性化的體驗能夠提高用戶的滿意度和忠誠度，使應用在競爭激烈的市場中脫穎而出智能交互借助自然語言處理和語音識別技術，AI可以實現(xiàn)更加智能的交互方式。例如，這將顯著降低兩齡用戶與應用互動和信息輸入的門檻，進一步擴大應用的覆蓋范圍提高運營效率自動化流程AI可以自動化瑣的任務，如數(shù)據(jù)輸入、文件分類、客戶服務等。這可以節(jié)省人力成本，提高工作效率，使企業(yè)能夠更專注于核心業(yè)務精準預測和決策通過對大量數(shù)據(jù)的分析，AI可以進行精準的預測和決策。現(xiàn)存應用可以利用這些預測結(jié)果來優(yōu)化業(yè)務流程、制定營銷策略、提高庫存管理效率等增強競爭力創(chuàng)新功能擁抱AI可以為現(xiàn)存應用帶來新的功能和創(chuàng)新點，吸引更多用戶，并為用戶帶來更多的價值。在競爭激烈的市場中，不斷推出新的功能和服務是保持競爭力的關鍵。適應市場變化隨著技術的不斷發(fā)展，用戶的需求和市場環(huán)境也在不斷變化。現(xiàn)存應用需要不斷創(chuàng)新和改進，以適應這些變化，從而盡量規(guī)避被新應用淘汰的風險1.將AI與LLM能力作為提效工具2.AI能力融入現(xiàn)有產(chǎn)品體系3.推出以AI為主體的產(chǎn)品與解決方案4.AllinAI，將LLM作為公司戰(zhàn)略發(fā)展抓手成熟應用加速擁抱AI的四個狀態(tài)?析analysys基于上述考量，成熟應用結(jié)合自身用戶工作流以及市場分發(fā)和渠道優(yōu)勢，占據(jù)用戶界面，在這一波浪潮中，并未放松和懈怠，普遍呈現(xiàn)出加速AI整合的態(tài)勢，主要包括如下類型和狀態(tài)：1.將AI與LLM能力作為提效工具在這個階段，企業(yè)開始探索AI技術的應用潛力，主要將其應用于流程優(yōu)化，提高工作效率。核心特征主要在企業(yè)使用，旨在提升運營和工作效率應用場景相對局限，可能用于自動化數(shù)據(jù)處理、文檔管理、簡單的任務分配等對現(xiàn)有業(yè)務流程的影響較小，是一種漸進式的改進對于AI技術能力的要求準確性和穩(wěn)定性：確保在處理任務時能夠準確無誤地執(zhí)行，避免錯誤對工作造成干擾可定制性：能夠根據(jù)企業(yè)的特定需求進行定制和調(diào)整，以適應不同的工作流程和數(shù)據(jù)格式高效性：快速處理任務，提高工作效率，減少人工干預的時間成本可能面臨的挑戰(zhàn)技術選型難題：需要從眾多的AI和LLM工具中選擇適合企業(yè)需求的，可能面臨功能不匹配、兼容性問題等員工適應問題：員工需要學習新的工具和工作方式，可能存在抵觸情緒或?qū)W習成本高的情況數(shù)據(jù)安全風險：引入外部技術可能帶來數(shù)據(jù)的風險，需要加強數(shù)據(jù)安全管理典型案例基本上大部分科技企業(yè)都有所涉及，尤其是在軟件工程和應用開發(fā)方向上，同時，大量行業(yè)企業(yè)，即AI技術的買單方當前也看重這一價值，試水頗多。案例：中國某著名企業(yè)軟件開發(fā)中心智能研發(fā)體系建設與實踐應用方向規(guī)劃工行軟件開發(fā)中心組建AI4SE（即AIforSofwareEngineering，智能化軟件工程）專項工作團隊，明確AI落地方向需求分析設計輔助編碼輔助測試輔助版本發(fā)布智能運維②

從單一編碼環(huán)節(jié)拓展至需求、設計、測試、運維等研發(fā)全流程①

提升編碼效率和質(zhì)量代碼補全代碼安全檢測單測生成研發(fā)問答CodeReview……②

規(guī)范智能研發(fā)資產(chǎn)打造數(shù)字研發(fā)資產(chǎn)管理平臺積累優(yōu)秀金融代碼資產(chǎn)，推進模型微調(diào)形成智能研發(fā)規(guī)范指引，持續(xù)賦能③

構(gòu)建模型測評體系打造自動化測評平臺構(gòu)建三層測評體系實現(xiàn)逐級準入開展用戶試點評估與快速迭代2.AI能力融入現(xiàn)有產(chǎn)品體系隨著對AI技術的深入理解和應用，企業(yè)開始將AI能力集成到其現(xiàn)有的產(chǎn)品和服務中。這個階段的關鍵是找到AI技術與現(xiàn)有業(yè)務的結(jié)合點，創(chuàng)造價值增量。核心特征將AI技術逐步整合到現(xiàn)有的產(chǎn)品和服務中，以增強產(chǎn)品的功能和競爭力可能會對產(chǎn)品進行一定程度的升級和改進，為用戶帶來新的體驗仍然以現(xiàn)有產(chǎn)品為核心，AI作為輔助功能對于AI技術能力的要求兼容性：與現(xiàn)有產(chǎn)品體系無縫融合，不影響產(chǎn)品的整體性能和穩(wěn)定性實用性：提供切實有用的功能，滿足用戶在使用現(xiàn)有產(chǎn)品過程中的實際需求可擴展性：隨著產(chǎn)品的發(fā)展和用戶需求的變化，能夠方便地擴展和升級AI功能可能面臨的挑戰(zhàn)用戶體驗平衡：在增加AI功能時，要確保不破壞原有的用戶體驗，同時讓新功能用戶接受和使用用戶增量價值空間：AI功能的增加是否能夠在提升用戶體驗的

同時，也帶來用戶價值的提升，從而達成增量商業(yè)化成本控制壓力：開發(fā)和維護融合AI能力的產(chǎn)品體系可能需要較高的成本，包括技術研發(fā)、數(shù)據(jù)處理等方面典型案例金山WPS、百度文庫、某著名企業(yè)、某著名企業(yè)、福昕軟件等等，即大量已經(jīng)深度集成在用戶界面與工作流的應用企業(yè)，將AI能力作為提升自身產(chǎn)品體驗與功能的發(fā)展方向，部分企業(yè)開始嘗試針對其AI能力升級提升收費客單價。個人辦公服務應用AI方向規(guī)劃與落地實踐提升用戶對AI功能的理解與使用，進而拉動個人辦公訂閱業(yè)務增長。AI寫作助手AI閱讀助手AI數(shù)據(jù)助手AI設計助手WPSAI辦公助手業(yè)務進展：目前AI會員和大會員累計年度付費用戶數(shù)合計已超百萬，在付費用戶中的滲透率約3%預計ARPU值仍將保持小幅提升，增長幅度低于會員漲幅，AI增強帶來的用戶使用習慣與付費能力尚需要培養(yǎng)2024年，WPS推出包含AI會員等的全新會員體系-WPS大會員，如下表所示：表

