随着人工智能技术的飞速发展，AI应用正以前所未有的速度渗透到各个领域，深刻改变着人类的生产生活方式，成为全球科技竞争与产业变革的关键焦点。从文本生成、图像创作到复杂决策支持，AI应用展现出强大的潜力和广阔的发展空间。对于中国而言，庞大的互联网用户群体、海量的场景数据以及持续强化的智能算力布局，共同构成了发展AI应用的独特优势。让中国有望在这场全球竞赛中脱颖而出，成为应用创新的时代先锋。

本文深入剖析了AI应用的发展空间、驱动因素、市场现状、商业化进展以及相关公司的情况，全面梳理了AI应用的发展脉络，并探讨了其未来渗透率提升的方向。旨在为关注AI应用发展的各界人士提供一份深度研究报告，助力更好地了解AI应用行业，把握AI应用带来的时代机遇。

01

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。

02

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。

03

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。

04

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。

（4）国内垂类AI应用图谱

05

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，通过订阅制创收并快速起量

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。

06

07

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%。原因在于：

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。

08

参考研报

1.国信证券-计算机行业全球AI应用产品梳理：模型能力持续迭代，智能体推动商业化进程

2.中信建投-人工智能行业深度透视：全球AI应用商业化到了哪一步？

3.中金公司-人工智能行业：海外AI应用渗透到哪了？

4.兴业证券-计算机行业AI应用：巨头逐鹿，加速繁荣

5.量子位智库-2025年中国AIGC应用全景图谱报告

6.华泰证券-科技/可选消费行业：智变•2025，互联网AI应用元年

7.长江证券-软件与服务行业专题报告：AI应用拐点已至，聚焦Infra与大场景

8.甬兴证券-计算机行业AI应用专题（一）：海外ToBAI应用，商业化的三种路径

9.招商证券-TMT及中小盘行业中美AI产品应用生态对比研究：你方唱罢我登场，中美AI应用深度研究

AI应用行业深度：驱动因素、市场现状、商业化进程及相关公司深度梳理

01