星球收录10W+上市公司闭门会议纪要、产业专家调研纪要、行业及公司数据库、卖方观点、精选研报。日均更新200+机构投研资料。要点（文末有彩蛋） 1、国内AI大模型产业现状大厂竞争激烈，模型迭代快速：国内主要头部玩家分为互联网大厂和六小龙或六小虎两个阵营。大厂中百度、字节、阿里是核心，各家投入大量资源，模型迭代速度快。腾讯相对佛系，在大模型方面的动作较晚。百度：做AI时间久，百度智能云商务团队最早响应AI战略，重视在大客户中推动AI应用落地及生态建设。字节：23年上半年开始重仓AI，集团层面更注重AI在C端的变现，推出众多AI应用APP，也在探索相关硬件，但在B端拓展姿态未放得特别重。阿里：阿里云去年营收增速低，24年上半年更注重原有的云业务及SMB业务增量，在AI的商业化和落地变现上相对没那么激进。第二梯队六小龙或六小虎情况：Mistral：基因是to C，近期发布to B接口，全面拥抱阿里生态，C端和B端都会有所兼顾，月活表现亮眼。智谱：坚定做to B，积淀深厚，从自然语言拓展到大模型后做了战略调整，开始做生态并发布生态计划、配备基金等，重视行业落地，会出贴合行业特点的产品版本。Kimi：以地标为主，投大量资源在Kimi APP的表现上。剩下三家：在一些偏垂直的领域有拓展，如百川在医疗、金融等领域。2、AI大模型应用层情况进展整体慢于预期：23年行业内涌现众多AI应用公司，但24年发展比预想缓慢，to C方面基于内容生成的应用已崭露头角，但to B应用速度慢，大模型应用能力未达理想状态，目前仅能实现助手级应用，在金融、医疗、客服等寄予厚望的场景落地较浅。B端拓展较快的模型厂商及应用场景：B端拓展较快的厂商：百度：做AI久，百度智能云商务团队积极响应AI战略，重视大客户中AI应用落地及生态建设。智谱：重视行业落地，推出贴合行业特点的产品版本，如金融行业的私有部署模型。B端应用较快的场景：客服：被寄予厚望，但落地状况靠后，未达到快速铺开的境地。目前智能客服更多用于需求收集、工单分级和派发，衍生出智能导购场景，在售前场景中势头较好，在to小C场景落地贴切。营销：落地性一般，处于初级状态。企业内部管理：如知识库管理、会议室管理等，落地的智能体应用初级，企业可基于公开的开发平台自行开发。金融：AI在金融行业落地有难度，预期的专家级应用如智慧投顾等未达到理想效果，目前落地多为浅层次应用，如读财报、做资料梳理等，现在在营销侧探索利用AI做高质量线索判别、商机培育。医疗：AI在医疗行业未能进入临床阶段，目前应用仍处于传统远程问诊层面，无法做出非常专业的医疗判断，处于较浅层次。汽车：造车新势力积极拥抱AI大模型，将其融入车机系统，提升驾乘人员体验并与现有应用集成，智能座舱落地效果较好。游戏：营销方面与其他行业类似，智能NPC在24年被广泛应用，提升玩家体验，在游戏中迅速铺开。电商：23年已开始应用AI，24年涌现新应用，如C2M个性化定制，集中在偏中端或中高货品。法律：海外法律行业中，大模型可替代人工翻阅海量卷宗寻找判例，国内则落地在判决文书撰写、法律预咨询等较浅应用，如写标书、论文等。3、AI玩具领域情况发展情况：23年上半年已有很多玩具厂商和创业公司推动AI玩具场景应用落地，模型厂商将此领域客户作为模型落地客户提供支持，业内对该领域比较看好。优势：AI大模型可解决传统数字化玩具内容丰富度问题及低幼群体对玩具新鲜感易衰退的问题，提升玩具的体验和粘性。现状：大厂未直接下场做玩具，而是聚焦可穿戴设备领域，玩具更多由传统玩具厂商拓展。