金山WPS會員體系案例：金山辦公WPS個人辦公服務WPSAI2.0帶動個人訂閱服務增長企業(yè)AI戰(zhàn)略規(guī)劃全面升級發(fā)布WPSAI2.0，涵蓋個人版、企業(yè)版、政務版等不同版本，形成全面的一站式AI辦公生態(tài)，滿足不同用戶和場景的需求。定位為大模型技術的應用方，適配對接國內(nèi)主流大模型，通過合作整合和落地最新的AI技術，為用戶和客戶提供AI服務。數(shù)據(jù)來源：某著名企業(yè)財報，析整理3.推出以AI為主體的產(chǎn)品與解決方案在這個階段，AI技術成為企業(yè)產(chǎn)品和解決方案的核心。企業(yè)開始推出全新的以AI為主體的產(chǎn)品和服務。這標志著AI技術從輔助角色轉(zhuǎn)變?yōu)轵?qū)動企業(yè)創(chuàng)新和增長的主要動力。核心特征以AI技術為核心，開發(fā)全新的產(chǎn)品和解決方案產(chǎn)品的價值主要來源于AI技術帶來的創(chuàng)新和優(yōu)勢可能會開拓新的市場領域，滿足特定的用戶需求對于AI技術能力的要求創(chuàng)新性：具備獨特的技術優(yōu)勢和創(chuàng)新點，能夠在市場上脫穎而出高性能：提供強大的計算能力和高效的算法，以滿足復雜的應用場景需求可靠性：確保產(chǎn)品在各種環(huán)境下都能穩(wěn)定運行，為用戶提供可靠的服務可能面臨的挑戰(zhàn)市場競爭激烈：AI領域競爭激烈，新推出的產(chǎn)品需要有獨特的價值主爭優(yōu)勢才能脫穎而出技術持續(xù)創(chuàng)新需求：AI技術發(fā)展迅速，產(chǎn)品需要不斷進行技術升級和創(chuàng)新，以保持競爭力數(shù)據(jù)質(zhì)量和數(shù)量要求高：以AI為主體的產(chǎn)品通常對數(shù)據(jù)的質(zhì)量和數(shù)量要求很高，獲取和管理高質(zhì)量數(shù)據(jù)可能面臨挑戰(zhàn)典型案例騰訊旗下騰訊云，將AI與MaaS服務作為業(yè)務增長的重要方向之一，面向金融、文旅、政務、傳媒、教育等推出行業(yè)模型與解決方案，并提供模型預訓練、模型精調(diào)、智能應用開發(fā)等MaaS服務，以及一系列模型工具鏈和算力服務等。浪潮旗下浪潮云洲，推出工業(yè)領域行業(yè)大模型“知業(yè)大模型”，融合云洲工業(yè)互聯(lián)網(wǎng)平臺海量工業(yè)數(shù)據(jù)，在通用大模型的基礎上進行工業(yè)領域知識對齊、增強，面向工業(yè)企業(yè)提供大模型全棧式開發(fā)套件及訓練場景大模型的智能服務。4.AllinAI，將LLM作為公司戰(zhàn)略發(fā)展抓手在這個最終階段，AI技術與LLM成為企業(yè)戰(zhàn)略發(fā)展的核心。企業(yè)將全面擁抱AI技術，在組織結(jié)構(gòu)、業(yè)務模式、市場策略等方面進行深度整合和轉(zhuǎn)型，從而實現(xiàn)智能化升級與蛻變。核心特征公司將AI作為核心戰(zhàn)略，全面投入資源進行研發(fā)和推廣以LLM為重點，構(gòu)建完整的AI生態(tài)系統(tǒng)，涵蓋多個領域和應用場景可能會進行重大的業(yè)務轉(zhuǎn)型和組織架構(gòu)調(diào)整，以適應AI戰(zhàn)略的實施對于AI技術能力的要求領先性：在AI技術領域保持領先地位，不斷進行技術創(chuàng)新和突破生態(tài)構(gòu)建能力：能夠整合各種資源，構(gòu)建開放、合作的AI生態(tài)系統(tǒng)，促進產(chǎn)業(yè)的發(fā)展戰(zhàn)略眼光：具備長遠的戰(zhàn)略眼光，能夠準確把握市場趨勢和用戶需求，制定合理的發(fā)展戰(zhàn)略可能面臨的挑戰(zhàn)戰(zhàn)略風險高：將全部資源投入AI存在較大的戰(zhàn)略風險，如果技術發(fā)展不如預期或市場需求發(fā)生變化，可能對公司造成重大影響。人才短缺：AI和LLM領域的專業(yè)人才稀缺，招聘和留住高素質(zhì)人才可能成為難題。監(jiān)管不確定性：AI技術的發(fā)展可能面臨監(jiān)管政策的不確定性，公司需要應對不斷變化的監(jiān)管環(huán)境。典型案例百度、阿里云，以某著名企業(yè)與OpenAI的整合作為標桿，以AI應用未來的快速發(fā)展作為未來增長的核心驅(qū)動力，帶動對于AI基礎設施與能力的需求與市場增長。總的來說，這四個狀態(tài)反映了現(xiàn)存應用從初步探索AI技術的潛力，到全面擁抱AI并實現(xiàn)戰(zhàn)略轉(zhuǎn)型的過程。隨著AI技術的不斷發(fā)展和成熟，企業(yè)將越來越多地依賴AI來驅(qū)動創(chuàng)新和增長，未來各個領域的競爭，也將由于AI能力的加入發(fā)生變化，在AI應用第一階段的競爭當中，成熟應用相對具備領先優(yōu)勢，無論是交互協(xié)同觸點的占據(jù)還是資源投入等，但是AI原生應用的顛覆式創(chuàng)新仍然有可能改變當前市場發(fā)展。