2025年科技可选消费行业：智变2025，互联网AI应用元年

AI 模型：算力规模飞速增长，成本效应未来可期

核心逻辑总结：DeepSeek 引领中国 AI 大模型在模型性能、成本效用上实现突破，未来阿 里字节等大厂或相继接力，合力夯实新一轮 AI 大模型科技竞赛中的中方竞争力。我们认为 以 DeepSeek 的出现为分界线，AI 大模型的发展阶段可以划分为海外大厂保持代际领先与 中国厂商迎头赶上两个阶段。在第二阶段，算力层面的 Scalling law 仍然奏效，但不再是通 往“罗马”的唯一路径，这亦为中国 AI 大模型走出实验室研究、走向日常应用带来了产业 级别的机遇。新阶段，AI 大模型的核心生产要素中“数据”的差异化价值有望进一步突出， 在本就繁荣的消费互联网应用层或将迎来产品的百花齐放和商业化落地的全新机遇，在引 领全球消费互联网商业生态迈向新格局、新机遇的同时，也为国内以阿里、腾讯、百度等 为代表的“卖铲人”提供云服务业绩的增厚。对于模型层，算力层面差距的收窄或将进一 步推动基础大模型服务提供者未来更多聚焦与应用侧的适配链接，在基础能力层演化出差 异化格局。

目前 AI 发展的主流战略可分为两类：以字节为代表的厂商侧重算力规模，而以腾讯、阿里 为代表的厂商则更关注性价比；鉴于大模型更新迭代存在追赶效应，我们预期 26-27 年模 型层面的性能差异或将逐步缩小，同时伴随 LLM 使用成本显著降低，后期竞争关键在于产 品能力、销售获客渠道、大模型如何赋能自身业务。 从商业化角度看，百度更早开始收取会员费用，文心单月会员价格为 49.9 元，对比海外 OpenAI Plus 版本包月 20 美元（不含税），国内互联网其他大厂尚未开启会员收费模式。 从降价趋势看，自 24 年 5 月 DeepSeek 发布 V2 版本后，引起阿里腾讯字节三家竞相宣布 降低主力模型的 API 收费。从大模型收费看，百度文心一言 API 调用费仍然保持高位，阿 里腾讯和字节次之并低于百度一个数量级，DeepSeek 则具备更高的价格优势。

腾讯混元：从内部业务自用起步，强化云业务技术壁垒。腾讯 LLM 研发起步略晚于其他大 型厂商，但近期技术端差距有所收窄。腾讯同样坚持开源策略，引入 20 余种开源通用模型， 同时部分模型也处于开源状态。在自用场景方面，混元大模型接入腾讯700多个业务场景， 改善内部人员工作效率，混元 3D 引擎在 24 年广泛使用后，也于 25 年对外开放；在腾讯 云方面，混元大模型也构建了腾讯云 MaaS 坚实的基础，客户可以将混元用作基础模型， 在公有云上进行精细调整，也可以在腾讯云上通过前端交互 API 调用体验。 尽管腾讯大模型研发起步相对较晚，但 2024 年混元技术取得较快突破，腾讯实现全链路自 研，包括底层算力网络、Angel 机器学习平台、上层模型和应用。腾讯全新发布的混元 Turbo 有显著能力提升，推理成本降低 50%，解码速度改善 20%。腾讯云智算 AI infra 从机器上 架到开始训练仅需 1 天，千卡单日故障数仅仅为 0.16，网络通信时间占比也仅 6%。TI 平 台上线多模态数据标注，首创基于 Schema 的标注方法，支持 4 大主流场景全部细分任务。 混元 large 模型开源五天内即在 HugginFace 百万模型中脱颖而出，登趋势榜榜首。

阿里：专注于打造 AI 基础设施和大模型能力的落地应用。我们认为阿里云业务的核心优势 来自：1）全面的云服务基础能力和规模效应，2）消费交易场景下积累的行业 know-how， 3）较高的用户数据基础壁垒。自 2023 年提出“AI 驱动”战略以来，公司一方面投资于 AI 基建，一方面坚持开源和生态建设。公司计划在 B 端和 C 端用户侧逐步推进 AI 应用，其自 身多元化的业务正成为应用端最先落地的场景。据 2024 年 9 月阿里云栖大会，在 HuggingFace 和魔搭社区中，已有超过 5 万个基于通义千问模型开发的衍生模型，位于全 球第二，超过国内其他开源模型，我们认为基于通义千问模型的生态系统正在逐步成熟。 三款旗舰大语言模型满足不同类型用户需求。据阿里云官网，截止 2025 年 2 月 4 日，阿里 巴巴旗舰模型主要为通义千问-Max、通义千问-Plus 和通义千问-Turbo 三款。Max 为通义 千问系列效果最好的模型，适合复杂、多步骤的任务；Plus 能力均衡，推理效果、成本和 速度介于通义千问-Max 和通义千问-Turbo 之间，适合中等复杂任务；Turbo 为通义千问系 列速度最快、成本很低的模型，适合简单任务。

百度：打造高效 AI 开发能力，智能体和产业应用为发力点。百度是国内少数几家实现了从 芯片到框架再到模型及应用的全栈布局的企业之一，有助于利用自身较为强大的 AI 能力和 云计算资源，为用户提供一站式解决方案。公司 AI 基础设施包括用于大模型和应用开发的 千帆平台，以及为客户提供大模型所需的算力服务的百舸平台。与同行相比，百度在大模 型商业化上更倾向于采用闭源逻辑。在应用端，百度着力布局两大 AI 应用方向：1）智能 体，公司判断这将是 AI 应用未来的最主流形态，类别包括公司类、角色类、工具类、行业 类；2）产业应用，涵盖制造、能源、交通、政务、金融、汽车、教育、互联网等众多行业。

百度多款主力大模型已可免费调用。据百度智能云官网，在大模型调用费用上，百度针对 较为先进的旗舰大模型 ERNIE 4.0 Turbo、ERNIE 4.0 和 ERNIE 3.5 采用收费制度，输入/ 输出价格最低低至0.0008/0.002元每千tokens，而主力大模型ERNIE Speed、ERNIE Lite、 ERNIE Tiny 均已免费使用，其中 ERNIE Speed 是百度 2024 年发布的自研高性能大语言 模型，通用能力优异，适合作为基座模型进行精调，可更好地处理特定场景问题，同时具 备较佳的推理性能；而 ERNIE Lite 是百度自研的轻量级大语言模型，兼顾优异的模型效果 与推理性能，适合低算力 AI 加速卡推理使用。 国内通用 AI APP 市场加速分化，用户规模层面豆包已确立领先地位，而 DeepSeek 在海 外市场仍具成长空间。国内方面，豆包 DAU 持续扩大领先优势，QuestMobile 数据显示， 2024 年 12 月其 DAU 已达 1662 万，远超第二梯队的 Kimi 智能助手与文小言。海外方面， DeepSeek R1 上线后增长迅猛，但与行业龙头仍存差距。SensorTower 数据显示，截至 2 月 1 日，DeepSeek 海外移动端 DAU 达 1300 万，而 ChatGPT 达 5637 万；Similarweb 数据显示，截至 1 月底，DeepSeek 网站端周均 DAU 为 1089 万，ChatGPT 则为 7001 万。

用户行为层面，国内通用 AI APP 的人均使用时长较为集中且仍处低位，海外市场 DeepSeek 加速追赶头部应用，R1 有望推动其进一步渗透。国内方面，各应用在人均单日 使用时长和留存率上的差距较小，豆包保持微弱领先，QuestMobile 数据显示，2024 年 12 月其 DAU/MAU 达 22%。海外方面，ChatGPT 在人均使用时长上仍具优势，但 DeepSeek 正逐步缩小差距，留存率有所回落，主因部分用户受热度驱动尝试后流失。

腾讯混元：全面拥抱开源生态，模型性能大幅提升

腾讯混元：从内部业务自用起步，强化云业务技术壁垒。腾讯混元技术于 2024 年取得较快 突破，同时实现全链路自研。腾讯 LLM 研发起步略晚于其他大型厂商，但近期技术端差距 有所收窄。在自用场景方面，混元大模型接入腾讯 700 多个业务场景，改善内部人员工作 效率，混元 3D 引擎在 24 年广泛使用后，也于 25 年对外开放；在腾讯云方面，混元大模 型也构建了腾讯云 MaaS 坚实的基础，客户可以将混元用作基础模型，在公有云上进行精 细调整，也可以在腾讯云上通过前端交互 API 调用体验。

