2025年AI应用行业深度报告：驱动因素、市场现状、商业化进程及相关公司深度梳理

一、行业概述

1、AI 应用的概念

AI 应用是指将人工智能技术（包括机器学习、深度学习、自然语言处理、计算机视觉等）应用于实际场 景，以解决实际问题、提高效率、创造价值的过程。它通过模拟人类智能行为，使机器能够像人类一样 感知、理解、推理、决策和学习，从而实现自动化或智能化的任务处理。

2、AI 应用全景图谱介绍

我国 AI 应用产业发展目前已形成两类主要业态，其一主要面向 C 端用户，提供的产品以模态划分为文 本生成、图片生成、音频生成、视频生成等多样内容形态；其二是主要面向 B 端企业客户，提供特定领 域的专业服务。

二、中国 AI 应用发展空间广阔

1、场景数据丰富、算力成本降低驱动中国AI 应用快速突围

2023 年，ChatGPT 的爆发性增长标志着生成式 AI 进入全球技术竞争与产业演进的关键窗口期。中国此 前十余年移动互联网的深度普及和平台生态的高度成熟，不仅为 AI 应用提供了广泛的用户基础和多样 化的落地场景，也为模型的快速迭代与产品化提供了理想的―实验场‖。尽管当前大多数 AI 产品仍处于工 具化、模块化阶段，但伴随基础模型能力提升与生态系统进一步完善，AI 产品有望实现从 Demo 工具 向智能体系统的跃迁。可以预见，未来将有大量中国企业依托本地场景与产业资源，在教育、医疗、办 公、工业等多个领域孵化出具备实用价值和商业潜力的 AI 产品，中国 AI 应用的发展路径虽需循序渐进， 但长期潜力巨大、市场空间广阔。

（1）互联网用户基数庞大，场景数据优势明显

中国拥有庞大人口基数，网民规模大，具备海量场景数据。截至 2024 年 12 月，我国网民规模已达到 11.08 亿人，较 2023 年同期净增 1608 万人，互联网普及率提升至 78.6%，同比提高 1.1 个百分点。其 中，手机网民规模达 11.05 亿人，较上年增长 1403 万人，占网民总数的 99.7%，表明移动终端已成为最 主要的上网方式。从城乡分布来看，农村网民数量达 3.13 亿，占整体网民的 28.2%；城镇网民为 7.95 亿，占比 71.8%，反映出互联网已实现广泛的城乡覆盖，为各类数字应用、尤其是人工智能技术的普及 提供了坚实的人口基础与使用场景。流量与使用频度移动互联网流量持续激增：最新数据显示，截至 2024 年 11 月，全国移动互联网累计接入流量达到 3,066 亿 GB。数字素养与应用环境成熟：网络支付 用户规模达 10.29 亿人，网络购物用户规模达 9.74 亿人，网上零售额、移动支付普及率稳居全球第一， 充分反映了中国用户对线上工具接受度与市场化商业环境已高度成熟。

（2）智能算力部署加速，成本持续降低

智能算力部署加速，算力成本持续降低，有望推动 AI 应用的大规模商业化普及。截至 2024 年 6 月， 中国累计算力资源已达 246EFLOP/s（包括公有与商用数据中心），预计到 2025 年将突破 300 EFLOP/s。这一增长得益于―东数西算‖工程推动下，智算中心实现多点部署。截至 2024 年中，全 国已规划或建成约 250 座 AI 数据中心。根据《2023–2024 年中国人工智能算力发展评估报告》，随着 智能算力设施（包括生成式 AI 服务器组群）普及，预测部署成本明显下降，企业可快速接入、缩短上 线时长。在硬件层面，IDC 和浪潮信息数据显示：2023 年训练型算力占比达 58.7%，但随着推理效率 优化，2024 年算力使用重心逐步向推理迁移，训练+推理单位算力成本显著降低。中国信息通信研究院 的绿色算力研究报告指出液冷服务器、边缘储能系统在新建智算中心已成为标准，提升能源效率的同时 进一步拉低综合算力成本。当算力成本大幅下降后，将加速 AI 大模型的大规模商业化应用普及。

（3）以史为鉴，中国 AI 应用落地有望再现移动互联网十年峥嵘岁月

移动互联网十年积淀，2025 年有望成为中国 AI 应用落地元年。移动互联网经过十年的快速普及，构 建了庞大的用户基础。海量数据和多样化的应用场景为人工智能模型提供了丰富的训练素材。同时，成 熟的商业生态体系为 AI 应用的逐步规模化落地提供了坚实保障。 2013 年智能手机普及，打通用户终端入口。2013 年是中国移动互联网发展的起点，当年全国智能手机 出货量达到 3.51 亿部，其中第四季度单季出货量突破 1 亿部。智能手机渗透率超过 88%，中国一跃成 为全球最大的智能手机市场，为后续用户接入和在线行为打下硬件基础。 手机网民规模持续扩大，终端覆盖能力增强。手机上网用户从 2013 年的 7.87 亿人增加至 2024 年底的 11.05 亿人，占网民整体的 99.7%。移动互联网终端几乎覆盖全部活跃用户，中国形成了全球最大规模 的―移动互联人口池‖，具备 AI 应用大规模部署所需的基础用户盘。 2015–2020 年平台生态成熟，商业闭环成型。在硬件和用户基础之上，平台型产品迅速成长。到 2020 年，移动支付用户数突破 8 亿人，短视频平台月活跃用户超过 7 亿人，微信、支付宝、抖音、淘 宝等形成了完整的用户交互与商业闭环系统。这一阶段的商业基础设施，为 AI 产品未来嵌入式落地提 供了理想的―容器‖。 2023 年 ChatGPT 爆发，引领 AI 应用黄金窗口。2022 年 11 月，OpenAI 推出 ChatGPT，成为生成 式 AI 的里程碑式应用。其上线仅两个月用户即突破 1 亿，被视为科技史上增长最快的消费级产品。 ChatGPT 的成功不仅是技术突破，更是中国过去十年移动互联网生态支撑下，AI 应用全面走向产品化 和服务化的重要契机。 从 AI Demo 到智能体，中国有望率先跑通产品路径。当前多数 AI 产品多处于―演示版（Demo）‖或 ―插件工具‖阶段，例如企业部署的智能客服、内容生成器、代码辅助工具等应用，主要集中在单点功能 的增强上。真正实现具备感知、理解与反馈能力的―智能体（Agent）‖仍需时间与生态积累。

2、对比美国 AI 发展：从算力突破到智能体融合，初期推广速度快

美国 AI 发展经历了四阶段：2012 年 GPU 驱动深度学习起步，构建算力基础；2016-2019 年云平台扩 展，实现算力普及；2022 年 ChatGPT 引爆用户增长，推动 AI 大众化；2024 年起 AI 工具深度融合办 公与研发，开启行业级应用新阶段，形成从技术积累到商业落地的完整闭环。

（1）2012–2015：GPU 深度学习破局期

2012 年，AlexNet 利用两块 NVIDIA GTX 580 GPU（各 3 GB）在 ImageNet 比赛中实现 15.3%top-5 错误率，比第二名领先 approximately11 点。AlexNet 是一种深度卷积神经网络（CNN），AlexNet 是 第一个在 ImageNet 数据集上取得最佳结果的深度学习模型，它的出现标志着深度学习在图像分类领域 的重大突破。首次证明 GPU 在深度学习上的加速能力，使得―算力+大数据‖成为 AI 效能提升的核心支 撑。

（2）2016–2019：云算力大规模部署期

自 2016 年起，AWS、Azure 和 Google Cloud 均推出并持续扩充 GPU/TPU 云端实例，推动算力资源商 品化与租赁价格显著下降。2019 年 7 月，微软与 OpenAI 正式签署―独家算力合作伙伴‖协议，将为 OpenAI 提供专属 Azure 超级算力资源，并成为其―优先云提供商‖，用以训练并运行 GPT-3 等大型模型， 这一合作被视为 AI 从研究实验向企业级部署的关键分水岭。

（3）2020–2021：大模型训练基础构建期

截至 2020 年，微软深度整合 OpenAI 资源，打造包含 1 万块 GPU 的 Azure 超级计算集群，用于 GPT-3 及其他大型模型的训练，为生成式 AI 模型释放提供坚实底层基础。

（4）2022–2023：生成式 AI 爆发期

2022 年 11 月，ChatGPT 上线，不到两个月用户数突破 1 亿月活，成为历史上增长最快的消费级软件之 一。到 2023 年 6 月，月访问量约 15 亿次，位列全球前 20 大网站，在整体 AI 技术受众和应用认知上 造成巨大冲击。

（5）2024–2025：企业级智能体融合期

2024 年 1 月，AWS 推出 Trainium2 UltraCluster，单机峰值算力达 83PFLOPS（FP8），价效比较传 统 GPU 高约 30–40%。 2024 年 6 月，Microsoft 的 GitHub Copilot 和 Microsoft 365 Copilot 服务被 7.7 万+家企业采用，服务 覆盖约 1.5 亿开发者，平均采纳率约 30%，显著提升线上生产效率。 中美 AI 发展差异总结：整体来看，美国实现算力普及和云平台拓展，AI 应用的功能能够通过云平台进 行规模化推广，初期发展速度较快；中国移动互联网普及度高，具备庞大的用户基础，海量数据和多样 化的应用场景为人工智能模型提供了丰富的训练素材。同时，智能算力部署加速，成本降低，相对成熟 的商业生态体系为 AI 应用的逐步规模化落地提供了坚实保障，中国 AI 大模型的商业化应用有望以 2025 年为元年，开始大规模普及。