趨勢6：AI將加速內(nèi)容IP的開發(fā)和運營，釋放內(nèi)容資產(chǎn)商業(yè)價值，推動內(nèi)容產(chǎn)業(yè)多元化與新生力量的崛起生成式AI在內(nèi)容IP全生態(tài)開發(fā)中發(fā)揮的重要性將愈發(fā)突出。它能夠快速生成多樣化內(nèi)容，從創(chuàng)意構(gòu)思到內(nèi)容產(chǎn)出都能提供助力。在IP開發(fā)初期，AIGC可提供新穎創(chuàng)意，拓展IP故事線。在運營階段，它能生成衍生內(nèi)容，維持IP熱度，延長生命周期。例如生成角色周邊、新劇情等。這有助于提升IP的商業(yè)價值，通過多形式內(nèi)容實現(xiàn)多元變現(xiàn)，延長優(yōu)質(zhì)IP的生命周期。核心價值與場景滲透如下：核心價值輔助創(chuàng)意與智能化內(nèi)容生成增強內(nèi)容傳播效果提升內(nèi)容質(zhì)量及呈現(xiàn)效果AI寫作AI設計AI音樂/配音AI視頻選題與構(gòu)思資料/素材收集文章撰寫/圖像設計/demo制作修改潤色/風格優(yōu)化排版/定制化調(diào)整等內(nèi)容發(fā)布關鍵創(chuàng)作環(huán)節(jié)基于大模型長文本生成以及上下文能力，結(jié)合增強檢索進行智能化知識整合，輔助創(chuàng)意，生成長文章、故事等理解設計需求，基于prompt生成創(chuàng)意設計草圖自動分析文本或關鍵詞，基于語義理解和風格選擇，生成旋律或人聲音樂生成視頻腳本、場景設計，確定視頻的初步框架或內(nèi)容方向自動匹配視頻庫素材，或基于海量視頻數(shù)據(jù)生成視頻內(nèi)容通過語法分析、風格一致性檢查，自動識別并完善文本，基于文章內(nèi)容生成相應配圖，提升內(nèi)容整體質(zhì)量圖像風格遷移、擴圖等調(diào)整歌詞、節(jié)奏和音樂風格等，提升自然度；音頻壓縮與優(yōu)化、自動格式轉(zhuǎn)換等調(diào)整視頻元素、關鍵幀、字幕、風格等基于不同平臺優(yōu)化視頻文件格式與大小對于公開發(fā)表的內(nèi)容，基于SEO優(yōu)化標題、標簽和描述，提升在平臺中的可見性，提升內(nèi)容發(fā)現(xiàn)率構(gòu)思與生成階段修改與優(yōu)化階段發(fā)布與宣傳階段內(nèi)容傳播通過個性化推薦算法和多平臺分發(fā)能力提升內(nèi)容的傳播效率，向目標受眾精準推薦內(nèi)容從輔助創(chuàng)意到智能化生產(chǎn)與傳播，AI端到端融入關鍵創(chuàng)作環(huán)節(jié)中國人工智能內(nèi)容創(chuàng)作場景AMC應用曲線應用成熟期高速發(fā)展期市場啟動期探索期應用價值AI短劇制作AI工業(yè)設計影視腳本生成影視后期AI動畫制作處于探索期的場景普遍屬于需要高度創(chuàng)意的內(nèi)容創(chuàng)作領域，有待多模態(tài)大模型能力的進一步突破已經(jīng)在行業(yè)內(nèi)找到具體的使用場景，具備一定的實用性，AI主要起到提高效率的輔助作用正在大規(guī)模推廣的AI內(nèi)容創(chuàng)作類應用，在個人創(chuàng)隊/工作室等用戶中大面積鋪開，但在盈利能力方面存在核心挑戰(zhàn)行業(yè)需求主導，實現(xiàn)規(guī)模化產(chǎn)出已經(jīng)廣泛應用于行業(yè)場景，有穩(wěn)定的內(nèi)容產(chǎn)出能力，并形成了較為成熟的商業(yè)模式AI人聲歌曲創(chuàng)作互動式游戲生成技術創(chuàng)新驅(qū)動，更強調(diào)創(chuàng)意性和風格化解決具體問題，輔助工作流程提效個人生產(chǎn)力工具，滲透行業(yè)與消費市場法律文書生成財經(jīng)新聞報道AI建筑設計日常文案寫作網(wǎng)文寫作插畫設計社交媒體圖文生成播客/有聲書制作電商海報/商品圖生成廣告文案寫作營銷物料生成公文寫作游戲場景設計短視頻生成關鍵發(fā)現(xiàn)大量行業(yè)客戶對AI創(chuàng)作的接受度提升，并嘗試不同程度的應用探索，未來需要面向行業(yè)專業(yè)場景形成深度解決方案隨著行業(yè)應用的深化，AI與現(xiàn)有工作流程結(jié)合，形成穩(wěn)定、規(guī)?；纳a(chǎn)力貢獻，是走向成熟的關鍵2C的AI內(nèi)容創(chuàng)作應用廣泛，用戶增長迅速，但尚未形成成熟的商業(yè)模式游戲行業(yè)是內(nèi)容資產(chǎn)消耗型行業(yè)，內(nèi)容數(shù)量與質(zhì)量決定了用戶留存與商業(yè)價值轉(zhuǎn)換。相應地，AI對于游戲行業(yè)的賦能，短期來看，可以大幅度降低內(nèi)容生產(chǎn)與游戲研發(fā)成本，但是長周期來看，由于研發(fā)效率提升，新游戲作品供給可以提速，更重要的是，大量成熟游戲作品更新頻率（副本、地圖等）也可以大幅度提升，并且可以激發(fā)更多游戲玩法，從一定程度上提升用戶體驗，延長游戲產(chǎn)品生命周期，提高游戲商業(yè)化價值。這對于游戲行業(yè)市場發(fā)展空間而言更加重要。