腾讯混元技术于 2024 年取得较快突破。一方面，腾讯实现全链路自研，包括底层算力网络、 Angel 机器学习平台、上层模型和应用。腾讯全新发布的混元 Turbo 有显著能力提升，推理 成本降低 50%，解码速度改善 20%。根据 SuperCLUE 报告，腾讯混元在 8 项核心任务上 排名国内第一。腾讯在底层算力网络、Angel 机器学习平台、上层模型和应用各链路均实现 较好的技术自研突破。 混元大模型全面拥抱开源：腾讯将开源协同作为公司的核心技术战略，积极推动内外部技 术开源共享，大模型商店引入 20 余种开源通用模型，同时部分模型也处于开源状态。未来 大模型各版本也将进一步开源，促进技术生态繁荣发展。混元 large 模型开源五天内即在 HugginFace 百万模型中脱颖而出，登趋势榜榜首，GitHub Star 达 1300。混元 3D 模型 GitHub Star 达到 2500，开源两周内成为 HuggingFace 下载增速最快的 3D 模型。 腾讯持续投资基础设施，致力服务云业务：腾讯云智算 AI infra 从机器上架到开始训练仅需 1 天，千卡单日故障数仅仅为 0.16，网络通信时间占比也仅 6%。TI 平台上线多模态数据标 注，首创基于 Schema 的标注方法，支持 4 大主流场景全部细分任务。混元 large 模型开 源五天内即在 HugginFace 百万模型中脱颖而出，登趋势榜榜首。围绕着企业训练大模型和 应用大模型的需求，腾讯提供 AI infra、自主可控的大模型以及贴近场景的智能应用。在这 一过程中，腾讯不断提升模型性能的同时，也在不断降低模型使用的门槛，通过封装好的 PaaS 产品来让企业构建面向具体场景的应用，包括智能客服和营销工具等。

腾讯 AI 组织架构简介

腾讯混元大模型和腾讯元宝的团队成员，主要由 CSIG 部门和 TEG 部门的部分核心成员抽 调组成，该组织架构目的是为让 AI 全面和腾讯现有业务更好地结合： 1）混元大模型团队：负责大模型的核心研发与技术迭代，核心负责人包括 TEG 副总裁蒋 杰、腾讯云副总裁刘煜宏，统筹战略与技术推进。模型推理方向由资深 GPU 优化专家刘凯 负责，NLP 技术中心副总监张锋主导混元应用，计算机视觉专家芦清林负责文生图，IEEE Fellow 刘威担任技术负责人。 2）腾讯元宝团队：由首席科学家张正友领导，产品管理由 AILab 副主任俞栋、AI 平台部助 理总经理王迪及战略发展部总监刘田共同负责。 腾讯混元大模型和腾讯元宝的团队中，从 CSIG 和 TEG 部门抽调的核心成员，均来自不同 事业群，负责该事业群的 AI 研发项目。例如微信 AI 团队成员也有抽调进入，主要聚焦微信 生态内的 AI 应用落地。TEG 部门全称为技术工程事业群，旗下拥有 AI Lab 与 Robotics 实 验室，前者聚焦 AI 基础研究与应用探索，后者专注于机器人技术；CSIG 部门全称为云与 智慧产业事业群，旗下涵盖腾讯优图与腾讯云，前者深耕于计算机视觉领域，后者既是对 外 AI 能力输出平台，也提供内部云基础设施支持。

腾讯管理层定位：“以 AI 为核心，打造智能云，赋能智慧产业”

腾讯 CEO 马化腾表示，“AI 是腾讯的核心战略之一，我们将持续加大 AI 的研发投入，推动 AI 的技术创新和应用落地，为用户和企业提供更好的智能服务和体验。”马化腾认为，AI 的发展将带来三个方面的机遇：一是 AI 将赋能各行各业，提升社会效率和生活品质；二是 AI 将催生新的业务模式和价值创造，促进经济增长和社会进步；三是 AI 将激发新的人机交 互和内容创作，丰富人类的文化和娱乐。腾讯云总裁唐达在 2023 年腾讯云 AI 峰会上表示， 腾讯云 AI 的战略是“以 AI 为核心，打造智能云，赋能智慧产业”，其目标是“为各行各业 提供全面的 AI 服务和平台，帮助企业和机构实现智能化的转型和升级。”唐达认为，AI 的 未来将需要三个方面指引：一是技术指引，即通过不断的技术创新，提升 AI 的性能和效率， 降低 AI 的门槛和成本，让 AI 更加普惠和可靠；二是场景指引，即通过深入的场景探索，挖 掘 AI 的需求和价值，打造 AI 的应用和解决方案，让 AI 更加贴合有效；三是规则指引，即 通过合理的规则制定，规范 AI 的行为和责任，保障 AI 的安全和公平，让 AI 更加可控可信。 腾讯混元整体定价处于中低水平，并以灵活的层级定价策略精准触及多元化市场需求。混 元大模型采用 MoE 架构，实现了计算资源的高效分配，在降低 API 成本的同时保障了输出 质量，使得整体定价可控制在较低水平，同时腾讯采用层级化定价策略灵活应对不同市场 需求，确保渗透各类用户价值。此外，腾讯在模型应用上实行差异化布局，涵盖通用文生 文、翻译、代码及角色扮演等领域，布局相对广泛。

阿里巴巴：AI 驱动云计算业务未来

在 AI 发展上，阿里巴巴专注于打造 AI 基础设施新范式和 AI 模型能力的落地应用。我们认 为全面的云服务基础能力与规模效应优势，和其在消费交易场景下积累的行业 know-how 与用户数据基础是阿里巴巴发展 AI 业务的核心差异化优势。自 2023 年提出“AI 驱动”战 略以来，阿里巴巴一方面投资于 AI 基建，一方面在 B 端和 C 端用户侧逐步推进 AI 应用。 “接管数字世界，改变物理世界”，其自身多元丰富的业务正成为其应用端最先落地孵化的 应用场景。

战略：不断完善 AI 基础设施，坚持开源开放

阿里巴巴在人工智能的建设上强调完善基础设施与坚持开源。11 月 20 日，在 2024 年世界 互联网大会乌镇峰会主论坛上，阿里巴巴集团 CEO 吴泳铭表示，面向 AI 时代的生产力革 命，阿里巴巴一直专注做好两件事：一是不断完善 AI 基础设施和相关支撑体系；二是坚持 开源开放，与广大生态伙伴一起，把 AI 能力转化为千行百业的生产力。据通义公众号，2025 年 1 月 28 日，通义两大模型 Qwen-2.5-VL 和 Qwen2.5-1M 已上线魔搭/Huggingface； Qwen2.5-VL 主要特色为较强的视觉智能体能力，不仅擅长识别常见物体，如花、鸟、鱼和 昆虫，还能够分析图像中的文本、图表、图标、图形和布局。Qwen2.5-1M 擅长长文本处 理能力，推出 7B、14B 两个尺寸，均在处理长文本任务中稳定超越 GPT-4o-mini；而在此 前的 2024 年 6 月，阿里巴巴已开源第二代大语言模型-Qwen2。据 2024 年 9 月阿里云栖 大会，在 HuggingFace 和魔搭社区中，已有超过 5 万个基于通义千问模型开发的衍生模型， 位于全球第二，超过国内其他开源模型，我们认为基于通义千问模型的生态系统正在逐步 成熟。

基础大模型布局：全尺寸、全模态、多场景的模型大家族

阿里旗下的基础模型为大语言模型通义千问和视频生成模型通义万相。为建立“模型即服 务”的能力，通义模型大家族已涵盖了全尺寸、全模态、多场景的基础模型、模型服务、 模型应用和模型社区。除了基础模型和应用外，阿里云百炼负责将模型的能力真正应用到 业务场景中，将模型调用和企业级数据有效连接；同时开源模型社区魔搭也在不断推动行 业模型演进。

三款旗舰大语言模型满足不同类型用户需求。据阿里云官网，截止 2025 年 2 月 4 日，阿里 巴巴旗舰模型主要为通义千问-Max、通义千问-Plus 和通义千问-Turbo 三款。Max 为通义 千问系列效果最好的模型，适合复杂、多步骤的任务；Plus 能力均衡，推理效果、成本和 速度介于通义千问-Max 和通义千问-Turbo 之间，适合中等复杂任务；Turbo 为通义千问系 列速度最快、成本很低的模型，适合简单任务。

在模型版本上，Qwen2.5是Qwen大型语言模型的最新系列。据阿里云官网，针对Qwen2.5， 阿里云发布了一系列基础语言模型和指令调优语言模型，参数规模从 70 亿到 720 亿不等。 Qwen2.5 在 Qwen2 基础上进行了若干改进：1）更大的数据集规模：Qwen2.5 在最新的大 规模数据集上进行预训练，包含多达 18 万亿个 Token。2）更好的编码和数学能力：通过 阿里云在这些领域的专业专家模型，模型的知识增多，编码和数学能力也获得提高。3）更 出色的遵循指令等方面能力：在遵循指令、生成长文本（超过 8K 个标记）、理解结构化数 据（例如表格）和生成结构化输出（尤其是 JSON）方面有显著改进。对系统提示的多样性 更具弹性，增强了聊天机器人的角色扮演实现和条件设置。4）更丰富的语言种类：支持超 过 29 种语言，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日 语、韩语、越南语、泰语、阿拉伯语等。 最新版本 Qwen2.5-Max 在测试中展现出全球范围内较为领先的模型性能。据通义公众号， 2025 年 1 月 29 日，Qwen2.5-Max 版本正式发布：1）在数据规模上，该版本预训练数据 超过 20 万亿 tokens，超越前序所有 Qwen 模型的数据集规模；2）在性能上，Qwen2.5-Max 在知识（测试大学水平知识的 MMLU-Pro）、编程（LiveCodeBench）、全面评估综合能力 （LiveBench）以及人类偏好对齐（Arena-Hard）等主流权威基准测试上，展现出全球领先 的模型性能。

