《易观分析：2025年AI产业发展十大趋势报告（51页）.pdf》由会员分享，可在线阅读，更多相关《易观分析：2025年AI产业发展十大趋势报告（51页）.pdf（51页珍藏版）》请在三个皮匠报告上搜索。

1、Confidential and Protected by Copyright Laws本产品保密并受到版权法保护20252025年年AIAI产业发展十大趋势产业发展十大趋势易观分析2024年12月2激发科技与创新活力AI赋能千行百业，行业大模型催生“智能链主”AI技术能力普惠之下，利用企业专有数据形成深度洞察与策略是企业未来经营差异化的重要关键AI应用的深化将对企业的组织能力提出新的要求，企业需要打造适用于人机协同的组织管理体系self-play RL范式开启，大模型技术军备赛进入复杂推理阶段多模态模型能力持续升级，朝向多模态理解和生成的统一发展Agent向超级智能体进化，具备更强的学习和推

2、理能力，处理更复杂的任务AI原生应用形成服务闭环，聚焦专业用户提升效率是中短期重要方向现存应用加速拥抱AI，利用LLM能力提升产品竞争力，不加AI就淘汰AIGC赋能IP全生态，延长优质IP生命周期，提升商业价值贡献硬件全面AI化，教育与办公、生活的应用场景闭环率先实现落地20252025年年AIAI产业发展十大趋势产业发展十大趋势应用场景多元化探索，初现雏形应用场景多元化探索，初现雏形企业拥抱企业拥抱AIAI持续加速，理性思考投入产出比持续加速，理性思考投入产出比AGIAGI道阻且长，技术能力持续提升，加速产业落地道阻且长，技术能力持续提升，加速产业落地3激发科技与创新活力趋势趋势1 1：se

3、lf-play RLself-play RL范式开启，大模型技术范式开启，大模型技术军备赛进入复杂推理阶段军备赛进入复杂推理阶段由OpenAI发布的GPT3作为序幕，大语言模型理解和生成能力、通用和泛化能力提升等，引爆了对于AGI发展的高预期，大量大模型涌现，开源模型与闭源模型并驾齐驱，国内大模型也在奋起直追，人工智能的发展从分析式AI进入生成式AI时代。分析式人工智能生成式人工智能人工智能与AGI发展阶段划分交互革命人机交互方式：GUIDUI/HUIPrompt工程价值凸显知识革命语言是知识的载体，未来模型人人可训、人人可用，即个人知识能力将得以复制和扩展思维革命AI具备独立思考与逻辑判断的

4、能力进一步延展，具身智能连接物理世界，硅基生命与碳基生AGI 0.1AGI 1.0AGI 2.0通过易观分析AI开发者调研结果来看，OpenAI GPT系列大模型以42.9%的使用率位居首位，同为海外的Meta LLaMa系列大模型以27.1%的比例位居第三位。中国的大模型企业，阿里通义大模型以37.8%的使用率位居第二。总体上而言，AI开发者在模型层的选型仍然处于变动的状态，且尚未形成相对比较明确的竞争格局。而OpenAI发布o1（草莓）模型，则再次定义大语言模型的技术方向与竞争焦点，如下图所示：4激发科技与创新活力机器学习深度学习与大语言模型时代预测性分析分类生成式和对话式AI200020

5、24+XGBoostCatBoostAlexNetBERTGPT3GPT4Gemin1.5LLaMa-3o1Claude3.5复杂推理self-play RLself-play RLPre-trainPre-trainRLHF Post-trainRLHF Post-trainVSVS与以往的模型相比，OpenAI o1 聚焦于优化推理过程，在复杂的科学、编程和数学等任务中的表现显著提升。它能够像人类一样进行深入思考、逐步推导，这对于解决需要深度逻辑推理的问题具有重大意义，突破了对大型语言模型能力的传统认知，为人工智能在复杂任务处理上开辟了新的道路。由此而开启Post-train阶段的Self

6、-play RL（自对弈强化学习）范式对于后续大模型技术路线的升级和优化具有指引性的意义，传统预训练依赖全网语料，数据有噪声且质量不一，RLHF 后训练受人类标注数据限制。纯强化学习（RL）方法无需人类标注数据，能让模型自我探索学习，激发创新和探索能力，利于突破未知领域。同时，也需要注意到，尽管Self-play 方法已经开始在一定范围内得到应用，但是，也仍然存在挑战需要进一步研究和解决，包括收敛性问题、环境非平稳性问题、可扩展性与训练效率等问题。另外，强化学习注重设计良好的“奖励模型”，但是除了数学、代码等理科领域，强化学习在其他领域仍然难以泛化。5激发科技与创新活力总体上而言，在复杂推理阶

7、段，大模型需要具备更高层次的逻辑推理、因果推断和问题解决能力，进而可以扩展大模型在更多领域发挥重要作用，复杂推理的重要性凸显。这这进一步提升了当下大模型技术能力的评价标准与竞争壁垒。进一步提升了当下大模型技术能力的评价标准与竞争壁垒。在OpenAI发布O1推理模型之后，国内大模型厂商也紧随其后，纷纷推出了自己的推理模型。这些模型在数学、代码、推理谜题等多种复杂推理任务上取得了显著进步。机构机构模型模型基本情况基本情况北京大学、清华大学、鹏城实验室、阿里巴巴达摩院及理海大学联合研发llava-o1基于llama-3.2-vision模型，具备自主多阶段推理能力，在多模态推理基准测试中表现优异；该

8、模型旨在允许模型在推理时采用更系统和结构化的方式。LLaVA-o1 通过引入分阶段的推理框架，使得模型能够在处理视觉问题时，按照总结、说明、推理和结论四个阶段逐步进行，从而提高推理的准确性和一致性DeepSeekDeepSeek-R1-Lite根据DeepSeek官方发布的报告显示，通过强化学习训练，在数学、代码和复杂逻辑推理任务上表现媲美o1-preview；目前模型仍在开发阶段，经持续迭代，正式版DeepSeek-R1模型将完全开源，包括公开技术报告并提供API月之暗面k0-math主打数学推理能力，数学能力对标OpenAI o1系列；采用了全新的强化学习和思维链推理技术，通过模拟人脑的思

9、考和反思过程，大幅提升了解决数学难题的能力，可以帮助用户完成更具挑战性的数学任务；同时，该模型可能会过度思考的问题，并需要进一步进行泛化阿里巴巴QwQQwQ-32B-Preview，其推理能力在评测结果上超过o1-mini，是目前开源领域最强的推理大模型；同时，官方团队也指出了该模型存在的局限性，包括：语言混合、递归推理风险、需要进一步完善安全机制、常识推理的提升空间。Marco-o1Marco-o1不仅关注具有标准答案的学科（例如代码、数学等）领域，而且更加强调开放式问题的解决方案。研究团队的目标是解决：“o1这类模型能否有效的推广到难以量化且缺乏明确奖励的其他领域上”这一问题部分中国大模型

10、企业推出推理模型信息来源：网络公开信息，易观分析整理6激发科技与创新活力趋势趋势2 2：多模态模型能力持续升级，朝向多：多模态模型能力持续升级，朝向多模态理解和生成的统一发展模态理解和生成的统一发展当前自然语言、音频、视频等多个模态的理解与生成能力均提升显著，在模型创新、跨模态能力提升、性能优化上有进展，并涌现出不少基于多模态模型的应用和探索。目前多模态大模型主要有两种思路，具体如下：多模态大模型语言模型（MM-LLM）大型多模态模型（LMM）MLLM是在大型语言模型（LLM）的基础上发展起来的，通过扩展LLM的能力，使其能够处理和理解来自不同模态（如图像、音频等）的数据。MLLM的核心在于将

11、LLM的强大文本处理能力与其他模态的数据进行融合，实现跨模态的任务处理LMM是指从设计之初就专门针对多模态数据进行适配的大型深度学习模型，能够同时处理和理解多种模态的数据（如文本、图像、音频、视频等）。LMM的核心在于其原生多模态架构，能够在多模态数据之间建立深层次的关联和融合。如谷歌 Gemini模型、OpenAI GPT-4V模型利用现有LLM预训练成果，减少开发成本和时间灵活进行不同模型之间的组合，适用于多种多模态任务具备较强的多模态融合能力处理复杂的多模态任务时表现更优异，如视频分析等模态对齐问题，可能导致模型在处理多模态任务时效果受限深层复杂推理能力有限，难以实现完全统一的多模态理解

12、和生成需要处理多种模态数据，训练复杂，相应产生比较高的计算成本实现有效的多模态数据对齐和融合的技术挑战比较大定义优势不足具体来说，当前多模态模型的进展如下：新模型不断涌现研究机构和企业不断推出性能强大的多模态模型，例如智源人工智能研究院 Emu3，是全球首个原生多模态世界模型，通过自回归技术结合图像、文本和视频三种模态，在图像生成、视觉语言理解和生成方面表现出色。训练方法优化训练方式不断创新，例如新的联合训练策略，即在训练过程中先固定大语言模型的权重参数，对图像编码器和桥接组件进行初步训练，然后再对整个模型进行整体训练，这种分阶段的训练方式有助于提高模型的性能和效率。7激发科技与创新活力跨模态

13、交互能力增强能够更好地理解和关联不同模态之间的信息，实现更精准的跨模态交互和转换，例如，可以根据文本描述生成高质量的图像或视频，也可以理解图像或视频内容并生成相关的文本描述，并且在语义一致性方面有了很大提升。性能提升计算效率提高，多模态模型计算速度加快、响应时间缩短，可快速处理分析数据满足实时需求。同时，模型结构与训练方法优化使精度提升，在图像、语音、自然语言处理等任务准确率和召回率显著提高。面对现实世界，信息是以多种模态存在的，如文本、图像、音频、视频等。人类的认知过程是多模态的，我们通过视觉、听觉、触觉等多种方式感知世界。然后，上述在多模型能力方面的进展，通常都是将理解和生成任务分开处理，

14、使用独立的模型分别应对，多模态模型的统一有助于使其更接近人类的认知模式，从而更好地理解和处理复杂的自然场景，增强人机交互体验，拓展更广泛的应用领域。相应地，多模态理解和生成的统多模态理解和生成的统一是当下多模态模型能力提升的重要发展方向一是当下多模态模型能力提升的重要发展方向。LLMDiffusionLLM（AR）VisionLanguageLanguageLanguageLanguageVisionVision（a）Understanding Only（b）Generation Onlye.g.,LLaVAe.g.,Stable Diffusion 3e.g.,LlamaGenLLMLLM（

15、AR+Diffusion）Vision（3）Unified Model（Understanding&Generation）e.g.,NExT-GPT，SEED-Xe.g.,LWM，Chameleone.g.,Show-oContinuousDiscreteAR:AutoregressiveDiffusionLanguageLanguageVisionLanguageVisionLanguageVisionLanguageVisionLanguageVisionLLM（AR）信息来源：SHOW-O：One Single Transformer to Unify MultiModel Unders

16、tand and Generation8激发科技与创新活力无论是上述何种思路，多模态整体上需要在如下方向进一步研究与提升，从而实现更广泛的应用落地：技术发展增强跨模态理解能力不同模态的数据（如文本、图像、音频、视频等）具有各自独特的特征和表达方式，统一发展能更好地建立起不同模态之间的关联和映射，让模型更准确、深入地理解各模态信息的内在联系和语义一致性提高模型的泛化能力提高模型的泛化能力单一模态的模型往往只能处理特定类型的数据，在面对复杂多变的实际场景时可能表现不佳。而多模态模型的统一发展可以整合多种模态的信息，使模型能够从多个角度对事物进行理解和分析，从而提高模型的泛化能力，适应不同的应用场景