美術資產(chǎn)生成與數(shù)據(jù)沉淀怪物反饋機制以及長期付費機制設計AIBOT創(chuàng)新游戲玩法，提升用戶體驗這是AI對于游戲行業(yè)賦能最重要的部分之一，目前2D素材相對比較成熟，AI生成3D內(nèi)容的技術仍處于探索階段，AI參與前期風格測試，原畫類型生成與3D貼圖，尚未應用AI進行3D建模游戲運營游戲研發(fā)美術設計場景生成動作生成超分辨率內(nèi)容策劃AI玩法設計地圖設計關卡設計體驗優(yōu)化智能NPC智能BOT掉線托管運營優(yōu)化違規(guī)審判平衡匹配對局陪伴游戲直播錦集自動生成比賽解說語音互動優(yōu)化游戲運營SOP，提升用戶體驗與生命周期價值賦能游戲研發(fā)，提升游戲研發(fā)效率，降低游戲研發(fā)成本游戲發(fā)行物料生成智能投放海外發(fā)行AI能夠生成更加擬真化的怪物反饋機制，從而帶來更具沉浸感與游戲挑戰(zhàn)的機制形式，包括未來通過AI進行付費機制設計，平衡商業(yè)化戰(zhàn)斗系統(tǒng)從而保障游戲體驗以及商業(yè)收益并重游戲開發(fā)與測試平衡性測試游戲地圖測試AI代碼目前正在從MOBA拓展到FPS等強競技類品類，重點方向是優(yōu)化擬人化；并正在向MMORPG、開放世界品類延伸。未來智能NPC玩法對于算力要求提升，也需要考慮網(wǎng)絡環(huán)境與邊緣設備的平衡圖AI滲透游戲全生命周期短劇部分：文本AI能力落地實際價值，AI視頻內(nèi)容生產(chǎn)仍處于探索階段短劇市場加速發(fā)展，同時，短劇出海也是當前重要的發(fā)展方向，目前AI對于短劇行業(yè)的滲透仍然以文本能力為主，包括劇本與劇情策劃，以及出海過程中文本翻譯的部分。AI視頻部分仍然處于技術與應用銜接探索階段，優(yōu)質(zhì)內(nèi)容生產(chǎn)仍然是用戶付費的前提，極短視頻AI換臉成本與體驗尚可，進入生產(chǎn)環(huán)境尚需平衡內(nèi)容質(zhì)量與生產(chǎn)方式成本。動畫電影：生成式AI加速滲透，制作周期與成本有望壓縮優(yōu)質(zhì)的動畫電影需要長周期的精雕細琢，從23-24年中國票房最高的幾部動畫電影來看，普遍花費3-7年時間制作而成從制作成本上來看，大部分國產(chǎn)動畫電影制作成本在1000-3000萬元區(qū)間，距離海外皮克斯等公司的制作投入相比，仍有差距。而AIGC在圖像以及視頻方面的實現(xiàn)與研究進步將加速其在動畫電影落地，從而加速動畫電影制作水平與質(zhì)量的提升。AI當前在音樂產(chǎn)業(yè)中的核心價值以效率提升為主2024年中國數(shù)字音樂市場規(guī)模將突破800億元。內(nèi)容驅(qū)動在線音樂訂閱模式增長，增速仍然有提升空間。音樂平臺作為數(shù)字音樂市場的核心驅(qū)動力量，戰(zhàn)略重點也圍繞音樂內(nèi)容質(zhì)量，以及差異化音樂生態(tài)內(nèi)容生態(tài)布局。音樂短視頻化發(fā)展原創(chuàng)IP生態(tài)出?！熬€上+線下”深度融合音樂短視頻化在用戶方面可以實現(xiàn)破圈增長；同時，可以提升營銷廣告位流量空間，拓展更多變現(xiàn)機會原創(chuàng)IP成為非獨家時代新戰(zhàn)場，通過廠牌、音樂節(jié)、聯(lián)名等方式，賦能小眾圈層音樂人破圈，進而實現(xiàn)差異化內(nèi)容生態(tài)建設平臺推動多元音樂走向世界，并給予原創(chuàng)音樂人出海助力；東南亞成為近年出海重點市場后疫情時代，“線上+線下”模式持續(xù)延伸，仍然成為平臺演藝活動標配模式，放大IP價值，豐富受眾體驗泛音樂消費場景社交場景BGM音樂在線交（3%）→原創(chuàng)音樂生態(tài)AI音樂生成→①傳統(tǒng)音樂價值鏈唱片公司處于價值鏈核心位置，對高質(zhì)量音樂內(nèi)容生成與分發(fā)負責，并獲取相應收益；AI時代，唱片公司開始考慮基于自身音樂數(shù)據(jù)資產(chǎn)，訓練模型，激發(fā)創(chuàng)作，乃至簽約AI歌手→③AI音樂一站式生成盡管AI技術從作曲、作詞、編曲、演唱等各個環(huán)節(jié)均已經(jīng)實現(xiàn)突破，但是仍然以賦能原創(chuàng)音樂生態(tài)為主，同時開始探索泛音樂消費場景，包括游戲、社交等類型生成與應用，進一步降低上述場景音樂生產(chǎn)成本商業(yè)廣告總體上而言，通過AI技術提高內(nèi)容創(chuàng)作效率、縮短內(nèi)容創(chuàng)作流程，內(nèi)容資產(chǎn)的商業(yè)價值將得以充分釋放。一方面，對于擁有大量IP資產(chǎn)的內(nèi)容方，AI可以顯著提升IP的開發(fā)速度，優(yōu)化運營與變現(xiàn)路徑，通過快速生成多種內(nèi)容形式，如IP影視化、衍生品開發(fā)等，幫助內(nèi)容資產(chǎn)實現(xiàn)高效轉(zhuǎn)化；另一方面，對于獨立創(chuàng)作室等創(chuàng)作群體，AI將成為其創(chuàng)意落地的有力工具，原本由于資金和技術門檻難以開展的項目，在AI輔助下可以顯著降低開發(fā)成本、提升效率，使其能夠?qū)Ｗ⒂诤诵膭?chuàng)意工作和內(nèi)容質(zhì)量的把控，這類創(chuàng)作群體將成為內(nèi)容產(chǎn)業(yè)的新生力量，有望突圍而出。未來，AI驅(qū)動的內(nèi)容創(chuàng)作方式有望打破傳統(tǒng)內(nèi)容生產(chǎn)的壁壘，推動內(nèi)容產(chǎn)業(yè)結(jié)構(gòu)向多元化方向發(fā)展，進一步豐富內(nèi)容生態(tài)。同時，需要注意到的是，生成式AI賦能之下，創(chuàng)將進一步升級，個性化風格導向成競爭分水嶺。AIGC可以成為核心競爭力之一，但也有可能打掉此前部分創(chuàng)效的內(nèi)容生產(chǎn)優(yōu)勢，AIGC有可能帶來海量同質(zhì)化內(nèi)容推向市場，充分發(fā)揮創(chuàng)意優(yōu)勢，并結(jié)合自身對于AI能力的駕馭，塑造獨立內(nèi)容產(chǎn)品風格將會愈發(fā)重要。趨勢7：硬件全面AI化具備連接數(shù)字世界與物理世界的可能性，教育與辦公、生活的應用場景閉環(huán)率先實現(xiàn)落地硬件全面AI化確實具備連接數(shù)字世界與物理世界的可能性。