AI 能力加持下，云计算服务有望实现降本增收

AI 大模型技术有望与云计算市场形成互相支撑与技术升级。我们认为，融合 AI 能力后，传 统云计算业务的计算能力实现了“智”的升级与改造，效率优化的核心价值得到进一步强 化，规模效应下，我们认为阿里云有望凭借自身较大的业务体量和技术端的相对优势，实 现相较于竞争对手更具有优势的硬件端边际成本，从而获取更多市场份额，而阿里云在模 型调用上持续实现降价也初步印证了这一特征。从路径来看，阿里云选择开源与闭源兼顾 的模式，一方面希望借助开源模型进一步激发社会创造力，与社会共同分享技术成果，另 一方面也通过较高门槛的闭源模型实现增收获利，我们认为这是兼顾了短期增长与长期发 展的选择。

百度：全栈服务能力布局助力 AI 应用落地

百度致力于打造全新的 AI 基础设施，围绕大模型应用帮助企业加速实现智能化升级，其 AI 基础设施包括用于大模型和应用开发的千帆平台，以及为客户提供大模型所需的算力服务 的百舸平台，是国内少数几家实现了从芯片到框架再到模型及应用的全栈布局的企业之一， 有助于利用自身较为强大的 AI 能力和云计算资源，为用户提供一站式的解决方案。与同行 相比，百度在大模型商业化上更倾向于采用闭源逻辑，并相信在大多数实际应用场景中， 闭源模型能提供更优的解决方案。在应用端，百度着力布局两大 AI 应用方向：1）智能体， 公司判断这将是 AI 应用未来的最主流形态，类别包括公司类、角色类、工具类、行业类； 2）产业应用，涵盖制造、能源、交通、政务、金融、汽车、教育、互联网等众多行业。

战略：注重产业应用场景与智能体开发

百度旨在打造高效 AI 开发能力并优化应用和数字底座。据百度智能云公众号，2022 年 9 月发布全新战略“云智一体，深入产业”及“云智一体 3.0”架构并贯彻至今：“云智一体 3.0”架构是从行业核心场景切入，通过打造行业标杆应用，带动和沉淀 AI PaaS 层和 AI IaaS 层的能力，打造高性价比的异构算力和高效的 AI 开发运行能力，进而向上可以优化已有应 用、孵化新应用，向下改造数字底座，使基础云更适合 AI 应用，形成螺旋上升、不断进化 的效果；而产业里丰富的应用场景，为人工智能与云的发展提供了广阔的空间。 智能体和产业应用是百度着重布局的应用方向。据 2024 年 11 月百度世界大会，管理层认 为两大的 AI 应用方向分别为智能体与产业应用，其中智能体是 AI 应用的最主流的形态，即 将迎来它的爆发点，它可能会变成 AI 原生时代内容、信息和服务的新的载体，主因：1） 智能体门槛较低，易于用户和开发者上手，并可通过搜索和其它渠道进行分发；2）智能体 拥有较高的天花板，可制作出功能较为强大的应用，多个智能体协作亦可解决更加复杂的 问题，百度在文心智能体平台上已经吸引了 15 万家企业和 80 多万名的开发者。在产业应 用上，管理层表示百度智能云是百度构建智能产业生态的主要依托，在百度智能云的千帆 大模型平台上，公司已累计帮助用户精调了 3.3 万个大模型，开发出 77 万个企业应用，并 表示百度智能云已拥有了中国最大的大模型产业落地的规模，覆盖客户包括百胜中国、智 联招聘等。

基础大模型布局：拥有多种类大模型满足用户需求

文心大模型家族包含自然语言处理 NLP 大模型（专注于处理语言相关的任务）、视觉 CV 大 模型（提供基于视觉技术）、跨模态大模型（基于知识增强的跨模态语义理解技术，支持跨 模态检索、图文生成、图片文档信息抽取等应用的快速搭建）等多类型模型。通用旗舰大 模型为 ERNIE 4.0、ERNIE 4.0 Turbo、ERNIE 3.5，适用于复杂场景、高级分析与规划。 据 3Q24 百度业绩公告，在 2024 年 11 月，文心大模型每天处理 API 量达 15 亿次，相比 于 8 月的 6 亿次显著提升。据 IDC 数据，2023 年百度智能云在中国 AI 公有云市场份额为 26.4%，位居第一。同时，百度智能云在大模型平台市场份额为 19.9%，也位居第一。

百度多款主力大模型已可免费调用。据百度智能云官网，在大模型调用费用上，百度针对 较为先进的旗舰大模型 ERNIE 4.0 Turbo、ERNIE 4.0 和 ERNIE 3.5 采用收费制度，输入/ 输出价格最低低至0.0008/0.002元每千tokens，而主力大模型ERNIE Speed、ERNIE Lite、 ERNIE Tiny 均已免费使用，其中 ERNIE Speed 是百度 2024 年发布的自研高性能大语言 模型，通用能力优异，适合作为基座模型进行精调，可更好地处理特定场景问题，同时具 备较佳的推理性能；而 ERNIE Lite 是百度自研的轻量级大语言模型，兼顾优异的模型效果 与推理性能，适合低算力 AI 加速卡推理使用。

全栈服务能力为 AI 应用落地奠定良好基础

百度凭借在云计算服务与 AI 技术领域的长期深耕，已经建立起全栈服务能力，其业务范畴 涵盖了全面的基础设施、IaaS、PaaS 及应用能力，使其在国内大模型领域的竞争中保持竞 争力，也为其积极投入于捕捉 AI 应用落地的机遇奠定了良好基础。百度智能云通过构建全 栈的 AI 原生云架构，面向 AI 应用场景进行深度的软硬一体协同优化，这种架构在 AI 基础 设施层面能够为企业提供高性能的 AI 算力，以及更简单、易用、高效的开发过程，确保更 流畅的端到端应用开发全流程体验；并通过 AI 计算（基于百度“太行”弹性裸金属产品， 为客户提供高性能、多规格、高性价比的算力服务）、AI 存储（提供面向 AI 计算的存储服 务架构）、AI 容器（容器引擎服务 CCE 提供基础的 Docker 容器生命周期管理、大规模容 器集群运维管理、业务应用一键式发布运行等功能）三层来构建 AI 开发基础设施，从而大 幅提升 AI 开发效率。

1H24 百度在中国 MaaS 市场份额位居第一。据 IDC 数据，以收入计，1H24 中国 MaaS 前 三大服务商分别为百度智能云/阿里云/腾讯云。百度智能云的 MaaS 收入规模达 8,000 万元 人民币，位居市场第一，市场份额达 32.4%，百度智能云的 MaaS 业务主要通过其千帆大 模型平台提供服务，为企业提供大模型全生命周期工具链和整套环境，让企业用户可以在 千帆平台上直接调用文心大模型的服务，也可以进行开发、训练、部署和调用自己的大模 型服务，同时还提供应用开发层全套工具链支撑模型到应用落地的最后一公里，为企业提 供企业级 RAG、企业级 Agent 等全链路应用落地较佳实践。 在 AI 大模型解决方案市场，百度亦位居第一。据 IDC 数据，1H24 百度智能云/商汤科技/ 科 大 讯 飞 收 入 位 列 中 国 AI 大 模 型 方 案 市 场 份 额 的 前 三 位 ， 营 收 占 比 分 别 为 17.0%/14.8%/14.0%。凭借百度智能云在电信、能源、制造、交通等垂类场景下的长久深 耕与经验积累，我们期待其在大模型能力持续进化的过程中继续强化行业认知，形成一定 的行业壁垒，及时捕捉宏观经济回暖后传统产业 IT 支出的修复机遇，同时进一步提升解决 方案的规模可复制性，支撑业务利润率的改善。

AI 应用：多场景渗透，产品力持续迭代

AI 应用的发展趋势和竞争要素

我们判断 25年开始 C端的 AI应用可能迎来一个爆发期，背后的动力可能来自于开源模型、 算力成本的降低、多模态的融合等等。 1） 开源模型发展带来的技术平权，推动应用类 AI 基座模型的能力提升。 2） 训练、推理算力成本降低，利好更为广泛的垂类应用，同时对于大厂而言，正在由大额 资本开支路径逐渐向追求应用端 ROI 倾斜。 3） 多模态融合进展迅速，为应用场景多样化奠定基础。

