人工智能產業丨研究報告

前言：

研究背景：

作為新一輪科技革命和產業變革的核心引擎，人工智能產業在2024年被中央及各地政府確立為重點發展方向，陸續出臺了一系列針對性強、力度大的政策措施，旨在推動產業創新，提升區域經濟的科技競爭力。經過多年持續投資布局，我國人工智能產業體系逐步完善，基礎層、模型層及應用層不斷升級優化，實現了人工智能、大數據等數據智能技術與實體經濟的廣泛融合。2025年2月，中共中央總書記、國家主席、中央軍委主席習近平在京出席民營企業座談會并發表重要講話，強調民營企業的關鍵角色與發展前景，進一步強調了人工智能產業的戰略地位。

2025年初，以DeepSeek為代表的國產開源大模型掀起熱潮，其高性能、低成本的特點迅速吸引了國內外開發者和企業的關注，推動了中國AI生態的開放性和競爭力的進一步提升。這一風潮不僅加速了模型層的國產化創新，也為中小企業提供了更易獲取的 AI 工具，激發了應用層的創新活力，成為中國AI產業發展的標志性事件。

艾瑞人工智能研究團隊延續六年行業研究經驗，在第七年聚焦人工智能產業的發展環境、產業進程及產品動態，深入探討技術驅動、產業機遇、商業模式及挑戰等核心議題，為市場提供前瞻性數據與深度洞察。

研究方法：

本報告通過業內資深的專家訪談、桌面研究、案例實證研究、行業對比研究、投融資數據統計輸出相應研究成果。

核心摘要：

宏觀環境

2024年，國家高度重視人工智能發展，將其納入國家戰略，各地政府積極推進科研創新與算力基礎設施建設，并因地制宜出臺特色政策。盡管GDP增速放緩，AI技術作為新質生產力，憑借其在提升效率和推動產業升級方面的優勢，展現出廣闊發展前景，政府支持也為其提供了強勁動能。資本市場持續關注AI，投資重點聚焦于語言與多模態模型應用、芯片、算力服務等領域，基礎層與應用層協同發展，不斷完善產業生態。社會層面，生成式AI的普及加速了市場教育，公眾接受度顯著提升，但就業替代、隱私安全等問題仍引發一定焦慮。技術方面，Transformer架構依然主導大模型發展，研發側通過強化學習、思維鏈優化提升模型推理能力，同時加速跨模態融合，并在推理效率優化和新型注意力機制等方面持續探索，推動AI產業向更高水平邁進。

產業動態

1）市場規模增速略低于預期：2024年中國AI產業規模為2697億元，增速26.2%，略低于預期。主要原因為大模型在實際業務場景的表現未完全滿足客戶需求，且建設成本較高，較多項目仍處于探索階段。

2）算力需求結構性轉變：2024年部分地區智算中心出現閑置，但這主要是供需錯配導致。隨著DeepSeek等開源模型推動推理應用爆發，推理側算力需求大幅上漲，智算中心利用率有望逐步提高。

3) 工具生態日益完善：分布式AI框架、LLMOps平臺和一體機產品等不斷發展，深度融合軟硬件優勢，加速了大模型的訓練與部署，有效支撐了產業側大模型的應用建設。

4）商業化以項目制與訂閱制為主流：政企側客戶以項目制為主，C端產品多采用“免費+訂閱制”的模式。新興商業模式為按應用效果或功能點收費，創新的模式可在降低客戶采購決策成本的同時，倒逼供應商持續優化產品技術與服務。

5）全球化戰略：面對國內激烈競爭，眾多企業積極出海，布局海外市場，在圖像、視頻和社交等領域有較多突破。

6）DeepSeek掀起開源開放與應用落地的熱潮：DeepSeek刷新了市場對大模型現階段性能的認知，其開源策略結合高效、低成本的架構顯著加速了中國AI產業向更加高效、開放和自主的方向邁進，并帶動產業鏈上下游的合作與應用落地。