三、AI 应用驱动因素

1、模型层：能力迅速提升，开源推动成本降低

（1）AI 技术快速发展，推动模型能力持续提升

近年来全球 AI 持续发展，大模型在知识问答、数学、编程等能力上达到新高度，多种任务上表现超过 人类水平，在各领域的可用性及准确度快速提升。从模型技术来看：1）当前模型主流架构逐步转向 MoE，通过将输入 Token 分配给不同的专家模型，让模型在处理复杂任务时展现出更强的能力，同时 也能有效降低训练、推理所需的资源，DeepSeek-V3、Qwen3、Llama4 等模型均采用 MoE 架构取得了 低成本的高性能表现；2）模型的多模态能力显著增强，通过跨模态对齐、异构数据融合等技术，模型 能够处理图像、视频、音频等多种类型的数据，从而丰富了模型的应用场景，GPT-4o、Gemini2.5 Pro 等领先模型均采用多模态技术；3）模型开始采用思维链技术，将复杂问题逐步分解为多个简单步骤， 并按照步骤推导最终答案，通过分步推理的方法，模型的回答不仅更加精确可靠，其思考过程也变得清 晰可懂。2024 年 9 月，OpenAI 发布 o1 模型，首次将思维链技术运用在底层模型当中，大幅提高了模 型在测试中的表现，后续 DeepSeek-R1 等模型均采用思维链技术，全球模型进入推理时代。除上述方面 外，模型量化、超长上下文窗口、多种 RAG 变体、偏好微调等技术的发展亦共同推动了模型可用性的 进步，为 AI 在垂直领域的应用奠定了基础。

（2）模型训练竞赛趋缓，Scaling Law 向推理侧迁移

据斯坦福大学数据，受训练规模不断增加、AI 技术复杂性提升以及开发新模型方法面临更大挑战等因 素影响，各地区 2024 年发布的模型总数同比均有所下降。美国为 2024 年发布知名模型最多的地区， 数量达 40 个，较 2023 年的 61 个同比下降 34.43%。分机构看，2024 年贡献知名模型最多的机构分别 是 OpenAI（7 个）、谷歌（7 个）和阿里巴巴（4 个）。受 MoE 等新技术推动，2024 年模型的参数数 量保持快速上升趋势，规模扩大仍是模型性能提升的重要方式。 Scaling Law 目前正在从预训练扩展到后训练和推理阶段，基于强化学习、思维链等技术在后训练和 推理阶段投入更多的算力，可以大幅提升大模型的思考能力。同时，随着强化学习时间和推理思考时间 的增长，模型性能也将得到显著提升。据前 OpenAI 应用研究负责人 Lilian Weng 数据，s1 实验中，通 过强制延长思维链推理路径长度，以 Token 衡量的平均思维时间与下游评估准确率之间展现出明显的正 相关关系。据上海交通大学研究表明，通过延长 AI 的推理时间，仅需 500 个样本训练，就能让模型在 医疗诊断准确率上提升 6%-11%，达到专业医生的诊断水准。随着模型推理能力快速提升，当前 AI 在各 领域可用性、准确度不断提高，商业化前景被逐步打开。

（3）模型推理成本显著下滑，利好应用端成本下降

随着大模型行业发展逐步成熟，厂商之间开始出现明显的价格竞争与市场份额抢占。据 OpenAI 和谷歌 官网数据，2024 年双方主力模型 API 调用价格均出现大幅下降，其中 GPT-4o 输入 API 调用价格为 2.5 美元/百万 Tokens（下降 50%），输出 API 调用价格为 10 美元/百万 Tokens（下降 33%）；谷歌 Gemini 1.5 Pro 输入 API 调用价格为 2.5 美元/百万 Tokens（下降 64%，超过 128k），Gemini 1.5 Pro 输出 API 调用价格为 10 美元/百万 Tokens（下降 52%，超过 128k）。国内方面，千问、Kimi、腾讯等 主力模型价格均有不同程度下降，据千问官网数据，Qwen-Max 输入 API 调用价格在 2025 年下降至 2.5 元/百万 Tokens（下降 88%），输出 API 调用价格下降至 9.6 元/百万 Tokens（下降 84%）大模型 API 调用价格下降利好 AI 应用厂商成本下降，进而传导至终端 AI 应用消费者费用的下降。 据斯坦福大学数据，在保持 AI 性能不变的前提下，近年来大模型的推理成本有了显著下降。例如，在 流行的 MMLU 基准测试中，达到 GPT3.5 水平（得分 64.8）的 AI 模型推理成本，从 2022 年 11 月的每 百万 Tokens20 美元，大幅下降至 2024 年 10 月的仅 0.07 美元（对应 Gemini1.5-Flash-8B），这意味 着在大约 1.5 年的时间里，推理成本下降了超过 280 倍。在更具挑战性的基准 GPQA 上，对于性能评分 超过 50%的模型，其推理成本从 2024 年 5 月的每百万 Tokens15 美元，下降到了 2024 年 12 月的 0.12 美元（对应 Phi-4）。据 EpochAI 的估算，根据推理任务的不同，大模型的推理成本每年都在以 9 到 900 倍的速度下降。

（4）开源与闭源模型差距缩小，推动 AI 应用落地

得益于 Meta 发布的 Llama3.1 以及 DeepSeekV3、R1 等高性能开源模型的推出，开源与闭源之间 模型差异快速缩小。据斯坦福大学数据，2023 年闭源与开源大模型之间存在明显的性能差距，在 Chatbot Arena 排行榜中，2024 年 1 月初领先的闭源模型比顶级开源模型高出 8.0%，而 2025 年 2 月 差距缩小至 1.7%，类似的趋势也出现在其他问答类基准测试中。2023 年闭源模型几乎在所有主要基准 测试上优于开源模型，但到 2024 年这种差距显著缩小，例如，2023 年底闭源模型在 MMLU 基准上领 先开源模型 15.9 个百分点，而到 2024 年底这一差异缩小至仅 0.1 个百分点。 开源模型允许开发者直接访问、修改和优化模型代码，降低了 AI 技术的使用门槛，用户可根据自身需 求进行定制化开发，使模型更容易适配金融、医疗等垂直行业需求，加速大模型应用的普及。同时，用 户无需支付闭源模型调用费用，使用大模型的成本显著降低，刺激 AI 应用在付费意愿较低的用户中渗 透。随着开源模型与闭源模型之间的差距逐步缩小，下游企业可直接在企业中接入相关模型，并获得与 顶尖闭源模型等同的应用表现，极大推动 AI 在各个垂类领域的应用。例如，通过微调 Llama 模型， AT&T 在客户服务搜索响应上取得了近 33%的提升；埃森哲基于 Llama3.1 构建了用于 ESG 报告的定制 大模型；北京中医药大学深圳医院部署 DeepSeek 赋能医院运营管理等。

2、智能体：技术逐步完善，新产品密集发布

Agent 的落地将给 AI 应用带来颠覆性变化，打开 AI 在垂直行业渗透的入口。随着自然语言处理、机器 学习和生成式 AI 的进步，AI Agent 的多功能性和部署量将急剧增长。

（1）模型 Agent 能力快速提升，测试分数不断刷新

GAIA 是由 Meta 于 2024 年 5 月推出的一个面向通用 AI 助手的基准测试，包含 466 道问题，旨在评估 AI 系统执行广泛任务的能力，包括推理、多模态处理、网页浏览和工具使用等。与那些简单、类似考试 风格的问题不同，GAIA 使用复杂、多步骤的问题来挑战 AI 模型，这些问题可能需要搜索开放网络、解读多模态输入，并在复杂情境中进行推理。GAIA 可以根据解决问题所需的步骤数量和所需的不同工具 数量分为三个难度级别：1）Level1：问题通常不需要工具，或最多使用一个工具，不超过 5 步；2） Level2：问题通常涉及更多步骤，大约在 5 到 10 步之间，且需要结合不同的工具；3）Level3：问题是 为接近完美的通用助手设计的，需要执行任意长度的操作序列，使用任意数量的工具，并访问一般世界。 当研究人员发布 GAIA 时，他们发现现有的大语言模型（LLM）在表现上远远落后于人类。例如，使用 插件的 GPT-4 仅能正确回答 15%的问题，而人类受访者的正确率则高达 92%。当前模型在 GAIA 上的 表现迅速提升，在 2024 年，表现最佳的系统得分达到了 65.1%，相比 2023 年记录到的最高分提高了 大约 30 个百分点。2025 年 5 月，昆仑万维的天工智能体登顶 GAIA，刷新 SOTA 得分，平均得分来到 78.0%。

（2）MCP 扩展 AI 能力边界，推动 Agent 加速落地

MCP 为链接模型与工具标准协议，有效提升 AI 应用开发效率。2024 年 11 月，Anthropic 发布了 MCP 协议；2025 年 4 月，谷歌在 MCP 基础上发布了 A2A 协议。MCP 为统一大模型与外部数据源和工 具之间的通信协议，提供了标准化的方法使得大模型能够标准化地调用外部数据源、工具，类似硬件中 的―USB-C‖接口。MCP 提升了 Agent 接入生态伙伴的效率，A2A 解决了异构框架、不同模型的 Agent 互联互通问题，开发者不需要为每个工具或数据源单独编写代码，AI 应用开发的效率和功能扩展性得到 提升，Agent 生态建设有望进一步加速。 科技大厂积极拥抱 MCP，AI Agent 发展有望提速。2025 年 4 月，阿里云宣布百炼平台上线业界首个 全生命周期 MCP 服务，上线了高德等 50 多款阿里巴巴和三方 MCP 服务，满足不同场景的 Agent 应用 开发需求。2025 年 4 月，腾讯云大模型知识引擎升级支持 MCP 协议，支持腾讯云 EdgeOnePages、腾 讯位置服务、Airbnb 等多款 MCP Server。百度优化了文心基础大模型，提升了模型在使用 MCP Server 时的任务规划和调度能力；百度智能云千帆大模型平台已经全面兼容 MCP。

