自2022年末OpenAI推出首个语言大模型开始，全球迎来大语言模型百花齐放的黄金发展期，国内也开启“百模大战”。如今，经过2年时间的沉淀，伴随着大语言模型（LLM）能力的提升，海内外AI应用在2024年蓬勃发展，对应教育、旅游、军事、广告营销等领域开始落地。万物搭载模型，模型赋能万物的时代正在加速到来！同时具身化、端侧与算力的三个维度也在助力AI赋能各行各业。整体趋势层面来看，AI+模式从“训”到“用”——逐渐开始解决着各行各业的需求痛点，AI+产业也正在迈入新的阶段！本文将深入探讨AI赋能各行业的应用现状、机遇与挑战，以及未来的投资趋势，详见正文。自2017年起，《明泽观察》开始对AI领域进行重点且深入的跟踪研究，积极保持对外观点输出，已发表的相关主题观察15篇（详见下表），研究深度以及研究成果均受到业内认可。![]()
AI重塑科技生态：在当今时代，人工智能正深刻地重塑着科技发展的时态与格局。在科技研究领域，AI凭借其强大的数据处理与分析能力，能够快速筛选海量信息，精准定位关键问题，为科研人员提供前所未有的高效助力。例如，（1）已有超过200万科学家访问AI数据库AlphaFold（由DeepMind开发的一款预测蛋白质及其他生物分子的三维结构的数据库）；（2）谷歌的深度学习系统能快速预测未来10天天气，速度与准确性双杀传统数值模型；（3）密歇根大学推出了AI驱动的Coursera Coach，利用苏格拉底式对话增强学生的互动感和参与感，为教育者提供了新的教学工具。总之，从微观的分子结构预测到宏观的宇宙演化模拟，从基础算法的优化到前沿理论的探索，AI正全方位地融入基础研究的各个环节，推动着人类对自然规律的认知不断迈向新的高度，为科技的持续进步筑牢根基，引领我们迈向一个充满无限可能的智能科技新时代。OpenAI科学家Jason Wei认为用AI加速科学和教育行业的研究，是真正推动技术进步的加速器。图表1：已有超过200万科学家访问AI数据库AlphaFold![]()
（资料来源：公开资料）
所以，在基础研究这一科技大厦的根基上，AI发挥着举足轻重的作用。它不仅能够加速基础理论的验证与完善，还能在跨学科融合的浪潮中，打破传统学科之间的壁垒，促进物理学、化学、生物学等基础学科之间的科研教育、深度交流和协同创新。通过对复杂数据模式的深度挖掘，AI大模型揭示出隐藏在数据背后的潜在规律，为科技创新和科研教育开辟新的思路与方向。这其中，通用型基础大模型的开发需要具备数据、资本、算力、人才、技术五个核心要素，具有极高的资源投入标准。例如，在美国，GPT-4的训练成本已达数亿美元量级，而微软、谷歌、Meta等行业巨头已通过高达5-10万卡的算力集群获得了大模型开发的“入场券”，2024年每家公司在AI上的投资规模在500亿美元左右。2024年12月，更是大模型行业的一个热闹峰值。从11月中旬开始，OpenAI、微软、谷歌、字节跳动、百度和智谱等科技公司都召开了与大模型相关的发布会，推出了一系列新模型、新应用和新产品。同时，继5月、9月后的两轮大模型价格战后，OpenAI和火山引擎（字节跳动旗下云厂商）又掀开了第三轮价格战。![]()
（资料来源：公开资料）
再以智源研究院12月19日发布的FlagEval“百模”评测结果为例来看，国产大模型与海外大模型战况焦灼。在其闭源大模型评测能力总榜中，字节跳动的豆包通用模型pro拿到主观评测最高分，OpenAI的o1-mini拿到客观评测最高分。多模态模型评测总榜前三名依次是OpenAI的GPT-4o、字节跳动的豆包视觉理解模型、Anthropic的Claude 3.5 Sonnet。得益于多模态能力的提升，AI模型最新K12学科测验综合得分相较于半年前提升了12.86%，但是仍与北京海淀学生平均水平存在差距，同时存在“文强理弱”的偏科情况，在英语和历史文科试题的表现上，已有AI模型超越了人类考生的平均分。图表3：大模型K12学科测验历史学科卷面分数榜单前五名![]()
（资料来源：智源研究院）