發展趨勢

AI Agent正在重塑大模型的產品應用形態，帶領AI產品由簡單的對話問答向完成復雜任務的智能代理演進。作為連接數字智能與物理世界的關鍵技術，具身智能是下一代AI競爭的戰略高地，其發展需要解決硬件加速和軟件優化、跨行業生態協作等一系列挑戰。DeepSeek的開源開放，推動了大模型技術的普惠與平權，將加速大模型在產業和消費領域的應用普及。構建面向新一代人工智能的安全治理體系至關重要，需要在技術、商業、法律、倫理等多個層面協同發力，以確保人工智能的安全發展。

中國人工智能產業政策環境

人工智能新時代的技術引擎，各城市展開地域大模型產業競速

近年來，國家高度重視大模型產業發展，把“人工智能”納入國家發展戰略，并出臺了一系列政策以推動技術創新、資源建設、標準建立與行業應用。隨著中央層面人工智能政策的出臺，以北京、上海、成都、深圳等代表的各地政府紛紛響應號召，將人工智能及其相關產業發展納入當地發展規劃，以助力新一代人工智能產業生態的形成。2025年初，習近平總書記指出：“中國高度重視人工智能發展，積極推動互聯網、大數據、人工智能和實體經濟深度融合，培育壯大智能產業，加快發展新質生產力，為高質量發展提供新動能。并在2月召開中央民營企業座談會，眾多與人工智能相關的民營企業家參會，為中國經濟轉型與產業升級打下重要基調，也進一步反映出未來中國人工智能產業發展的重要戰略意義。

中國人工智能產業資本環境

語言及多模態賽道目前最受矚目，同時基礎層廠商積極入局

從投資輪次的分布情況著眼，戰略及股權投資的數量及占比均呈現出顯著的上升態勢，其中股權投資事件占比高達77.9%。而在應用賽道的投資分布方面，語言及多模態賽道目前已成為最受矚目的投資領域。與此同時，以AI芯片、AI算力解決方案、算法架構等為代表的基礎層投融資數量顯著上升，其中AI芯片產品的投資占比約為50%，這表明應用層的快速發展正有力地帶動基礎層的建設，我國人工智能產業生態也因此得到進一步完善。

中國人工智能產業技術環境（1/2）

CNN與RNN為典型小模型架構，Transformer已奠定當今大模型架構基礎

中國人工智能產業技術環境（2/2）

Scaling Law是否失效？思維鏈、強化學習、后訓練可提升模型訓練ROI

自大模型發布以來，Scaling Law成為模型層發展迭代共識，國內大模型基座廠商均通過不斷加大參數量級以獲得模型能力的優化增強。2024年，隨著大模型的訓練腳步變緩，人們也開始關注討論Scaling Law是否存在失效風險。而以國內外頭部廠商的技術動態為標桿，我們可以看到大模型的參數規模與數據跨度仍有提升空間，且在多模態能力融合上完成持續突破。但受限于高質量數據、訓練資源（算力、電力等）的可獲取性及模型資源投入的ROI評估，一些大模型廠商已減緩或停滯了對新一代超大模型的訓練投入，此外也在嘗試多途技術路徑提升大模型能力，如后訓練的思維鏈優化，將Scaling方法由預訓練轉移到了強化學習推理優化階段，為大模型能力擴展提供新道路，也對未來大模型的訓推參數部署、AI推理算力需求等潛在方案布局帶來新變數。

中國人工智能產業圖譜

中國人工智能產業規模

2029年中國人工智能產業規模破萬億，未來五年復合增長率32.1%

2024年，大模型驅動的人工智能市場增長低于預期，主要因為大模型在真實業務場景中的表現未能完全滿足部分客戶的需求，且建設成本較高，企業需在數據基礎、算力資源及組織機制等方面投入較多資源，導致多數項目處于嘗試探索階段，難以規模化落地；另一方面，模型計算成本下降疊加供應商間激烈競爭，模型調用的費用持續降低，進一步限制了市場增長。