17、和数据变化数据管理促进数据融合和共享促进数据融合和共享多模态模型的统一发展需要对不同模态的数据进行融合和处理，这将推动数据的标准化和规范化，促进不同来源、不同格式的数据之间的融合和共享缓解数据稀缺问题缓解数据稀缺问题某些模态的数据可能比较稀缺或难以获取，而多模态模型的统一发展可以通过利用其他模态的数据来弥补某一模态数据的不足应用落地拓展应用场景拓展应用场景统一的多模态模型可以打破不同模态之间的界限，为各种创新应用场景的开发提供了可能。例如，在文化娱乐领域，可以打造出具有多模态交互功能的虚拟现实（VR）或增强现实（AR）游戏，让玩家沉浸在更加丰富的虚拟世界中等降低应用成本降低应用成本对于企业和开

18、发者来说，使用统一的多模态模型可以减少对不同单一模态模型的开发和维护成本提高应用效率和质量提高应用效率和质量多模态模型的统一发展使得不同模态的数据能够在一个模型中进行协同处理，减少了数据在不同模型之间的转换和传输时间，提高了应用的效率。同时，统一模型能够更好地整合多模态信息，做出更准确、更全面的决策和判断，从而提高应用的质量和可靠性9激发科技与创新活力趋势趋势3 3：AgentAgent向超级智能体进化，具备更向超级智能体进化，具备更强的学习和推理能力，处理更复杂的任务强的学习和推理能力，处理更复杂的任务Agent 正凭借一系列关键技术进展，如深度学习、强化学习、自然语言处理技术的突破以及多模

19、态融合等方面的发展，逐步向具备更强学习和推理能力、能处理更复杂任务的超级智能体进化。基于大语言模型的发展基于大语言模型的发展以大语言模型为核心的 Agent 在自然语言处理能力上取得了显著进步。它们能够理解和生成人类语言，准确回答各种问题，提供详细的解释和建议。这些能力的提升可增强语言理解与生成，助力任务规划执行，强化推理决策，还能拓展知识储备与学习能力，如在客服、写作、金融、科研等多领域发挥作用，推动 Agent 更好完成各项复杂任务。工具使用能力的拓展工具使用能力的拓展Agent 能够与外部工具进行更有效的交互和协作。具体涵盖信息检索、数据分析、文件处理、图像音视频处理、自动化流程管理、智

20、能协作沟通等多方面工具能力的拓展。这对 Agent 进化价值显著。能增强任务处理、提升信息获取整合能力、拓展应用场景并促进人机协作，让 Agent 可应对多样任务、跨领域应用、更好配合人类，有力推动其从单一向多功能等方向进化。多模态融合能力增强多模态融合能力增强部分 Agent 开始具备多模态融合的能力，能够结合文本、图像、语音等多种信息进行处理和分析。多模态融合能力增强可以推动Agent实现更全面准确信息理解，克服单模态局限、整合多源信息；带来更自然高效人机交互；使其有更强场景适应力；还赋予更智能决策与规划能力，为 Agent 在多领域应用提供有力支撑。上述Agent 能力提升对应用场景的拓

21、展意义非凡，使得Agent能更精准理解场景需求，高效处理复杂任务，提升整体工作效率，适应多元环境变化，保障应用的稳定性与持续性。同时，Agent 进化为超级智能体也将进一步促进多智能体应用的发展，包括提升任务处理与协同能力，快速处理复杂任务并优化多智能体协同；可能推动多智能体系统的架构向更加智能化、灵活化的方向发展，并对多智能体系统进行集中管理和监控，及时发现和解决系统中的问题，提高系统的稳定性和可靠性等。10激发科技与创新活力尽管上述技术能力的不断提升可以推动Agent向广泛的应用场景拓展，但是在实际落地的过程中仍然需要形成一系列规则和措施来规避如下技术以外的风险和挑战：伦理道德安全社会经济

22、价值对齐：确保Agent目标与人类价值观一致困难，其决策可能不符人类期望，引发道德困境责任划分：Agent出错时，难以界定开发者、使用者还是其自身的责任，需明确法律伦理框架隐私保护：Agent训练需大量数据，保障性能同时保护用户隐私是重要挑战对抗攻击：易受恶意攻击，如对抗样本可使Agent产生错误决策，需有效防御技术自主决策风险：自主决策能力可能带来不可预测风险，决策系统故障或被篡改会严重影响社会就业影响：广泛应用可能替代大量工作岗位，需做好劳动力转型与再培训应对就业市场变化社会公平性：发展应用可能加剧不平等，优势群体受益多，落后地区和弱势群体可能被边缘化ToolToolCopilotCopi

23、lotAI AgentAI AgentRPARPA+AILLM驱动程序员驾驭数字员工，赋能业务团队业务人员可用，进一步降低应用门槛人机协同，实现数字化劳动力的组合与重构将将 LLM LLM（大语言模型）和（大语言模型）和 RPA RPA（机器人流程自动化）相结合是现阶段（机器人流程自动化）相结合是现阶段 Agent Agent 落地的一落地的一种有效手段种有效手段，可以充分发挥技术协同优势，增强数据处理与理解能力，将智能决策与任务执行有机融合；也有助于通过RPA明确的流程规则，确保价值对齐和透明性提升，以及责任界定的辅助；通过RPA系统本身具有的稳定性和可靠性，在一定程度上提升Agent应用的

24、安全保障能力等。如下三种方式并行，也是企业考虑利用Agent和数字员工提升劳动生产力的可行之道。11激发科技与创新活力附：中国附：中国AgentAgent应用图谱应用图谱金融文娱教育+公用事业制造+能源医疗+健康消费/电商平台类Agent&开发平台行业解决方案类型Agent功能类型AgentRPA平台AI PaaS支小助小浦智汇、智读等腾讯元宝桃豆游戏Copilot队友数字员工AI Agent以正教育AgentAYAYI商家智能助手AI购物助手小沪小华AI AgentCPS AI Agent会聆心理39AI全科医生春雨慧问代码+测试办公财税营销+客服数据分析人力资源AI程序员CodeGeeXC

25、hatDEV金山Copilot Pro数字员工Agent钉钉AI助理AI数字员工BPai智能财税“金税一言”AI面试助手 AI FamilyAI Agent小明助理BlueAITableAgentCopilotAI数据分析师代码小浣熊MyAI诺企服小诺咨询EVA 对话式BIAI Agent数据分析Agent邮晓蕊教育 AI 助手携程问道安全应急AI AgentHealthGPTAskXBOT智能体平台星火智能体平台智能体中心SkyAgents12激发科技与创新活力总结：总结：AGIAGI道阻且长，技术能力持道阻且长，技术能力持续提升，加速产业落地续提升，加速产业落地AGI 需具备类似人类的通用

26、认知能力，涵盖学习推理、语言理解与交互、复杂规划与决策等多方面能力。这就意味着朝向AGI进化的基础技术，无论是模型架的创新，还是模型自主决策能力的训练与提升，都需要长周期的摸索与研究。同时，AGI的发展也面临诸多挑战，这包括：计算资源限制计算资源限制AGI 基础技术研发对算力要求极高，从模型架构创新角度，新架构探索需大量计算资源进行实验和验证；模型自主决策能力训练也需海量数据及复杂计算来优化模型参数，以实现精准决策。然而，当前硬件技术发展还无法完全满足需求，硬件性能提升速度跟不上模型规模和复杂度增长，限制了研究进度，导致研究周期延长。数据获取与质量难题数据获取与质量难题高质量数据是基础技术发展

27、的关键，模型架构创新需大量不同类型数据来训练和优化，以学习各种模式和规律；自主决策能力训练更需丰富的标注数据及反馈信息，以引导模型做出正确决策。但实际中，数据存在获取困难、标注成本高、数据质量参差不齐等问题，获取和整理数据需耗费大量时间和精力，延缓了研究步伐。伦理和安全性考量伦理和安全性考量AGI 的发展引发了诸多伦理和安全问题，如模型决策的公正性、透明度、可解释性，以及对社会就业结构的冲击等.这要求在基础技术研究中，同步考虑如何使技术符合人类的伦理道德和社会价值观，确保其安全可靠、可控可管，而解决这些问题需要在技术研发过程中不断权衡和探索，进一步拉长了研究周期。朝向AGI的目标遇到上述诸多挑

28、战而停止，在这个过程中，AI基础能力持续提升，进一步加速了产业落地与产品应用的探索。人工智能产业的长远发展，终须基础研究与产品实践相结合，实现螺旋式攀升。从从20242024年开端，向年开端，向20252025年延续，人工智能的发展，将由年延续，人工智能的发展，将由模型开发与竞赛，转向产品为先与场景打磨的新阶段模型开发与竞赛，转向产品为先与场景打磨的新阶段。此前无论是模型训练方式的转变、还是多模态能力的升级，以及Agent智能化水平的提升，也都为人工智能的应用落地提供了有力的技术支撑。其他并未单独提及的关键变化如下：推理成本显著下降，降低应用场景实践门槛推理成本显著下降，降低应用场景实践门槛一

29、方面，硬件技术的进步功不可没。新型芯片架构的研发与优化，例如专门针对人工智能推理任务设计的芯片，大幅提升了计算效率。这些芯片在能耗管理和运算速度上取得了良好平衡，使得单位推理运算的能耗成本和时间成本均有效降低。13激发科技与创新活力另一方面，算法优化也起到关键作用。研究人员不断改进推理算法，减少不必要的计算步骤和数据传输，通过模型压缩技术，在不显著影响模型精度的前提下，降低模型的存储和计算需求，从而在大规模推理应用场景中极大地节省了成本。再者，云服务提供商之间的竞争加剧，为吸引更多人工智能企业用户，他们不断优化基础设施并降低服务价格，使得企业在使用推理服务时的费用大幅减少，共同推动了 2024

30、 年推理成本的显著下降。大模型竞争格局存在变化空间，模型层竞争收拢大模型竞争格局存在变化空间，模型层竞争收拢OpenAI o1模型改进了推理密集型基准测试的表现，在复杂的数据和科学任务上表现出色，仍然占据模型侧的领先优势，但是仍然面临o1模型使用成本高昂的问题。与此同时，开源模型与闭源模型之间的差距正在缩小。如Meta发布LlaMa3.1和LlaMa3.2模型，前者在推理、数学和上下文任务上与GPT-4o和Claude 3.5 Sonnet等模型能力不相上下。而后者的多模态能力在图像识别和视觉理解任务上与领先的闭源模型具有竞争力，其轻量级模型在移动设备和边缘计算上的表现也令人印象深刻。聚焦到中

31、国人工智能市场，中国的大语言模型距离国际领先模型仍然存在差距，但是也也在部分子任务上实现了SOTA。以智源研究院发布的部分FlagEval百模评测结果为例，字节跳动、阿里巴巴以及腾讯等，均在部分方向上表现出色。机构机构模型模型开闭源开闭源字节跳动Doubao-pro-32k-preview闭源百度ERINE 4.0 Turbo版本：Erine-4.0-turbo-8k-latest闭源OpenAIo1-preview-2024-09-12闭源AnthropicClaude-3-5-sonnet-20241022闭源阿里巴巴Qwen-Max-0919闭源机构机构模型模型开闭源开闭源OpenAIo

32、1-mini-2024-09-12闭源GoogleGemini-1.5-pro-latest闭源阿里巴巴Qwen-max-0919闭源字节跳动Doubao-pro-32k-preview闭源MetaLlaMa-3.3-70b-instruct开源语言模型-主观（含价值观）更偏重考察中文能力语言模型-客观（不含价值观）14激发科技与创新活力机构机构模型模型开闭源开闭源腾讯Hunyuan Image闭源字节跳动Doubao image v2.1闭源Ideogram_AIIdeogram 2.0闭源OpenAIDALL E3闭源快手可图闭源机构机构模型模型开闭源开闭源快手可灵1.5（高品质版）闭源字

33、节跳动即梦 P2.0 pro闭源爱诗科技PixVerse V3闭源MiniMax海螺AI闭源Pika.AIPika 1.5闭源多模态生成模型-文生图多模态生成模型-文生视频信息来源：智谱研究院 FlagEval百模评测 2024年12月压缩与蒸馏模型便于模型部署和提升推理效率，加快模型在新领域的落地应用压缩与蒸馏模型便于模型部署和提升推理效率，加快模型在新领域的落地应用通过优化算法和训练方法，实现了在保持高性能的同时减少模型大小。如面壁智能发布了端侧多模态模型MiniCPM-Llama3-V 2.5，参数规模仅8B，但在多模态能力上超越了GPT-4V和Gemini Pro，特别是在OCR能力和