展望：随着底层大模型成本价格的降低，性能的提升，对开发者的吸引力将继续增加，加速AI进入外部企业，抢占应用生态。最终，模型效果真正决定了有多少客户买单，所以一切竞争的原点还是会回归模型的推理能力上。行业应用是AI大模型应用的主战场。伴随大语言模型能力的提升，海内外AI应用在2024年蓬勃发展，对应金融、工业、教育、交通、军事、医疗等领域开始落地。对于国内互联网龙头来说，大语言模型在平台内部应用也能起到降本增效的作用。
![]()
（资料来源：亿欧智库，中信建投）
目前大模型在垂类的应用能力还有待完善，因为垂类行业的专业性和门槛较高，存在微调数据集不够全面或质量不高的问题，底层参数量更为庞大。例如，据 AI Business 报道，医疗保健公司 Hippocratic 于2024年3月融资5300万美元用于进一步开发，其专注于医疗保健底层模型架构Polaris的大小为1万亿个参数，与OpenAI的ChatGPT 等通用系统相比，其设计更加专业。投资层面，我们更加看好相关产业链龙头厂商利用AI继续巩固自身原有的生态优势，下文以旅游和军事行业为代表产业举例（注：以下信息来自于公开资料，不构成投资建议）：旅游：OTA平台积极采用AI生成技术，除了能大幅降低呼叫中心成本，还能为用户提供丰富的出行攻略参考。例如，携程问道及Trip Genie可为全球旅客提供个性化行程规划，同时发布由AI驱动的2024年携程口碑榜全球及亚洲100强榜单，涵盖酒店、景点、餐饮及夜生活等多维度。军事：2024年初，OpenAI放弃了禁止将技术用于军事和战争的服务条款；到了同年年底，OpenAI与美国国防科技公司安杜里尔工业公司建立了战略合作伙伴关系，双方将通过OpenAI的先进模型与安杜里尔的高性能防御系统（主要为反无人机系统）以及“晶格”（Lattice）软件平台相结合，开发用于国家安全任务的人工智能解决方案。OpenAI的人工智能技术预计可以大幅度优化军事系统对海量多源、复杂异构且快速增长的战场情报数据进行深度挖掘和融合分析的能力，进而进一步优化精确感知、缩短决策周期、自主任务规划与协同等关键技术。
图表5：安杜里尔工业公司的无人机“走鹃”（Roadrunner）![]()
（资料来源：公开资料）
智能助理：“Siri”的推出，让消费者第一次系统性地认识到了基于语音唤醒的智能助理这一概念。然而随着多年发展，这一形式的智能助理除了搭载平台扩充到了如车机、智能音响、扫地机器人等平台外，其本质内核仍然没有改变，依旧是基于对语音输入关键词的截取，在功能库中寻找对应的功能，并不具备主动生成的能力。
不同于传统人工智能，AI Agent（人工智能体）具备通过独立思考、调用工具逐步完成给定目标的能力。根据曾任OpenAI的安全研究副总裁的Lilian Weng（翁荔）的博文，在大语言模型驱动的Agent系统中，LLM充当Agent的大脑，Planning（规划）、Memory（记忆）、Tools（工具）、Action（动作）作为关键组件补充。2024年代表性的产业进展：10月，Anthropic发布具备计算机使用能力的升级版Claude 3.5 Sonnet，可指导其像人类一样使用电脑，如查看屏幕、移动鼠标、点击按钮、输入文字等操作；11月，智谱AI发布用AI替代人类执行任务的三款智能体Agent，分别是面向手机的AutoGLM、面向电脑的GLM PC、面向网页的GLM-Web。在大模型快速发展的驱动下，AI Agent在2025年将进入加速成长期！AI Agent以大语言模型为驱动，具有自主理解、感知、规划、记忆和使用工具的能力，能自动执行复杂任务，在C端的场景应用中发挥必要的自由度，为AI Agent扮演人类日常生活的“助理”提供了可能。我们看好2025年AI Agent应用多点开花，大模型厂商AI Agent产品的积极进展或在C端迎来杀手级应用！![]()
（资料来源：开源证券）
展望2025年，AI在软件服务端的广告、视频、销售、客服及AI Agent等领域渗透率的提升，将持续拉动云服务行业发展，同时，在硬件端，智能手机与智能眼镜等新兴穿戴式设备、自动驾驶等新兴场景，也将受益于大模型的应用与场景演化，加速AI应用进入快车道。
![]()
（资料来源：国盛证券）