2025年初，DeepSeek刷新了市場對大模型現階段性能的認知，其開源策略結合高效、低成本的架構顯著加速了中國AI產業向更加高效、開放和自主的方向邁進。各地政府、央國企等機構積極投入，將大模型與自身職能及業務場景深度融合，為2025年中國AI市場的快速增長奠定了基礎。與此同時，大模型在推理、多模態等領域的性能持續增強，疊加MCP等智能體開發協議及工具的成熟，使得可自主完成復雜任務的智能體產品的實用性提升，夯實了AI市場增長的潛力；依托大模型的生成式AI產品也推動著傳統小模型的落地應用，基于大小模型協同，為客戶構建兼具效果與成本優勢的理想方案。總結以上分析，艾瑞測算2025至2029年中國AI產業將保持32.1%的年均復合增長率，在2029年突破1萬億的市場規模。

大模型帶動基礎層工具產品售賣

分布式開發框架、LLMOps平臺、一體機等基礎層產品熱度漸起

在當前人工智能領域，模型參數規模不斷擴張，大模型的分布式訓練因此變得愈發普遍。在此背景下，算法框架層面涌現出諸如 DeepSpeed、Megatron、Colossal-AI 等分布式 AI 開發框架。這些框架基于PyTorch框架生態，提供了深度學習優化庫，致力于提升大模型分布式訓練的訓練與推理效率，助力開發者更高質量、更高效地完成大模型的訓練及部署工作。從平臺的角度來看，在大模型時代，AI 開發平臺也在積極探索與升級。與傳統AI模型相比，大模型在開發、應用及部署上對算力支持、數據管理、功能模塊及工具庫等方面均提出更多要求，MLOps分化出LLMOps，出現面向大模型，提供整個模型生命周期中加速 AI 模型開發、部署和管理的專業平臺工具。為了順應市場熱點以及客戶需求，各大廠商紛紛推出了各自的一體機產品。一體機作為軟硬件集成的大模型實踐解決方案，具有顯著的優勢。它能夠降低企業應用大模型的技術門檻，加速大模型在各個行業的落地實施，同時為企業提供安全、高效的 AI 應用開發和部署能力。以DeepSeek為代表的模型，具備開源部署、本地化應用（保障數據隱私）、低成本高質量以及快速定制化交付等優點，精準地滿足了政府、金融、醫療以及工業制造等B端行業的特定需求。預計2025年，DeepSeek適配一體機市場將進一步升溫，迎來新的市場熱潮。隨著大模型商業化進程的不斷加快，一體機、分布式 AI 開發框架以及LLMOps平臺等基礎層工具逐漸進入產業視野，成為支撐企業及開發者完成產業端大模型應用建設的重要力量。

模型層開源創新推動上層商業化實踐

降本增效推動大模型落地，選擇微調、蒸餾或RAG等路徑達到ROI最大化

2024年，“后訓練”和“強化學習”成為大模型技術創新的熱點。后訓練通常由大模型廠商在預訓練模型基礎上完成，其流程一般包括：監督微調（SFT），即利用特定任務的標注數據對模型進行微調，使其學習任務模式；獎勵模型（RM）訓練，通過收集人類反饋數據訓練獎勵模型，評估輸出質量；以及強化學習（RL），利用獎勵模型反饋優化模型，最終生成更符合人類偏好的輸出等。由于代碼、數學等領域更適配模型評估與獎勵反饋環節，推理模型在這些領域的深度思考能力更強，而在文學、醫藥、科研等領域，因存在大量實驗數據和非唯一最優解等影響，后訓練的效果提升相對有限。從落地質效來看，DeepSeek通過創新的模型結構和訓練任務優化，如多令牌預測（MTP）、多頭潛在注意力機制（MLA）、GRPO（分組相對策略優化）等，在保持高性能的同時，大幅降低了訓練和推理成本。這些低成本、高性能的開源模型（如DeepSeek、阿里QwQ系列）極大推動了大模型的商業化實踐，吸引更多需求方擁抱大模型能力底座，并進一步采用微調、蒸餾、RAG工程等方式完成定向優化和應用部署。