34、多语种支持方面表现出色。而数据集蒸馏技术、多模态数据蒸馏等技术在2024年的进步，如腾讯的多模态AI实验室研究了基于蒸馏的多模态数据集生成方法；华为诺亚方舟实验室多模态蒸馏研究项目等，也进一步推动了小型模型的应用场景拓展与商业化。合成数据广泛应用合成数据广泛应用合成数据技术通过算法、统计模型或生成式AI技术生成，旨在模拟真实世界的数据分布和特征。随着生成式AI技术的进步，如GAN（生成对抗网络）、VAE（变分自编码器）等技术的发展，合成数据的生成质量和效率不断提升。相应地，合成数据的应用领域不断拓展，从最初的自动驾驶、医疗影像分析等领域逐渐渗透到金融、教育、零售等多个行业。15激发科技与创新活

35、力趋势趋势4 4：AIAI原生应用形成服务闭环，聚焦专原生应用形成服务闭环，聚焦专业用户提升效率是中短期重要方向业用户提升效率是中短期重要方向类型现有应用AI 原生应用典型示例交互方式重构GUI多模态交互GPT-4o，通过语音直接进行交互服务重构通过信息链接促进交易达成以及商品/服务的供给直接提供服务Before：猪八戒网，提供的是做图需求与供给之间的链接Now：可以通过AI做图应用直接提供服务链接对象重构人-人人-软件Before：社交解决的是人与人之间的链接，如微信等Now：社交除了解决人与人之间的链接，还可以是人与软件（agent）之间的互动，同样可以满足部分用户的情感需求，如星野等产品

36、迭代重构功能迭代模型迭代Before：用户适应产品，接受产品功能与交互的变化Now：由于模型升级导致产品功能增强，产品适应用户，用户无感知AIAI原生应用可能发生的重构原生应用可能发生的重构当前AI原生应用大量涌入市场，但是，一方面存在用户规模快速增长，但是留存不理想的情况，另一方面，貌似仍然尚未跳开已有应用的产品形态，从AI能力增强对于应用形态可能的影响来看，至少可以从如下方面进行AI原生应用的探索与跟踪：其中，与现存应用最明显的差异在于，与现存应用最明显的差异在于，AIAI原生应用需要对最终结果负责原生应用需要对最终结果负责，服务或者说结果的达成过程由AI原生应用自行消化，用户对于AI原生

37、应用的满意度和评价，均来自于其提供结果的完成度和满意度。例如，用户评价不同的AI生图应用，评价的核心出发点就在于其生图的质量是否达到用户的预期，对于应用开发者来说，生图的步骤和产品设计，除了提升用户的生图体验之外，更重要的是通过产品“雕花”，实现对于用户预期和质量控制的管理。至于产品运营过程，即便面临与以往应用的较大差异，也是开发者自行消化，如下图所示：16激发科技与创新活力找平衡面向专业人士或者专业需求：更侧重生成质量，需要提供更多的prompt与引导，从而帮助用户丰富作品细节的要求，达成用户对于作品质量的预期示例：Midjourney Prompt 包括图片内容描述、艺术风格描述、艺术媒介

38、&手段、光线描述、图片细节描述等等，使用不同的 prompt 可以实现图片的精细化调节面向普通用户或者娱乐需求：更侧重生成体验与速度，上手门槛低，体验流畅，生成作品初步达成需求预期即可，可以考虑以成熟作品的模版引导用户使用，适当增加个性化作品调整 面对用户需求，通过场景细分保障用户体验与留存追求速度追求速度AI原生应用 面对产品运营，通过寻求从MPF（Model-Product Fit）到PMF（Product-Market Fit）的过渡构筑产品护城河追求质量追求质量模型应用成本模型驾驭能力数据飞轮产品边界模型应用成本包括计算资源、数据收集与标注成本、人力投入等。尽管当前模型API调用成本已

39、经大幅度下滑，但是应用企业仍然需要考虑后续用户增长之后来带来的推理持续累积提升可能带来的高成本投入，通过不同模型的组合和产品设计寻求成本优化。这涉及对模型的理解、调整和优化能力。企业需要深入了解不同模型的工作原理、优势与局限性。能够根据产品场景需求调整参数、改进算法，以提高模型的准确性和适应性。同时，通过模型组合，以及持续的监测和评估，不断提升对模型的驾驭水平，确保模型在不同场景下稳定高效运行。在 AI 应用中，明确产品边界至关重要，尤其是模型能力与产品功能之间的边界。一方面，产品功能应围绕核心价值设计，不能因模型能力提升而盲目扩展。更重要的是，实时跟踪模型能力提升的方向和程度，确保产品核心价

40、值与模型能力之间存在增值空间。数据沉淀是 AI 应用持续优化的基础。通过收集用户行为数据、业务数据等，不断丰富数据资源，并为模型，尤其是产品的改进提供依据。同时，要注重数据的质量和安全性，建立完善的数据管理体系，确保数据的可用性和保密性，为 AI 应用的长期发展构建竞争壁垒。17激发科技与创新活力 当前AI原生应用发展现状：聚焦专业用户提升效率是中短期重要方向当前AI原生应用主要覆盖如下用户群体和功能类型，超级个体涌现的背景之下，在传统意义上对用户进行B和C划分之外，专业人士（即Prosumer）这类用户群体的重要性愈发突出，包括程序员、设计师、律师等各种专业人士，其效率提升的需求与当前AI应

41、用的价值匹配度相对比较高，具备付费意愿与付费能力，且采购决策考量和周期相对可控，是AI原生应用追求用户留存和商业化并重阶段需要重点关注的用户群体。用户用户（ConsumerConsumer）专业人士专业人士（ProsumerProsumer）企业企业ChatbotsChatbotsAIAI搜索搜索AIAI生成生成/设计类设计类（图片（图片/音乐音乐/视视频频/文案等等）文案等等）AIAI社交（虚拟角社交（虚拟角色色/陪伴）陪伴）AIAI教育教育生产力工具生产力工具/IT/IT场景等场景等代码助手代码助手营销营销/客服客服协同办公协同办公数据分析数据分析/BI/BI法律法律/医疗等专医疗等专业人

42、士应用业人士应用当前AI原生应用主要方向用户粘性相对比较高用户粘性相对比较高用户规模快速增长，粘性与留存有待提升用户规模快速增长，粘性与留存有待提升独立原生应用价值有待进一步验证独立原生应用价值有待进一步验证18激发科技与创新活力趋势趋势5 5：成熟应用加速拥抱：成熟应用加速拥抱AIAI，利用，利用LLMLLM能能力提升自身应用服务体验和产品竞争力，力提升自身应用服务体验和产品竞争力，不加不加AIAI就淘汰就淘汰拥抱AI在当下是必选项，不是可选项，成熟应用通常都是从如下视角和价值的角度考虑，需要增强AI能力：提升用户体验个性化服务AI 可以分析用户的行为、偏好和历史数据，为用户提供高度个性化的

43、服务。这在流媒体以及电商平台都得到了印证，即个性化的体验能够提高用户的满意度和忠诚度，使应用在竞争激烈的市场中脱颖而出智能交互借助自然语言处理和语音识别技术，AI 可以实现更加智能的交互方式。例如，这将显著降低两龄用户与应用互动和信息输入的门槛，进一步扩大应用的覆盖范围提高运营效率自动化流程AI 可以自动化许多繁琐的任务，如数据输入、文件分类、客户服务等。这可以节省人力成本，提高工作效率，使企业能够更专注于核心业务精准预测和决策通过对大量数据的分析，AI 可以进行精准的预测和决策。现存应用可以利用这些预测结果来优化业务流程、制定营销策略、提高库存管理效率等增强竞争力创新功能拥抱 AI 可以为现

44、存应用带来新的功能和创新点，吸引更多用户，并为用户带来更多的价值。在竞争激烈的市场中，不断推出新的功能和服务是保持竞争力的关键。适应市场变化随着技术的不断发展，用户的需求和市场环境也在不断变化。现存应用需要不断创新和改进，以适应这些变化，从而尽量规避被新应用淘汰的风险19激发科技与创新活力1.将将AIAI与与LLMLLM能力作能力作为内部提效工具为内部提效工具2.AIAI能力融入现有产能力融入现有产品体系品体系3.推出以推出以AIAI为主体的为主体的产品与解决方案产品与解决方案4.All in AIAll in AI，将，将LLMLLM作为公司战略发展抓作为公司战略发展抓手手成熟应用加速拥抱成

45、熟应用加速拥抱AIAI的四个状态的四个状态易观分析基于上述考量，成熟应用结合自身用户工作流以及市场分发和渠道优势，占据用户界面，在这一波浪潮中，并未放松和懈怠，普遍呈现出加速AI整合的态势，主要包括如下类型和状态：1.1.将将AIAI与与LLMLLM能力作为内部提效工具能力作为内部提效工具在这个阶段，企业开始探索AI技术的应用潜力，主要将其应用于内部流程优化，提高工作效率。核心特征主要在企业内部使用，旨在提升内部运营和工作效率应用场景相对局限，可能用于自动化数据处理、内部文档管理、简单的任务分配等对现有业务流程的影响较小，是一种渐进式的改进对于AI技术能力的要求准确性和稳定性：确保在处理内部任

46、务时能够准确无误地执行，避免错误对内部工作造成干扰可定制性：能够根据企业内部的特定需求进行定制和调整，以适应不同的工作流程和数据格式高效性：快速处理内部任务，提高工作效率，减少人工干预的时间成本20激发科技与创新活力可能面临的挑战技术选型难题：需要从众多的 AI 和 LLM 工具中选择适合企业内部需求的，可能面临功能不匹配、兼容性问题等员工适应问题：员工需要学习新的工具和工作方式，可能存在抵触情绪或学习成本高的情况数据安全风险：引入外部技术可能带来数据泄露的风险，需要加强数据安全管理典型案例基本上大部分科技企业都有所涉及，尤其是在软件工程和应用开发方向上，同时，大量行业企业，即AI技术的买单方

47、当前也看重这一价值，试水颇多。案例：中国工商银行案例：中国工商银行软件开发中心智能研发体系建设与实践软件开发中心智能研发体系建设与实践应用方向规划应用方向规划实践落地及应用效果实践落地及应用效果工行软件开发中心组建AI4SE（即AI for Sofware Engineering，智能化软件工程）专项工作团队，明确AI落地方向需求分析设计辅助编码辅助测试辅助版本发布智能运维 推进以AI为主导的智能研发模式建设，加快智能体技术落地 从单一编码环节拓展至需求、设计、测试、运维等研发全流程 提升编码效率和质量代码补全代码安全检测单测生成研发问答CodeReview 规范智能研发资产打造数字研发资产管

48、理平台积累优秀金融代码资产，推进模型微调形成智能研发规范指引，持续赋能 构建模型测评体系打造自动化测评平台构建三层测评体系实现逐级准入开展用户试点评估与快速迭代AI辅助代码生成占比从22%提升至32%平均单测行覆盖率60%智能代码问题检出率40%加快智能研发应用梳理研发全领域，将研发阶段拆解细化，推进智能研发助手36项场景能力建设21激发科技与创新活力2.AI2.AI能力融入现有产品体能力融入现有产品体系系随着对AI技术的深入理解和应用，企业开始将AI能力集成到其现有的产品和服务中。这个阶段的关键是找到AI技术与现有业务的结合点，创造价值增量。核心特征将 AI 技术逐步整合到现有的产品和服务中