（3）谷歌发布 A2A 协议，打通 AI 落地复杂应用场景

A2A 与 MCP 互补，加速 Agent 生态完善。2025 年 4 月，Google 正式发布 Agent2Agent Protocol （简称 A2A），为用于链接不同封闭 Agent，并实现其相互操作的开放协议，该协议为不同类型的智能 体之间搭建了高效沟通与协作的桥梁，无论是独立 Agent 与独立 Agent、独立 Agent 与企业 Agent，亦 或是企业 Agent 与企业 Agent，都能借助该协议实现通信交互和事务协作。A2A 协议与 MCP 互补， A2A 负责解决 Agent 间的通信问题，MCP 解决 Agent 与工具间的通信问题，有望提升 Agent 在下游领 域的应用效果，推动 Agent 生态系统的完善与发展。 A2A 获得多个科技巨头支持，推动 AI 应用向复杂工作流落地。随着 Agent 应用的逐步落地，单一 Agent 难以独立完成多领域任务（如同时处理数据分析、文档生成等），需依赖团队协作，而不同厂商 的 Agent 因技术栈差异无法直接协作，形成信息孤岛，从而阻碍 Agent 应用落地。A2A 协议可通过任务 自动分配与结果同步，减少人工干预，同时整合不同领域 Agent 的优势，完成跨系统复杂任务。A2A 协 议构建在 HTTP、Server-Sent Events(SSE)、JSON-RPC 等常用标准上，企业无需大规模改造自身 IT 技术栈，就能平滑接入多代理环境。在用户发起任务后，客户端智能体通过 Agent Card 定位目标智能 体，通过代理间相互发送消息，包括上下文信息、用户指令、执行结果等形成协同网络，依次或并行地 处理不同环节。A2A 协议当前已得到了 50 多家谷歌技术合作伙伴的支持和贡献，包括 Atlassian、 Salesforce、SAP、ServiceNow 等，为依赖多源数据和需要嵌入复杂工作流的 AI 应用提供了走向大规模 落地的生态支撑。

（4）海内外智能体快速发展，测评成绩不断刷新

全球通用领域 Agent 快速发展，应用效果快速提高。海外方面，2025 年 1 月，OpenAI 上线了其首个 AI Agent Operator，能够与电脑交互，完成浏览网页、填写表格、预定餐厅等相关任务。2 月， OpenAI 发布 Deep Research，由 o3 模型提供支持，能够帮助用户进行信息查询与分析，输出综合报告。 5 月，Anthropic 发布 Claude4，可自主编程数小时并在推理过程中使用工具。同时发布编程 Agent Claude Code，通过 GitHub Actions 支持后台任务，与 VS Code 和 JetBrains 进行了原生集成，可直接 在文件中显示编辑内容，实现无缝结对编程。国内方面，3 月，Monica 正式对外发布通用型 AI Agent 产品 Manus，提供多种处理现实世界任务的案例，包括旅行规划、股票分析等，测评成绩超越 Deep Research。4 月，MainFunc 发布 Genspark，采用整合多 AI 模型的混合代理（MoA）系统，包含 80 多个工具集和 10 多个高级数据集，可协调多个 AI 工具高效执行各项任务。字节跳动发布扣子空间，除 通用 Agent 外还提供华泰 A 股助手等专家 Agent，支持飞书多维表格、高德地图等 MCP。5 月，昆仑万 维发布天工智能体，采用 Deep Research 技术，能够生成文档、PPT、播客和音视频多模态内容，提供 5 个专家级 Agents 和 1 个通用 Agent，接入数十个 MCP，刷新 GAIA 测评新高。

3、C 端：入口重塑与协同渗透的双轮驱动

（1）AI 应用有望重塑 C 端流量入口，互联网巨头具备先发优势

AI 应用有望重塑流量入口，各个厂商积极卡位。回顾互联网发展历史，超级应用大都由用户基数庞大 的基础需求出发，成为庞大的用户流量入口，再逐步覆盖更多的需求层级，聚合和链接背后庞大的应用 生态，掌握用户流量的分配权。进入 AI 时代后，随着大模型 C 端应用围绕个性化、强交互等方向实现 价值增量，相关应用的流量迅速提高，有望推动新的入口级应用出现。当前各类厂商纷纷布局和卡位 AI 应用，结合自身资源和技术迭代趋势布局最具价值的领域，主要分为以下策略：1）投入聊天机器人， 布局通用人工智能；2）切入生产力场景，以内容创作、垂直专业、工作效率类 AI 应用抢抓用户流量； 3）布局垂类领域 AI+解决方案，掌握垂直行业 C 端流量入口。 传统互联网巨头在 AI 领域具备先发优势，可利用专有数据和用户参与度将 AI 功能集成到现有的应用 当中，在 AI 应用渗透领域具备先发优势。互联网生态围绕超级应用（如微信、淘宝、谷歌等）发展， 这些应用在平台上提供全面服务，从而形成了庞大的用户基础和高度的用户参与。通过这些应用，主要 互联网公司可以访问具有行为、社交和商业特征的专有用户数据，对提供定制化的 AI 服务至关重要。 得益于庞大的用户基础和高用户参与度，将 AI 功能整合到现有应用能够促进市场的采用，在相关领域 具备先发优势。25 年 C 端的 AI 应用将迎来一个爆发期。

（2）AI 协同新范式：从编程高地走向全行业渗透

编程成为人机协同的主要领域。在 TOC 领域，当前 AI 正逐步融入用户工作当中，据 Anthropic 数据， 在与 Claude 的对话中软件工程相关任务占据了数据集中最大的比例，达 37.2%的对话涉及代码调试、 网络故障排查等内容，第二大类任务是写作与编辑，占比为 10.3%，这两类职业在美国经济中分别仅占 3.4%和 1.4%，但成为 AI 的高频使用场景。科学和教育领域的职业也显示出占比例更高的 AI 使用率。 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。

4、B 端：开源模型提升企业投入意愿，刺激国内上云需求

开发工具和生态的繁荣大幅降低行业应用门槛，加速产业智能化落地进程。多种开发平台汇聚了多样化 开发框架、工具组件、算法资源、数据集等，开发者可快速调用、微调模型，从而验证想法并构建 AI 应用。开源模型具备可控性强、可定制性强以及社区支持丰富等优势，推动更多企业采用 AI 作为技术 解决方案。据阿里云数据，开源模型的采纳比例持续提升，2024 年 12 月企业使用开源模型的比例为 34.7%，到 2025 年 3 月使用开源模型的比例增长至 46.9%。 AI 技术和解决方案已深入到传媒、医疗、机器人、制造等多个行业，通过创新产品和服务、优化生产流 程来推动行业的智能化转型。据 Morgan Stanley 数据，到 2030 年中国企业的生成式 AI 工作负载渗透 率将达到 31%，美国的生成式 AI 工作负载渗透率将在 2029 年达 31%，中国企业 AI 的采用进程将比美 国落后约 12 个月，并在后续达到类似水平。同时，AI 应用将提升企业上云意愿，预计未来将有超 25% 的工作负载被迁移至公有云中。

四、AI 应用市场现状

1、整体：AI 应用市场欣欣向荣，或迎来质变时刻

整体上，AI 应用整体发展呈现 Web、APP 端双增趋势，用户选择多元但未“刚需”。1）从 2024 年 1 月至 2025 年 4 月，Web 端 AI 产品良好发展，全球 TOP20 产品总月访问量由 55 亿次增长至 100 亿次， 增长约 82%。APP 端 MAU 快速提升，2024 年 8 月-2024 年 4 月，TOP 产品总 MAU 由 5.84 亿增长至 13.09 亿，增长约 124%。得益于移动端庞大的用户规模，APP 端 AI 产品竞争更加激烈，增速也更高。 2）AI 产品月人均时长 TOP20 产品平均时长呈现下降趋势，由 2024 年 1 月的 21 分钟下降至 2025 年 2 月的 15 分钟。说明当前 AI 应用从―新鲜感‖向―高频刚需‖转化依然存在困难，产业界依然需要探索 AI 应 用产品是否能够为用户带来持续使用价值。

对比海外，国内 AI 应用发展增速更高，但在总量级方面仍存在较大差距。1）2025 年 4 月国内 TOP20Web 产品总访问量 10.70 亿次，全球 TOP20Web 产品总访问量 100.01 亿次。然而，国内 AI 产 品增速更高，2024 年 1 月仅 0.53 亿次，至 2025 年 4 月增长约 1898%，与之相对的全球产品增速为 82%。2）国内 AI APP 产品 2024 年 8 月至 2025 年 4 月增长约 389.19%，全球产品增长约 123.96%。 从相对增速看，国内 AI APP 产品发展速度远超国外产品。 模型能力加速追赶、注重 C 端、垂类应用场景开拓使得国内 AI 应用增速快于海外。1）随着 DeepSeek-r1 等模型的推出，海内外基础大模型性能差距由 2023 年的 17.5%缩小至 0.3%；2）国内以 C 端场景创新为主，如夸克、豆包等通过 AI 搜索、办公工具等功能快速渗透个人用户。海外企业注重 B 端，如微软、谷歌通过企业订阅和云服务巩固市场地位， 3）中国市场呈现出―高流量、低付费‖的特点， 这一现象促使中国企业探索多元化变现路径，如垂类场景深度开发。