應用廠商側“跑馬圈地”態勢漸起

價格與流量成為應用層核心競爭策略，大模型實踐更加定制化及產品化

2024年，大模型能力變現及商業化進程進入關鍵期，應用層的產品表現成為兵家必爭之地。在成本優化與市占競爭的雙重驅力下，國內各家大模型廠商紛紛降價，試圖通過價格戰構建B端競爭策略。2024年5月15日，字節跳動將其大模型的計價單位從分降至厘，聲稱價格比同行低99%。同月5月21日，阿里云宣布通義千問最高降價97%，百度宣布兩款主力大模型免費。在C端，大模型產品也出現大量買量投流的資金競爭策略。根據有關媒體公開信息報道，截至 10 月 29 日，kimi 智能助手、字節跳動豆包、騰訊元寶等所有 AI 應用 10 月全網廣告投放（投流）支出超過 3 億元人民幣。由此可見，無論是B端還是C端，大模型廠商“跑馬圈地”態勢均漸起。從實踐落地角度看，大模型落地應用更加定制化及產品化，尤其面向ToB客戶，更加開放底層模型能力與定制化程度，為客戶提供Post-pretrain、SFT精調、RLHF等成熟豐富的微調方案，將大模型解決方案深度嵌入企業需求與業務流程。

B端大模型商業化進程

以央國企為需求主力，率先落地在政務、教科、通信、能源等領域

預訓練大模型、類Sora模型以及類o1模型的研發訓練需要大量的資源投入，大模型廠商面臨資源投入與營收壓力需探索有效的變現途徑。從短期來看，B端項目制落地仍然是大模型基座能力變現的主要方式。2024年8月，月之暗面發布企業級API加碼B端，11月，零一萬物推出面向零售、餐飲行業的數字人解決方案。招投標數據顯示，2024年中國大模型項目數量與金額呈現快速增長趨勢，率先落地在政務、教科、通信與能源等領域。在供給側，科大訊飛、百度、智譜、火山引擎、阿里云和騰訊云等成為主力中標廠商。2025年初，DeepSeek V3與R1的開源模型發布，進一步掀起B端產業生態的合作浪潮，以沐曦、天數智芯為代表的基礎層、以阿里云、華為云為代表的模型平臺層、以釘釘、吉利汽車為代表的應用層，紛紛接入DeepSeek生態，借助優質開源模型能力，推動大模型能力在垂直領域的實踐落地。

C端AI產品生態位分析

AI階段性產品壁壘仍然非常低，終極產品形態及生態優勢尚未形成

2024年，中國AI產品在C端發展迅速，產品類型涵蓋內容創作、智能對話、情感陪伴、效率工具及音視頻生成等，應用場景廣泛。從商業模式來看，中國AI產品在C端產品主要采取“免費+訂閱制”的商業模式，視覺模態類產品的商業步伐會稍快于語言類產品，如剪映、美圖等產品的會員制AI功能，或無界AI、觸手AI等產品的會員制訂閱及資源購買。整體來看，大多數C端 AI產品仍然面臨用戶黏性不足，收費持續性不足的問題，產品形態尚未穩定，生態壁壘尚未建立。相較于互聯網較為穩定的生態格局，AI產品的頭號位交椅仍是懸念。