在數(shù)字世界中，數(shù)據(jù)不斷產(chǎn)生和流動，而物理世界由各類實體硬件構(gòu)成。當硬件AI化后，智能硬件能夠感知周圍環(huán)境。例如，AI攝像頭可以捕捉并分析物理場景中的圖像數(shù)據(jù)，智能傳感器可以監(jiān)測環(huán)境狀態(tài)。這些硬件通過AI算法處理數(shù)據(jù)，并依據(jù)分析結(jié)果在物理世界中做出反應，如智能統(tǒng)自動調(diào)節(jié)室內(nèi)。同時，它們又能將物理世界的數(shù)據(jù)反饋回數(shù)字世界，從而形成一個交互循環(huán)，實現(xiàn)兩個世界的緊密連接。硬件性能持續(xù)提升應用場景多元化拓展芯片算力增強隨著硬件AI化的推進，專門用于AI計算的芯片將不斷發(fā)展。AI芯片將從目前的能處理簡單的圖像識別、語音識別任務，發(fā)展到能夠處理更復雜的自然場景理解、深度語義分析等任務。傳感器精度提高硬件中的傳感器將更加精密。如，在環(huán)境監(jiān)測硬件中，空氣質(zhì)量傳感器的精度將更高，能夠檢測到更微量的有害污染物；在可穿戴設備中，生物傳感器將能更準確地測量心率、血壓等生理數(shù)據(jù)，為健康監(jiān)測提供更可靠的數(shù)據(jù)支持。智能家居深度集成未來，智能家居硬件將全面AI化。除了現(xiàn)有的智能音箱控制家電外，整個家居環(huán)境將實現(xiàn)無縫連接。硬件之間能夠相互協(xié)同，實現(xiàn)高度自動化的家居體驗。智能交通全面覆蓋在交通領域，硬件AI化將帶來巨大變革。車輛將配備更先進的AI硬件，實現(xiàn)更可靠的自動駕駛功能。同時，交通基礎設施如信號燈、路標等也將AI化，能夠?qū)崟r感知交通流量并做出最優(yōu)的調(diào)控方案，減少交通擁堵。硬件安全機制完善隨著硬件AI化程度加深，安全機制將更加完善。AI硬件將內(nèi)置更強大的加密模塊，防止數(shù)據(jù)在硬件層面被竊取或篡改。如，對于存儲用戶生物特征數(shù)據(jù)（如指紋、面部特征等）的硬件，將采用多層加密技術，確保數(shù)據(jù)安全。隱私保護措施升級在硬件設計和運行過程中，將更加注重隱私保護。AI硬件在收集和處理數(shù)據(jù)時，將遵循嚴格的隱私政策。硬件與軟件融合AI硬件與軟件將深度融合。以智能手機為例，其硬件將集成更強大的AI處理單元，軟件系統(tǒng)則針對這些硬件進行優(yōu)化。操作系統(tǒng)能夠更好地利用硬件的AI能力，實現(xiàn)諸如實時翻譯、智能拍照、個性化推薦等功能。跨行業(yè)融合創(chuàng)新硬件AI化將促進跨行業(yè)的融合。如具有AI診斷能力的便攜醫(yī)療設備，能夠讓患者就地進行初步的疾病診斷；智能農(nóng)業(yè)機器人能夠精準地進行播種、施肥等操作，提高農(nóng)業(yè)生產(chǎn)效率。從當前的市場反饋來看，創(chuàng)生全新品類這個方向并不盡如意?？赡艽嬖诘膯栴}如下：產(chǎn)品定位與市場需求不匹配功能實用性問題全新品類提供的功能可能并沒有真正解決用戶的核心痛點。例如，用戶可能更傾向于選擇功能集中且實用的設備，而這些新產(chǎn)品所宣傳的功能可能在實際生活場景中使用頻率較低，或者有其他更成熟的替代方案目標用戶群體模糊定位目標用戶群體時可能不夠精準。沒有清晰地界定是針對科技極客、普通消費者還是特定行業(yè)用戶。如果產(chǎn)品不能準確地針對某一特定用戶群體進行設計和營銷，就很難在市場上獲得廣泛認可技術成熟度不足硬件性能局限作為全新品類的硬件產(chǎn)品，它們可能在硬件性能上存在局限性。例如，在處理能力、電池續(xù)航、設備連接穩(wěn)定性等方面可能無法滿足用戶日常使用的要求軟件適配與體驗差新的硬件品類往往需要專門的軟件系統(tǒng)來支持，但在軟件的開發(fā)過程中可能會出現(xiàn)兼容性問題、操作邏輯不清晰等情況市場競爭與生態(tài)環(huán)境現(xiàn)有產(chǎn)品競爭壓力市場上已經(jīng)存在大量成熟的智能設備，這些產(chǎn)品已經(jīng)占據(jù)了一定的市場份額并創(chuàng)生全新品類通過創(chuàng)新技術或理念創(chuàng)造前所未有的硬件產(chǎn)品，并與AI能力深度集成，滿足未被發(fā)現(xiàn)的需求，開辟全新市場。已有硬件+AI利用AI技術對現(xiàn)有產(chǎn)品進行功能優(yōu)化、體驗升級等，利用成熟市場基礎，降低風險，以差異化競爭獲取用戶，推動品類可持續(xù)發(fā)展。HumaneAIPinRabbitR1AI手機AIPCAI教育硬件硬件AI化的兩個發(fā)展路徑?析analysys擁有穩(wěn)定的用戶群體。新品類在進入市場時，面臨著來自這些成熟產(chǎn)品的激烈競爭。例如，智能手機已經(jīng)集成了眾多功能，包括語音助手、某著名企業(yè)支付等，這使得用戶在考慮新的可穿戴智能設備時會進行對比，如果新產(chǎn)品沒有明顯的優(yōu)勢，用戶更傾向于選擇熟悉的智能手機生態(tài)系統(tǒng)不完善一個成功的硬件產(chǎn)品往往需要有完善的生態(tài)系統(tǒng)來支撐。這包括配套的應用程序、數(shù)據(jù)服務、內(nèi)容資源等。而新品類可能在生態(tài)系統(tǒng)的構(gòu)建方面較為薄弱。例如，缺乏足夠的第三方應用支持，無法像智能手機那樣形成一個豐富多樣的應用生態(tài)，限制了產(chǎn)品的功能擴展性和用戶粘性數(shù)據(jù)來源：IDC，析整理2023年-2027年AI手機在中國市場的出貨量及占比數(shù)據(jù)來源：多鯨教育研究院，析整理2023年-2027年中國教育智能硬件市場規(guī)模（單位：億元）市場較成熟，功能不斷增強。