2、国内：C 端已起势，B 端待破局

（1）C 端 AI 应用发展迅猛

toC 端 AI 应用发展迅猛。行业核心玩家的月活用户量―三大梯队‖也基本形成：亿级用户（DeepSeek、 豆包）、千万级用户（元宝、Kimi）和 800 万级用户（即梦 AI、文小言、纳米 AI 搜索）。 DeepSeek 等开源大模型也促进各行业的 AI 化持续加速，以插件形态（即 In-App AI)布局站内智能应用 成为各家最优选择，截至 25 年 3 月，育儿母婴行业、拍摄美化行业、移动音乐行业、移动社交行业与 人工智能结合最为积极，相关 APP 的―AI 化‖进度分别达到 33.3%、31.7%、18.8%、15.9%。

toC 端 AI 应用领域具备较强优势，主要系以下原因： 消费者驱动技术创新，C 端 AI 应用用户体验感全面领先。我国 C 端 AI 产品延续了传统 C 端应用的创 新驱动模式，暨消费者驱动创新，根据他们在产品体验过程中的感受提出创新问题，形成渐进创新的技 术发展路径。以抖音为例，产品从 C 端治理开始，通过管理好 C 端社区，满足消费者体验需求，获得技 术研发的动力，因此形成了自身在算法方面的核心技术。因此，我国 C 端 AI 应用在用户界面、用户体 验等方面保持全面领先。 C 端 AI 应用“容错率”更高。普通消费者借助 AI 工具，通常看中的是反馈结果的参考性、使用体验和交 互性，而非结果的绝对准确性。但 B 端场景下，让 AI 分析销售业绩、采购成本、员工绩效，―一本正经 胡说八道‖是决不允许的。因此，C 端 AI 应用更易普及。

（2）B 端市场潜力巨大，企业布局正当时

B 端应用需要看到 AI 功能带来的实际改变，B 端 AI 应用仍重在产品打磨。 数字原生（软件信息服务、互联网、游戏等）、创意导向（文化传媒、设计创意、广告、市场营销、教 育）及技术强耦合领域（自动驾驶、具身智能）成为 AI 应用的先行者。软件信息行业使用 AI 的比例较 高，超过 30%的企业将 AI 全面贯穿公司战略和愿景。汽车、科技服务、金融、教育等行业也高度重视 AI 应用，70%以上的企业将 AI 纳入业务策略中。 当前多数企业 AI 应用仍处于了解试验和效率工具使用阶段，但行业进展分化明显：整体来看，35%的 企业处于了解试验、原型设计及评估阶段，28%将 AI 作为效率工具应用，17%实现与核心业务融合，12% 已对外输出 AI 产品与服务；软件信息、科技服务等行业已加速 AI 与业务融合并对外输出能力，而金融 等行业则相对谨慎，多停留在前期阶段。AI 应用推进通常分三阶段：先以智能编码、文本生成等效率工 具切入，再进阶至智能客服、营销等场景适配度高、容错空间大的职能部门及部分业务融合，最终深化 至核心业务领域，对 AI 精确度与业务创新能力提出更高要求。 企业 AI 应用落地有望在六个方面实现突破，包括营销及运营、客户运营、协同办公、研发生产、供应 链及中后台支持等。

（3）互联网大厂布局 AI 应用情况

互联网大厂的竞争正从模型迈向应用。复盘上一轮移动互联网发展浪潮，技术突破引发新商业模式的创 新，是互联网巨头快速崛起的主要路径。DeepSeek 横空出世以来，互联网巨头纷纷重新思考、布局、 调整自己的 AI 战略。当前，AI 竞争正从底层大模型转向场景落地与商业变现，国内互联网大厂引领的 AI 应用发展进入加速期。 腾讯：基于微信和生态优势，打造 Agent 超级入口。C 端产品方面，腾讯以元宝为主要阵地，2025 年 2 月元宝正式接入 DeepSeek，形成―混元+Deepseek‖双引擎架构。2025 年 4 月 16 日，腾讯元宝正式上 线微信聊天框，可以调用公众号等微信生态的内容，解读文档、图片，并支持对解读内容做各种智能互 动。微信天然具备生态内 Agent 闭环落地的能力，未来有望基于聊天框，打通公众号、小程序、微信小 店、支付等接口，实现从信息检索到服务闭环的全链路覆盖。B 端产品方面，腾讯重视办公场景， Agent+知识库，推出位置服务、腾讯云 Edge One Pages、微信读书等 MCP 服务。企业微信已推出智能 对话机器人、智能表格等 AI 应用，有望与腾讯会议、腾讯文档等工具进一步协同。

阿里：C 端推进软硬一体战略，B 端具备用户规模优势。C 端产品方面，阿里以新夸克作为 AI 旗舰应 用，上线 AI 超级框，集成 AI 对话、深度思考、深度搜索、深度研究、深度执行等多个功能。此外，与 苹果合作开发中国版 iPhoneAI 功能，打通软件应用和天猫精灵为代表的硬件终端，构建跨生态、覆盖 软硬件的 Agent 服务闭环；结合现有业务场景，加速电商、物流、金融等多个场景的 AI 转型。B 端产 品方面，阿里的钉钉和阿里云在 B 端客户中根基深厚。钉钉面向企业内部协作场景，已推出智能问答、 超级工单、会议纪要、CRM 数据录入等标准化 Agent 产品。阿里云依托基础设施优势和庞大客户资源， 发布繁花计划与 MARS 创业者计划，服务小 B 客户。繁花计划目标未来三年服务百万级客户、百亿级 市场规模，MARS 创业者计划为初创企业提供百万级 AI 资源与技术支持。

字节：流量优势支持豆包，Agent 应用推进较快。C 端产品方面，字节旗下掌握抖音等社交软件，具备 流量分发优势，通过流量投放力推豆包。此外，围绕内容生态的优势，字节在语音、图像、视频、音乐、 教育、玩具等多个领域全面布局 AI 应用。B 端产品方面，火山引擎发布了 Agent Devops 体系、AI 数据 湖服务，帮助企业做好 Agent 开发和运维；字节上线垂类 DataAgent，能够对企业内部数据进行分析并 生成报告，定制营销策略；通用型 Agent 扣子空间开启内测，支持飞书等 MCP，突出协同办公能力。

五、AI 应用商业化进展

1、海外 AI 应用商业化进展：OpenAI 遥遥领先；垂类应用中 AI 编程/搜 索/多模态率先跑出规模

从 ARR 规模看，头部大模型厂商 OpenAI 遥遥领先；垂类应用中 2B/2P 产品落地较快。可以按 ARR 规 模将商业化相对成熟（1 亿美元以上）的 AI 应用分为两个梯队。 1）第一梯队：10 亿美元以上，主要为通用大模型。目前 OpenAI 的年化收入已达 100 亿美元，较去年 增长近 80%；Anthropic 在 25 年 5 月的年化收入也达 30 亿美元，较 24 年 12 月和 25 年 3 月增幅分别 为 200%和 50%，主要由 C 端 AI 助手订阅和 B 端 API 共同驱动。 2）第二梯队：1-10 亿美元，垂类应用为主。以 AI 编程、搜索和多模态应用为主。

（1）ARR 加速增长，C 端产品更具弹性，AI 视频和搜索快速起量

ARR 超 10 亿美元的 AI 公司：今年以来 ARR 加速增长，C 端产品更具弹性。全球头部应用收入已起 量，头部 C 端应用 ARR 高于 B 端。这些产品大多在 23 年初发布/加入 AI 功能，经过 2-3 年的积累，开 始看到收入规模放量增长；可灵等垂类应用显著起量也是 24 年底以来，在前期大模型、基建等积累的 基础上，ARR 曲线较陡峭，但目前收入规模远不及 OpenAI。 ARR 超 10 亿美元的 AI 公司：OpenAI 年化收入达 100 亿美元，C 端产品 ChatGPT 贡献超 60%收入， 驱动公司整体 ARR 较去年年底增长超 80%，增长弹性高于以 B 端 API 收入为主的 Anthropic。但 Anthropic 也增长较快，目前年化收入 40 亿美元，较去年年底增长 3 倍。

ARR 在 1-10 亿美元的 AI 公司：AI 视频和搜索快速起量。5-10 亿的公司主要是当前落地最快的 AI 编 程应用 Cursor，以及发布时间较早的 AI 办公 Grammarly、Figma 和 AI 图像 Midjourney；1-5 亿的公 司主要是可灵、Perplexity 等垂类 AI 产品。

1）OpenAI：ARR 达百亿美元的通用大模型，2C 产品 ChatGPT 贡献主要收入

ChatGPT 收入占比超 60%，23-25 年预期收入 CAGR 达 236%，贡献 OpenAI 收入主要增量。 1）ARR 变化：25 年同比出现量级增长。25 年 6 月 OpenAI 的年化收入已达 100 亿美元，较去年底增 长 82%，主要由 ChatGPT 付费用户数增长驱动。公司预计全年收入近 130 亿美元，同比+超 240%。 2）收入结构：C 端收入为主且仍保持更高增速。据 The Information，目前 OpenAI 的收入主要包括 ChatGPT 会员订阅和 API 调用两大块，24 年占比为 75%和 25%，25 年占比为 62%和 15%，其余由独立 Agent 产品（目前暂未发布）和其他收入（广告等）贡献。ChatGPT 收入增速也快于 API，24 和 25 年为 329%和 167%，高于 API 的 233%和 100%。