49、，以增强产品的功能和竞争力可能会对产品进行一定程度的升级和改进，为用户带来新的体验仍然以现有产品为核心，AI 作为辅助功能对于AI技术能力的要求兼容性：与现有产品体系无缝融合，不影响产品的整体性能和稳定性实用性：提供切实有用的功能，满足用户在使用现有产品过程中的实际需求可扩展性：随着产品的发展和用户需求的变化，能够方便地扩展和升级 AI 功能可能面临的挑战用户体验平衡：在增加 AI 功能时，要确保不破坏原有的用户体验，同时让新功能易于被用户接受和使用用户增量价值空间：AI功能的增加是否能够在提升用户体验的 同时，也带来用户价值的提升，从而达成增量商业化成本控制压力：开发和维护融合 AI 能力的

50、产品体系可能需要较高的成本，包括技术研发、数据处理等方面典型案例金山WPS、百度文库、用友、金蝶、福昕软件等等，即大量已经深度集成在用户界面与工作流的应用企业，将AI能力作为提升自身产品体验与功能的发展方向，部分企业开始尝试针对其AI能力升级提升收费客单价。22激发科技与创新活力个人办公服务应用个人办公服务应用AIAI方向规划与落地实践方向规划与落地实践提升用户对AI功能的理解与使用，进而拉动个人办公订阅业务增长。AI写作助手AI阅读助手AI数据助手AI设计助手WPS AI 办公助手2,537 2,997 3,549 3,815 4.6%12.0%13.4%14.0%2021202220232

51、024H12021-2024H1 WPS 个人付费用户规模累计年度付费用户规模（单位：万）付费用户渗透率51.8357.7468.474.802020年2021202220232020-2023 WPS 2020-2023 WPS 个人付费个人付费ARPUARPU（单位：元）（单位：元）业务进展：目前 AI 会员和大会员累计年度付费用户数合计已超百万，在付费用户中的渗透率约 3%预计ARPU值仍将保持小幅提升，增长幅度低于会员涨幅，AI增强带来的用户使用习惯与付费能力尚需要培养超级会员超级会员WPSWPS大会员大会员价格148/年348/年WPS AI权益不支持2024 年，WPS推出包含 A

52、I 会员等的全新会员体系-WPS大会员，如下表所示：表 金山WPS会员体系案例：金山办公案例：金山办公WPSWPS个人办公服务个人办公服务 WPS AI 2.0 WPS AI 2.0带动个人订阅服务增长带动个人订阅服务增长企业企业AIAI战略规划战略规划全面升级发布 WPS AI 2.0，涵盖个人版、企业版、政务版等不同版本，形成全面的一站式 AI 办公生态，满足不同用户和场景的需求。定位为大模型技术的应用方，适配对接国内主流大模型，通过合作整合和落地最新的AI技术，为用户和客户提供AI服务。数据来源：金山软件财报，易观分析整理23激发科技与创新活力3.3.推出以推出以AIAI为主体的产品与解

53、决方为主体的产品与解决方案案在这个阶段，AI技术成为企业产品和解决方案的核心。企业开始推出全新的以AI为主体的产品和服务。这标志着AI技术从辅助角色转变为驱动企业创新和增长的主要动力。核心特征以 AI 技术为核心，开发全新的产品和解决方案产品的价值主要来源于 AI 技术带来的创新和优势可能会开拓新的市场领域，满足特定的用户需求对于AI技术能力的要求创新性：具备独特的技术优势和创新点，能够在市场上脱颖而出高性能：提供强大的计算能力和高效的算法，以满足复杂的应用场景需求可靠性：确保产品在各种环境下都能稳定运行，为用户提供可靠的服务可能面临的挑战市场竞争激烈：AI 领域竞争激烈，新推出的产品需要有独

54、特的价值主张和竞争优势才能脱颖而出技术持续创新需求：AI 技术发展迅速，产品需要不断进行技术升级和创新，以保持竞争力数据质量和数量要求高：以 AI 为主体的产品通常对数据的质量和数量要求很高，获取和管理高质量数据可能面临挑战典型案例腾讯旗下腾讯云，将AI与MaaS服务作为业务增长的重要方向之一，面向金融、文旅、政务、传媒、教育等推出行业模型与解决方案，并提供模型预训练、模型精调、智能应用开发等MaaS服务，以及一系列模型工具链和算力服务等。浪潮旗下浪潮云洲，推出工业领域行业大模型“知业大模型”，融合云洲工业互联网平台海量工业数据，在通用大模型的基础上进行工业领域知识对齐、增强，面向工业企业提供

55、大模型全栈式开发套件及训练场景大模型的智能服务。24激发科技与创新活力4.All in 4.All in AIAI，将，将LLMLLM作为公司战略发展抓手作为公司战略发展抓手在这个最终阶段，AI技术与LLM成为企业战略发展的核心。企业将全面拥抱AI技术，在组织结构、业务模式、市场策略等方面进行深度整合和转型，从而实现智能化升级与蜕变。核心特征公司将 AI 作为核心战略，全面投入资源进行研发和推广以 LLM 为重点，构建完整的 AI 生态系统，涵盖多个领域和应用场景可能会进行重大的业务转型和组织架构调整，以适应 AI 战略的实施对于AI技术能力的要求领先性：在 AI 技术领域保持领先地位，不断进

56、行技术创新和突破生态构建能力：能够整合各种资源，构建开放、合作的 AI 生态系统，促进产业的发展战略眼光：具备长远的战略眼光，能够准确把握市场趋势和用户需求，制定合理的发展战略可能面临的挑战战略风险高：将全部资源投入 AI 存在较大的战略风险，如果技术发展不如预期或市场需求发生变化，可能对公司造成重大影响。人才短缺：AI 和 LLM 领域的专业人才稀缺，招聘和留住高素质人才可能成为难题。监管不确定性：AI 技术的发展可能面临监管政策的不确定性，公司需要应对不断变化的监管环境。典型案例百度、阿里云，以微软与OpenAI的整合作为标杆，以AI应用未来的快速发展作为未来增长的核心驱动力，带动对于AI

57、基础设施与能力的需求与市场增长。总的来说，这四个状态反映了现存应用从初步探索AI技术的潜力，到全面拥抱AI并实现战略转型的过程。随着AI技术的不断发展和成熟，企业将越来越多地依赖AI来驱动创新和增长，未来各个领域的竞争，也将由于AI能力的加入发生变化，在在AIAI应用第一应用第一阶段的竞争当中，成熟应用相对具备领先优势，无论是交互协同触点的占据还是资源阶段的竞争当中，成熟应用相对具备领先优势，无论是交互协同触点的占据还是资源投入等，但是投入等，但是AIAI原生应用的颠覆式创新仍然有可能改变当前市场发展原生应用的颠覆式创新仍然有可能改变当前市场发展。25激发科技与创新活力趋势趋势6 6：AIAI

58、将加速内容将加速内容IPIP的开发和运营，释的开发和运营，释放内容资产商业价值，推动内容产业多元放内容资产商业价值，推动内容产业多元化与新生力量的崛起化与新生力量的崛起生成式AI 在内容 IP 全生态开发中发挥的重要性将愈发突出。它能够快速生成多样化内容，从创意构思到内容产出都能提供助力。在 IP 开发初期，AIGC 可提供新颖创意，拓展 IP 故事线。在运营阶段，它能生成衍生内容，维持 IP 热度，延长生命周期。例如生成角色周边、新剧情等。这有助于提升 IP 的商业价值，通过多形式内容实现多元变现，延长优质IP的生命周期。核心价值与场景渗透如下：核心价值核心价值辅助创意与智能化内容生成增强内

59、容传播效果提升内容质量及呈现效果AI写作AI设计AI音乐/配音AI视频选题与构选题与构思思资料资料/素材素材收集收集文章撰写/图像设计/demo制作修改润色/风格优化排版/定制化调整等内容发布关键创作环节关键创作环节基于大模型长文本生成以及上下文能力，结合增强检索进行智能化知识整合，辅助创意，生成长文章、故事等理解设计需求，基于prompt生成创意设计草图自动分析文本或关键词，基于语义理解和风格选择，生成旋律或人声音乐生成视频脚本、场景设计，确定视频的初步框架或内容方向自动匹配视频库素材，或基于海量视频数据生成视频内容通过语法分析、风格一致性检查，自动识别并完善文本，基于文章内容生成相应配图，

60、提升内容整体质量图像风格迁移、扩图等调整歌词、节奏和音乐风格等，提升自然度；音频压缩与优化、自动格式转换等调整视频元素、关键帧、字幕、风格等基于不同平台优化视频文件格式与大小对于公开发表的内容，基于SEO优化标题、标签和描述，提升在平台中的可见性，提升内容发现率构思与生成阶段构思与生成阶段修改与优化阶段修改与优化阶段发布与宣传阶段发布与宣传阶段内容传播通过个性化推荐算法和多平台分发能力提升内容的传播效率，向目标受众精准推荐内容从辅助创意到智能化生产与传播，从辅助创意到智能化生产与传播，AIAI端到端融入关键创作环节端到端融入关键创作环节26激发科技与创新活力中国人工智能内容创作场景AMC应用曲

61、线应用成熟期高速发展期市场启动期探索期应用价值应用价值AI短剧制作AI工业设计影视脚本生成影视后期AI动画制作处于探索期的场景普遍属于需要高度创意的内容创作领域，有待多模态大模型能力的进一步突破已经在行业内找到具体的使用场景，具备一定的实用性，AI主要起到提高效率的辅助作用正在大规模推广的AI内容创作类应用，在个人创作者、小型团队/工作室等用户中大面积铺开，但在盈利能力方面存在核心挑战行业需求主导，实现规模化产出已经广泛应用于行业场景，有稳定的内容产出能力，并形成了较为成熟的商业模式AI人声歌曲创作互动式游戏生成技术创新驱动，更强调创意性和风格化解决具体问题，辅助工作流程提效个人生产力工具，渗

62、透行业与消费市场法律文书生成财经新闻报道AI建筑设计日常文案写作网文写作插画设计社交媒体图文生成播客/有声书制作电商海报/商品图生成广告文案写作营销物料生成公文写作游戏场景设计短视频生成关键发现大量行业客户对AI创作的接受度提升，并尝试不同程度的应用探索，未来需要面向行业专业场景形成深度解决方案随着行业应用的深化，AI与现有工作流程结合，形成稳定、规模化的生产力贡献，是走向成熟的关键2C的AI内容创作应用广泛，用户增长迅速，但尚未形成成熟的商业模式 AI+云原生赋能，游戏生产正式迈入2.0时代游戏行业是内容资产消耗型行业，内容数量与质量决定了用户留存与商业价值转换。相应地，AI对于游戏行业的赋

63、能，短期来看，可以大幅度降低内容生产与游戏研发成本，但是长周期来看，由于研发效率提升，新游戏作品供给可以提速，更重要的是，大量成熟游戏作品更新频率（副本、地图等）也可以大幅度提升，并且可以激发更多游戏玩法，从一定程度上提升用户体验，延长游戏产品生命周期，提高游戏商业化价值。这对于游戏行业市场发展空间而言更加重要。27激发科技与创新活力 美术资产生成与数据沉淀美术资产生成与数据沉淀 怪物反馈机制以及长期付怪物反馈机制以及长期付费机制设计费机制设计 AI BOTAI BOT创新游戏玩法，提创新游戏玩法，提升用户体验升用户体验这是AI对于游戏行业赋能最重要的部分之一，目前2D素材相对比较成熟，AI

64、生成 3D 内容的技术仍处于探索阶段，AI参与前期风格测试，原画类型生成与3D贴图，尚未应用AI进行3D建模游戏运营游戏运营游戏研发游戏研发美术设计美术设计场景生成动作生成超分辨率内容策划内容策划AI玩法设计地图设计关卡设计体验优化体验优化智能NPC智能BOT掉线托管运营优化运营优化违规审判平衡匹配对局陪伴游戏直播游戏直播锦集自动生成比赛解说语音互动优化游戏运营SOP，提升用户体验与生命周期价值赋能游戏研发，提升游戏研发效率，降低游戏研发成本游戏发行游戏发行物料生成智能投放海外发行AI能够生成更加拟真化的怪物反馈机制，从而带来更具沉浸感与游戏挑战的机制形式，包括未来通过AI进行付费机制设计，平