深層產品洞察：AI Coding

強化推理提升可靠coding能力，coding for everyone將改變什么？

AI Coding產品是指利用人工智能和機器學習技術，通過理解人類語言描述來自動生成代碼的工具，具備提升編碼效率、減少人為錯誤及簡化開發流程等產品優勢。2024年6月20日，Anthropic 公司發布 Claude-3.5-Sonnet 模型，該模型在編程能力上取得重大突破，顯著推動了業界 Cursor、Devin、Windsurf 等標桿產品的破圈應用。AI Coding 產品的發展可極大地提升專業開發者的編程效率，使其能夠將重復性工作交給 AI 處理，把更多精力投入到創造性工作中。此外，隨著 Sonnet、GPT o 系列等模型能力的不斷提升，AI Coding產品的屬性正逐步從輔助性 Copilot 向自主性 Agent 演進。這種演進不僅有望進一步降低編程的門檻，使更多泛開發者、非專業人士能夠進入編程行業，推動編程的民主化，為后續的軟件開發、產品交互及流量生態帶來新的發展可能性。

深層產品洞察：AI Agent

彌合大模型能力與場景應用的鴻溝，多元化廠商生態驅動產品應用創新

AI Agent是一種能夠自主感知環境、作出決策并執行行動的智能體產品。受益于強化學習、后訓練等技術突破，大模型已展現出優秀的邏輯推理及規劃能力，然而，其與應用需求側之間仍存在一定 “Gap”。Agent 作為“橋梁” 角色，可支撐大模型落地到各類具體應用之中，補足其精準對接業務需求、上下文記憶、主動規劃執行以及多任務協作等多方面能力。

當前，Agent市場呈現出廠商生態分化的態勢。互聯網科技巨頭與垂直領域科技廠商常借助Agent能力賦能原有產品，提升其使用體驗與智能化水平。同時，各類廠商依據自身優勢，針對特定客戶群體，推出不同模式的Agent產品，如一站式Agent服務、Agent搭建平臺及Agent應用：2024年10月，智譜華章推出自主智能體AutoGLM，覆蓋手機、瀏覽器、電腦等不同場景，可理解超長指令，執行超長任務；2025年3月，蝴蝶效應推出通用型AI助手Manus，可實現企業研究、旅行規劃、課程設計等多場景的任務規劃與流程操作。

深層產品洞察：AI硬件

AI能力輸入到終端硬件，端側AI尋求規模效應突破，承載更多流量入口

2024年，AI成為手機與電腦的主力賣點，如華為、榮耀、小米、VIVO、OPPO等國產手機紛紛打造手機端側大模型，在AI消除、AI搜索對話、生活助手等功能已提供較好用戶落地體驗，10月，榮耀Magic7系列攜帶全新的YOYO智能體發布，可在手機側實現一句話點咖啡、一句話取消訂閱等功能。字節跳動豆包也在10月推出首款AI智能體耳機Ola Friend，接入豆包大模型進軍AI硬件。以科大訊飛為代表的AI學習機產品在大模型技術加持下不斷更新迭代，在教育產品內預裝大模型能力，精準提升教學能力同時配備AI助手提升引導交互能力。除現有硬件對AI能力的融合，也有大廠及創業廠商探索形態交互更加新穎的新一代硬件設備，如Rabbit R1、AI Pin等新產品，但由于技術不成熟、場景未規模化滲透等原因，尚未出現破圈效應。

語音模態

語音識別與生成能力持續增強，重點關注端到端的語音大模型技術架構

在語音識別能力方面，ASR模型數據量和參數量逐步增大，且大模型可為ASR提供上下文內容理解，在識別率、說話人分離、多方言覆蓋等方面繼續進行有效提升；在語音合成能力上，基于AI語音設計、AI音樂創作等技術方向，音頻能力正由被動生成發展到主動創作；在語音交互能力上，更多廠商在語音大模型架構中，可由ASR-LLM-TTS的級聯式架構升級為端到端的語音交互大模型，顯著提升人機語音交互的響應速度、流暢度、打斷性等。2024年5月，OpenAI發布端到端語音架構的GPT 4o系列，在語音交互能力表現優異，8月，科大訊飛更新星火語音大模型，采用端到端語音架構，在響應速度上有了顯著提升，使得對話更加自然流暢。而與大小模型應用融合邏輯類似，目前兩類語音交互模型架構仍各有優勢，級聯式架構具備可控性與準確性等優點，端到端語音大模型雖然提升交互效果，但會帶來幻覺問題，因此落地實踐上仍需根據應用場景選擇合適的語音模型架構。