4、国内算力产业情况算力卡情况：目前算力仍集中在NVIDIA的卡上，华为昇腾等国产芯片的效果与NVIDIA卡有一定差距，算力紧缺情况不像年初想象的那么恐慌，大厂有各自解决算力的方法，同时出现了为中型企业提供算力服务的公司，训练端卡需求一般，推理侧芯片需求更多。5、海外AI情况变现情况：海外AI变现主要在B端，C端应用落后于国内，字节在海外市场的C端应用有一定尝试，但主流C端应用场景在国内，海外B端应用场景比国内强很多，如销售侧的AI数字员工、创作侧的内容生成等。6、关于英伟达卡审查及相关影响阶段性产物，影响有限：对英伟达卡相关审查动作是阶段性的，24年后大家对算力的焦虑减少，除模型训练层面的厂商外，AI应用公司的算力需求基本能得到满足，行业难点主要在于行业洞察与AI能力结合及基础模型能力提升。7、火山引擎发布会亮点多模态模型能力提升与发布：包括具体的模型家族更新，在汽车、消费等行业侧的落地，尤其是客户案例的落地。传统产品与AI结合：IaaS云基础产品如视频云、边缘云、安全产品、数据产品等如何与AI结合，如基于数据飞轮理念叠加AI能力。开发者生态：字节火山将开发者生态放到很高的量级，今年会召开开发者大会，聚集为AI买单、寻求智能体场景落地的潜在客户。Q&AQ：目前在 B 端拓展较快的模型厂商有哪些，以及其在 B 端的情况是怎样的？A：B 端现在拓展比较快的，或者投入较大的厂商，第一个是百度，它做 AI 很久了，且因百度智能云在云计算服务赛道表现一般，所以一直贴着集团 AI 战略，百度智能云团队从 2023 年就非常重视在重点大客户中不仅卖传统云服务，还做 AI 应用落地及生态建设等，2024 年开年就在成都或武汉等地开展 SaaS 生态大会，联合更多 SaaS 行业；第二个是智谱，代表 AI 创业公司阵营。相比而言，通义阿里这边稍不那么重视，这可能与阿里云现今的策略和业务重要性一脉相承。Q：阿里云去年营收增速情况如何？A：阿里云去年营收增速非常低，低于3%，是几个云大厂里增速最低的。Q：2024年上半年阿里云的业务重点是什么？A：2024年上半年，阿里云没有把商业化重点放在通义千问B端售卖上，而是在驱动原有云业务，包括挽回政企客户（因为被华为、字节抢走不少），拓展云在SMB业务的增量（如请罗永浩做直播等）。Q：字节集团在AI变现方面的重点是什么？A：字节集团在AI变现方面真正更核心的重点在C端，推出了很多AI应用APP，也在探索相关硬件，在B端是拓展姿态，没有放得特别重。Q：在B端AI落地方面，百度和智谱有什么特点？A：百度是B端AI落地最早也是最重的一家。智谱比较重视在行业里的落地，例如在金融行业会出贴合行业特点的产品版本，像金融行业会推出私有部署的模型版本等。Q：AI大模型应用场景从哪两个维度来看比较明显？具体有哪些？A：从行业维度和应用角度来看。从应用角度看，最核心的场景有客服、营销、企业内部知识库管理等。Q：智能客服领域的AI落地状况如何？为什么会这样？A：智能客服领域的AI落地状况比较靠后，远未达到预期的快速铺开境地。主要原因是基础模型能力还有欠缺，存在模型幻觉。在模型用于企业内部绩效等情况时容错度较高，但用于面向客户接受工单、交互时风险较大，因为一旦回答错误可能对品牌造成严重影响，所以很少有企业将AI用于一对一的工单关闭。Q：智能客服场景下AI的应用性有怎样的转变？A：智能客服场景下AI更多是做第一道需求收集、工单分级和派发，简单工单可直接处理，复杂工单则上升到人工客服，AI做工单升级、派发等辅助功能。Q：智能导购场景与智能客服场景相比有何优势？