前景廣闊，將在智能交互、影像處理等方面持續(xù)發(fā)展。生活場景需求增長，涵蓋多種學習輔助設備。核心價值在于推動個性化教育發(fā)展。教育場景未來，企業(yè)能夠在目標群體和場景、軟硬件技術能力以及生態(tài)系統(tǒng)方面均能夠有所突破，仍然有可能創(chuàng)造全新的硬件品類占據(jù)用戶界面。在此之前，基于現(xiàn)有的成熟硬件品類，利用AI與大模型能力實現(xiàn)用戶體驗的進一步升級，是相對務實的發(fā)展方向。2025年，硬件AI化仍然會延續(xù)在24年如下品類所掀起的硬件更新?lián)Q代革命，即手機、PC和教育硬件的AI化和持續(xù)規(guī)模擴張?？偨Y(jié)：應用場景多元化探索，雛形初現(xiàn)在LLM驅(qū)動的AI應用環(huán)節(jié)，涌現(xiàn)出各種細分方向與產(chǎn)品，通過海量用戶推廣、培養(yǎng)用戶習慣、提升用戶粘性等方式驗證產(chǎn)品PMF，論證賽道核心價值?？傮w上而言，經(jīng)過2023-2024年的多元化探索，如下三個方向基本在一定程度上驗證，并有望持續(xù)擴大用戶規(guī)模，進而實現(xiàn)用戶付費與轉(zhuǎn)化。內(nèi)容方向生產(chǎn)力方向社會服務方向利用生成式AI的創(chuàng)意能力，賦能內(nèi)容生產(chǎn)，提升生產(chǎn)效率和質(zhì)量①面向普通用戶融入成熟應用工作流當中，為用戶提供更流暢的、文案、圖像美化、生成以及視頻AI剪輯等功能典型案例：美圖秀秀、小紅書、WPS等②面向?qū)I(yè)用戶/機構(gòu)一方面，內(nèi)容平臺賦能創(chuàng)而提升生態(tài)閉環(huán)能力，如剪映、秒剪、閱文妙筆、阿里鹿班等；另一方面，獨立AI開發(fā)者以內(nèi)容創(chuàng)作流體驗升級為切入點，成為內(nèi)容需求方可選工具之一利用LLM帶來的推理能力提升以及生成式AI相結(jié)合，提升工作效率，成為重要的生產(chǎn)力工具①面向用戶融入成熟應用工作流，通過內(nèi)容生成、AI搜索總結(jié)等多種形式，幫助用戶提高工作效率，如AI代碼、AI寫作等等，同時具備獨立AI開發(fā)者脫穎而出的空間②面向機構(gòu)/企業(yè)SaaS+AI方向，SaaS應用普遍增強AI能力，從而提升用戶體驗和付費意愿與ARPU，目前在營銷、客服、數(shù)據(jù)分析、HR、財務等多個環(huán)節(jié)嘗試與應用社會資源相對稀缺的方向，利用AI實現(xiàn)普惠+個性化，從而提升社會服務覆蓋面與效果①面向用戶降低用戶使用社會服務的門檻，提升服務質(zhì)量，目前在AI教育方面相對比較突出，心理咨詢等尚處于探索階段②面向?qū)I(yè)人士仍然作為生產(chǎn)力工具，面向醫(yī)療、等職業(yè)群體，利用AI實現(xiàn)工作效率提升，從而進一步提升服務質(zhì)量，降低應用門檻AI圖像AI音頻AI音樂AI視頻AI設計AI文字AIPPTAI搜索AI寫作AI醫(yī)療AI法律AI心理咨詢基于上述用戶需求初步驗證的賽道和方向，雖然在此前關于AI趨勢的分析當中，仍然將AI原生應用與成熟應用擁抱AI視為兩個派別，但是未來面向用戶、專業(yè)人士，乃至機構(gòu)與企業(yè)的過程中，AI應用的核心價值差異以及用戶感知才是進行AI應用劃分的唯一法則。相應地，基于2024年11月數(shù)據(jù)，中國AI應用-某著名企業(yè)端格局如下：夸克第一，剪映和豆包處于第一梯隊，其一，一站式AI應用為用戶提供聚合服務，AI矩陣效應凸顯，如夸克、豆包等；其二，內(nèi)容創(chuàng)作類應用贏得當前用戶嘗試與體驗，如剪映、百度文庫等；其三，科技大廠與成熟應用憑借其用戶場景與資源投入，跑贏AI應用第一階段，如阿里系-夸克、字節(jié)系-剪映&豆包、百度系-百度文庫等。AI應用定義：以AI技術為核心驅(qū)動力量而形成的產(chǎn)品、工具或者平臺，依托多種AI技術手段，進行服務提供以及與用戶的智能交互，包括內(nèi)容創(chuàng)作、辦公生產(chǎn)等多個領域數(shù)據(jù)說明：基于2024年11月中國某著名企業(yè)應用MAU進行排序?析analysysAI應用定義：以AI技術為核心驅(qū)動力量而形成的產(chǎn)品、工具或者平臺，依托多種AI技術手段，進行服務提供以及與用戶的智能交互，包括內(nèi)容創(chuàng)作、辦公生產(chǎn)等多個領域數(shù)據(jù)說明：基于2024年11月中國某著名企業(yè)應用MAU和DAU進行計算和排序?析analysys中國AI應用持續(xù)發(fā)展，需要在持續(xù)擴大用戶規(guī)模的基礎上，更加驗證自身不可或缺的價值，從而形成用戶粘性與依賴。相應地，需要也從應用活躍度視角來看中國TOP20某著名企業(yè)端AI應用的現(xiàn)狀，如下圖所示：夸克這一類相對綜合型的AI應用，通過場景覆蓋相對全面，產(chǎn)品體驗初步達到預期，贏得用戶持續(xù)訪問。AI+社交屬性以及AI+教育體現(xiàn)出了比較高的粘性，盡管星野聚焦AI社交、TalkAI練口語聚焦AI教育，用戶規(guī)模均不足千萬，但是在用戶活躍度方面表現(xiàn)突出。剪映、快影等視頻創(chuàng)作應用依托于抖音、快手內(nèi)容分發(fā)生態(tài)，以及AI賦能的用戶創(chuàng)作體驗，也位居前列。