語音生成類產品涌現更多創新機會，以海外創企為代表進行市場試水

傳統市面AI語音產品可分為兩類，在過往AI產業浪潮中走在產品化與商業化前列，一類是AI語音轉寫產品，應用在辦公、翻譯等領域，一類是AI語音交互產品，以語音機器人為代表，應用在辦公、客服、營銷等領域。而近兩年，以Elevenlabs、Suno AI等為代表的語音生成廠商在TTS技術、擴散模型的創新融合，讓2024年海內外生成式語音產品市場出現變革性進步，AI語音產品在原本語音生成的功能屬性上，在音色度、內容性、創作性上添加更多生成式的變量元素，AI配音、AI音色克隆、AI有聲書閱讀、AI音樂生成等產品商業化步伐提速明顯。

視覺模態

Transformer架構為技術主旋律，持續演進ViT與DiT兩類技術路線

Transformer架構最早在2017年由Google研究團隊Vaswani等人提出，而后在語言領域取得了革命性突破。借鑒語言領域的成功經驗， Transformer架構同樣可將圖像分割為多個小塊（patch），應用自注意力機制，從而大幅提升視覺CV大模型的泛化能力、理解能力及處理模糊復雜影像能力。而在生成領域，融入Transformer架構的DiT模型為擴散模型帶來新思路，相較于U-Net傳統卷積神經網絡，DiT架構模型能夠更好地處理圖像的潛在表示，并捕捉圖像的長距離依賴關系，以生成高質量的圖像。2024年初，在Sora產品驗證DiT路線的涌現能力之后，主流SD模型、Flux模型及國內視頻生成模型多延續此技術架構，并在生成模型的真實性、可控性、可編輯性上持續發力，更大程度釋放模型鏈接需求的技術生產力。

產品定位清晰，以功能為出發點分別面向G端、大B、中小B、C端市場

艾瑞將主流視覺模態產品分為AI圖像/視頻分析產品、AI圖像/視頻生成編輯產品、AI視覺搜索問答產品三類。其中AI圖像/視頻分析產品定位為早期計算機視覺、CV判別產品，以商湯、云從、海康及華為等廠商為代表，率先進軍大B端與G端市場，掀起第一波人工智能產業浪潮，在安防、金融、醫療及工業等領域開展落地。2024年，大模型Transformer與傳統小模型CNN的架構融合為該類產品注入強心劑，在廠商格局保持穩定的情況下，重點在央國企市場實現項目拓展與架構升級。而AI圖像/視頻生成編輯產品、AI視覺搜索問答產品更多定位在生成式AI路徑，在AIGC浪潮中涌入云廠商、AI廠商、業務廠商及創業廠商等諸多市場參與者，面向電商、零售、設計、游戲等行業，設計師、博主及C端等消費者開展產品試水升級與商業化實踐。

語言模態及多模態

多模態架構仍會側重在生成或理解的單一路徑，未來期待技術深度融合

作為大模型架構的先行模態，大語言模型的技術進展主要聚焦于預訓練的scaling law、后訓練思維鏈優化的推理模型等，在第一章的技術環境中已做展開。本頁主要探討多模態大模型的定義范圍、技術進展及發展趨勢。市面上，多模態大模型的定位范圍多有不一。從定義來看，多模態大模型是能夠處理和理解多種不同類型數據（文本、圖像及音視頻等）輸入輸出，實現跨模態的理解和生成任務的人工智能模型。從分類來看，艾瑞認為，多模態大模型可分為“以DiT架構為代表的生成向”和“以MLLM架構為代表的理解向“兩類。其中，DiT架構的生成向多模態大模型同樣為視覺模態中提到的生成路徑模型，如Sora、通義萬相、VIDU、可靈等模型產品。MLLM則廣泛應用于AI搜索問答對話產品，以支持多模態信息的輸入輸出，如ChatGPT、豆包、kimi等C端產品。然而目前，生成向產品通常無法提供多模態信息的處理分析，理解類產品無法提供視頻生成功能，兩類產品的技術路徑與模型能力尚未達到底層融合。未來，基于AGI角度出發，如何更好地整合不同模態的生成和理解，將是多模態模型發展的關鍵方向。多模態大模型能力的技術路徑達到融合，兼具多模態的生成向與理解向能力，將進一步擴大多模態大模型能力的應用范圍與場景價值。