A：智能导购是从智能客服衍生出的场景，是售前咨询场景。在大模型能力不是特别到位时，其容忍度更高，因为它更偏向销售推荐，即便出现幻觉或准确度偏低，客户容忍度也较高，且导购离客户现金更近，对业绩提升更明显。Q：哪些行业在AI落地方面比较有利？A：金融行业一开始被寄予厚望，但2024年来看在AI落地方面还是有难度的。（回答未完整阐述哪些行业在AI落地方面有利，仅提及金融行业有难度，根据文本只能输出到此）Q：2024年各大厂商在to B侧卖出的AI应用有何特点？A：2024年各大厂商在to B侧卖出的AI应用基本上都是比较浅层次的智能体应用，这是因为一些头部终端客户的IT人员技术能力有积累，他们基于公开的、开源或低代码的智能体开发平台就能开发出相应应用，这些应用如管理知识库、管理会议室、金融行业研究财报等，都非常简单。Q：在金融行业中，AI应用落地存在哪些问题？A：金融行业原本预期做专家级别的应用，如智慧投顾，但目前离预期效果相差很远，无法做到像人类顾问一样知识广阔、热心、精准等深度落地。目前金融行业的AI应用多为浅层次的，如财报阅读理解、资料梳理和结构化输出，不过金融机构营销侧有利用AI做高质量线索判别、商机培育等探索。Q：医疗行业中AI应用落地的情况如何？A：医疗行业中，原本想象AI能进入临床阶段，但目前只能实现传统远程问诊上接AI，起到简单客服场景的作用，无法驱动非常专业的医疗判断，也是较浅层次的应用。Q：汽车行业中AI应用落地为什么比较好？A：因为中国造车新势力集中且非常看重技术融入，他们是第一波拥抱AI大模型的，将其融入车机系统形成智能座舱，提升驾乘人员体验并与车机内应用集成，如地图、本地O2O推荐系统等。不过目前主要是车企主观推动，终端消费者的应用量还需培养。Q：游戏行业中AI应用的场景有哪些？A：游戏行业中AI应用场景主要有两个。一是营销方面，和其他行业类似，做智能投放、流量线索判别识别以及基于AI的运营；二是智能NPC方面，24年被很多游戏厂商应用，之前NPC对话内容有限，现在接了大模型后玩家可与NPC无穷尽对话，极大提升玩家体验并在游戏中迅速铺开。Q：电商行业中AI应用在24年有哪些新变化？A：电商行业23年AI应用于商拍和营销册已较为常见，24年出现新变化，除早期应用外，还涌现出如C2M个性化定制的应用，可让消费者借助AI系统快速定制自己的商品，再与生产供应链打通，但集中在偏中端或中高端货品。Q：玩具和传统To C硬件产品中AI应用的情况如何？A：这些产品中AI应用发展快速，如传统手办等，之前软件和内容是预制好的，现在接入AI大模型，像玩具以大模型为核心，可陪伴孩子成长，换其他玩具也可能被识别等。Q：能否展开讲讲目前在AI玩具领域有布局的企业的当前格局以及未来商业展望？A：2023年上半年就有一大波AI玩具相关的动向。玩具厂商率先捕捉到商机并开发相关产品，同时也有海归团队等创业公司涉足。从模型厂商角度看，没有对AI玩具行业过多投入，更多是将该领域客户作为模型落地客户提供支持。大家对这个领域比较看好，因为AI能解决传统数字化玩具的一些弱点，如内容丰富度方面，传统玩具内容受限于内置芯片、WiFi下载等，在三四线城市操作较难，而AI大模型可提供无穷尽的内容资源；在玩具对低幼群体的陪伴方面，低幼群体对玩具新鲜感衰退快、玩具粘性是挑战，而有了AI模型后，品牌可推出多系列多IP且背后基于同一AI模型，能识别孩子、保留交互记录并迭代，即使更换玩具外形，账号和交流记录仍保留，开创了新体验场景。