65、衡商业化战斗系统从而保障游戏体验以及商业收益并重游戏开发游戏开发与测试与测试平衡性测试游戏地图测试AI代码目前正在从MOBA拓展到FPS等强竞技类品类，重点方向是优化拟人化；并正在向MMORPG、开放世界品类延伸。未来智能NPC玩法对于算力要求提升，也需要考虑网络环境与边缘设备的平衡来源：腾讯AI实验室公众号，以及网络公开信息等 易观分析整理图图 AI AI渗透游戏全生命周期渗透游戏全生命周期 短剧与动画是AI赋能影视工业化生产先行军优质影视剧综内容驱动长视频以及影视内容市场增长与用户付费是共识，影视生产工业化水平提升是当务之急。从场景落地实践来看，短剧与动画是AI赋能影视工业化生产先行军。短

66、剧部分：文本AI能力落地实际价值，AI视频内容生产仍处于探索阶段短剧市场加速发展，同时，短剧出海也是当前重要的发展方向，目前AI对于短剧行业的渗透仍然以文本能力为主，包括剧本与剧情策划，以及出海过程中文本翻译的部分。AI视频部分仍然处于技术与应用衔接探索阶段，优质内容生产仍然是用户付费的前提，极短视频AI换脸成本与体验尚可，进入生产环境尚需平衡内容质量与生产方式成本。28激发科技与创新活力动画电影：生成式AI加速渗透，制作周期与成本有望压缩优质的动画电影需要长周期的精雕细琢，从23-24年中国票房最高的几部动画电影来看，普遍花费3-7年时间制作而成从制作成本上来看，大部分国产动画电影制作成本在

67、1000-3000万元区间，距离海外皮克斯等公司的制作投入相比，仍有差距。而AIGC在图像以及视频方面的实现与研究进步将加速其在动画电影落地，从而加速动画电影制作水平与质量的提升。AI当前在音乐产业中的核心价值以效率提升为主2024年中国数字音乐市场规模将突破800亿元。内容驱动在线音乐订阅模式增长，增速仍然有提升空间。音乐平台作为数字音乐市场的核心驱动力量，战略重点也围绕音乐内容质量，以及差异化音乐生态内容生态布局。音乐短视频化音乐短视频化发展原创发展原创IPIP生态生态出海出海“线上线上+线下线下”深度融合深度融合AIGCAIGC赋能原创音乐生态赋能原创音乐生态音乐短视频化在用户方面可以实

68、现破圈增长；同时，可以提升营销广告位流量空间，拓展更多变现机会原创IP成为版权非独家时代新战场，通过厂牌、音乐节、联名等方式，赋能小众圈层音乐人破圈，进而实现差异化内容生态建设平台推动多元音乐走向世界，并给予原创音乐人出海助力；东南亚成为近年出海重点市场后疫情时代，“线上+线下”模式持续延伸，仍然成为平台演艺活动标配模式，放大IP价值，丰富受众体验词曲创作（10%-14%）版权公司/唱片公司（35%-40%）音乐发行渠道/分发平台（30%-35%）音乐消费者歌手（15%-18%）泛音乐消费场景游戏游戏影视影视社交社交场景场景BGMBGM音乐版权在线交易平台（3%）原创音乐生态AI音乐生成传统音

69、乐价值链唱片公司处于价值链核心位置，对高质量音乐内容生成与分发负责，并获取相应收益；AI时代，唱片公司开始考虑基于自身音乐数据资产，训练模型，激发创作，乃至签约AI歌手数字音乐发行格局发生变化流媒体平台开始在与版权公司建立合作的基础上，发力原创音乐生态，并通过AI工具赋能辅助提升音乐创作能力与效率，以此进一步拜托传统音乐厂牌的版权制约，形成平台内容差异化AI音乐一站式生成尽管AI技术从作曲、作词、编曲、演唱等各个环节均已经实现突破，但是仍然以赋能原创音乐生态为主，同时开始探索泛音乐消费场景，包括游戏、社交等类型生成与应用，进一步降低上述场景音乐生产成本商业广告商业广告29激发科技与创新活力总体

70、上而言，通过AI技术提高内容创作效率、缩短内容创作流程，内容资产的商业价值将得以充分释放。一方面，对于拥有大量IP资产的内容方，AI可以显著提升IP的开发速度，优化运营与变现路径，通过快速生成多种内容形式，如IP影视化、衍生品开发等，帮助内容资产实现高效转化；另一方面，对于独立创作者、小型工作室等创作群体，AI将成为其创意落地的有力工具，原本由于资金和技术门槛难以开展的项目，在AI辅助下可以显著降低开发成本、提升效率，使其能够专注于核心创意工作和内容质量的把控，这类创作群体将成为内容产业的新生力量，有望突围而出。未来，AIAI驱动的内容创作方驱动的内容创作方式有望打破传统内容生产的壁垒，推动内

71、容产业结构向多元化方向发展，进一步丰富内式有望打破传统内容生产的壁垒，推动内容产业结构向多元化方向发展，进一步丰富内容生态容生态。同时，需要注意到的是，生成式生成式AIAI赋能之下，赋能之下，创作者经济竞争将进一步升级，个性化风创作者经济竞争将进一步升级，个性化风格导向成竞争分水岭格导向成竞争分水岭。AIGC可以成为核心竞争力之一，但也有可能打掉此前部分创作者的海量高效的内容生产优势，AIGC有可能带来海量同质化内容推向市场，充分发挥创意优势，并结合自身对于AI能力的驾驭，塑造独立内容产品风格将会愈发重要。30激发科技与创新活力趋势趋势7 7：硬件全面：硬件全面AIAI化具备连接数字世界与化具

72、备连接数字世界与物理世界的可能性，教育与办公、生活的物理世界的可能性，教育与办公、生活的应用场景闭环率先实现落地应用场景闭环率先实现落地硬件全面 AI 化确实具备连接数字世界与物理世界的可能性。在数字世界中，数据不断产生和流动，而物理世界由各类实体硬件构成。当硬件 AI 化后，智能硬件能够感知周围环境。例如，AI 摄像头可以捕捉并分析物理场景中的图像数据，智能传感器可以监测环境状态。这些硬件通过 AI 算法处理数据，并依据分析结果在物理世界中做出反应，如智能温控系统自动调节室内温度。同时，它们又能将物理世界的数据反馈回数字世界，从而形成一个交互循环，实现两个世界的紧密连接。硬件性能持续提升硬件

73、性能持续提升安全与隐私保障安全与隐私保障应用场景多元化拓展应用场景多元化拓展融合与创新融合与创新 芯片算力增强随着硬件AI化的推进，专门用于AI计算的芯片将不断发展。AI芯片将从目前的能处理简单的图像识别、语音识别任务，发展到能够处理更复杂的自然场景理解、深度语义分析等任务。传感器精度提高硬件中的传感器将更加精密。如，在环境监测硬件中，空气质量传感器的精度将更高，能够检测到更微量的有害污染物；在可穿戴设备中，生物传感器将能更准确地测量心率、血压等生理数据，为健康监测提供更可靠的数据支持。智能家居深度集成未来，智能家居硬件将全面AI化。除了现有的智能音箱控制家电外，整个家居环境将实现无缝连接。硬

74、件之间能够相互协同，实现高度自动化的家居体验。智能交通全面覆盖在交通领域，硬件AI化将带来巨大变革。车辆将配备更先进的AI硬件，实现更可靠的自动驾驶功能。同时，交通基础设施如信号灯、路标等也将AI化，能够实时感知交通流量并做出最优的调控方案，减少交通拥堵。硬件安全机制完善随着硬件AI化程度加深，安全机制将更加完善。AI硬件将内置更强大的加密模块，防止数据在硬件层面被窃取或篡改。如，对于存储用户生物特征数据（如指纹、面部特征等）的硬件，将采用多层加密技术，确保数据安全。隐私保护措施升级在硬件设计和运行过程中，将更加注重隐私保护。AI硬件在收集和处理数据时，将遵循严格的隐私政策。硬件与软件融合AI

75、硬件与软件将深度融合。以智能手机为例，其硬件将集成更强大的AI处理单元，软件系统则针对这些硬件进行优化。操作系统能够更好地利用硬件的AI能力，实现诸如实时翻译、智能拍照、个性化推荐等功能。跨行业融合创新硬件AI化将促进跨行业的融合。如具有AI诊断能力的便携医疗设备，能够让患者就地进行初步的疾病诊断；智能农业机器人能够精准地进行播种、施肥等操作，提高农业生产效率。31激发科技与创新活力从当前的市场反馈来看，创生全新品类这个方向并不尽如意。可能存在的问题如下：产品定位与市场需求不匹配功能实用性问题全新品类提供的功能可能并没有真正解决用户的核心痛点。例如，用户可能更倾向于选择功能集中且实用的设备，而

76、这些新产品所宣传的功能可能在实际生活场景中使用频率较低，或者有其他更成熟的替代方案目标用户群体模糊定位目标用户群体时可能不够精准。没有清晰地界定是针对科技极客、普通消费者还是特定行业用户。如果产品不能准确地针对某一特定用户群体进行设计和营销，就很难在市场上获得广泛认可技术成熟度不足硬件性能局限作为全新品类的硬件产品，它们可能在硬件性能上存在局限性。例如，在处理能力、电池续航、设备连接稳定性等方面可能无法满足用户日常使用的要求软件适配与体验差新的硬件品类往往需要专门的软件系统来支持，但在软件的开发过程中可能会出现兼容性问题、操作逻辑不清晰等情况市场竞争与生态环境现有产品竞争压力市场上已经存在大量

77、成熟的智能设备，这些产品已经占据了一定的市场份额并创生全新品类创生全新品类通过创新技术或理念创造前所未有的硬件产品，并与AI能力深度集成，满足未被发现的需求，开辟全新市场。已有硬件已有硬件+AI+AI利用AI技术对现有产品进行功能优化、体验升级等，利用成熟市场基础，降低风险，以差异化竞争获取用户，推动品类可持续发展。Humane AI PinHumane AI PinRabbit R1Rabbit R1AIAI手机手机AI PCAI PCAIAI教育硬件教育硬件硬件硬件AIAI化的两个发展路径化的两个发展路径易观分析32激发科技与创新活力拥有稳定的用户群体。新品类在进入市场时，面临着来自这些成

78、熟产品的激烈竞争。例如，智能手机已经集成了众多功能，包括语音助手、移动支付等，这使得用户在考虑新的可穿戴智能设备时会进行对比，如果新产品没有明显的优势，用户更倾向于选择熟悉的智能手机生态系统不完善一个成功的硬件产品往往需要有完善的生态系统来支撑。这包括配套的应用程序、数据服务、内容资源等。而新品类可能在生态系统的构建方面较为薄弱。例如，缺乏足够的第三方应用支持，无法像智能手机那样形成一个丰富多样的应用生态，限制了产品的功能扩展性和用户粘性1,000.04,000.08,000.013,000.015,000.05.5%13.2%29.6%45.3%51.9%2023年2024年F2025年F2

79、026年F2027年FAI手机出货量（单位万台）手机市场占比数据来源：IDC，易观分析整理2023年-2027年AI手机在中国市场的出货量及占比2,490.04,400.010,300.015,500.017,500.010.0%19.0%37.0%53.0%60.0%2023年2024年F2025年F2026年F2027年FAI PC出货量（单位万台）PC市场占比数据来源：Canalys，易观分析整理2023年-2027年全球 AI PC出货量及占比821.01,012.01,150.01,288.01,443.02023年2024年F2025年F2026年F2027年F数据来源：多鲸教育研

80、究院，易观分析整理2023年-2027年中国教育智能硬件市场规模（单位：亿元）市场较成熟，功能不断增强。前景广阔，将在智能交互、影像处理等方面持续发展。生活场景生活场景逐渐兴起，提升性能和智能体验。重点在于助力高效办公和创意工作。办公场景办公场景需求增长，涵盖多种学习辅助设备。核心价值在于推动个性化教育发展。教育场景教育场景未来，企业能够在目标群体和场景、软硬件技术能力以及生态系统方面均能够有所突破，仍然有可能创造全新的硬件品类占据用户界面。在此之前，基于现有的成熟硬件品类，利用AI与大模型能力实现用户体验的进一步升级，是相对务实的发展方向。2025年，硬件AI化仍然会延续在24年如下品类所掀

