1、AI应用：从落地范式与护城河构建潜析AI应用投资机会长江证券研究所计算机研究小组2024-05-10%1分析师宗建树分析师范超SAC执业证书编号：S0490520030004SAC执业证书编号：S0490513080001SFC执业证书编号：BQK473分析师及联系人证券研究报告评级看好维拟 证券研究报告%29WeZcWcWeZ8XeUeU7NcM9PtRoOnPsOfQrRrMeRqRtP8OpPyRMYmRvNxNmRnR01AI时代应用奇点型落地范式02模型即应用时代，应用端如何构建护城河03AI应用投资思考目 录%301AI时代应用奇点型落地范式%4AI本质是生产力技术，应用侧为奇点落

2、地范式 AI本质是生产力技术革命，核心是替代甚至超越人工AI本质是生产力革命，核心是对人工的替代，AI应用落地会分为辅助人工、替代人工、超越人工三个阶段。01AI应用落地三个阶段AI大模型助力软件开发生产力大幅提升资料来源：海外独角兽公众号，长江证券研究所Dummy Title3Dummy Title2Dummy Title1Keyword1.规则和流程由AI去制定；2.AI能力超越最专业的人员。超越人工1.场景中80%以上的任务可以用AI替代；2.除了少数顶尖专家其余工作均可以由AI完成。替代人工1.规则和决策由人去制定，AI解决一些固定流程；2.核心流程由人定义。辅助人工巴巴基基斯斯坦坦H

3、amind德德国国Alex编编程程经经验验4年19年1周周后后完成95%MVP完成7%MVP完完成成时时间间2周10周成成本本GPT-4：211美元Copilot：20美元Bubble：134美元周薪酬：2460美元开发：45000美元测试：11000美元托管：20美元%5AI应用落地需要考虑成本和泛用性困境01资料来源：长江证券研究所。人工智能发展的首要压制因素是相对成本，技术突破的本质是泛用性的提升。对于ToC场景来说，如何能够更加拟人/类人化灵活陪伴/提升效率是关键；对于ToB场景来说，如何让企业衡量相对成本，定量衡量提升效率情况，认为值是关键人工智能公司发展面临的一大难点是盈利能力较弱

4、，主要系：成本端人员成本、研发投入无法在细分场景中共摊，导致成本居高不下；收入端客户为技术付费意愿较低，投资回报率低。成本的相对高昂导致客户无法坚定使用相关技术及产品提升企业或个人效率，同时技术提效的有限性导致客户付费意愿较低。大模型的出现提升了而模型底座的复用性，有望实现规模化落地分摊。另一方面，应用端企业进入壁垒大幅下降，如何凭借数据和场景Knowhow构建公司自身不可替代的壁垒，成为重中之重。一张图看人工智能技术商业化落地本质人工智能技术商业化落地本质需求侧可接受的成本（低成本）靠技术突破泛化程度提升，实现规模化落地分摊靠供给侧技术突破降本（比较困难）单一大场景碎片化场景基础资源%6大模

5、型出现有望改变核心矛盾：成本和生产力02 AI研发范式发生变化，泛用性提升，平摊底座成本：（1）第一阶段范式：从头开始训练模型AI应用企业做大需要=海量数据（各行各业）+大算力基础+AI人才团队，无法产生规模效应（2）第二阶段范式：预训练+微调训练的迁移学习从相似性出发，寻找部分领域共性，迁移学习实现基座部分领域重复利用，AI应用企业做大需要=海量数据（部分行业）+一定算力基础+AI人才团队（3）第三阶段范式：基础大模型+提示学习基座模型能力得到绝对突破，走向AGI，通过应用提示实现差别，AI应用企业做大只需了解产业专属prompt资料来源：北京智源人工智能研究院，文汇报社，长江证券研究所。A

6、I研发范式的改变主要来源于新技术的突破，核心目的是实现基座模型标准化和泛化后的降本，从而实现商业化落地%701供给驱动需求，驱动横纵两向不断进步，场景能力有望突破 Transform框架大力出奇迹的成功是本轮AI大模型革命的起源，其带来的影响主要是两个方面 Scalling Law：1）规模越大能力提升斜率越高；2）参数到一定量级会涌现出新能力产生质变；通往AGI的路径：Transform架构已经在文本（语言类）跑通，后续会在图像、视频甚至执行侧复现逐渐通往AGI。Scalling Law不断在其他领域复现推动AGI实现Transform出现涌现效应资料来源：Emergent Abilitie