AI 时代应用的发展逻辑与移动互联网时代相反，需要创造原生需求。移动互联网时代的应 用发展：需求洞察——产品设计——技术实现；AI 时代的应用发展：技术突破——场景探 索——产品革新。在移动互联网时代是先有需求后有产品，并通过技术满足需求，而在 AI 时代则相反，是率先实现技术突破，并需要通过场景探索和产品的革新来挖掘原生需求。

基于此我们判断 AI 应用 C 端的两个发展方向： 1）一个是场景渗透增加，从最早的搜索、编程等等拓展到教育、营销。AI 发展当前由技术 突破驱动，随着 AI 的技术突破，实现技术能力与场景需求的匹配，并不断渗透至更多垂直 场景。 2）一个产品层面的革新，重点是丰富交互模式，降低门槛。AI 应用需要由工具演变为高“可 玩性”的产品。产品形态会随着技术成熟度和场景理解深度而不断迭代。比如从初始的 chatbot 类交互，逐步演化至 AI Agent 等等，在技术和场景成熟后，需要封装成面向 C 端 的产品。

广泛场景的渗透率提升，趋向细分、垂直化

更广泛应用场景的 AI 渗透率提升。技术平权+算力成本持续优化，AI 向各个垂直行业赋能， 将由最初的搜索、编程等等逐步拓展至教育、营销等等多个场景。在互联网应用板块中电 商、影视、娱乐、游戏、教育、传媒和金融等等多个板块均有众多潜在的 AI 应用渗透提升 方向。

AI 应用趋向细分、垂直化。在“算力、算法、数据”三要素中，算力与算法正在随着通用 底层能力的优化逐渐被满足，而数据资产这一要素其实是分散在各个垂直场景中的，并非 通用，因此各个广泛应用场景有天然的 AI+垂类数据的禀赋。我们认为从后续来看，除了通 用的大模型之外（DeepSeek、豆包等），AI 应用的趋势可能会更加细分、垂直化，这背后 的原因可能来自于： 1）垂直数据壁垒构筑的护城河，比如特定的教育、招聘、金融领域； 2）需求的碎片化和长尾化，需求分散下通用模型无法覆盖； 3）存在合规性问题，各行各业的 AI 应用均存在自身的合规性问题。 目前能看到主要互联网公司均针对自身领域部署了垂直模型，比如 AI+教育（好未来）、AI+ 游戏（腾讯）、AI+图像（美图）等等。

产品层面革新，聚焦用户丰富交互模式、降低门槛

AI 应用面临产品层面的革新，聚焦用户丰富交互模式、降低门槛。C 端应用，满足用户需 求的重点是低门槛、个性化、强交互体验（自然、有趣、更多的情感化产品设计），这在移 动互联网阶段是 C 端应用的重点，在 AI 时代我们认为也是。因此在交互模式的丰富性和使 用门槛等等方面都需要面临产品层面的革新，比如从初始的 chatbot 类交互，逐步演化至 AI Agent 等等。

以 Chatgpt 为例，能看到从技术驱动向用户体验驱动范式转变。ChatGPT 的用户交互模式 革新（如 Advanced Voice Mode 和 Canvas 等等）标志着 AI 应用从技术驱动向用户体验驱 动的范式转变，其产品层面的创新不仅降低了用户交互门槛，更推动了 AI 技术向多模态、 场景化方向的发展： 1） Advanced Voice Mode 是语言交互的全面升级。AVM 在实时性、情感化和多场景方 面实现了革新，基于 GPT-4o 模型，整合自动语音识别（ASR）和文本转语音（TTS） 技术，实现无需文本中转的端到端语音交互，延迟降低至接近实时水平，用户可随时打 断对话，模仿人类对话的流畅性。 2） Canvas 是写作与编码的协同创新。Canvas 整合文本生成、代码调试与可视化编辑功 能，用户可通过拖拽界面快速生成内容或调试代码，降低创作门槛。例如，开发者可在 同一界面编写代码并实时预览结果，减少上下文切换成本。 其本质上是以更丰富的交互方式降低用户使用门槛，增加应用的使用意愿和粘性。

以 Manus 为例，看到的是交互模式从对话到执行的转变，有了 AI Agent 的雏形。2025 年 3 月 6 日 Manus 发布，定位通用型的 AI Agent，实现了从建议到执行能力的全闭环，其 在 GAIA 的评分上超越了 OpenAI 的 DeepResearch 成为评分第一。Manus 在交互层面的 核心变革是实现了从对话到执行的转变，根据数字生命卡兹克公众号的案例演示，Manus 可以实现根据对话完成各类集合型操作，有了 AI Agent 应用的雏形。

注重垂直场景的产品力，认知重构阶段把握用户心智

在前文的基础上，我们认为 AI 应用的竞争要素依旧围绕着场景和产品两个重要维度（在技 术、算力平权的大假设下淡化了对于竞争者的模型能力和工程化能力的要求）。并有几个启 发： 1）核心是聚焦垂直场景的产品力，正在从“技术竞争”走向“产品竞争”。前文中提到了 AI 应用正在面临从技术驱动向用户体验驱动范式转变，因此需要聚焦垂直场景打磨优质的 产品力，将用户体验与 AI 工作流深度融合，在开源、成本降低等大的技术平权的趋势下， 竞争要素正在从原先的算法、算力等向应用的产品力转移。 2）用户对于 AI 应用处在认知重构阶段，需要供给侧的持续启发夺取心智。前文中提到 AI 应用的发展逻辑与移动互联网时代不同的地方是，移动互联网先有需求并打造产品、完善 技术去解决，而 AI 是先有技术飞跃，需要通过场景挖掘和产品革新来催化原生需求。因此 C 端用户对于 AI 应用的认知是持续处于重构阶段的，需要供给侧的持续迭代并启发，从而 夺取用户心智，这背后可能要求的是更加开放的用户生态。 3）通过用户反馈积累数据资产，不断迭代并深化实现飞轮。AI 应用的最终潜在的壁垒可能 是在高粘性用户、完善生态的基础上跑起来的数据飞轮，即用户使用产品生成数据—数据 优化模型—模型提升用户体验—吸引更多用户—产生更多数据，形成正向循环。

AI 应用的商业化落地节奏判断

传统移动互联网时代的变现路径主要有三条：广告、佣金和增值服务（订阅、单购），不同 变现模式所依仗的商业基础各不相同，广告核心是流量，佣金是流量+履约，增值服务是提 供差异化产品和体验。切换到 AI 应用时代，最快具备商业化基础的是靠 AI 提供的差异化产 品和体验，因此增值服务这一商业模式落地节奏最快。而 AI 应用当前尚未形成新的流量高 地且产品层面亦未成熟，因此在广告和佣金等商业模式上进展暂缓。由此我们也能看到通 用型 AI 和垂直型 AI 在商业化节奏上的分化，基于此前提，我们对于 AI 应用的商业化落地 节奏形成以下判断： 判断 1：通用型 AI 迈入流量入口争夺阶段，积累用户并探索生态的优先级大于变现。 Chatbot 类应用正在大批量开放免费使用。以 Chatgpt 为首的 Chatbot 类 AI 应用早期以付 费订阅为主要的商业模式，但是随着免费开源、算力成本降低等，相关搜索、社交类的通 用型 Chatbot AI 正在将大批量免费使用。25 年 2 月 13 日，OpenAI 首席执行官 Sam Altman 宣布免费 ChatGPT 将在标准智能设置下无限制使用 GPT-5 进行对话；Grok 也在 25 年 2 月 18 日发布几天后宣布免费；百度文心一言亦宣布自 25 年 4 月 1 日起全部免费使用。而 国内的其他主流 AI Chatbot 应用 DeepSeek、豆包、元宝等等则从上线之初即免费使用。

通用型 AI 正在进入新的流量高地争夺阶段，积累用户并探索生态的优先级大于变现。从移 动互联网时代的经验来看，C 端的搜索、社交类应用有很强的虹吸效应，最后是赢家通吃 的局面，因此当前通用型 AI 应用的共识是零门槛接入快速占领用户入口，在拥有流量高地 并具备护城河之后可以进一步探索广告、佣金等流量变现方式。 AI Agent 的核心痛点是交互通道的打通，这对于有全生态的互联网大厂是核心优势。由 Manus 带来的 AI Agent 趋势将驱动 AI 应用实现从思考到执行的全闭环，而在 AI Agent 的 发展中，其核心痛点其实是交互执行中通道的开放和打通，除了公域的数据和执行之外， Agent 要完全发挥能力则需要相对私域的交互权限，这部分对于已有全生态的互联网大厂来 说是核心优势，因此在用户入口争夺的下个阶段或能看到广泛的 Agent 应用在互联网大厂 的爆发。