ChatGPT 会员数量和 ARPPU 均呈增长态势，背后驱动是功能更新。付费用户数方面，据 OpenAI， 25 年 4 月 ChatGPT 付费用户达 2000 万，较年初增长 29%。新功能是该指标的核心增长驱动力，例如 24 年 5 月 GPT-4o 发布后，7 月新增 200 万付费用户破单月记录；25 年 2 月 GPT-4o 图像生成新功能 出圈，付费用户同样增长角度。ARPPU 方面，测算 24 年 1 月、25 年 1 月和 25 年 4 月分别为 20、22 和 31 美元/月，随着 Pro 会员和 Deep Research 发布，价有所提升。

OpenAI 商业化展望：Agent 新品+抽佣等新变现方式，预计 29 年收入千亿美元。据 The Information，OpenAI 预计 2029 年收入达 1250 亿美元，2025-2029 年 CAGR 达 76%。除了 ChatGPT 付费会员收入和 API 收入持续增长以外，还将开拓新变现方式。

1）会员订阅模式将迎来 Agent 新品：OpenAI 将陆续发布新的 Agent 产品，性能强、收费高，从面向 ―高收入知识工作者‖的每月 2000 美元到面向博士级研究的每月 20000 美元不等。OpenAI 预计 2029 年 Agent 收入 290 亿美元，占收入比例近 25%。 2）OpenAI 已有 AI 时代流量入口的雏形，有望增加抽佣等新收入模式：例如自今年 1 月起，部分用 户可以通过 AI Agent 产品 Operator，在 Instacart 上订购杂货或在 OpenTable 上预订餐厅，后续有望 面向商家收取渠道抽成。OpenAI 预计 29 年此类新收入将达 240 亿美元，2025-29 年 CAGR 达 86%， 占收入比例近 20%。

2）Anthropic：B 端收入为主，下游 AI 编程工具的调用需求带动 ARR 增长

Anthropic 异于 OpenAI2C 为主的变现模式，B 端收入占比超 70%，7 月 ARR 较去年年底增长 3 倍。25 年 7 月 Anthropic 年化收入达 40 亿美元，今年以来 ARR 以每 2-3 个月增加 10 亿美元的趋势快速增加。 据 Sacra 官网，不同于 ChatGPT 贡献 OpenAI 超 60%收入，Anthropic 中 70%-75%的收入来自 API 调 用，剩下约 20%来自 AI 助手 Claude。API 的主要客户包括 AI 编程工具 Cursor、代码搜索公司 Sourcegraph、软件开发公司 GitLab 和桥水基金等。Anthropic 收入的快速增长，预计主要是因为大模 型 Claude 在 AI 编程场景下表现稳定、准确，大量编程应用和软件开发工具踊跃接入和调用。

3）Figma：UI 设计龙头，AI 赋能原有应用场景的典型案例之一

Figma 是用于界面设计的协作 Web 应用，商业模式主要为会员订阅。Figma 重构了 UI 设计领域的团 队协作方式。产品是网页版的形式，原生支持多端同步、多人同时编辑，便于远程协作，无需像使用本地工具那样重复―导出—上传—反馈‖的流程。目前已开发 9 款产品，覆盖 UI 设计、在线白板、PPT 制作、 代码转换等设计全流程。 24 年 6 月开始推出 AI 功能，AI 商业化与现有的会员体系绑定。Figma Make 是 AI 设计初稿生成工具， 基于文字需求就能生成初始版本的 UI 界面，供用户进一步修改和完善，目前 Fullseat 用户（旗舰会员） 限量每个月使用 50-100 次。MCP Server 是最新发布的 AI 功能，方便用户在 Cursor 等第三方编程工具 中，一键将 Figma 设计稿转成代码。

AI 工具发布后，公司收入、用户数量增速显著提升。收入：24 年 6 月 Figma 首次发布 AI 功能，从季 度收入变化看，23 年以来各季度环比增速均在 10%附近，24 年 Q2、Q3 提升至 13%和 12%，24 年公司 收入 7.49 亿美元，同比增长 48%，也主要由付费用户增长驱动。25 年 3 月公司将旗舰会员 Full Seat 的 价格上涨 20%-33%，随着老用户以新价格续约，收入有望实现量价齐升。 用户数：截至 25 年 3 月整体月活 1300 万，95%的财富 500 强和 78%的福布斯全球企业 2000 强都是 Figma 的客户。从 ARR 超 1 万美元的客户数量看，23 年至今各季度环比增速平均值为 8.2%，24 年 Q2 环比增速提升至 13%峰值，预计 AI 功能是主要驱动力之一。

4）Grammarly：语法检查工具起家，AI 赋能效果显著，带动付费率与 ARPU 提升

以语法检查工具起家，AI 赋能主业明显，驱动 ARR 增至 7 亿美元，2022-24 年收入 CAGR 达 67%。 Grammarly 于 2009 年成立，最初是一个面向学生的语法检查工具，截至 2020 年日活用户 3000 万。 23 年 3 月推出 AI 写作助手，并快速与会员方案绑定，此后产品日活仍维持在 3000-4000 万，但收入 从 2022 年的 9000 万美元快速增长至 2024 年的 2.52 亿美元，收入 CAGR 达 67%；目前公司的 ARR 达 7 亿美元，较 24 年全年收入进一步增幅 178%。 25 年收购 Coda，转型企业级 AI 写作工具。年初宣布收购协同办公平台 Coda，通过整合 Coda 的企业 级知识库和写作能力，Grammarly 试图构建一个企业级 AI 生产力平台，AI 润色和生成的文案与 B 端客 户的业务背景、品牌调性、业务数据等相关联。后续公司有望进一步开拓 B 端用户，再次提升 ARPPU。

5）Cursor：AI 编程龙头，满足降本增效需求，通过订阅制创收幵快速起量

Cursor 契合企业/个人编程降本增效需求，通过会员订阅实现商业化并快速起量。25 年 6 月 Cursor 的 ARR 达 5 亿美元，较年初增长 4 倍，且其达到 5 亿美元 ARR 仅用时 2 年，比 OpenAI、Uber 等其他所 有公司/产品的时间都短。其通过会员订阅实现商业化，收费模式与其他主流 AI 编程产品类似，免费模 式权限较少（新用户免费使用 2 周），如果要应用在实际工作，会员模式才能满足需求，其普通会员订 阅价格与竞品也处于同一个价格带。能够认为，Cursor 的快速起量一方面因为前期大模型、垂类模型持 续迭代使得 AI 编程的能力足以满足用户需求，另一方面海外程序员薪酬成本较高，Cursor 契合帮助企 业降低人力成本、帮助程序员提高效率的需求。

6）AI 多模态：P 端/C 端为主，收入已起量但未达到大规模

多模态产品满足用户便捷生成图文视频内容并快速转换的诉求，主要收入来源是 P 端/C 端，采用会员 订阅/积分制收费模式。由于多模态技术门槛高、降本增效明显，目前多模态应用向免费用户开放的权 限较少。如果想将其用于实际工作，必须要成为付费用户，头部产品的年化收入规模普遍在 1 亿美元以 上，从收入增速看，今年以来收入增速普遍提升，主要是各家的新模型发布，生成效果优化，进一步提 升付费率与用户规模。

多模态应用终端市场规模大。AI 视频和图像生成产品的应用场景包括影视制作、微短剧制作、广告素材 制作、短视频制作、游戏二创等，能够降低内容制作成本、提升内容制作效率，以 AI 生成短剧为例， 较真人短剧降本最高可超过 90%。此外，测算上述赛道的全球市场规模合计超万亿美元，小幅度的 AI 应用渗透率提升，都会带来大量的用户和收入增量。 伴随多模态技术进一步成熟，应用场景、受众均有望扩大，进而推动 ARR 提升。当前多模态产品只是 初步商业化，使用可灵等工具的用户多为较为专业的内容生成者，且不管是从应用场景来看，还是用户 来看，渗透率尚不高，这是长坡厚雪的赛道。

7）AI 搜索：B/C 端用户为搜索结果准确度、可靠性、智能化买单

为什么在以 OpenAI 为代表的大模型应用快速发展、传统搜索引擎占据大部分市场份额的背景下，AI 搜索应用 ARR 能达到一定规模？大模型或传统搜索引擎的检索结果过于通用，甚至出现很严重的幻觉 问题，而 Pleplexity 和 Glean 虽然聚焦的场景有差异，但均在解决该问题，让检索结果更加可靠准确， 甚至呈现结果的管理更智能化、形成自己的知识库。 Perplexity：主要面向 C 端，高频迭，检索结果大大降低 AI 幻觉。发布于 22 年 12 月，是全球首批 AI 搜索产品。免费模式基本满足日常需求，会员订阅 20/200 美元/月，可以调用所有旗舰模型、使用 Deep Research、更多资料来源等。截至 24 年底拥有 36 万付费用户，25 年 3 月 ARR 达 1 亿美元，较 1 月增长 25%。

Glean：主要面向 B 端，基于 AI 的企业搜索与知识管理平台。Glean 成立于 2019 年，发布之初定位 为企业内部搜索，首先汇集和清洗所有企业客户的内部数据，然后为客户员工提供搜索服务。在此基础 上，公司拓展 B 端 AI 搜索，基于企业知识库为员工构建 AI 工作流。 Glean 基于座席数收费，普遍为 40-50 美元/月/人，24 年底年化收入达 1 亿美元。同时用户黏性高， DAU/MAU 比例约为 40%，远高于传统企业 SaaS 的 10-20%；核心产品 Glean Assistant 的用户每天平 均查询 14 次，而谷歌的用户日均查询次数为 3-4 次。