與用戶規(guī)模榜單相結(jié)合，可以看出，依托科技大廠和成熟應用的場景和資源優(yōu)勢，結(jié)合用戶體驗的持續(xù)升級，有助于構(gòu)建用戶護城河，而獨立公司則更需要發(fā)揮自身在細分賽道的持續(xù)深耕，占據(jù)一席之地。從用戶畫像上來看，大部分AI應用的主要用戶群體集中在30歲以下的年輕人，超過50%，甚至夸克、貓箱、星野、即夢等應用，24歲以下年輕人占比超過三成，其中，夸克24歲以下年輕用戶占比超過一半。40歲以上用戶群體基本上只占到10%的比重。一方面，新興技術和應用確實能夠更加快速在年輕用戶群體當中滲透和普及，另一方面，年輕用戶更多利用內(nèi)容創(chuàng)作與發(fā)布來社交表達和交流，以及尋求工具應用幫助提升自身效率的特性，也確實與當前AI應用的核心價值相匹配。AI應用定義：以AI技術為核心驅(qū)動力量而形成的產(chǎn)品、工具或者平臺，依托多種AI技術手段，進行服務提供以及與用戶的智能交互，包括內(nèi)容創(chuàng)作、辦公生產(chǎn)等多個領域數(shù)據(jù)說明：基于2024年11月中國某著名企業(yè)應用監(jiān)測數(shù)據(jù)進行用戶畫像分析?析analysys鑒于AI應用的場景特性，解決內(nèi)容與生產(chǎn)力效率為核心，某著名企業(yè)應用也只是AI應用分發(fā)的一個切面，AI場景的滲透面向PC桌面與面向成熟應用聯(lián)動，也是當前AI應用重要的分發(fā)通道。未來AI應用在某著名企業(yè)端應用規(guī)模的基礎上持續(xù)增長，一方面需要不斷優(yōu)化某著名企業(yè)端用戶體驗與產(chǎn)品能力，另一方面，也需要在如下多類型分發(fā)通道方面因地制宜，形成更廣泛有效的生態(tài)策略，實現(xiàn)AI應用用戶規(guī)模的下一輪跨越式增長。分發(fā)通道典型案例PC應用夸克、KIMI、豆包等推出PC應用，提供用戶下載安裝，實現(xiàn)雙端無縫體驗瀏覽器插件豆包、KIMI、智譜清言等推出瀏覽器插件，減少用戶在多個應用之間的切換動作硬件預裝聯(lián)想AIPC預裝包括Kimi、訊飛聽見等AI應用成熟應用調(diào)用飛書集成豆包應用進行分發(fā)；騰訊視頻AI角色互動調(diào)用騰訊元寶等中國AI應用在某著名企業(yè)端之外的分發(fā)通道布局總體上而言，無論是AI原生，還是成熟應用，無論是科技大廠，

還是創(chuàng)業(yè)公司，未來一輪AI應用的競爭將圍繞如下方面展開：通過產(chǎn)品核心價值持續(xù)與用戶互動，并形成專有數(shù)據(jù)沉淀。一方面，需要通過產(chǎn)品設計形成數(shù)據(jù)飛輪，增厚數(shù)據(jù)資產(chǎn)價值；另一方面，圍繞數(shù)據(jù)與場景洞察，持續(xù)探索用戶的痛點與需求，從而夯實產(chǎn)品價值。理解模型能力，并能夠能夠駕馭模型的能力，甚至多模型的調(diào)用與整合。盡管在一定程度上，自研模型，形成模-應一體，是之前的最佳姿勢，未來伴隨模型能力的普遍提升，以及應用的百花齊放，模型與應用必然朝向解耦方向發(fā)展。本質(zhì)是將AI能力無縫融入到用戶多個場景的用戶旅程與workflow當中。當前科技大廠與成熟應用脫穎而出的核心原因之一就在于釋放了一部分交互觸點，未來需要進一步圍繞用戶場景持續(xù)探索和創(chuàng)新，包括硬件終端等方向。趨勢8：AI賦能千行百業(yè)，行業(yè)“小”模型催生“智能鏈主”AI賦能千行百業(yè)意義重大。它提升生產(chǎn)效率，實現(xiàn)自動化作業(yè)與精準決策。創(chuàng)新商業(yè)模式，帶來個性化服務與高效運營。改善服務質(zhì)量，提供智能交互與精準解決方案。推動行業(yè)可持續(xù)發(fā)展，開創(chuàng)全新機遇與挑戰(zhàn)。制造醫(yī)療金融娛樂提升內(nèi)容生產(chǎn)效率輔助創(chuàng)意，探索內(nèi)容創(chuàng)新邊界個性化內(nèi)容生產(chǎn)，創(chuàng)新用戶交互降本增效，釋放人力資源進入高價值環(huán)節(jié)激活數(shù)據(jù)要素，促進金融普惠賦能場景創(chuàng)新，提升千人千面的服務能力補充醫(yī)療資源短板，優(yōu)化醫(yī)療資源分配提升醫(yī)療服務效率和質(zhì)量，提升醫(yī)生與患者雙重體驗加速生物基礎科學研究，提升公共衛(wèi)生服務水平提升工程仿真精度，提升設計與研發(fā)效率強化工業(yè)機器人AI能力，提升智能化生產(chǎn)能力與質(zhì)量提升工業(yè)企業(yè)經(jīng)營管理工作效率后期制作數(shù)字人內(nèi)容策劃美術生成音頻生成（音樂+對白）劇情/文案生成視頻生成（動作+特效）IP與資產(chǎn)沉淀宣發(fā)&運營智能運營與分析AI自動化投放營銷素材自動化生成市場分析概念設計代碼助手智能辦公/智慧運營智能風控智能投研數(shù)據(jù)資產(chǎn)管理與分析反欺詐/反洗錢智能客服/AI外呼智能投顧智能理賠智能營銷信貸業(yè)務智能審核放款小微企業(yè)信用數(shù)據(jù)獲取質(zhì)量管控/生產(chǎn)工藝優(yōu)化倉儲配送供應鏈管理設備管理/預測性設備維護事故預警產(chǎn)品輔助設計代碼輔助賦能工業(yè)軟件升級智能評審與反饋數(shù)字孿生/仿真優(yōu)化生產(chǎn)流程生產(chǎn)計劃/智能排產(chǎn)通用大模型雖有能力進步，但它面對上述具體行業(yè)和業(yè)務場景缺少針對性。而行業(yè)模型是基于行業(yè)數(shù)據(jù)和專業(yè)知識訓練的，能夠深入理解行業(yè)痛點和需求。只有借助行業(yè)模型，才能讓AI真正在千行百業(yè)中落地生根，發(fā)揮出最大價值。