以大語言模型為技術基礎的AI產品多在大廠射程內，尤其是C端領域生態

因多模態生成產品已放在視覺產品去講，本頁產品主要聚焦語言類產品及以MLLM架構為主的多模態產品。而從LLM及MLLM技術基礎的產品類型來看，中國AI語言及多模態的典型產品大致包括AI搜索問答翻譯產品、AI情緒陪伴產品、AI Coding產品、To B的企業員工及To C的個人助手幾類。從市場廠商參與者角度來看，大廠憑借技術、數據、資金資源和市場理解等多方面的優勢，在多類型產品占據了主導地位，尤其是To C領域。艾瑞認為，未來更多AI創業機會或誕生出小而美的To B市場，面向垂域需求，深耕業務理解與工作流優化，打造基于AI產品能力的一體化解決方案，在前期實現市場開拓與資源積累。

AI產品商業模式解析

AI產品變現路徑暫以項目制與訂閱制為主流，新產品或伴隨新商業模式

當下，大模型在G端與B端落地仍以招投標的項目制部署為主，由運營商、云廠商、AI廠商等幾股供給側力量主導，在國央企率先開展AI大模型的實踐落地。雖然AI產品使用成本是按量/次調用的模式，但目前除項目制外，AI產品較少會以按量付費方式（部分AI圖像生成、視頻生成產品會開啟按生成次數付費的窗口）向用戶收費，而是更多采用用戶更熟悉接受的SaaS訂閱制，初期以免費體驗為滲透點，慢慢引導用戶接受AI產品的付費訂閱。而AI產品的訂閱制收費邏輯可分為三類：1）對AI功能模塊的額外收費；2）添加AI功能的整體產品價格上調；3）AI原生應用的產品收費。展望未來，AI產品或更多主張提供按效果付費的模式，并以AI Agent形式為企業提供個性化產品服務，在用戶訂閱數量減少、客戶IT支出縮減的大環境下完成更多AI產品拓展與用戶付費轉化，當然這種新商業模式對企業現金流、AI產品效果、價值定價評估均提出了更高要求。此外，AI讓C端產品玩法更加多樣，嘗試添加更多AI功能點，以單點形式花樣吸引用戶付費，提供更多產品付費點與轉化變現渠道。

AI產品出海化嘗試

出海成為企業擴市場擴營收的關鍵性策略，產品方向與生存法則為何？

2024年，在國內廠商卷價格、卷應用、卷生態的同時，不少企業將目光放向海外市場。以阿里云、字節跳動、Minimax為代表等大模型廠商出海動作頻頻，其中，阿里云主要聚焦2B電商的AI賦能與數據中心建設，字節跳動在AI圖片生成、AI視頻編輯、AI社交、AI教育等領域進行了多方產品布局，而Minimax與零一萬物等大模型創企也下注在圖像視頻與AI社交等賽道。此外，一些垂直業務廠商及出海創企表現同樣亮眼，如圖像編輯廠商恒圖科技、以插件工具切入的Monica.AI、以NSFW（Not Safe For Work）切入的Crushon.AI等。從產品方向來看，目前AI對話、問答、搜索等用戶流量仍把控在ChatGPT、Perplexity等主流產品當中，AI出海產品大多落在AI圖像/視頻、AI社交/情感陪伴兩大賽道，在下載量、活躍度、留存時長均處于榜單前列。然而這兩類產品也是面臨支付渠道限制與監管合規風險的重要品類，出海廠商需在版權水印、違禁詞審查、風控警戒等方面做嚴格管理，確保AI產品在海外的長久健康運營。