81、起的硬件更新换代革命，即手机、PC和教育硬件的AI化和持续规模扩张。33激发科技与创新活力总结：应用场景多元化探索，雏形初现总结：应用场景多元化探索，雏形初现在LLM驱动的 AI应用环节，涌现出各种细分方向与产品，通过海量用户推广、培养用户习惯、提升用户粘性等方式验证产品PMF，论证赛道核心价值。总体上而言，经过2023-2024年的多元化探索，如下三个方向基本在一定程度上验证，并有望持续扩大用户规模，进而实现用户付费与转化。内容方向生产力方向社会服务方向利用生成式AI的创意能力，赋能内容生产，提升生产效率和质量面向普通用户融入成熟应用工作流当中，为用户提供更流畅的、文案、图像美化、生成以及视

82、频AI剪辑等功能典型案例：美图秀秀、小红书、WPS等面向专业用户/机构一方面，内容平台赋能创作者生态，从而提升生态闭环能力，如剪映、秒剪、阅文妙笔、阿里鹿班等；另一方面，独立AI开发者以内容创作流体验升级为切入点，成为内容需求方可选工具之一利用LLM带来的推理能力提升以及生成式AI相结合，提升工作效率，成为重要的生产力工具面向用户融入成熟应用工作流，通过内容生成、AI搜索总结等多种形式，帮助用户提高工作效率，如AI代码、AI写作等等，同时具备独立AI开发者脱颖而出的空间面向机构/企业SaaS+AI方向，SaaS应用普遍增强AI能力，从而提升用户体验和付费意愿与ARPU，目前在营销、客服、数据分

83、析、HR、财务等多个环节尝试与应用社会资源相对稀缺的方向，利用AI实现普惠+个性化，从而提升社会服务覆盖面与效果面向用户降低用户使用社会服务的门槛，提升服务质量，目前在AI教育方面相对比较突出，心理咨询等尚处于探索阶段面向专业人士仍然作为生产力工具，面向医疗、法律、老师等职业群体，利用AI实现工作效率提升，从而进一步提升服务质量，降低应用门槛AI图像AI音频AI音乐AI视频AI设计AI文字AI PPTAI搜索AI代码AI记录/总结AI写作AI数据分析AI 医疗AI 法律AI 教育AI心理咨询34激发科技与创新活力13219819821521723625730143247861392116851

84、742302150755887622267637102即梦AI腾讯元宝TalkAI练口语妙鸭相机海螺AI通义讯飞星火光速写作猫箱天工AI智谱清言星野文小言KIMI快影美图百度文库豆包剪映夸克2024年中国市场移动端年中国市场移动端AI应用应用MAU榜单（单位：万）榜单（单位：万）基于上述用户需求初步验证的赛道和方向，虽然在此前关于AI趋势的分析当中，仍然将AI原生应用与成熟应用拥抱AI视为两个派别，但是未来面向用户、专业人士，乃至机构与企业的过程中，AI应用的核心价值差异以及用户感知才是进行AI应用划分的唯一法则。相应地，基于2024年11月数据，中国AI应用-移动端格局如下：夸克第一，剪映和

85、豆包处于第一梯队，其一，一站式AI应用为用户提供聚合服务，AI矩阵效应凸显，如夸克、豆包等；其二，内容创作类应用赢得当前用户尝试与体验，如剪映、百度文库等；其三，科技大厂与成熟应用凭借其用户场景与资源投入，跑赢AI应用第一阶段，如阿里系-夸克、字节系-剪映&豆包、百度系-百度文库等。AI应用定义：以AI技术为核心驱动力量而形成的产品、工具或者平台，依托多种AI技术手段，进行服务提供以及与用户的智能交互，包括内容创作、办公生产等多个领域数据说明：基于2024年11月中国移动应用MAU进行排序易观分析35激发科技与创新活力7%9%9%11%11%11%12%13%14%14%15%15%17%18

86、%19%21%22%29%37%38%天工AI海螺AI猫箱光速写作讯飞星火百度文库即梦AI妙鸭相机腾讯元宝智谱清言通义文小言美图豆包TalkAI练口语快影KIMI剪映夸克星野2024年中国市场移动端年中国市场移动端AI应用活跃度榜单（应用活跃度榜单（DAU/MAU）AI应用定义：以AI技术为核心驱动力量而形成的产品、工具或者平台，依托多种AI技术手段，进行服务提供以及与用户的智能交互，包括内容创作、办公生产等多个领域数据说明：基于2024年11月中国移动应用MAU和DAU进行计算和排序易观分析中国AI应用持续发展，需要在持续扩大用户规模的基础上，更加验证自身不可或缺的价值，从而形成用户粘性与依

87、赖。相应地，需要也从应用活跃度视角来看中国TOP20 移动端AI应用的现状，如下图所示：夸克这一类相对综合型的AI应用，通过场景覆盖相对全面，产品体验初步达到预期，赢得用户持续访问。AI+社交属性以及AI+教育体现出了比较高的粘性，尽管星野聚焦AI 社交、TalkAI练口语聚焦AI教育，用户规模均不足千万，但是在用户活跃度方面表现突出。剪映、快影等视频创作应用依托于抖音、快手内容分发生态，以及AI赋能的用户创作体验，也位居前列。与用户规模榜单相结合，可以看出，依托科技大厂和成熟应用的场景和资源优势，结合用户体验的持续升级，有助于构建用户护城河，而独立公司则更需要发挥自身在细分赛道的持续深耕，占

88、据一席之地。36激发科技与创新活力讯飞星火腾讯元宝百度文库豆包天工AI美图文小言TalkAI练口语剪映通义智谱清言KIMI海螺AI快影妙鸭相机猫箱即梦AI光速写作星野夸克2024年中国市场移动端年中国市场移动端AI应用年龄分布应用年龄分布24岁以下(%)24岁到30岁(%)31岁到35岁(%)36岁到40岁(%)41岁及以上(%)从用户画像上来看，大部分AI应用的主要用户群体集中在30岁以下的年轻人，超过50%，甚至夸克、猫箱、星野、即梦等应用，24岁以下年轻人占比超过三成，其中，夸克24岁以下年轻用户占比超过一半。40岁以上用户群体基本上只占到10%的比重。一方面，新兴技术和应用确实能够更加

89、快速在年轻用户群体当中渗透和普及，另一方面，年轻用户更多利用内容创作与发布来社交表达和交流，以及寻求工具应用帮助提升自身效率的特性，也确实与当前AI应用的核心价值相匹配。AI应用定义：以AI技术为核心驱动力量而形成的产品、工具或者平台，依托多种AI技术手段，进行服务提供以及与用户的智能交互，包括内容创作、办公生产等多个领域数据说明：基于2024年11月中国移动应用监测数据进行用户画像分析易观分析37激发科技与创新活力鉴于AI应用的场景特性，解决内容与生产力效率为核心，移动应用也只是AI应用分发的一个切面，AI场景的渗透面向PC桌面与面向成熟应用联动，也是当前AI应用重要的分发通道。未来AI应用

90、在移动端应用规模的基础上持续增长，一方面需要不断优化移动端用户体验与产品能力，另一方面，也需要在如下多类型分发通道方面因地制宜，形成更广泛有效的生态策略，实现AI应用用户规模的下一轮跨越式增长。分发通道分发通道典型案例典型案例PC 应用夸克、KIMI、豆包等推出PC应用，提供用户下载安装，实现双端无缝体验浏览器插件豆包、KIMI、智谱清言等推出浏览器插件，减少用户在多个应用之间的切换动作硬件预装联想AI PC预装包括Kimi、讯飞听见等AI应用成熟应用调用飞书集成豆包应用进行分发；腾讯视频AI角色互动调用腾讯元宝等中国中国AIAI应用在移动端之外的分发通道布局应用在移动端之外的分发通道布局总体

91、上而言，无论是AI原生，还是成熟应用，无论是科技大厂，还是创业公司，未来一轮AI应用的竞争将围绕如下方面展开：产品核心价值认知沉淀/行业Know-how技术应用交互协作体验通过产品核心价值持续与用户互动，并形成专有数据沉淀。一方面，需要通过产品设计形成数据飞轮，增厚数据资产价值；另一方面，围绕数据与场景洞察，持续探索用户的痛点与需求，从而夯实产品价值。理解模型能力，并能够能够驾驭模型的能力，甚至多模型的调用与整合。尽管在一定程度上，自研模型，形成模-应一体，是之前的最佳姿势，未来伴随模型能力的普遍提升，以及应用的百花齐放，模型与应用必然朝向解耦方向发展。本质是将AI能力无缝融入到用户多个场景的

92、用户旅程与workflow当中。当前科技大厂与成熟应用脱颖而出的核心原因之一就在于释放了一部分交互触点，未来需要进一步围绕用户场景持续探索和创新，包括硬件终端等方向。38激发科技与创新活力趋势趋势8 8：AIAI赋能千行百业，行业赋能千行百业，行业“小小”模型模型催生催生“智能链主智能链主”AI 赋能千行百业意义重大。它提升生产效率，实现自动化作业与精准决策。创新商业模式，带来个性化服务与高效运营。改善服务质量，提供智能交互与精准解决方案。推动行业可持续发展，开创全新机遇与挑战。制造零售医疗金融娱乐提升内容生产效率辅助创意，探索内容创新边界个性化内容生产，创新用户交互降本增效，释放人力资源进入

93、高价值环节激活数据要素，促进金融普惠赋能场景创新，提升千人千面的服务能力补充医疗资源短板，优化医疗资源分配提升医疗服务效率和质量，提升医生与患者双重体验加速生物基础科学研究，提升公共卫生服务水平激发创造力，提升产品创新智能供应链管理，降本增效提升用户体验，实现长期价值提升工程仿真精度，提升设计与研发效率强化工业机器人AI能力，提升智能化生产能力与质量提升工业企业经营管理工作效率后期制作数字人内容策划美术生成音频生成（音乐+对白）剧情/文案生成视频生成（动作+特效）IP与资产沉淀宣发&版权运营智能运营与分析AI自动化投放营销素材自动化生成市场分析概念设计代码助手智能办公/智慧运营智能风控智能投研

94、数据资产管理与分析反欺诈/反洗钱智能客服/AI外呼智能投顾智能理赔智能营销信贷业务智能审核放款小微企业信用数据获取公共卫生防疫药物研发体检导诊/分诊医保支付病历录入/智慧病案药物检索用药指导康复计划健康管理AI+病理诊断精准医疗医疗机器人基础研究辅助诊断AI+医学影像仓储与商品库存管理AI辅助营销/广告物流规划个性化营销/智能导购智能客服/AI外呼数字人直播智能选址无人零售/智能门店等（包含智能商品识别等）质量管控/生产工艺优化仓储配送供应链管理设备管理/预测性设备维护事故预警产品辅助设计代码辅助赋能工业软件升级智能评审与反馈数字孪生/仿真优化生产流程生产计划/智能排产39激发科技与创新活力通

95、用大模型虽有能力进步，但它面对上述具体行业和业务场景缺少针对性。而行业模型是基于行业数据和专业知识训练的，能够深入理解行业痛点和需求。只有借助行业模型，才能让 AI 真正在千行百业中落地生根，发挥出最大价值。在这个过程中，具备行业数据资源与知识体系、数据驱动决策和生态创新能力，以及模型评估与持续优化机制的企业将脱颖而出，成为成为“智能链主智能链主”，不仅仅主导行业模，不仅仅主导行业模型的建设和持续运营，更重要的是参与协调产业链各环节，优化资源配置，提升产业型的建设和持续运营，更重要的是参与协调产业链各环节，优化资源配置，提升产业协同效率协同效率。具体分析如下：行业数据资源与知识体系数据收集与整