在這個過程中，具備行業(yè)數(shù)據(jù)資源與知識體系、數(shù)據(jù)驅(qū)動決策和生態(tài)創(chuàng)新能力，以及模型評估與持續(xù)優(yōu)化機制的企業(yè)將脫穎而出，成為“智能鏈主”，不僅僅主導行業(yè)模型的建設和持續(xù)運營，更重要的是參與協(xié)調(diào)產(chǎn)業(yè)鏈各環(huán)節(jié)，優(yōu)化資源配置，提升產(chǎn)業(yè)協(xié)同效率。具體分析如下：行業(yè)數(shù)據(jù)資源與知識體系數(shù)據(jù)收集與整合行業(yè)數(shù)據(jù)往往具有高度的專業(yè)性和特定性，性和安全性要求相對比較高，還可能分散在不同的企業(yè)、機構(gòu)和部門中，進一步增加了行業(yè)數(shù)據(jù)的稀缺性知識體系構(gòu)建除了數(shù)據(jù)之外，行業(yè)模型還需要建立豐富的知識體系。這包括行業(yè)的專業(yè)術語、業(yè)務流程、規(guī)則和標準等。建立知識體系可以幫助模型更好地理解行業(yè)問題，提高模型的準確性和可靠性。數(shù)據(jù)驅(qū)動決策和生態(tài)創(chuàng)新能力數(shù)據(jù)洞察與決策優(yōu)化需要具備強大的數(shù)據(jù)分析和洞察能力，從中發(fā)現(xiàn)行業(yè)特點趨勢、模式和問題，為決策提供支持，更重要的是，具備數(shù)據(jù)驅(qū)動決策的思維習慣和落地執(zhí)行能力生態(tài)創(chuàng)新與合作行業(yè)模型的應用需要具備生態(tài)創(chuàng)新和合作能力，還需要不斷創(chuàng)新和探索新的應用場景和商業(yè)模式，這需要具備驅(qū)動行業(yè)內(nèi)企業(yè)協(xié)同與聯(lián)動，共同發(fā)展的領導力模型評估指標與方法為了確保行業(yè)模型的質(zhì)量和性能，需要根據(jù)具體的應用場景和業(yè)務需求模型評估指標。這包括準確性、精度、召回率等多種指標，以及選擇合適的模型評估方法適應市場變化行業(yè)模型的訓練和應用是一個不斷優(yōu)化的過程。需要建立持續(xù)優(yōu)化機制，不斷收集新的數(shù)據(jù)、調(diào)整模型參數(shù)、改進算法和模型架構(gòu)，以提高模型的性能和適應性行業(yè)/垂直模型建設與持續(xù)優(yōu)化和運營基座模型支撐應用場景探索金融醫(yī)療工業(yè)/制造汽車教育其他通義大模型混元大模型盤古大模型九天大模型商量大模型文心大模型GLM大模型豆包大模型基于上述圍繞行業(yè)大模型所要求的核心資源與能力，更多呈現(xiàn)出行業(yè)深耕企業(yè)與基座模型企業(yè)共同構(gòu)建行業(yè)大模型的態(tài)勢。如下圖所示：行業(yè)“小”模型的成功與否取決于基座模型技術提供商與行業(yè)龍頭企業(yè)緊密配合：建行云

金融大模型螞蟻金融大模型軒轅大模型秀財大模型昆侖大模型盤古工業(yè)大模型HomeGPT大模型奇智孔明工業(yè)大模型騰訊健康

醫(yī)療大模型MedGPT添翼醫(yī)療大模型ClouDGPTDriveVLM大模型KrAI大模型NOMIGPT盤古大模型5.0銀河大模型九章大模型子曰大模型星火認知大模型閱文妙筆大模型營賽洞見大模型元法大模型傳播大模型法律人工智能實驗室基座模型技術提供商A行業(yè)龍頭企業(yè)B行業(yè)模型需求的爆發(fā)式增長將顯著提升行業(yè)龍頭企業(yè)科技能力溢出的競爭優(yōu)勢技術研發(fā)與創(chuàng)新優(yōu)勢凸顯數(shù)據(jù)資源優(yōu)勢進一步放大人才集聚與溢出效應增強行業(yè)標準制定話語權加強趨勢9：AI技術能力普惠之下，利用企業(yè)專有數(shù)據(jù)形成深度洞察與策略是企業(yè)未來經(jīng)營差異化的重要關鍵通用大模型具備強大的語言理解、生成以及多種任務處理能力，降低了企業(yè)應用AI技術的門檻。以往，開發(fā)具有類似功能的AI系統(tǒng)需要企業(yè)投入大量的人力、物力和時間進行研發(fā)，而現(xiàn)在借助通用大模型，企業(yè)只需進行適當?shù)奈⒄{(diào)或應用集成，就能在較短時間內(nèi)將AI能力融入到自身業(yè)務流程中，實現(xiàn)了AI技術從少數(shù)專業(yè)機構(gòu)向眾多企業(yè)的擴散，讓更多企業(yè)能夠享受到AI帶來的便利和價值，從而實現(xiàn)AI技術普惠。以技術能力為核心構(gòu)建企業(yè)核心競爭力，強化高技術資源投入所形成的技術競爭壁壘在一定程度將被逐步擊穿。無論是何種規(guī)模的企業(yè)，都需要重新定位企業(yè)的核心競爭力。至少，目前變化如下：12技術先進性權重有一定程度降低在通用大模型普及之前，企業(yè)若能掌握先進的AI技術，如獨特的算法、高效的模型架構(gòu)等，往往能在市場競爭中占據(jù)優(yōu)勢。然而，隨著通用大模型的廣泛應用，眾多企業(yè)都能獲取到一定程度的AI能力，技術先進性的差距在逐漸縮小。例如，業(yè)都可以利用通用大模型進行自然語言處理相關的業(yè)務，如客服聊天機器人、內(nèi)容生成等，此時單純依靠自身研發(fā)出比通用大模型更先進的技術變得愈發(fā)困難且成本高昂，所以企業(yè)不能再僅僅將核心競爭力寄托于技術的絕對先進性。差異化能力的凸顯專有數(shù)據(jù)的挖掘和利用：企業(yè)專有數(shù)據(jù)是指在自身業(yè)務運營過程中積累的、具有獨特價值且與其他企業(yè)有所區(qū)別的數(shù)據(jù)。對專有數(shù)據(jù)的深度挖掘能夠揭示出客戶的潛在需求、市場趨