投资层面：短期看，教育、文娱传媒、办公、营销等领域能够实现快速场景落地；中期看，政务、制造、智慧城市等领域市场潜力不断释放；长期看，大模型有望为医疗、汽车、科研等领域带来颠覆性变革，推动生产力高质量发展。具身智能指的是一种基于物理身体进行感知和行动的智能系统，其通过智能体与环境的交互获取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性。它包含人工智能领域几乎所有的技术，包括计算机视觉、自然语言理解、认知和推理、博弈伦理、机器学习等，横跨多个学科方向，是人工智能的集大成者。生成式AI的爆发推动着ChatGPT等生成式AI与人形机器人行业结合，开启具身智能时代。![]()
（资料来源：极智GeeTech）
具身化AI是指将AI技术与物理实体相结合，使AI系统能够通过感知、理解与交互，实现对现实世界的直接参与和影响。具身化AI不仅涉及数据的处理与分析，更强调AI与行业业务场景的深度融合，为各行业带来全新的业务模式与用户体验。具体的应用场景与优势包括：（1）制造业：在智能制造领域，具身化AI通过工业机器人、自动化生产线等实体设备，实现生产过程的智能化控制与优化。例如，AI驱动的工业机器人能够精准识别零部件，完成复杂装配任务，提高生产效率与产品质量，降低生产成本。（2）医疗健康：具身化AI在医疗领域表现为手术机器人、康复机器人等。手术机器人在医生的远程操控下，能够精准执行复杂手术操作，减少手术创伤与并发症风险；康复机器人则为患者提供个性化的康复训练方案，辅助患者恢复身体功能，提升康复效果。（3）服务业：在餐饮、零售等行业，具身化AI以服务机器人的形式出现，为顾客提供迎宾、点餐、送餐、导购等服务。服务机器人能够与顾客进行自然语言交流，根据顾客需求提供个性化推荐与服务，提高服务效率与顾客满意度。
图表9：商汤科技在CES2025AI展出的下棋机器人![]()
（资料来源：CES2025）
挑战与应对策略：（1）技术融合与协同：实现具身化AI需多学科技术的融合，如机器人技术、计算机视觉、自然语言处理等。（2）伦理与社会接受度：具身化AI的广泛应用引发伦理与社会接受度问题，如机器人替代人类工作岗位、人机关系重塑等。
（二）端侧：AI赋能的本地化与实时性突破
端侧AI是指将AI算法与模型部署在各行业的终端设备上，如智能手机、工业传感器、医疗设备等。端侧AI强调数据的本地处理与分析，减少数据传输延迟，提高业务响应速度与数据安全性；端侧AI模型实时互动，为用户提供更好的办公和生活场景建议。同时，端侧AI离客户和应用场景更近，端侧应用需求增加，原有的用户体验和生态格局将迎来革命性重塑。
从联想的内嵌AI终端架构部署也可以看出，除了云端大模型和本地大模型的混合应用之外，部署还分布到了四种AI算力设备上面，而这四种设备分别是：AI PC、AI平板、AI手机、AIoT设备。其中，AI PC的五大核心特征：本地混合AI算力；个人Agent自然语言交互；内嵌个人大模型；开放的AI应用生态；设备级个人数据和隐私安全保护。从实际应用来看，目前海外的各类AI PC基本上都支持微软Copilot，AI可以帮你设置电脑、快速搜索本地的文档、跟你聊天对话，也可以更高效地运行各种AI创意应用、做各类AIGC图文创作。
![]()
（资料来源：联想）
AI硬件的应用场景与优势：（1）智能家居：在智能家居领域，端侧AI使智能家电具备自主决策与协同工作能力。例如，智能空调根据室内温度、湿度等数据，自动调节制冷/制热模式与风速；智能安防设备实时监测家庭安全状况，及时预警异常情况，保障家庭安全。（2）工业物联网：端侧AI在工业物联网中实现设备的智能监控与故障诊断。工业传感器收集设备运行数据，端侧AI模型实时分析数据，预测设备故障与维护需求，提前进行维护，降低设备故障率与停机时间，提高生产效率。（3）移动互联网：在移动互联网领域，端侧AI使智能手机、可穿戴设备等成为个人的得力助手。智能健康则是消费产品的另一主旋律，从AI戒指、智能手环、智能手表到智能椅、智能床等各种家居产品，AI健康监测已经遍及生活日常，而且与人的交互越发轻松自然，创新正持续发生。