96、合行业数据往往具有高度的专业性和特定性，保密性和安全性要求相对比较高，还可能分散在不同的企业、机构和部门中，进一步增加了行业数据的稀缺性知识体系构建除了数据之外，行业模型还需要建立丰富的知识体系。这包括行业的专业术语、业务流程、规则和标准等。建立知识体系可以帮助模型更好地理解行业问题，提高模型的准确性和可靠性。数据驱动决策和生态创新能力数据洞察与决策优化需要具备强大的数据分析和洞察能力，从中发现行业特点趋势、模式和问题，为决策提供支持，更重要的是，具备数据驱动决策的思维习惯和落地执行能力生态创新与合作行业模型的应用需要具备生态创新和合作能力，还需要不断创新和探索新的应用场景和商业模式，这需要具

97、备驱动行业内企业协同与联动，共同发展的领导力模型评估与持续优化机制模型评估指标与方法为了确保行业模型的质量和性能，需要根据具体的应用场景和业务需求模型评估指标。这包括准确性、精度、召回率等多种指标，以及选择合适的模型评估方法适应市场变化行业模型的训练和应用是一个不断优化的过程。需要建立持续优化机制，不断收集新的数据、调整模型参数、改进算法和模型架构，以提高模型的性能和适应性40激发科技与创新活力行业行业/垂直模垂直模型建设与持型建设与持续优化和运续优化和运营营基座模型基座模型支撑支撑应用场景探索应用场景探索金融金融医疗医疗工业工业/制造制造汽车汽车教育教育其他其他通义大模型混元大模型盘古大模型

98、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围绕行业大模型所要求的核心资源与能力，更多呈现出行业深耕企业与基座模型企业共同构建行业大模型的态势。如下图所示：行业“小”模型的成功与否取决于基座模型技术提供商与行业龙头企业紧密配合：建行云 金融大模型蚂蚁金融大模型轩辕大模型秀财大模型昆仑大模型盘古工业大模型HomeGPT大模型奇智孔明工业大模型腾讯健康 医疗大模型MedGPT添翼医疗大模型ClouD GPTDriveVLM大模型Kr AI大模型NOMI GPT盘古大模型5.0银河大模型九章大模型子曰大模型星火认知大模型阅文妙笔大模型营赛洞见大模型元法大模型传播大模型法律人工智能实验

99、室基座模型技术提供商A行业龙头企业B提供先进技术基础，包括模型架构与算法能力等提供专业的数据处理与管理能力，以及提供数据安全和隐私保护解决方案围绕龙头企业的特定场景和需求，对模型进行优化、定制和更新服务输出行业专业知识，提供行业数据，共同围绕行业场景进行模型训练，提升模型的行业准确性与实用性推动行业标准和规范的制定，引领行业创新和应用，彰显“智能链主”价值行业模型需求的爆发式增长将显著提升行业龙头企业科技能力溢出的竞争优势技术研发与创新优势凸显数据资源优势进一步放大人才集聚与溢出效应增强行业标准制定话语权加强41激发科技与创新活力趋势趋势9 9：AIAI技术能力普惠之下，利用企业专技术能力普惠

100、之下，利用企业专有数据形成深度洞察与策略是企业未来经有数据形成深度洞察与策略是企业未来经营差异化的重要关键营差异化的重要关键通用大模型具备强大的语言理解、生成以及多种任务处理能力，降低了企业应用 AI 技术的门槛。以往，开发具有类似功能的 AI 系统需要企业投入大量的人力、物力和时间进行研发，而现在借助通用大模型，企业只需进行适当的微调或应用集成，就能在较短时间内将 AI 能力融入到自身业务流程中，实现了 AI 技术从少数专业机构向众多企业的扩散，让更多企业能够享受到 AI 带来的便利和价值，从而实现AI技术普惠。以技术能力为核心构建企业核心竞争力，强化高技术资源投入所形成的技术竞争壁垒在以技

101、术能力为核心构建企业核心竞争力，强化高技术资源投入所形成的技术竞争壁垒在一定程度将被逐步击穿。无论是何种规模的企业，都需要重新定位企业的核心竞争力。一定程度将被逐步击穿。无论是何种规模的企业，都需要重新定位企业的核心竞争力。至少，目前变化如下：12技术先进性权重有一定程度降低技术先进性权重有一定程度降低在通用大模型普及之前，企业若能掌握先进的 AI 技术，如独特的算法、高效的模型架构等，往往能在市场竞争中占据优势。然而，随着通用大模型的广泛应用，众多企业都能获取到一定程度的 AI 能力，技术先进性的差距在逐渐缩小。例如，许多企业都可以利用通用大模型进行自然语言处理相关的业务，如客服聊天机器人、

102、内容生成等，此时单纯依靠自身研发出比通用大模型更先进的技术变得愈发困难且成本高昂，所以企业不能再仅仅将核心竞争力寄托于技术的绝对先进性。差异化能力的凸显差异化能力的凸显专有数据的挖掘和利用：企业专有数据是指在自身业务运营过程中积累的、具有独特价值且与其他企业有所区别的数据。对专有数据的深度挖掘能够揭示出客户的潜在需求、市场趋势、业务风险等关键信息。运用数据分析技术和算法，企业可以从这些专有数据中发现规律，进而优化业务决策、开发个性化产品和服务。数据驱动决策的企业文化和组织能力升级：企业需要培育一种以数据为核心的文化氛围，让全体员工认识到数据的重要性，并将数据作为决策的重要依据。在这种文化下，员

103、工会积极主动地收集、分析和分享数据，而不是仅凭经验或直觉做出判断。同时，企业要建立起适应数据驱动决策的组织架构和流程，确保数据驱动决策的落地。42激发科技与创新活力产品+营销+运营激发更高质量的用户数据产品+营销+运营更高质量企业专有数据更好的模型质量与经营策略重新建立企业竞争壁垒重新建立企业竞争壁垒企业专有数据可以成为企业的重要资产，为企业建立起竞争壁垒。随着数据的积累和分析能力的提升，企业对市场和客户的理解会更加深入，这种深度理解是竞争对手难以复制的。同时，企业可以利用专有数据不断优化产品和服务，提高客户满意度和忠诚度，进一步巩固竞争优势。010203总体上而言，通用大模型在实现AI技术普

104、惠的基础上，也会带来企业核心竞争力的变化和调整，企业的核心竞争力不再仅仅依赖于技术的先进性，差异化能力就主要体现在对于企业专有数据的挖掘和利用，以及数据驱动决策的企业文化和组织能力升级等方面。如下图所示：相应地，企业也将愈发重视专有数据能力和资源的建设和积累。重要举措如下：企业会更加注重在日常业务活动中全面、准确地采集数据，确保不遗漏任何可能有价值的信息。同时，要对分散在各个业务系统中的数据进行整合，形成统一的数据视图，以便于后续的分析和利用为了更好地挖掘和利用专有数据，企业需要具备专业的数据人才队伍。一方面会加强对内部员工的数据技能培训，提升员工的数据素养；另一方面会积极引进外部的数据专业人

105、才，充实企业的数据团队，以满足企业对专有数据能力建设的需求随着对专有数据重视程度的提高，企业也深知数据安全和隐私保护的重要性。企业会投入大量资源加强数据安全防护措施，如采用先进的加密技术、建立严格的访问控制机制、定期进行数据安全审计等，确保数据在采集、存储、使用和共享过程中的合法合规高质量的数据是有效挖掘和利用的基础。企业会采取一系列措施来提高数据的质量，如数据清洗，去除重复、错误和无效的数据；数据标准化，使不同来源的数据在格式和定义上保持一致；以及数据验证，确保数据的真实性和可靠性数据采集与整合数据人才培养与引进数据安全与隐私保护数据质量提升43激发科技与创新活力趋势趋势1010：AIAI应

106、用深化将对企业的组织能力应用深化将对企业的组织能力提出新的要求，企业需要打造适用于人机提出新的要求，企业需要打造适用于人机协同的组织管理体系从而适应未来的发展协同的组织管理体系从而适应未来的发展AI 技术发展迅速，新的算法、模型和应用不断涌现。企业需要紧跟技术发展的步伐，及时了解和掌握最新的 AI 技术，以便将其应用到业务中。同时，AI 应用的深化为企业带来了新的业务机会，同时也带来了新的挑战。核心方向就是AI 技术的应用往往会对企业的业务流程产生重大影响，需要企业进行业务流程的重塑。变化主要如下：0101工作流程变革工作流程变革AI 技术的广泛应用会改变企业内部原有的工作流程。例如，在生产环

107、节，智能机器人和自动化设备可依据 AI 算法实现精准生产操作，取代部分人工的重复劳动等。这些流程变革使得工作内容和环节发生了质的变化，不再局限于单纯的人力操作，而是融入了大量 AI 技术驱动的自动化、智能化任务处理。0202人员角色转变人员角色转变AI 应用深化导致企业内人员的角色也随之发生改变。一方面，部分原本从事简单重复性工作的员工，如数据录入员、文档处理员等，其工作可能会被 AI 系统部分或全部替代，他们需要向更具创造性、需要人际沟通和复杂问题解决能力的岗位转型。另一方面，新出现的与 AI 相关的岗位，如 AI 工程师、数据分析师、算法优化师等，需要专业人才来填补，这些人员负责开发、维护

108、和优化企业内的 AI 应用系统，确保其正常运行并发挥最佳效果。0303决策模式更新决策模式更新AI 技术能够处理和分析大量数据，为企业决策提供更准确、全面的依据。企业的决策模式将从传统的经验驱动、主观判断为主，逐渐转向数据驱动、借助 AI 分析辅助决策。这些业务模式需要企业具备新的组织能力和业务流程来支持。企业需要重新审视自己的业务模式，调整组织结构和业务流程，以适应新的业务需求。相应地，企业需要在技术、业务、人才和组织文化等方面进行全面的变革和提升，以适应 AI 时代的发展要求。44激发科技与创新活力随着 AI 应用在企业的不断深化，打造适用于人机协同的组织管理体系十分必要，它能使企业有效整

109、合人力与 AI 优势，适应工作流程、人员角色及决策模式的变革，人机协同的组织管理体系特点如下：人机协同的组织管理需要具备灵活的架构。传统的层级分明、职能固定的组织架构会限制 AI 技术与人力的结合；新的架构应更偏向于扁平化，减少中间层级，使信息能够快速在 AI 系统和人员之间传递，便于及时调整工作流程和任务分配AI 应用离不开大量的数据支持，因此在人机协同的组织管理体系中，高效的数据管理至关重要。企业需要建立完善的数据收集、存储、清理、分析和共享机制，确保 AI 系统能够获取到准确、完整且有用的数据由于 AI 技术处于不断发展和更新状态，企业组织内的人员需要建立持续学习的机制。一方面，员工要不

110、断学习 AI 相关知识和技能，另一方面，企业也需要持续维护和迭代AI 系统，提高其性能和适应能力，使其能够更好服务于企业业务在人机协同体系中，要明确划分 AI 系统和人员的工作职责。AI 系统擅长处理大量数据、执行重复性任务等；而人员则在创造性思维、情感沟通、复杂问题综合判断等方面具有优势。需要依据业务场景有双方各尽其职，共同完成任务流灵活的组织架构高效的数据管理持续的学习机制明确的分工协作在人机协同体系里，明确划分 AI 系统与人员工作职责与协同方式至关重要，这是实现高效协同、充分发挥各自优势以完成复杂任务的关键所在，如下图所示：45激发科技与创新活力总结：企业拥抱总结：企业拥抱AIAI持续

111、加速，理性持续加速，理性思考投入产出比思考投入产出比1.2%1.9%2.3%3.2%9.0%18.2%24.3%32.1%39.3%52.0%59.2%机器人/具身智能法务供应链管理财务HR招聘、培训等产品体验提升销售辅助支持客户服务协同办公用户营销与运营代码开发与测试等行业企业目前选择的行业企业目前选择的AIAI场景场景易观分析数据来源：易观分析联合CSDN发起AI应用开发者调研，调研时间2024年9-10月2024年以来，行业企业在大模型驱动的AI应用方面，从观望、了解进入到了尝试与找手感的阶段，普遍选择的AI应用场景如下，代码开发与测试以59.2%的选择比例位居首位，这表明AI在软件开发