AI Agent的進階

模型能力、工具生態、市場需求協同共振，持續推動Agent的通用性演進

隨著人工智能技術的不斷發展，大模型推理能力與工具調用生態的迭代升級，疊加市場對可自主決策、規劃并執行多步驟任務的智能體（Agent）的迫切需求，AI Agent邁入從認知到執行的突破性拐點。當前，AI Agent已初步實現跨域任務整合（如單指令觸發多領域任務協同）、任務鏈自主拆解及深度決策支持等場景應用，但執行成果仍面臨挑戰，可能存在大模型幻覺、規劃邏輯穩健性不足、工具調用能力有限等問題。值得期待的是，邁入拐點已激活市場創新動能：開源生態蓬勃發展，DeepSeek、Qwen等優質開源模型釋放技術紅利；推動大模型與外部數據源、工具和服務進行高效標準化連接的MCP等工具協議的生態加速擴容，自2024年11月Anthropic發布MCP（模型上下文協議）以來，已超1100個社區服務器與官方集成落地。未來，在模型能力、工具生態、市場需求的協同共振下，AI Agent將向復雜任務持續演進，加速走向“決策-執行-反思”的自主閉環能力頂點。

物理AI

作為融合數字智能與物理世界的橋梁，物理AI正成為下一代AI競爭高地

物理AI作為融合數字智能與物理世界的創新范式，除硬件設備和軟件系統的發展外，其AI發展核心在于構建具備多模態感知與具身行動能力的智能系統，以保障物理實體行為的反應速度、操作精度、決策智能度等。這一領域發展需解決傳統AI在具身交互中的瓶頸——軟硬件技術升級、跨行業生態協作、倫理規范等問題，以推動人工智能從虛擬助手向實體協作伙伴演進。目前，物理AI已經在機器人動作表現、工業機器操控等場景初步體現，物理AI甚至可在老年陪護、家庭管家等場景進一步發揮普惠作用。

DeepSeek的產業價值

推動技術普惠與平權，加速大模型向產業端和消費端的應用滲透

DeepSeek讓開源模型以低成本、高性能的方式進入公眾視野，其影響不僅在于工程、算法層面的突破，更重要的是重構了技術擴散的路徑，促進人工智能在應用層面的落地。在技術路徑方面，DeepSeek進一步推動了對于AGI的探索，有可能帶來AI技術范式從監督微調向自我推理的演進，以及競爭范式向“以效率換規模、以創新換算力”的轉變。DeepSeek不僅通過開源的方式加速了技術迭代，其高效的技術架構還顯著降低了大模型的訓練和推理成本，使得中小企業和個人開發者能夠更容易地應用大模型技術。技術側與應用側的雙螺旋進化將促進人工智能的普惠與平權，推動行業邁向開放、繁榮的應用生態。

人工智能安全治理體系的構建

安全是產業發展的紅線，需構建面向新一代人工智能的治理框架

隨著人工智能技術的快速迭代，其潛在風險已從理論威脅演變為現實挑戰。相關治理體系在應對生成式AI、自動駕駛等高復雜度場景時，仍存在標準缺失、監管滯后等諸多問題。人工智能的安全風險包括內生安全和應用安全兩部分，其中內生安全聚焦技術層的數據與算法風險，應用安全覆蓋更廣泛的社會影響與倫理挑戰。構建動態、前瞻的治理框架，可以考慮從技術、商業、法律、倫理等多角度協同發力，通過政策引導、行業自律與國際協作，確保在釋放人工智能技術紅利的同時，守護安全發展的底線。

歡迎關注艾瑞數智獲取更多內容