判断 2：垂直赛道 AI 靠提供增值产品和体验，生产力场景以刚需驱动高商业转化。 AI 垂类生产力赛道的商业化较为领先。当前 AI 应用商业化的主要方式为订阅付费，通过提 供 AI 增值服务收取订阅费用。而当前产生收入的应用中主要以偏向生产力的垂类赛道较为 领先，如 Chatgpt、微软 365 Copilot、Perplexity 等等，订阅费约为 10-20 美元/月不等。 根据 AI 产品榜公众号， 24 年已经有部分 AI 付费用户规模超千万，分别为微软 365copilot （5574 万）、百度文库（4000 万）、Canva（2200 万）、Chatgpt（1000 万）。集中于办公、 文档、设计、搜索问答领域，我们认为偏向生产力场景因降本增效量化明确，偏刚需的特 征能够有效驱动用户订阅付费转化。因此从商业化的节奏上或更快。

判断 3：具体场景落地速度需关注试错成本和可验证性。 我们认为判断具体场景的落地速度需要关注其试错成本和可验证性两个维度： 3） 试错成本代表的是对于 AI 出现“幻觉”等等错误的接受度。比如 AI Chatbot 等等其本 质是交流和提供咨询建议，用户对于结果有审查，因此试错成本低，此外还有 AI 的图 像等内容创作，用户存在二次编辑，此类应用的落地和发展较快。而与之对比的则是试 错成本较高的场景，比如自动驾驶等等，涉及到安全和责任划分等等层面，因此其实际 落地需要缓慢推进。 4） 可验证性，代表的是 AI 提供的内容验证成本低，可以和用户迅速建立信任感。比如 AI 编程等等，其提供的代码可以迅速判断是否跑通，是否解决问题，验证环节短带来的就 是交互的流畅性，可以和用户快速建立信任感。但是比如有些验证环节很长的场景，比 如 AI 制定旅游攻略、剧本创作、提供资产配置的建议。其可验证性较低，用户需要更 多的成本来判断建议的真伪和有效性，则落地的速度较慢。 基于此我们判断当前互联网板块落地较快的场景为图像编辑、短（长）视频内容、广告营 销、教育培训答疑、辅助招聘等等。

AI 全生态应用布局典范：字节跳动、阿里、腾讯、百度

字节跳动：搭建 AI 全生态，爆款豆包产品力先行

字节豆包搭建 AI 全生态，布局搜索、图像、社交等多个垂直应用领域。字节豆包从底层技 术到应用生态全面发力。在模型层面，推出了包含云雀大模型在内的 17 款大模型，涵盖 大语言、音频、视频、多模态等多个类型，为上层应用筑牢技术根基。在应用层，字节跳 动采用多种类覆盖与对标优质竞品的策略，推出了十余款 AI 应用，构建“超级 AI 应用工 厂”。

字节核心产品豆包 APP 月活数仅次于 Chatgpt。24 年 11 月的全球月活跃排行榜上，豆包 App 的 MAU（月活跃用户数）接近 6000 万，仅次于 OpenAI 的 ChatGPT，位列全球第二； 截至目前，豆包大模型日均 tokens 使用量超过 4 万亿，发布 7 个月以来增长超过 33 倍。 字节跳动旗下创作工具剪映和 CapCut，全球月活用户也已超过 8 亿，并且在 2024 年实现 收入增长超 100%，总收入接近 100 亿元。

以用户体验为先，产品深度迭代。根据《中国企业家杂志》，2024 年 1 月至 11 月，该群共 产生了数万条聊天记录，豆包官方发布了 100 条群公告，其中大部分为功能内测邀请。据 《中国企业家杂志》统计，过去 11 个月，豆包在安卓 APP 端共迭代了约 40 次。24 年 5 月，字节跳动产品与战略副总裁朱骏分享了字节跳动为豆包这类产品定义了三个产品设计 原则：第一条，“拟人化”；第二条，离用户很近，随时伴随用户，嵌入用户的不同使用环 境，应该是豆包到用户身边，而不是用户到豆包身边；第三条，个性化。

阿里巴巴：规划布局深入千行百业

阿里旗下 AI 应用：具有较为全面的 AI 应用产品矩阵布局。阿里旗下 AI 产品主要为通义系 列，涵盖通义千问、通义智文、通义灵码、通义万相、通义听悟和通义星辰等产品，其中 最为通用的通义千问为一款超大规模预训练的多模态模型，可撰写创意文案，充当办公助 理、学习助手，亦支持文本回答、文档解析和图片解析。在自身优势电商业务外，还涵盖 了绘画、编程、医疗、法律等多个业务板块，体现了其在技术研发、市场拓展、用户体验 和产业赋能等方面的泛化规划布局。

阿里应用端战略：To C AI 业务正在逐步整合，或意在发力 C 端应用。据智能涌现公众号 2025 年 1 月 16 日报道，阿里旗下的智能互联事业群正式由智能信息事业群总裁吴嘉统管。 智能互联为阿里在 2022 年成立的一级业务部门，其核心品牌为天猫精灵，目前天猫精灵的 硬件团队已与夸克产品团队融合工作，其工作重点包括新一代 AI 产品的规划定义，以及与 夸克 AI 能力的融合。此前 2024 年 12 月，“通义”产品团队已从阿里云智能整体划入阿里 智能信息事业群，目前该事业群还拥有夸克、书旗小说、UC 浏览器、超级汇川广告平台等 业务，初步形成了内容-AI 应用-AI 硬件的完整链条。而大模型的训练和推理通常需要大量 交互数据和内容，当前的业务融合在我们看来或有利于大模型业务的创新迭代。此外，据 界面新闻 2025 年 1 月报道，全球顶尖人工智能科学家许主洪（Steven Hoi）正式加入阿里 巴巴，出任阿里集团副总裁，负责 AI To C 业务的多模态基础模型及 Agents 相关基础研究 与应用解决方案，旨在提升阿里巴巴 AI 应用 C 端产品在模型结合应用的端对端闭环能力， 阿里 AI To C 业务亦正在组建领先的 AI 算法研究和工程团队，并试图吸引业内优秀人才加 盟，显示出意在加码发力 C 端应用的决心。

腾讯：加速游戏工业化，引领广告新趋势

腾讯 AI 产品：从内部业务自用起步，强化云业务技术壁垒。腾讯混元技术于 2024 年取得 较快突破，同时实现全链路自研。腾讯 LLM 研发起步略晚于其他大型厂商，但近期技术端 差距有所收窄。在自用场景方面，混元大模型接入腾讯 700 多个业务场景，改善内部人员 工作效率，混元 3D 引擎在 24 年广泛使用后，也于 25 年对外开放；在腾讯云方面，混元 大模型也构建了腾讯云 MaaS 坚实的基础。 在 C 端市场，我们看好腾讯的产品长期竞争力，AI 产品数量以娱乐和应用方向居多，腾讯 有较高的用户规模和信息资源壁垒；在 B 端市场，腾讯也享有较高的客户资源和团队规模 优势。鉴于大模型更新迭代存在追赶效应，我们预期 26-27 年模型层面的性能差异或将逐 步缩小，同时伴随 LLM 使用成本显著降低，故而后期的竞争优势仍在获客能力和用户体验 （即产品能力）。从产品力角度看，我们认为 C 端市场以应用和娱乐 app 为主，过往腾讯在 众多产品矩阵中，用户规模和用户体验在国内达到顶尖水平。

腾讯广告业务：AI 算法改善助力视频号扩张市场份额

我们认为，随着腾讯在生成式 AI 视频工具、智能推荐算法等核心技术上的持续积累，其与 抖音快手的差距有望缩小，未来广告加载率具备较大提升空间。抖音快手在短视频领域起 步较早，相比之下，视频号内容生态和头部创作者数量有待提高，故而整体 Ad load 仍低于 行业平均。根据腾讯 3Q24 业绩会数据，视频号广告加载率约为 2-3%，显著低于抖音快手 水平。

腾讯元器作为 AI Agent，主要用于智能体开发。腾讯元器基于混元大模型构建，提供一站 式智能体创作与分发能力，依托腾讯生态资源，实现零代码开发、模块化扩展与全域部署。 平台围绕三大核心模块展开： 1）智能体开发，支持通过系统提示词设定角色属性、知识库挂载及多插件协同调用，精准 控制大模型行为。 2）工作流引擎，可实现复杂任务逻辑编排；该引擎采用流程图式低代码编辑器，串联插件、 知识库与大模型节点，实现复杂任务逻辑编排。 3）智能体商店和插件市场：提供预置行业解决方案（如客服、教育场景模板），开发者可 以自定义扩展，将混元大模型转化为可编程、可分发的商业化工具。