（2）估值：AI 应用估值差异较大，大模型和多模态 PS 基本位于 30-40X

梳理全球 AI 公司的最新 PS 估值，差异较大，整体分为三大梯队： 第一梯队是两个 AI 搜索应用 Perplexity 和 Glean，PS 估值均在 55x 以上，尤其是 Perplexity，预计主 要系 AI 搜索市场空间较大，但目前 AI 搜索应用收入规模较小，商业化处于早期。 第二梯队是大模型和 AI 视频应用，PS 在 30x 附近。这些赛道的下游场景多、市场空间大，随着推理和 多模态技术成熟，渗透率仍有较大提升空间。 第三梯队是其他一系列垂类应用，覆盖编程、办公等赛道，PS 估值在 20x 附近。

2、国产 AI 应用商业化进展：AI 多模态及垂类 Agent 进展较快

从商业化开始起量的时间看，目前国产 AI 应用中多模态、垂类 Agent 进展较快。23 年 AI 陪伴、AI 图 像产品率先商业化落地，24 年 AI 视频与麦可等垂类 Agent 陆续实现商业化起量，25 年以 MiniMaxAgent 为代表的通用 Agent 开启付费。国产 AI 应用呈现 2B/2P 产品落地确定性较高，2C 产品 尚未出现大规模商业化的态势，展望后续，结合海外 AI 应用商业化进展，看好 2B 产品进一步渗透，及 2C 产品的市场空间，比如多模态、2CAgent 产品。

（1）多模态：国产 AI 应用中率先跑出收入规模的赛道，AI 视频可灵尤为突出

头部国产 AI 视频产品在收入规模和增速上均领先于海外产品。 1）可灵：全球收入规模第一的视频模型。25 年 3 月 ARR 突破 1 亿美元（单月超 0.6 亿元），4-5 月单 月收入超 1 亿元，月度环比增速显著。可灵发布至今仅 1 年时间，但 ARR 规模（1.7 亿美元）超过已发 布 2 年的 Runway（1.5 亿美元）。 2）海螺：海螺 2.0 驱动增长。7 月 MiniMax 全球业务总经理盛静远表示，新模型发布以来，海螺 AI 的用户留存、活跃度、付费率表现都很好，C 端、B 端在海内外的收入都实现量级增长。 3）PixVerse：已实现正向现金流。据《中国新闻周刊》，当前的订阅收入已能覆盖公司绝大部分成本 费用，公司实现正向现金流。

1）AI 视频：以“出海+创作者”为双引擎，技术性价比构筑护城河

海外贡献主要流量和收入，或因海外用户对 AI 应用付费意愿更强。从流量结构看：可灵网页版访问量 中，海外占比超 85%，其中美国占比约 13%，印度和印尼占比均为 5%-10%。海螺 AI 的创作者已覆盖 全球上百个国家，欧美、日韩地区的商业化进展较好，印度、东南亚国家、巴西等人口大国的用户规模 更多。爱诗科技 PixVerse 上市之初就面向海外用户，今年 6 月才推出国内版应用―拍我 AI‖。

从收入结构看：以可灵为例，目前 70%收入来自海外市场，30%来自国内（快手公告）。

P 端创作者贡献国产 AI 视频应用的主要收入来源。 1）可灵：据快手业绩会，可灵 70%收入来自专业消费者的订阅，主要是自媒体视频创作者、广告营销 从业者等；其余 30%收入则来自 B 端 API 调用。 2）海螺：据 MiniMax 全球业务总经理盛静远，海螺的会员订阅付费同样高于 B 端 API 调用。 3）爱诗科技：在接受中国新闻周刊采访时也同样提到，公司订阅收入快速增长的核心在于用户―为零门 槛做出爆款视频买单‖，推测创作者也贡献主要收入。

判断国产 AI 视频应用率先商业化的原因主要有 3 点： 原因一：落地场景受众多，且付费意愿较高。今年以来海外社交平台出现大量 AI 短视频，也带火了多 个社交账号。这些账号凭借强视觉吸引力与情绪反差，适配平台的算法推荐机制，易实现账号孵化与短 期爆发。部分账号依靠单条爆款视频即实现数万涨粉，为后续商业化铺路。 Youtube 博主 SuperCatPapa 自 4 月起开始连载以一只白猫为主角的 AI 短视频，已收获超 200 万订阅 者，多个视频播放量达千万级。

Tiktok 博主 impossibleais 仅凭 19 个刀切玻璃制品的 AI 解压视频获超 20 万粉丝，部分播放量近 300 万。 Tiktok 博主 dudeongpt 以部分球星为人物，用 AI 展现他们变胖、坐轮椅、吃快餐情景，通过前后反差 效果吸引用户关注，也适配平台的算法推荐机制。从视频配套的文字看，该博主主要使用了可灵。

原因二：国产视频模型高频迭代，性能全球领先，优质生成效果提升付费率。从两个视角看： 性能强：3 月以来视频模型屡登 ArtificialAnalysis 全球视频模型榜单，具体包括可灵 1.6、可灵 2.0 和 Seedance 1.0 Pro。 迭代快：继 24 年底的大版本更新后，今年 4 月以来视频模型再次大规模更新，核心在于动态感、物理 性等视频效果提升，和更低的入门价格（5 秒视频最低价由 1 元降至 0.5 元）。

原因三：国产视频模型性价比高，价格梯度细，满足不同垂类需求。国产模型生成 5 秒视频的最低价已 经下降至 0.5 元，可灵和字节 Seedance 生成 5 秒视频的价格覆盖 1-10 元、0.5-3.7 元，可以满足普通休 闲娱乐、短视频生成、广告营销、专业级影视内容生成等不同垂类场景需求。而 Sora、Runway Gen3 生成 5 秒视频的最低价格为 3 元左右。

2）AI 图像识别：AI 显著提升图像识别应用场景，PictureThis 年收入超 9000 万美元

国产 AI 植物识别软件 PictureThis 年收入超 9000 万美元，AI 加持下，收入得以突破。PictureThis 由国内创业公司睿琪科技开发，2017 年正式全球上线，基础功能是植物拍照识别，同时还可以围绕植物 养护、地理分布进行聊天互动。该产品付费墙同样较高，免费版限时 7 天，后续订阅为 8 美元/月和 40 美元/年。据点点数据，24 年该产品全球收入达 9183 万美元，21-23 年均在 6500-7500 万美元波动。 从月度数据看，下载量和收入均呈现较强的周期性波动，预计与会员续费周期，以及产品迭代节奏相关。

PictureThis 收入仍以海外为主。PictureThis 之所以能在 AI 植物识别的小赛道实现年收入超 9000 万美元，并在与大厂的竞争中持续保持优势，判断核心原因在于： 1）垂类高质量数据壁垒：目前该产品可以识别超 1 万种植物，准确率超 90%，背后是精细化数据库搭 建。例如团队会去不同地区、不同气候条件下收集同一种植物的生长图像，以提升识别准确率。

2）功能紧抓用户需求，欧美用户对于植物识别需求较大：欧美国家独栋住宅家庭数量多，家庭园艺普 及率高。PictureThis 不仅通过拍照识别满足了用户的好奇心和求知欲，还提供相关的养护方法和生长习 性，为用户打理植物提供帮助。

丰富的 AI 应用产品矩阵，使睿琪科技进入中国非游戏出海厂商收入榜前三。据点点数据，3-5 月睿琪 科技在中国非游戏厂商出海收入榜中排名前三，仅次于字节跳动和欢聚集团，且收入呈现快速增长趋势， 各月海外收入环比增长 42%、41%和 32%。 睿琪科技推出多款 AI 图像识别应用，复刻植物识别领域的成功经验。除了 PictureThis 处于收入上升 周期以外，其他产品也持续贡献增量。公司共推出 10 余款 AI 图像识别类产品，覆盖纸币、硬币、岩石、 花鸟鱼虫等多个细分领域，据点点数据，6 月硬币识别产品 Coinsnap 的全球收入达 111 万美元，岩石、 鸟类和昆虫识别产品的收入也在 40 万美元以上。此外还针对海外用户的健身需求，推出了虚拟健身教 练、卡路里追踪、健身计划等多款 AI 健身应用。凭借一系列产品矩阵，目前公司年收入超 1 亿美元。

（2）通用 Agent：架构已成型，但尚未到大规模商业化的阶段

海外 OpenAI 率先推出 Deep Research 产品，国内字节、智谱、MiniMax 等公司迅速跟进。此类 Agent 通常提供类似 AI 助手的内容输入窗口，Agent 再基于用户需求返回完整的文档、表格、PPT、网 页等内容。目前产品架构已基本成型，但大规模商业化仍存障碍：1）生成速度、交付稳定性和内容准 确性仍有较大的提升空间，后续预计会在底层模型能力提升、工具生态两方面快速迭代；2）部分产品 已开始收费，但基于任务次数计费（单次高达 20 元），而非效果付费，生成效果不稳定的风险由用户 承担，一定程度影响使用积极性。3）国内 C 端用户付费习惯相对较差。