目前大厂没有直接下场做玩具，更多是传统玩具厂商在拓展，大厂偏向做硬件相关的可穿戴设备，如字节发布欧莱雅耳机、大模型眼镜产品，也带火了Pico设备和AR/VR设备等，可穿戴设备赛道随着大模型出现想象空间被打开。Q：法律咨询方面，AI在专利申请上能做到什么程度？例如能否回答是否可成功受理或获批，若可受理是否能生成申请文书？A：专利申请如果仅仅是生成文书的话，是可以的。但是如果涉及到更深层次的工作，那还是需要做一些模型的精调。模型的精调包括专业文书的撰写，现在很多模型其实已经可以处理标书的写作等内容，这些技术能力是足够的。但如果企业想专门做专利文书的撰写，那需要进行一定的模型精调。Q：能否更新一下目前国内算力这一块的产业情况？例如国内一些国产算力和针对大模型相关的情况，包括产业近况？A：目前算力还是集中在NVIDIA的卡上。不管是华为的昇腾，还是其他的国产芯片，大家主要用的还是NVIDIA的卡。而且对于算力的紧缺，没有年初想的那么恐慌，基本上都能有所解决，几个大厂都有自己解决算力的方式。这一两年出现了很多为中型企业提供算力服务的PaaS公司，催生了新的产业小赛道。华为卡与英伟达的卡相比，效果还是有一定差别，所以还是以N卡为主。并且除了最头部的几家做预训练之外，其他中型或者做应用网的厂商对训练卡的需求一般，更多需求在推理侧，这也是导致现在不像去年说的那么紧缺的原因。Q：海外变现比较快的AI场景、典型案例或者典型公司？A：海外的AI变现最主要在B端，和国内的差异也在B端，海外C端远远落后于国内。海外典型的B端应用场景有销售侧和创作侧（内容侧）。例如在内容创作侧的Typeface.ai，是Adobe的前CTO创业做的，基于AI驱动，为企业在市场营销链路赋能，做文案、图形设计等。还有与AI数字员工相关的11X.ai，上个月刚融了五千多万美金，做SDR数字员工，帮助企业管理和处理线索等；荷兰的Type on Type 2.ai，做SEO的AI数字员工；Artis公司，拿到YC投资，做销售侧数字员工，还计划开发基于市场营销和客户成功的数字员工。另外还有做AI员工招聘的，可模仿面试官做候选人判别和面试等，这些都是海外比较成熟的B端应用。Q：国家对英伟达相关卡的审查动作是否会使国内算力供给进一步失衡？A：目前还在观望中，这应该是阶段性产物，在中国肯定会存在。进入24年以后，大家对于算力的焦虑不像23年那么严重，除了六小龙等在模型训练层面可能担心算力的厂商之外，其他多数关注AI应用落地的厂商对算力的需求，目前各大厂商和算力公司基本能够满足。Q：火山引擎12月19日（左右）在上海的发布会是否会有亮点？A：文档未提及，无法准确回答。Q：国内外B端在销售侧应用存在明显差异的原因是因为模型的成熟度吗？A：不是模型的差异。Q：虽然海内外AI大模型有差异，海外模型能力更强，但在应用层差异不明显且国内模型在某些场景有优势，您认为造成这种现象的原因是什么？A：模型能力不是最重要的，其差异源于商业模式和环境。海外商业环境地广人稀，人口密度不大，在营销、销售、客服等方面依赖远程手段，对提升效率的工具需求看重；而国内地广人密，人口和客户密度大，过去人口红利有惯性，人力资本不贵，企业可配备庞大团队，关系型销售等手段使得对工具的诉求较弱。此外，国内外营商环境不同，海外对企业运营规范性包括数据和系统规范性要求很高，而国内除会计电算化对财务要求较高外，其他要求较低，外界被动压力少。还有，海内外对数据应用的管控不同，海外管控严格，其B端营销手段和通路健康，而国内一些营销和服务通路被玩坏，导致基于这些通路的To B系统或应用在海内外接受度不同，国内B端才刚刚开始。