腾讯游戏业务：加速游戏工业化

从游戏业务看，①腾讯未来突破点在于，AI agent 有望实现智能 NPC 的落地，例如语言转 换成相应的指令，通过 prompt 驱动 NPC 做更加丰富的表情，更多的动作反馈和更稳定的 人设风格。②LLM 能够加快游戏的训练时间，《火影忍者》手游，针对格斗游戏的大规模强 化学习方案，直接让训练时间和资源下降了 90%以上，③头部游戏研发的精品化和工业化 为大势所趋，所需研发人员数量和开发时间不断增加，腾讯于 24 年推出自研 AI 引擎，AI 新工具系列有助于缓冲研发成本上涨。 我们认为，腾讯 AI 将会增强其游戏工业化优势，提升玩家总时长释放更多变现潜力。游戏 工业化加速的背景，往往伴随着单款游戏更多的内容生成，例如头部游戏的总时长有望从 过往 20-40 小时提升至 50-100 小时，从而有望增加更多商业化环节来提高变现潜力。1 月 22 日，腾讯宣布开源混元 3D 生成大模型，同时上线混元 3D AI 创作引擎助力内部提升研 发效率。

在 CDEC 峰会上，腾讯副总裁张巍表示，腾讯于 24 年推出自研 AI 引擎，具备 3D 图形、 剧情、关卡等多种 AIGC 能力，能够让游戏的部分工作效率提升数倍以上，例如场景制作、 内容生成等领域。他表示从最近的产业调研看，约八成受访者认为 AI 技术让生产效率提升 超过 20%。此外，在内容生产管线、游戏角色训练、智能体动作生成等方面，内部也取得 了显著进展，包括但不限于视频 AI 动态捕捉、AI 故事引擎、AI 绘画和建造等功能。 以游戏部门为例，腾讯更加注重游戏工业化发展，倾斜更多资源研发头部项目。从游戏品 类和内容生成看，大世界地图和人物更加错综复杂，AI 开发工具有助于减少非核心项目的 研发时间，加速工业化发展。近期，天美工作室重组为四大研发子工作室，更加精简的架 构组织有望集中研发资源，从而更好推进头部项目的进展。

百度：AI 重做产品，引领业务智能化转型升级

百度旗下 AI 应用：拥有较为丰富的旗舰产品与垂类产品。旗舰应用产品包括：基于飞桨平 台研制的知识增强大模型“文心大模型”、生成式对话产品“文心一言”、加入上百项 AI 能 力的“百度文库”等，并在用户规模上已形成一定积累，据 3Q24 公司公告，2024 年 11 月，文心系列模型处理的日均 API 调用量达到 15 亿次，较 8 月的 6 亿次大幅增加；据界面 新闻 2025 年 1 月报道，百度文库 AI 功能 MAU 已突破 9000 万，AI DAU 年同比增长 230%。 付费用户超4000万，在全球范围内仅次于微软Copilot；百度文库的付费率年同比增长60%， 这一增长几乎完全由 AI 功能带动。此外，在细分应用功能上百度亦有充分布局，产品包括 百度识图（AI 图像识别）、小侃星球（AI 聊天机器人）、万话创作者平台（AI 创作工具）和 慧播星（AI 电商数字人）等，百度通过较为先进的 AI 技术将细分功能与 APP 相结合，积 极探索新的商业机会与服务模式，共同推动自身 AI 改造的智能化转型升级。

百度广告业务：量价角度持续探索 AI 赋能效果

激烈的行业竞争中，AI 或是百度重塑广告业务竞争力的重要武器。百度目前正在从量与价 两个角度持续探索 AI 对广告业务的潜在赋能效果：1）改善用户体验→促进应用流量增长 →扩充广告位，与 2）优化商户投放效率，改善 ROI→提高商户付费意愿→促进广告价格提 升。据公司 1Q24-3Q24 公告，百度搜索引擎的结果展示中，AI 生成结果占比已持续提升， 由 2024 年 5 月的 11%提升至 2024 年 11 月的 20%，表明了其在应用中 AI 改造的不断尝试。 尽管 AI 生成结果的占比提升在我们看来意味着部分广告位的短期牺牲，但或是百度重塑 C 端用户心智、推动长期用户流量增长的必然选择。考虑到百度 APP 的用户体量相较微信、 抖音等 APP 仍有一定增长空间，我们认为量与价两方面在长期来看均有可能成为未来重振 百度核心广告收入增长的驱动力。但结合温和的宏观环境、上游广告主需求以及激烈的行 业竞争，我们认为短期量的重要性或高于价，且用户体验的改善带动用户活跃度的提升是 其在价格端实现进一步议价的前提。我们期待百度通过自有生态体系内不断的 AI 功能实践， 在用户活跃度的改善上进一步取得显著成果，这或将是其广告收入逐步回暖的关键要素。

AI+图像：受益于 DS 推进技术平权，持续图像领域精耕细作

在传统图像领域有卡位优势，布局全面，以 AI 催化付费订阅。美图长期专注图像美化赛道， 拥有 2.6 亿 MAU 流量基本盘并具备卡位优势。其以自研图像大模型为基，打造图像 AI 生 产力工具全生态，通过挖掘垂直场景需求并构建 AI 原生工作流解决生产力痛点。同时以 AI 驱动订阅付费：1、大模型底层能力支持缩短付费功能的研发周期；2、AI 带来多样化效果 挖掘更多的需求付费点；3、AI 提升创作效率，加大用户付费意愿。公司当前拥有 AI 图片、 AI 视频和 AI 设计三大方向。

聚焦垂直场景打造 AI 原生工作流。公司聚焦垂直场景打造 AI 原生工作流，深耕“小而美” 的垂直应用并深度打磨产品力。其美图设计室专攻图像生产力场景，打造 AI 原生工作流， 成本仅为传统工作流的 3%，并且短时间内出产品，大大降低门槛。其开拍专攻 KOL 口播 场景，打造 AI 口播工作流，以 AI 完成脚本、提词器、剪辑等工作，将原先 3-7 天的制作时 长缩短至 10 分钟，并且持续迭代转化效果。

AI 原生应用表现突出，AI 成功形成业绩转化。公司聚焦垂直场景打造 AI 原生应用，以 AI 驱动的美图设计室已经成为中国内地 AI 设计工具赛道的头号产品（以月活数量衡量）。截 至 1H24 美图设计室的订阅用户数达到 96 万（截至 23 年底为 87 万），订阅渗透率达到 6%， 产品收入同比增长 152%。聚焦口播视频 AI 工作量的开拍自上线以来用户累积创作内容突 破 5000 万。聚焦 AI 视频编辑的 Wink 月活 1H24 同比增长 99%，证明其 AI 强大的产品力。

完善 AI 图像生态形成商业闭环。美图当前在图像赛道完成了打造垂直模型—精确挖掘垂直 场景需求—构建 AI 原生工作流—以清晰的商业模式驱动业绩增长的商业闭环。在每个环节 均做出了充足的储备，比如在垂类大模型方面除了美图自研之外，积极接入豆包、可灵等 完善能力；比如公司收购设计师社区站酷，面对超 800 万设计师社群进行精准客群推广并 以开放生态迭代完善工具；此外发挥公司多年的美学积累和优质的产品力积淀，构建 AI 原 生工作流夺取用户心智。

图生视频功能在电商 B 端领域亦有应用空间。据阿里妈妈数字营销公众号，2025 年 1 月， 基于自研的淘宝星辰视频生成大模型，阿里妈妈正式推出商用级图生视频 AI Native 应用— —淘宝星辰·图生视频，目前已对淘宝天猫商家开放使用。淘宝星辰·图生视频结合了海 量电商数据、丰富的设计语言以及业内领先的营销经验，旨在推动电商 AI 内容创作的全流 程智能化升级。相比于其它同类应用，淘宝星辰的优势主要在于：1）基于丰富的电商数据 和设计经验，能自动识别并应用各类商品最适合的展示方式，而且从产品细节到整体风格 保持高度协调统一；2）能够深度理解图片以及用户的多语言指令，确保生成视频内容与用 户意图高度契合；3）严格遵循物理规律与动作规范，生成画面流畅自然，提升了视频的真 实感和专业性；4）无论是人脸、商品、还是文字、贴纸等装饰元素，“淘宝星辰·图生视 频”始终保持画面清晰、完整、无抖动或变形，保持视觉一致性。

AI+视频：细分领域贵于深耕，用户习惯有望迎来变局

我们预期在垂直细分领域深耕的厂商，将会更具产品的中短期竞争优势。①快手集中算力 资源，专注于视觉大模型赛道，推出了文生图与文生视频产品可图与可灵，在专注性策略 下，可灵的市场认可度，以及产品的研发进度略优于即梦 AI。我们认为专注于细分赛道的 厂商有望在特定领域构建出独特竞争壁垒。②字节的布局则较为广泛，涵盖了文生文、文 生视频及 AI 硬件等多个领域，而多元化布局则提升跨产品协同效应，有助于提升获客能力， 故而即梦 AI 在用户规模上更具优势。 我们认为短视频行业或迎来变局，AI 剪辑工具将会深度改变用户习惯。根据 QuestMobile 数据，2024 年以来，剪映等传统剪辑工具 MAU 持续下滑，市场份额被新兴 AI 剪辑工具挤 占。我们认为，短视频创作生态将持续受到 AI 剪辑技术影响，在该领域领先的企业或将率 先占据创作者生态优势，并进一步扩大市场份额。