通用 Agent 的商业化需要有足够的流量，国内互联网流量基本集中在大厂手中，对于大厂而言，布局 通用 Agent 首要是争夺未来的流量入口，商业化可能不是目前的首要考量因素。移动应用垂直性相对 较强，用户需要在社交、电商、支付、出行等不同场景下使用不同的应用。Agent 性能更强、功能更丰 富，有望聚合更多垂类应用平台，而每个用户可能只需要少数几个 Agent 就能满足所有线上需求，互联 网时代的流量入口格局有可能会被打破，抢占 AI 时代流量入口是保持或强化自身在 AI 时代市场地位的 关键一步。

垂类 Agent 商业化进展快于通用 Agent，部分已实现一定规模。目前国内垂类 Agent 主要基于现有场 景落地，通过优质效果提升用户活跃度、付费率或 ARPPU，尚未出现新场景。目前进展较快的国内产 品包括焦点科技旗下 AI 外贸 Agent 麦可（24 年收入 2400 万）、美图影像设计 Agent RoboNeo（iOS 应用免费榜排名前 30）等，分别面向 B 端、C 端，核心在于均提升了用户体验。

（3）AI 陪伴：头部产品 Talkie 领跑，恺英《EVE》以“送奶茶”等玩法探索高 ARPPU 路径

出海产品商业化率先落地，恺英《EVE》尝试 AI 陪伴新范式。目前商业化落地较快的国产 AI 陪伴产 品主要包括 Talkie、星野、猫箱和 Linky，其中收入规模最大的预计是出海产品 Talkie（数千万美元量 级）。国内还有恺英网络《EVE》等其他新产品，通过陪伴式生活、送奶茶等跨次元新玩法，进一步提 升陪伴效果，看好此类产品后续的商业化表现。

目前 Talkie/星野商业化领先，融合游戏变现方式。Talkie/星野融合陪伴+游戏，丰富的虚拟角色储备 +抽卡玩法加速商业化。据新浪财经，24 年 MiniMax 收入 7000 万美元，主要由 Talkie/星野贡献。 Talkie/星野是目前收入最高的 AI 陪伴产品，判断主要系： 1）可供交互的角色储备丰富，满足用户多样化陪伴需求：既提供斗罗大陆、民国系列等设定好的 IP 角 色，也支持用户自行创建角色。目前星野/Talkie 上已拥有超 1000 万个可供交互的角色，适应不同用户 偏好。6 月 Talkie/星野 App 月活合计超 3600 万，显著超过其他国产产品的百万量级。 2）订阅+抽卡玩法，融合游戏变现方式：订阅为基础商业化模式，会员可以无限畅聊、免广告等，各 产品的价格约为国内版 20 元/月和海外版 10 美元/月。Talkie/星野还支持抽卡解锁稀缺的聊天场景。普 遍每 3-5 轮对话就拥有一次抽卡机会，抽卡需支付 2 元/次（海外产品 2 美元/次）。

恺英《EVE》点奶茶等新玩法实现跨次元互动。《EVE》着力于构建一种长期且深度的情感连接虚拟关 系，用户固定与一位 AI 男友或一位 AI 闺蜜互动。AI 虚拟人物会依据用户所处的时间、地点、环境、日 程与事件背景，实现与用户生活同步的陪伴行为，包括主动开启话题、提供关心。还会在用户表示心情 不好时，主动点奶茶、送礼物，与现实世界交互。预计未来该产品也有望成为高 ARPPU 的 AI 应用。

六、相关公司

1、易点天下：AI+BI+CI 为出海企业提供从云服务到数字化营销推广的全 链路支持

24 年公司发布 AI+BI+CI 数字化解决方案，该方案以 KreadoAI 为核心，为出海企业提供从云服务 到数字化营销推广的全链路支持。KreadoAI 已迭代多个版本，在汽车、医疗、跨境电商等领域形成 应用： 汽车：以斯柯达与 KreadoAI 联合打造的―AI 数字人主播‖为例，通过数字人直播间常态化运营，品牌留 资转化率提升 133%，直播成本降低 85.7%，月度直播时长激增 30 倍。 医疗健康：步长制药借助 KreadoAI 的语音克隆与形象定制技术，构建企业专属数字医生矩阵，健康科 普视频制作从 1 周压缩至 5 分钟，生产效率提升 90%，月均产出超 100 条专业内容。 跨境电商：公司与跨境电商代表新楼兰 EU 电商的合作显示，KreadoAI 通过数字人克隆技术实现"同一 IP，多语输出"，内容生产力提升 3 倍。

拓展中小客户服务边界：公司拥有商业智能化数字营销平台 Cyberklick、智能化数字广告平台 Yeahmobi、AI 驱动的程序化广告平台 zMaticoo 三大核心业务子品牌及多个产品品牌。借助―AI+BI+CI‖ 有望实现素材生成、投放环节的自动化匹配，进而服务更多中小客户，提高人效。 程序化广告平台推理效率提升，收入快速增长，中长期空间较大。24 年程序化广告平台收入同比增长 210%。在 AI 技术与模型能力的加持下，程序化广告预测算法推理效率提升了 7 倍，任务执行总耗时降 低 30%以上，计算资源成本降低约 25%，大大提升广告精准度与实时竞价能力。zMaticoo 以 37%的开 放式程序化广告销售份额，成为 Pixalate 2024Q3 全球移动应用广告亚太地区销售 TOP1，SDK 正式入 驻 Google Play SDK Index，并通过 IAB Tech Lab OM SDK 认证，为众多游戏及工具类开发者提供了优 质高效的变现收益。

2、哔哩哔哩：25 年发力 AI 布局，平台社区受益 AI 空间大

哔哩哔哩从 25 年开始发力 AI 布局。B 站是全球最大的中文视频平台，大量优质评论构成丰富的语料 库，有望在 AI 时代发挥价值。年初以来内部积极推动 AI 落地，目前已覆盖 AI 广告、搜索、译播等场 景： AI 广告：目前 AI 自动投放的渗透率 20%，目标是 25 年底渗透率超 50%。1H26 启动 AI 广告 agent 的 白名单测试（全自动化素材/预算/账户管理）。 AI 全景搜索：视频解构为图片+文本片段，用户渗透率 53%，单日搜索 2.3 亿次。 AI 译播：下半年实现 10 万粉以上 UP 主翻译全覆盖，逐步支持多语言口型。 AI 评论挖掘：日超 1000 万评论，长评占比 21%，贡献 VV8%。

3、恺英网络：AI 布局锐度高

近期公司举办 AI 和 IP 发布会，官宣四大 AI 布局：

AI 游戏生成平台。Soon 面向小游戏开发场景，正常三人团队创作小游戏周期 1~2 月，成本约 10 万，使 用 AI 工具进行研发仅 5000~8000 元（按 token 收费），降本超 90%。Soon 预计 7 月底内测，如商业 化落地则有望单独给估值（类似可灵逻辑）。 EVE：2025 年内上线首款 3DAI 智能陪伴应用。能依据用户所处的时间、地点、环境、日程与事件背景， 实现与用户生活同步的陪伴行为，有很好的记忆能力、主动性。 AI 玩偶晚安羊、不忧鸟和 AI 眼镜均预计下半年发售。

4、巨人网络：布局覆盖大模型和应用，AI 产业投资积极

公司积极布局 AI+游戏场景，垂类大模型和 AI 游戏玩法均取得显著进展。大模型：自研游戏大模型 GiantGPT 早在 24 年 2 月就完成备案，该模型针对角色演绎、情景推理与长期记忆进行优化，且参数量 通常小于通用大模型，推理成本更低，能以较低成本推广 AI 游戏。AI 玩法：6 月底社交推理游戏《太 空杀》上线 AI 原生玩法残局对决。游戏接入阿里通义千问、腾讯混元、字节豆包三大模型，AI 智能体 与真人玩家形成多边博弈。此前已上线 AI 推理小剧场、AI 残局挑战、侦探剧场、内鬼挑战等多个 AI 玩 法，相关模式累计参与玩家数百万，对局总量达数千万。 AI 产业投资积极。今年年初公司投资国内 AI 小模型和图像社区 Liblib AI。目前该平台拥有创作者超两 千万，日均保持数百万创作交互。同时公司近期推出的 AI 设计 Agent Lovart 出圈，一站式完成海报设 计、制作与编辑，发布 5 天内申请内测人数超 10 万。后续有望将 AI 设计与游戏等可交互的内容结合。

5、美图：功能高频迭代，AI 赋能提升增长潜力

公司自 23 年以来积极在旗下应用加入 AI 功能，目前已布局 C 端和 B 端应用矩阵： 生活场景应用：聚焦 C 端用户―变美‖需求，核心产品是美图秀秀、美颜相机和 Wink。2023 年至今均进 行超 20 次 AI 功能更新，包括 AI 扩图、AI 生成童年照、AI 减肥、AI 增肌等。 生产力工具：核心产品美图设计室截至 24 年底付费订阅用户数 113 万，同比增加 30%，2024 年收入也 同比翻倍增长至 2 亿元。发布至今每年都有大版本更新，核心在于将单点 AI 功能变为 AI 工作流。

下载量：6 月核心 C 端产品海外下载量高增。据点点数据，2025 年 6 月美图秀秀海外下载量同比/环比 增长 194%/109%，主要是 AI 闪光灯等新功能出圈，连续多日进入意大利、俄罗斯等 10 余个欧洲国家 的应用免费榜前 10；同期 Wink 下载量同比/环比增长 96%/54%，主要是 AI 超清新功能驱动，弥补东 南亚手机低像素问题；美颜相机尽管较 2 月高峰期回落，但环比已企稳回升，环比增长 22%，同比继续 高增，同比增长 70%。 收入：据点点数据，2025 年 1-6 月，综合 3 个核心 APP 美图秀秀/美颜相机/Wink，国内 iOS 单月收入 同比增速均超 50%。6 月 3 个 APP 合计收入依然维持在高水平，国内 iOS 收入同比增长 59%。

