Agent取代人力服务，瞄向万亿级别的AI服务市场。
应用层AI公司不是基础模型之上的用户界面。相反，它们拥有复杂的认知架构，通常包括多个基础模型，上面有某种 路由机制，用于检索增强生成（RAG）的向量和 / 或图数据库，确保合规的防护栏，以及模仿人类在工作流程中进行 推理思考方式的应用逻辑。 借助Agent，应用层软件公司能够将服务转化为软件（Service-as-a-Software）。这意味着应用的目标市场不是软件 市场，而是以万亿美元计的服务市场。而随着基础模型推理成本快速下降和性能提升，这种应用的价值创造增速将远 超传统软件模式。
从商业化角度而言，在模型价格“内卷”激烈的趋势下，模型厂商亟需更多的收入来源，投入Agent或许是一种不得 不做的商业化决策。如OpenAI就预计2024年收入将达37亿美元，其中ChatGPT贡献27亿美元。然而，公司同时预计 将亏损50亿美元（不包括股权薪酬）。在没有更多商业化落地的状况下，对基础模型的海量训练和研发投入难以永远 维持下去。
AI在法律行业已经渗透至各工作流程中。1）电子取证与调查，涉及大量电子数据的识别、收集和分析，加速过程；2） 合同审查与尽职调查，自动化和增强劳动密集型的合同审查和尽职调查流程；3）诉讼支持，自动化大量文档的处理；
AI在医疗领域的应用涉及各部门的优化与效率提升。1）诊断辅助和医学图像分析：人工智能代理使用深度学习算法分 析医学图像，以协助放射科医生检测异常并做出准确诊断；2）个性化治疗计划和预测分析：AI代理使用患者数据和医 学文献制定针对个人患者需求和病史的个性化治疗计划；预测分析模型可预测疾病进展和治疗结果；3）药物发现和开 发：人工智能代理通过分析大量数据集来识别潜在的候选药物、预测疗效并优化临床试验流程，从而加快药物发现；4） 虚拟健康助手和患者监测：人工智能虚拟健康助手为患者提供实时指导、健康建议和提醒。人工智能代理还可以实现 远程患者监测，以便尽早发现健康问题并采取主动干预措施；5）行政任务自动化： AI代理自动执行行政任务，例如预 约安排、医疗转录和计费流程，以简化医疗保健运营并减轻行政负担。
AI搜索Overviews是结合LLM生成能力和传统搜索实时性的全新场景。传统搜索中，用户需自行筛选网页信息，而AI搜 索通过生成式模型直接提供结构化答案。例如，360AI搜索数据显示，2024年用户提问占比达72%（较2019年的37% 大幅提升），而寻址和找资源需求分别降至12%和16%。 LLM将全面赋能企业私域搜索。据Hebbia，Google仅索引了全球4%的数据。大部分的私有数据，如企业ERP、CRM 或者OA系统中的各种数据未得到充分利用。随着大模型推理能力提升和RAG等技术的应用，LLM赋能搜索将为企业用 户创造更多价值。
AI营销通过数据智能、自动化和个性化技术，正在重构传统营销模式，成为企业降本增效、提升客户体验的核心工具。 IDC预计GenAI在未来五年内将营销生产力提高40%以上的潜力。 Applovin提供了提升ARPDAU、增加广告库存、获 取App用户和增加应用内购买。 未来GenAI有望直接生成广告并创造收入。据Accenture的预测，到2029年30%的社交媒 体广告，将由AI自动生成。
AI编程渗透率持续提升。Google超过 25% 的新代码是由人工智能生成，Github 表示其 新写的代码中由 30% 都是在 Github Copilot 辅助下完成的。 AI编程自动化能力不断提升。早期是 Github Copilot 为代表的代码补全工具；随后以 Cursor、MarsCode 为代表的半自动编程工 具引入“Apply”机制，让AI生成的代码能够 集成到目标文件中；未来以 Devin 为代表的 全自动编程工具拥有部署应用、自主调试等 全流程能力。