哔哩哔哩自研大模型，生态内应用场景丰富

差异化场景为大模型应用创造良好基础。2024 年 06 月公司发布 Index 系列模型，该模型 是建立在开源基础上，已经应用在平台的多场景中： 1）AI 字幕：B 站具备中、英、韩、日、泰语等近 10 种语言的实时翻译能力，准确度接近 90%。该能力已覆盖站内海外内容、主播直播间以及海外用户观看中文内容等场景，日均 支持数十万非中文稿件的翻译。 2）角色扮演：通过在预训练中引入了较多定向清洗对话类语料，聊天的趣味性明显更强， 对话能力、角色一致性、角色扮演吸引力三大类评测中表现优异。 3）AI 视频助手：针对一些特别长的 Vlog 视频，或者一些科普性、教学性较强的长视频， AI 视频总结功能够帮助用户很快地获取视频的关键信息节点，并且可以快速将文本 Copy 下来。 4）AI 搜索：搜索 AI 助手就能为用户生成一段对应的文本内容，这些内容会参考一部分的 科普知识类视频进行归纳整理。

AI+游戏：3D 生成模型助力研发进度，AI agent 重塑游戏交互

AI 正重塑游戏开发与交互，提升创作效率、丰富内容生成。在游戏行业中，通过 AI 系列技 术可提升创作效率与可玩性，如在 NPC 塑造层面，动捕维度 AI 可从普通手机视频提取动 作帧，快速生成匹配角色动画，捏脸维度 AI 则让研发者可通过自然语言轻松定制角色形象， 互动维度 AI Agent 和智能 NPC 工具可轻易使 NPC 具备更拟人化的行为模式，提升剧情驱 动能力。 游戏 AI 层面的基数新突破：游戏世界建模层面，腾讯新推出的 GameGen-O 可模拟各类游 戏引擎功能，全面优化游戏场景、剧情、关卡和动态环境的生成，提高开发效率。游戏开 发引擎方面，Unity 推出的 Sentis 让开发者能直接在游戏中部署 AI 模型，实现物体识别、 语音交互及智能 NPC 控制。

AI agent 重塑游戏交互，实现快速建立智能 NPC

我们认为，AI agent 未来能让游戏行业迈向更智能化与个性化的发展方向： 1） 实现快速建立智能 NPC，玩家与 NPC 互动更加多样。原先玩家与 NPC 互动是程式化、 流程化，互动时往往只有几个选项可选择，选项引导的结局也相对单一，而 AI 则可以 赋予 NPC 以灵魂，不仅让 NPC 起到驱动剧情发展的作用，也让 NPC 有更加丰富的表 情、语言和任务互动。

2） AI 可以做成相关技术框架，形成调用平台给客户体验使用，让客户生成想要的 NPC 形 象。为让新 NPC 的想法更快速落地，可以把故事引擎做工具化处理。以游戏中生日 party 为例，以往制作成本很高，因为需要人工建立主题、故事背景、相关任务等，而通过 AI 的故事引擎能力，客户输入故事就可自动生成需要的内容，同时也会自动匹配对应 NPC，大大降低游戏制作成本。 然而在游戏 AI agent 领域，当前还未出现现象级应用，原因如下：1）算力成本高，2）性 能不够，无法支持大量用户用 AI 行为沟通，3）延迟时间较高，NPC 回复慢会使玩家体验 感差，4）系统不够稳定，存在 AI 角色人设丢失的情况。

AI+教育：积极推出大模型产品

教育的最终追求是因材施教。受限于人力投入和教学质量的矛盾，当前行业形成线下小班 模式和线上大班主讲+辅导模式，然而大模型的出现有望打破成本和效率的制约。23 年以 来，行业主要教育公司都推出了自己多大模型产品，部分产品已经取得了优异的商业化成 绩。

在上市公司中，好未来投入较为积极。根据公司技术报告显示，学而思九章大模型模式参 数超千亿，基于优质教育数据，实现了题目计算、讲解、问答等多任务持续训练和有监督 微调，呈现出卓越表现。我们预计该模型仍在持续升级迭代中，回答题目的准确率预计持 续提升。

好未来也积极开放自身能力。公司一方面开放出优质数据测试数据集，23 年 9 月好未来在 GitHub 社 区 开 源 了 MathGPT 模型训练测试数据集 — — TAL-SCQ5K-EN 和 TAL-SCQ5K-CN，包含 5K 道英语数学竞赛题目（3K 道用于训练，2K 道用于测试）。这些 题目采用多项选择题形式，涵盖了小学数学领域的各个主题。另一方面通过好未来开放平 台，提供解题解决方案和批改解决方案。

有道：坚持“场景为先”，推出自研教育垂类大模型“子曰”。「子曰」教育大模型采用 Transformer 神经网络架构和技术，集成多学科知识和海量数据，能够实现智能问答、文本 生成、情感分析、机器翻译等多种功能。网易有道将「子曰」教育大模型融入实际教学场 景和教育数据的深度挖掘运用，以自研基座大模型为基础，打造了全球首个虚拟人口语私 教 Hi Echo、新一代 AI 全科学习助手小 P 老师、智慧体育等 10 余个垂类教育场景的应用， 成为国内在教育场景中落地应用最快的企业。

针对翻译、答疑等细分场景，有道分别推出专有模型，并已在应用端落地： 1） 子曰翻译大模型：2025 年 1 月基于有道子曰的翻译大模型 2.0 正式上线，相较于 1.5 版本（2024 年 5 月）在数据、算法以及评估三个关键维度进行了全方位优化升级，在 翻译质量、效率以及鲁棒性等方面实现了质的飞跃，能够为用户带来更优质、精准的翻 译服务。目前子曰翻译大模型 2.0 已落地有道词典 APP、有道翻译桌面版、有道翻译 网页端。 2） 有道子曰-o1 推理模型：2025 年 1 月有道正式推出国内首个输出分步式讲解的推理模 型“子曰-o1”，并已开源。作为 14B 轻量级单模型，子曰-o1 支持在消费级显卡上进行 部署，采用思维链技术，能够提供细致解题过程，以强逻辑和推理能力，实现更高的解 题准确性，并提供中文逻辑推理。基于有道多年来在教育领域的数据资源积累，子曰-o1 使用了大量的教育领域学生试卷习题为训练样本，从而提升在教育场景应用的准确性。 当前，子曰-o1 已在“有道小 P”中落地应用，支持其实现“先提供解析思路、再提供 答案”的答疑过程，引导学生用户主动思考、调用知识储备自主解决问题。

此外，有道、好未来成为首批接入 DeepSeek 的教育公司，有望全面提升个性化学习体验， 加速 AI+教育产品商业化落地。2 月 6 日有道宣布全面接入 DeepSeek 的推理能力，有道小 P、Hi Echo、有道智云、QAnything 等产品将陆续升级，并将推出融合推理大模型能力的 智能硬件新品。2 月 8 日学而思宣布旗下学习机、学练机等智能教育硬件产品将接入 DeepSeek，通过植入“深度思考模式”，全面升级用户的 AI 学习体验，重新定义智能辅导 场景，新功能预计将在 2 月内陆续于相关机型上线。我们认为有道、好未来自研大模型的 丰富垂直数据储备结合 DeepSeek-R1 的通用推理能力有望进一步加速 AI 教育产品商业化 落地。

AI+招聘：提升招聘效率，提升用户体验

线上招聘平台招聘数据丰富，为大模型开发创造良好基础。BOSS 直聘作为行业头部公司 开源南北阁大模型，赋能产业发展。 Nanbeige-16B（南北阁-16B）是南北阁大模型实验 室研发的 160 亿参数规模的大语言模型，采用了 2.5T Tokens 进行预训练，数据包含大量 互联网高质量语料、各类书籍、代码等领域脱敏文本，在各个权威测评数据集上都取得了 不错的效果。

南北阁算法经过备案，投入使用。南北阁文本生成和智能对话算法已经通过网信办备案， 在实际招聘流程中得到充分使用。文本生生成模型，可以帮助求着这和招聘者自动化生成 职位信息，提升招聘效率。对话算法能够提供快速的反馈模式，当招聘者不在线的时候， 依然可以通过个性化沟通了解求职者的情况，提升求职者的体验，减少求职过程中不被回 复的情况。

行业中其他公司也积极布局 AI 相关应用。猎聘发布的《AI 面试应用现状与趋势分析报告》 显示，在过去的一年里，企业在猎聘·Doris 上创建 AI 面试的次数同比增长达 448.2%。AI 面试，正在渗透到更多的行业。智联招聘推出 AI 易面 3.0，该产品可以做到数千位候选人 同时进行面试作答时，系统依旧流畅运行，服务企业在春招/秋招中短时间内高效实现对成 百上千位候选人的精准初筛。