美图影像设计 Agent 实现用文字完成图像和视频编辑。公司早在 2023 年的美图影像节上，就提出研发 AI 创意编辑机器人，用户直接使用文字交互来完成图像视频的创作和修改，25 年 6 月底该产品测试。 核心优势：用户无需从大量功能列表中选用功能，也无需为了编辑一张图片而跳转多个 App。只需要文 字输入自己的想法，就可以完成图片/视频的生成和编辑。 商业情况：目前免费开放。用户服务协议显示，后续定价可能是 12 元/天，折合 360 元/月，显著高于 当前美图 16 元/月的整体 Arppu。

与同类产品相比，美图 Agent 在处理人物表情细节方面更加自然真实。今年以来图像编辑应用的效果 显著提升，过去仅局限于扩充图片、增减元素等简单功能，目前已经支持图片细节的替换与修改，且 AI 对特定区域的识别和对文字需求的理解准确度显著提升。 影像设计 Agent 功能丰富，该产品功能几乎覆盖所有创意编辑玩法，有望高频出圈。原因一：该产品 功能功能广泛，既包括 AI 人像美容、表情包制作等 C 端玩法，又覆盖海报制作、商品图制作等 B 端需 求。从广度上看，基本囊括了原来美图秀秀和美图设计室的大部分功能。原因二：过去曾出圈的 AI 多 模态玩法，包括粘土特效、AI 扩图、AI 闪光灯、AI 超清等，都可以通过 RoboNeo 实现。未来的各种 图像/视频创作新玩法，也有望通过用户与大模型的文字交互来实现。

6、万兴科技：新 AI 功能与原生 AI 应用均已实现商业化

现有产品更新 AI 功能。以核心产品 Filmora 为例，24 年高频更新多机位编辑、文生音效、视频配乐、 智能长剪短等功能，并上线 AI 加量包（AI 积分订阅）。24 年 AI 充值收入同比增长 50 倍，25 年一季 度规模超 24 年全年。 AI 原生应用聚焦垂类场景需求。包括 AI 数字人产品万兴播爆、AI 音乐卡点短视频创作工具 Beat.ly、 AI 人像生成编辑工具 SelfyzAI。24 全年收入超 6700 万元，同比增速超 100%，占总收入 4.7%；25 年 一季度再度实现翻倍增长，贡献收入比例也提升至 8.4%。 加速推进 Agent 新产品。7 月 17 日发布万兴超媒 Agent，实现用一个 Agent 全面包办从分镜规划到作 品发布一系列创作任务，用户无需切换多个产品完成创作。

七、AI 应用渗透率提升方向

1、算力成本优化

随着 AI 应用场景确定性提升，超大规模云厂商可能倾向于在 AI 数据中心使用成本更低、功耗更优的 AI ASIC，AI ASIC 未来渗透率将提升。预计随着数据中心规模扩张，对功耗和成本的要求提升，定制 化芯片或将成为同时满足性能、功耗、成本多重要求的解决方案，在数据中心的部署率有望提升。据 Marvell 公开电话会，数据中心定制化加速计算芯片的市场规模将从 2023 年的 66 亿美元（约占加速计 算芯片市场的 16%）增长至 2028 年的 554 亿美元（约占加速计算芯片市场的 25%），5 年 CAGR 高达 53%。

AI ASIC 相较通用 GPU 价格低、功耗优，使用 AI ASIC 能够有效降低超大规模云厂商数据中心硬件部 署成本和功耗。博通和 Marvell 分别在 AI 相关会议中提到，部署 ASIC 能够节省数据中心总成本；据 Google 于 2023 年 4 月发表的论文，NormanP.Jouppi 等作者指出谷歌定制化 ASIC TPUv4 在模型训练 速度、能耗方面优于英伟达 A100。 AI 应用场景确定性有望提升。AI ASIC 是针对某一架构或 AI 大模型优化的定制化芯片，通用性弱于通 用 GPU，所以在训练场景只能用于某一模型训练，复用性不佳；然而，随着未来 AI 应用场景确定性提 升，能够认为超大规模云厂商或将最终基于某一模型在应用端落地，AI ASIC 通过软件优化配合硬件特 性，预计能够较好地适配推理侧。据 Marvell，目前 AI ASIC 已用于超大规模云厂商的内部应用，例如 搜索排序、推荐等，在这些场景下云厂商已明确应用所需硬件特性；SaaS 方面，超大规模云厂商自有 SaaS 情况与内部应用类似，也已开始使用 ASIC，未来第三方 SaaS 也有望部署 ASIC，且 SaaS 较大程度受益于 AI；IaaS 方面，云厂商对客户应用所需硬件要求认知较低，目前还未使用 ASIC，但随着未 来云厂商部署基于 ASIC 的计算平台和软件生态，ASIC 有望进入 IaaS 领域。

2、注重垂直场景的产品力，认知重构阶段把握用户心智

能够认为 C 端 AI 应用的渗透依旧围绕着场景和产品两个重要维度。并有几个启发： 1）核心是聚焦垂直场景的产品力，从“技术竞争”走向“产品竞争”。AI 应用正在面临从技术驱动向用户 体验驱动范式转变，因此更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，竞争重点正在向应用的产品力转移。 2）需要供给侧的持续启发夺取心智。未来 C 端 AI 应用需要供给侧的持续迭代与启发，从而夺取用户心 智，打造产品。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。

3、模型精确度及场景适配提升

从企业来看，根据 IDC 调查，约 87%的客户在模型层的痛点为模型精度不能满足落地要求，无法衡量 效果；50%的客户认为模型能力与业务需求不匹配。此外，还有模型选择多、缺少高效工具进行模型调 优等问题。

幻觉问题是影响模型精确度不及预期的因素之一。解锁幻觉问题的具体技术繁杂，包括：1）检索增强 生成（RAG）；2）对抗训练，例如在训练集中增加错误信息，增强模型识别幻觉能力；3）架构创新， 解耦知识检索和文字生成。 模型与业务匹配是落地痛点之一。由于通用大模型无法匹配所有细分场景，客户在选择模型时较为局限。 能够认为，目前的解决方式主要包括：1）多模型部署；2）DIY 特定模型。多模型部署方面，客户可 以按照具体业务适配选择相应模型，例如，兼顾速度与准确性优先选择综合能力较强的 OpenAI 模型， 聚焦编程能力可以选择 Claude，要求图像生成质量则优选 Gemini 等。通过不同模型擅长领域最大化业 务与模型匹配度。DIY 特定模型方面，企业客户可以调用通用大模型 API，叠加模型调优、RAG 等技术， 生成适合自身业务的小模型。

4、数据治理是 B 端 AI 应用交付的底座

数据是大模型落地基石，尤其在企业级 AI 应用交付过程中，将满足合规的多模态数据集进行采集、处 理、微调，生成准确度高并且企业可使用的数据结果至关重要。根据 IDC 调研，68%的企业高管认为在 开发 AI 应用时，需要对内部数据资产进行梳理，66%的高管期待建立如数据湖的支撑性架构，62%的 高管认为需要构建企业知识管理体系，并对数据进行清洗和标注。 有效可用的企业数据治理是训练模型的第一步。部分企业内部数据仍较为杂乱，需要依托数据湖或者数 据仓库进行充分的清洗、梳理、标注、分析，凝结为可以训练模型的价值数据。目前大部分企业仍在数 据梳理阶段，因此对相关数据湖、数据分析相关软件需求抬升。

5、ROI 达到客户预期

由于 AI 投资周期较长，前期需要搭建团队、数据资产盘点、部署模型、效果调优等，短期 ROI 较难达 到客户预期（根据 IDC 调研，客户对于 AI ROI 的普遍预期在 1-3 倍）。如果企业直接购买 AI 办公相关 软件，例如 Copilot，前期也需要教育和培训员工，短期较难兑现高预期。

理想状态下，Microsoft Copilot ROI 可达 206%。根据 Microsoft 披露，截至 2024 年 4 月底，使用 Copilot 的员工每天工作时间可节省约 11 分钟。根据估算，理想状态下，Copilot ROI 可以达到 206% （定价按照目前 30 美元/月/人，工作天数假设为 20 天/月）。能够认为，随着员工熟练使用 Copilot 及前期时间成本摊薄，AI 相关办公软件 ROI 达到企业预期有望兑现。

Copilot 赋能用户简单日常工作，根据 Microsoft 官网实验，将员工分为两组进行 A/Btest，员工在写邮 件草稿、总结未参加会议、查询信息三个场景使用 Copilot 产品节省的时间分别为 6/32/6 分钟。此外， 不同角色对于 Copilot 可以赋能的工作侧重点有所差异，75%+的销售、客服、金融人员希望 AI 赋能准 确查询信息；75%的销售人员期待 AI 发现潜在销售机会，70%的客服人员希望 AI 将工单智能分配给合 适的处理人员，73%的金融员工则预期 AI 简化金融报表。同时，金融和销售人员都希望 AI 整合分散的 数据。 目前客户对于 AI 赋能日常工作需求相对简单，多以提炼查询信息、整合数据、简化报表为主。随着 AI 模型端精确度提升、算力成本下降、应用与业务进一步契合，AI 独立完成工作的复杂度上升，相应渗透 率及解决问题效率将提升。

编辑：火腿肠