112、领域的应用非常广泛，可能包括自动化代码审查、测试和错误修复等。用户营销与运营以52%紧随其后，显示了AI在个性化营销、用户行为分析等方面的应用。其次，协同办公、客户服务和产品体验提升等场景的选择比例在中等水平，这表明AI在提高工作效率、改善客户体验和产品创新方面也受到企业的重视。其他还包括HR招聘、培训、供应链管理等场景。行业企业在进行AI应用开发路径规划时主要考虑的考虑因素如下：“数据安全与隐私保护”以53.2%的比例位居首位，这表明数据安全与隐私保护是企业进行AI开发时最重要的考虑因素之一。随着数据泄露和隐私侵犯事件的增加，企业越来越重视保护用户和企业的数据安全，遵守相关的法律法规。“所在

113、领域的数据量以及数据获取难46激发科技与创新活力度”，这个因素也在考虑因素中占据了较高的比例。数据是AI开发的基础，不同领域的数据量以及获取难度会直接影响AI模型的训练和应用效果。因此，企业在规划AI开发路径时，需要考虑自己所在领域的数据情况，以及如何获取和处理这些数据。企业需要确保AI模型能够提供高质量的输出，以满足他们的业务需求。这可能涉及模型的训练数据、算法的复杂性以及模型的调优。这也将成为后续分析当中，企业进行大语言模型选型时最重要的考量要素之一。“技术支持与维护”占比34.2%，“定制化与灵活性”占比30.5%，这表明企业在选择AI解决方案时，也重视技术支持和维护服务。良好的技术支持

114、可以帮助企业解决使用过程中遇到的问题，而有效的维护可以确保AI系统的稳定运行，同时，企业希望AI解决方案能够根据他们的特定需求进行定制，并且具有一定的灵活性，以便适应不断变化的市场和环境。8.0%2.5%12.5%24.7%30.5%34.2%38.6%51.2%53.2%其他社区与生态法律与合规性行业Knowhow和知识体系定制化与灵活性技术支持与维护模型输出质量所在领域的数据量以及数据获取难度使用成本数据安全与隐私保护行业企业进行开发路径规划时的主要考虑因素行业企业进行开发路径规划时的主要考虑因素易观分析数据来源：易观分析联合CSDN发起AI应用开发者调研，调研时间2024年9-10月47

115、激发科技与创新活力行业用户在进行AI规划以及AI应用开发的过程中，面临不少挑战，有针对性地予以解决与赋能，是推动行业AI应用发展的重要环节。调研结果如下：3.5%5.0%7.4%12.2%14.5%16.5%16.7%19.5%24.3%24.5%29.5%30.2%43.6%商业模式不清晰，尚未形成商业化变现法律和政策方面的挑战，如适应不同国家和地区伦理和社会层面的挑战，比如隐私、安全控制、高技能人才团队短缺算力基础设施能力不足了解市场和用户/客户需求，寻求AI应用场景方面算法与模型训练方面的技术挑战成本和资源投入方面挑战开发过程中工具链支持不足带来的挑战数据准备和数据工程等方面的挑战数据资

116、源不足企业和团队对于大模型和AI的价值认知不足目前企业没有合适的流程和场景做大模型的部署行业企业在行业企业在AIAI规划和开发过程中遇到的主要问题规划和开发过程中遇到的主要问题易观分析数据来源：易观分析联合CSDN发起AI应用开发者调研，调研时间2024年9-10月最突出的问题是“没有合适的流程和场景”，这表明很多企业缺乏将大型AI模型成功部署到实际业务流程和场景中的能力，这也可能是对于AI的理解有待于提升。其他还包括“AI价值认知不足”，以及“了解市场和用户需求，寻求AI应用场景方面的挑战”这反映了企业在理解和评估AI技术价值方面存在挑战，仍然是认知与意识问题。其次，数据资源与技术能力不足等

117、是在“认知”之上的第二大类型挑战，数据资源的缺乏可能限制了AI模型的性能和应用范围。企业需要寻找数据获取的途径，或者通过48激发科技与创新活力合作和数据共享来解决这个问题。再次，是成本和资源投入方面的挑战等，AI项目通常需要较大的初期投资和持续的资源投入。企业需要对成本进行准确估算，并确保有足够的资源来支持项目的实施，这部分，表面是表面是“成本成本”，本质上仍然是关于，本质上仍然是关于AIAI实际创造的价值应该如何量化，从而更实际创造的价值应该如何量化，从而更好地形成好地形成ROIROI测算逻辑，合理评估相关的成本投入测算逻辑，合理评估相关的成本投入。最后，法律和政策、伦理和社会层面的挑战，比

118、如隐私、安全控制、责任归属等，也是企业在AI应用过程中面临的一大挑战类型。企业需要了解并遵守相关的法律法规，以确保其AI项目的合法性和合规性，充分考量AI技术对社会和伦理的影响，并采取措施来减轻潜在的负面影响。综上所述，行业企业对于对于AIAI应用开发最关注的应用开发最关注的N N个问题个问题如下：AIAI价值认知，以及投资回报率价值认知，以及投资回报率如何进行详细的成本效益分析，不仅要考虑直接的财务回报，还要考虑AI技术对业务流程改进、客户满意度提升等潜在的长期价值，在这个过程中，行业客户需要设定可量化的指标来评估AI技术的成功，例如，提高的生产率、降低的错误率、增加的销售额等。技术适用性，

119、以及匹配相对应的技术能力技术适用性，以及匹配相对应的技术能力如何确保AI技术能够解决其业务中的特定问题，并且确保企业能够具备与之相匹配的技术能力与资源投入，在技术适用性方面，客户需要考虑的不仅仅是当前的技术解决方案，还需要确保其具有适应未来业务需求变化的能力，同时，在这个过程中，重新建构适用于AI时代发展的组织能力与可持续发展能力。数据隐私和安全合规，从而保障数据隐私和安全合规，从而保障AIAI在商业应用中的可持续和可靠性在商业应用中的可持续和可靠性企业需要确保AI系统遵守相关的数据保护法规和标准，同时实施适当的数据安全和模型安全等风险防控机制和措施，从而在确保数据安全的基础上，能够提供对齐的

120、、可解释的决策，增强用户信任，并持续维护其安全性和合规性，实现可持续发展选择合适选择合适的合作伙伴与供应商的合作伙伴与供应商选择合适的AI供应商对于企业来说至关重要，它直接影响到AI应用的成功和业务的持续发展。AI技术发展迅速，供应商的持续创新和更新能力对于企业保持竞争优势至关重要。一个能够提供最新技术和服务的供应商能够帮助企业在市场上保持领先地位。49激发科技与创新活力业务为纲，机制兜底，企业组织发展业务为纲，机制兜底，企业组织发展模式将发生深刻变革模式将发生深刻变革如何规划未来如何规划未来3-53-5年大语言模型与年大语言模型与AIAI在企业中的应用？在企业中的应用？0101业务为纲规划人

121、工智能上线与推广计划业务为纲规划人工智能上线与推广计划“所有行业都值得用大模型重新做一遍”，前提是围绕用户与客户价值的体验升级与业务发展，相应地，人工智能与企业数智化转型一致，业务驱动是核心原则，围绕业务发展扫描数智化洼地，规划人工智能应用用例，获取业务价值，并形成迭代优化扩大AI应用范围的闭环0202专有数据资产沉淀与管理，应对模型训练与应用专有数据资产沉淀与管理，应对模型训练与应用无论是自主训练大语言模型，还是围绕自身行业与业务场景进行模型精调，都需要依赖于企业过往积累的专业领域知识沉淀，进行专有数据语料的准备，从而能够让基础模型的“通才”能力发展成为具备行业属性的“专才”，专有数据是未来

122、模型能力平民化后的重要差异化0404组织系统协同员工能力协同进化与升级组织系统协同员工能力协同进化与升级未来组织能力围绕人工智能发展，但是对于个体而言，一方面，积极的员工与个体正在迅速拥抱人工智能，在工作的过程中应用生成式人工智能提升工作效率，可能正在出现人工智能赋能于员工优先于组织的情况；另一方面，大众员工可能出现观望、等待甚至无所适从，“无用”内卷的状况这就需要企业对于组织角色与员工发展进行整体规划，不同职能与角色人与人工智能的协同边界如何确定，组织中关键角色与员工的技能与“AI商”升级如何系统化通过培训等手段推动，都是企业系统化提升组织能力与竞争力的关键举措0303设定人工智能应用合规与

123、风险管理防范机制设定人工智能应用合规与风险管理防范机制生成式人工智能仍然可能出现“幻觉”、数据泄露等各种风险；同时，关于人工智能与大模型应用方面的立法与规范仍然处于意见征集与调研的过程中，企业有必要主动制定人工智能应用合规与风险管控机制，包括AI开发、应用与审核规范，数据安全规范，员工应用权限规范等等，从而“安全合规”地应用人工智能提升企业竞争力50激发科技与创新活力易观分析介绍易观分析介绍中国数智化领域专业的科技和市场分析机构。经过20多年行业积累，形成以行业、企业、技术与产品数据为核心的订阅服务，通过专业分析师，帮助客户在数字化商业模式和技术方面，有效进行选择、评估和实践导入，从而提升企业

124、智能化、数字业务能力，改善市场竞争力。已为高科技企业、投资机构、政府等1000多家机构客户提供专业的数据分析、市场洞察和战略咨询服务。2C消费生态面向业务面向业务价值输出价值输出行业分析行业分析前沿科技跟踪与应用解决方案企业新业务/新赛道GTM咨询用户洞察与体验运营咨询市场洞察同业对标创新探索最佳实践企业数智化转型策略咨询品牌赋能解决方案用户洞察商品消费服务消费内容消费技术应用生态基础设施生态美妆3C/家电母婴食品饮料奢侈品医药等电商平台直播电商社区电商二手平台社交电商即时零售等旅游出行餐饮外卖汽车后服务教育服务演出票务房屋租赁医疗健康基础民生资讯平台音频/娱乐游戏营销/MCN视频/直播阅读/

125、动漫XR等内容科技AIGC/AI应用行业数字化企业服务金融科技人工智能/大模型云计算大数据工业互联网产品与服务产品与服务报告分析师问答大数据产品与解决方案咨询项目培训/workshop主线1：立足甲方视角，赋能企业AI战略落地主线2：深入行业，下钻AI场景分析颗粒度主线3：围绕开发者生态跟踪AI创新 易观人工智能研究主线易观人工智能研究主线面对各种创新与AI应用，企业面临诸多困惑：AI对于企业自身所处行业、企业发展与经营，带来的改变发展到什么什么程度，会如何演变？如何在资源有限的情况下，有节奏地来规划AI战略与策略落地，易观分析深入行业与场景，提供“AI场景选择三度模型”、“行业AI应用成熟度

126、曲线”、“大模型选型评估矩阵”等模型分析与深度咨询，赋能企业AI战略落地。AI技术的快速发展正深刻影响着各行各业，然而，由于每个行业的业务流程、数据结构以及面临的挑战都各不相同，因此对AI技术的应用需求和场景也呈现出显著的差异。易观分析深入到具体的行业场景，通过最佳实践，分析AI技术在特定领域的应用潜力和挑战，帮助企业更加准确地识别AI技术的应用点，评估其对于业务流程和经营模式的潜在影响。随着人工智能技术的不断进步，开发者生态成为推动AI创新的重要力量。从开源社区的活跃贡献到创业公司的敏捷开发，从大型科技公司的研发投入到学术界的最新研究，开发者们在AI技术的各个领域进行着持续的探索和突破。跟踪开发者生态，跟踪AI技术与场景创新，也是易观的重点关注和研究方向。网址：客户热线：4006-010-231微博：Analysys易观激发科技与创新活力激发科技与创新活力数字经济全景洞察易观易观方舟全场景私域用户运营金融行业数字用户同业对标易观千帆