2025年1月，一年一度的“科技风向标”国际消费电子展CES 2025正式开幕。在现场，“AI”标识非常抢眼，较多品牌都涉及到生成式AI的功能或AI大模型效果的展示。例如，汽车大厂丰田展示了未来城市项目“编织城市”，计划打造一座以AI技术为基础，融合机器人、自动驾驶汽车、智能家居等先进技术的城市。同时，许多国内的智能眼镜、VR设备、机器人参展商的展位人气爆棚。新品发布方面，TCL旗下品牌雷鸟创新最新发布了AI拍摄眼镜新品雷鸟V3，把价格杀到1799元价位；首次入局的雷神科技连发3款智能眼镜。
![]()
（资料来源：CES）
（注：以上信息来自于公开资料，不构成投资建议）
2025年的挑战与应对策略：（1）算力与资源限制：端侧设备的计算资源有限，对AI模型的复杂度与计算效率要求较高。随着端侧AI产品的快速增长，应用于端侧、边缘侧的AI算力芯片NPU（神经网络处理单元）或将逐步起量。各行业需优化AI算法，采用轻量级模型与高效的计算框架，以适应端侧设备的性能限制。（2）设备兼容性与更新：端侧 AI大模型的全面落地发展需要全产业链推动，包括芯片算力增强、模型优化、软件厂商适配以及终端厂商的落地应用。不同设备的硬件配置与操作系统差异大，需确保端侧AI应用的兼容性。
算力是指AI系统处理数据、执行计算任务的能力，包括计算速度、存储容量、并行处理能力等。强大的算力是实现复杂AI模型训练、海量数据处理与实时业务决策的基础，为各行业的AI赋能提供底层支撑和创新动力。算力的优势主要体现在其强大的数据处理能力和高效的计算性能。首先，算力能够快速处理大规模数据集，支持复杂模型的训练和推理，从而提高AI系统的性能和响应速度。例如，在自动驾驶中，算力能够实时处理传感器数据，确保车辆安全行驶。其次，算力支持实时应用和决策支持，如智能交通系统通过实时数据分析优化交通流量。此外，算力还促进了算法的优化和创新，推动了AI技术的不断进步。算力作为科技创新不可或缺的要素，在多个领域有着广泛的应用场景。在科学研究中，算力支持大规模数据的处理和复杂模型的模拟，加速了新发现的进程。例如，在气象预测中，算力能够处理海量气象数据，提高预测的准确性和时效性。在工业制造领域，算力用于工业机器人的运动学习和路径规划，提高生产效率和产品质量。此外，在金融领域，算力支持金融行业构建精准的风险评估与反欺诈模型，实时监测交易风险。AI系统分析海量交易数据，识别异常交易行为与欺诈模式，及时预警与拦截风险交易，保障金融安全。2025年的挑战与应对策略：（1）算力与业务需求不匹配：不同行业对算力需求差异大，需根据业务特点与优先级，动态调整算力资源分配。（2）资源闲置：由于供需错位，许多算力中心的资源利用率相对较低，企业级算力中心的利用率仅为10%-15%，导致资源闲置和效率低下。建议通过共享和优化现有算力资源基础设施，提高其实际效能，减少资源闲置和浪费。（3）算力成本较高：算力资源的获取与维护成本高，各行业需合理规划算力资源，采用云计算、分布式计算等技术，实现资源的高效利用与成本控制。
![]()
（资料来源：郑纬民院士学术报告
《人工智能算力基础设施的设计、评测与优化》）
结论：AI进入应用百花齐放期，重塑科技生态
人工智能（AI）技术正以迅猛之势赋能各行各业，从制造业到服务业，从医疗健康到教育文化，AI的应用场景不断拓展，为各行业带来前所未有的变革机遇。结构层面，（1）大模型复杂度日益提升，催化AI生态加速：从大模型角度来看，一方面，开源社区、前沿学者正在不断加速模型的可用性，以及边缘推理的探索；另一方面，越来越多的大厂也加入到布局边缘模型的新一轮“军备竞赛”中来。（2）AI正全方位地融入基础研究的各个环节，推动着人类对自然规律的认知不断迈向新的高度，为科技的持续进步筑牢根基！利用AI加速科学和教育行业的研究，是真正推动技术进步的加速器。（3）随着大模型复杂度日益提升，AGI呈现爆发式增长的趋势，AI训练推理过程中对算力的需求也在随之增加。同时，AIGC 的“智能”在进行上下文理解和情景感知的性能日渐优异，叠加输出文字、图像、声音的多模态之后，具身智能能够在物理世界中进行操作和感知，输出各种机械动作；通过物理环境的感知和实际操作，具身智能可以获得更全面的信息和数据，进一步提高对环境的理解和决策能力。展望2025年，我们判断AI+产业的渗透率将继续提升，我们继续看好AI+投资热潮，建议积极把握相关产业链龙头厂商的投资机会！