AI+广告：赋能互联网营销平台提质增收

AI+广告融合在海外加速兑现。美国移动营销平台 Applovin 自 23 年开始升级 AI 广告引擎 AXON 2.0 以来，实现了更高的自动化程度、更高的准确性、更好的广告投资回报率（ROAS）、 更敏捷的营销活动以及全球范围的投放，有效地推动了用户群体的增长和货币化变现效率 的提升，驱动收入同比增速由 23Q3 的 21.2%提升至 24Q3 的 38.6%，实现加速增长。类 似地，汇量科技旗下 AI 驱动的程序化广告平台 Mintegral 充分利用机器学习的强大算法， 通过对用户行为的深度学习和行为模型预测，实现了广告推荐的个性化和智能化，有效提 升了广告投放的效果。Mintegral 于 2023 年 5 月上线 Target ROAS 智能出价功能，将买量 模式升级为基于广告主 ROI的智能出价模式，并于 2024 年 7 月推出针对事件(Engagement) 进行投放优化的 Target CPE (Cost per Engagement)功能，用于帮助广告主有效控制事件 成本以及优化广告效果。随着智能出价能力显著提升，ROAS 的智能出价模式成为开发者 在 Mintegral的主流选择，推动 23Q4-24Q3 Mintegral收入同比分别+19.5/25.4/32.4/57.6%， 环比+0.7/10.3/12.9/25.7%，并推动公司从游戏品类向非游戏品类（电商、社交等）快速扩 张。

有道通过“垂直人群+技术赋能+周期适配”三位一体策略实现精准高效投放，成为 AI 商业 化浪潮中的关键服务商。网易有道在线营销业务在 AI 赋能下连续 8 个季度（截至 24Q3） 实现 40%+的同比增长，其中 RTA 广告业务收入屡创新高，主要得益于： 1） 精准的用户定位，聚焦垂直人群：基于多年教育服务和资源的积淀，网易有道积累了 13 亿用户，特别是 18 至 35 岁的年轻群体，包括超 4000 万大学生、6000 万职场人士。 为有效利用数据，进行深入的人群画像分析，实现高效匹配，公司推出数据管理平台 （DMP）网易探数，不断收集和整合了来自不同流量的超过 5000 种个性化标签，通过 对用户群体的深入理解和兴趣的精准分析，公司能够将用户需求与客户产品特点相结合， 实现高效的匹配和串联，从而显著提高转化效率。 2） AI+RTA 技术融合，优化投放技术：有道融合了 AI 广告算法模型和 RTA 技术，能够准 确的判断用户输入的信息，清楚了解用户在什么场景下最有可能形成转化，从而帮助广 告主用最合理的素材、触达时间点等策略转化用户。 3） 应用产品投放经验丰富：有道自身推出过一众教育类工具和 AI 应用，通过将多年积累 的对应用产品的生命周期、获客方式、营销目标等的深刻理解融入到广告投放模型中， 有道能够结合技术优势快速捕捉市场机会，推动广告业务快速增长。

bilibili 推出星辰 AI 提升广告效率。2025 年 1 月 2 日正式推出了其商业化 AIGC 平台—— “星辰 AI”，标志着 B 站在人工智能领域迈出了至关重要的一步，也为其广告业务和内容生 态注入了全新活力。主要由两方面功能：一是通过智能生成广告素材，为品牌和广告主提 供高效的创意工具，助力平台的商业化探索。二是与 B 站的内容生态深度融合，实现从广 告主到内容创作者、再到用户的价值链闭环。

AI+电商：淘天多年数据沉淀打造增长基础

AI+电商是从技术到价值的模块化落地与赋能。随着 AI 相关技术发展，我们认为其有望赋 能货架电商、社交电商、兴趣电商、即时零售和私域电商等多种电商类型，并在设计、选 品、供应链、营销、客服和数字人等领域落地应用，最终对流量逻辑、用户体验、行业效 率、企业成本等电商行业价值产生正向影响，在中长期为行业实现降本增效作用。

达摩盘是阿里妈妈基于商业化场景打造的数据管理合作平台，拥有消费行为、兴趣偏好、 地理位置等众多数据标签。品牌通过达摩盘可以实现各类人群的洞察与分析，潜力客户的 挖掘；通过标签市场快速圈定目标人群，建立个性化的用户细分和精准营销；或通过第三 方服务应用市场，解决个性化的营销需求，实现“千人千面”的营销效果。达摩盘标签维 度包含：用户特征、品类特征、渠道特征和私域特征等，并在 618、双 11 等大促节点推出 场景特定标签。

LMA 大模型技术旨在提升人货匹配效率。据阿里妈妈数字营销，2024 年 3 月，阿里妈妈 正式发布 LMA 大模型技术：该技术的最大突破在于基于多模态大模型的能力，实现了机器 对消费者消费需求的精准把握，从而提升人货匹配效率。LMA 是在阿里自研的大语言模型 基础上，针对电商场景实现超大规模多模态表征的预训练，能够对商品的文本、图像、视 频等多种模态有深入的融合理解，再结合海量消费者行为数据进行模型微调，使得模型能 够更了解用户。

达摩盘 AI 圈人结合了 LMA 技术与达摩盘数据标签。传统营销中，商家往往需要经历冗长 的数据分析、繁杂的人群定位，和较长的试错过程，通过达摩盘全新推出的“AI 圈人”功 能，商户只需通过日常对话般的沟通，达摩盘便能通过 AI 技术，智能匹配并定位到最匹配 的潜在客户群体。为了降低中小商家的使用成本，达摩盘基于 LMA 模型和丰富的消费人群 识别能力，通过简单对话和提问形式，由 AI 智能解读商家圈人需求，生成丰富的人群，助 力全量商家提升精准人群定向能力。使用过程由三步构成：1）输入人群诉求。右侧对话框 中输入圈人指令，AI 会基于输入的指令智能识别圈人诉求，并反馈需求理解；2）生成人群 并提供人群解读。选择营销目标后点击“帮我生成人群”，系统会进行人群圈选，人群生成 后会提供人群规模、人群营销效率及人群画像洞察。3）保存人群。确认圈选结果，并保存 人群，人群将保存在“我的人群”列表中，关联计划后即可投放；据阿里妈妈数字营销公 众号，达摩盘 AI 圈人功能在 2024 年双十一期间 AI 人群投放效率对比其它类型投放增加了 19.8%的点击率和 28.1%的转化率。 在 To C 端应用上，AI 购物助手为初步落地方向。自 2023 年下半年以来，AI 导购功能已成 为国内各大电商争相布局于 AI 电商的重要领域。2023 年 9 月，淘宝 APP 推出“淘宝问问”， 通过结合用户的输入和深度合成算法，为用户提供更贴合其消费习惯的商品推荐和内容。 2023 年 11 月，京东 APP 上线“京言”AI 助手测试版。电商平台正试图通过结合自身积累 的 AI 能力与丰富 SKU 供给，为消费者提供更为多样化的购物体验。 淘宝问问与京东京言初步实测对比发现，淘宝 AI 导购改造相对激进。经过我们实测，淘宝 问问和京东京言已均可通过搜索栏搜索相关关键词进入功能界面。在某个具体的穿着搭配 建议（提问：穿老爹鞋配什么裤子好看？）的回答上，“淘宝问问”给出了不同性别不同风 格的搭配，简单阐述了其优点，还附上了模特穿搭图和具体链接，并可根据选择个人身形 和肤色进一步选择具体定制穿搭方案。而“京东京言”主要推荐了老爹鞋，并未给出裤子 搭配建议。淘宝在具体穿着搭配上的 AI 功能相对智能和多样化。

而在对于泛化的办公产品建议的回答上（提问：过完年要上班了，能给我推荐一些适合办 公的数码产品吗？），“淘宝问问”分别推荐了电脑、打印机、路由器等带有具体型号的产 品，并带有各自产品特色介绍，而“京东京言”按照价格带给出了部分产品推荐，并询问 具体需要哪些类型的办公产品。总体而言“淘宝问问”更注重于详细丰富的单品描述，“京 东京言”更专注于不同价位的推荐。

在具体结合上，相比于 C 端，AI 技术在电商 B 端的应用已有较为明晰的落地路径。我们认 为，针对国内电商业务而言，尽管大范围和普适性的 To C 端 AI 应用落地或仍需时日，但 其在 To B 端的应用已有较为明晰的落地，如帮助商户进行商品信息物料准备进而降低经营 成本和优化广告营销的推荐效率等，AI 大模型能力的逐步演进或可以为各大电商平台在中 长期增长提供进一步助力。我们认为 AI 技术在 B 端的应用有望一定程度上拉平中小商家与 头部商家的营销能力差距，从而激发中小商家投流投广兴趣，使其将更多预算投入该电商 渠道，并在中长期逐步带动平台货币化释放节奏。

编辑：火腿肠