中金 | 国内互联网AI布局：开启追赶模式

AI大模型预训练趋缓，利好龙头追随者。进入2024年下半年以来，大模型预训练环节出现进步放缓迹象，其核心的原因所剩的新的训练数据或已不足。随着训练方法论越来越成熟，算力缺口缩小，人才流动越来越大，龙头追随者凭借强大的财力和资源有望缩小和引领者差距，且整体追赶成本相对可控。

Agent引领AI应用方向，中国互联网公司竞争力强。当下，AI应用方向包括对话机器人，编程助手，办公效率工具，教育，娱乐，赋能传统业务等。展望2025年，AI相关公司将重点应用方向聚焦Agent，例如苹果的Apple Intelligence助手，Alphabet旗下基于Gemini 2.0 Project Astra，Salesforce针对企业用户的AgentForce等。我们认为供给红利是否能够带来需求共振，取决于产品效果是否能够满足用户需求，成本是否可控，商业模式是否可持续等。然而，相比于模型侧更偏追赶状态，对比中美互联网公司，我们认为中国互联网公司在AI应用方向竞争力较强。

AI产品化、商业化不及预期风险；外部环境风险。

自2010年以来，深度学习凭借更大的数据集（例如ImageNet），更强的算力（GPU），以及更大参数的模型（神经网络）推动AI产业在机器视觉等领域持续取得进展。之后，2017年Transformer算法提出则显著提升了模型算法效率，为OpenAI等引领的大模型浪潮奠定了基础。实际上，从OpenAI GPT系列模型诞生以来，Scaling Law逐步开始成为人工智能行业一种共识，行业参与者均将提高模型参数，更大数据集，更大算力作为提升模型最核心的方法论，其结果确实带来能力和效果更强的大语言模型，以大模型为主的人工智能产业发展迅速。

预训练是大模型学习通用特征，获取智能能力基础环节。然而，进入2024年下半年以来，大模型预训练环节出现进步放缓迹象，其核心的原因是此前大模型已经学完了足够多的现存数据，而所剩的新的训练数据或已不足。例如，2024年12月在神经信息处理大会NIPS会议上，前OpenAI联合创始人Ilya Sutskever在演讲中提到：“我们传统印象中的预训练机制即将结束，因为我们有且仅有一个互联网。”2024年12月8日，Alphabet CEO Pichai在纽约时报年度会议中也提到：“低垂的果实已经摘完了，我们可能需要进一步突破才能进展到下一步。”此外，外界高度期待的Open AI下一代旗舰模型GPT-5发布延期，根据华尔街日报报道其训练效果不及预期，高企的训练成本，以及不够显著能力提升等都是延期原因。

当然，现有训练数据即将用完并不代表模型已经不再提升，当下仍有几条路线可以提升模型能力。其一是进一步最大化现有数据价值——正如我们第二次看同一本书仍然会有新收获一样，但是重复使用数据价值大概率是边际递减的。其二则是通过强化学习等方式让机器自己生成高质量数据，从而提升模型智能能力。这条路线典型代表包括Deepmind的AlphaGo模型以及OpenAI 2024年5月推出的GPT 4o系列模型。然而，当下加强学习路线仍有局限性，即其仅适用于目标清晰的领域，从而能够清晰构建激励模型，比如围棋，其输赢规则很清晰，类似的领域还有游戏，数学，编程等领域。而针对诸多开放性目标领域，典型比如创意，目前加强学习泛化仍是难题。

在商业竞争模型中，创新引领和跟随一直是两种典型的战略，前者往往能够最先尝到甜头，获取先入优势。而如果其能够相对于他人更快进入飞轮模型，则往往能够建立壁垒，成为行业引领者，典型代表例如电商平台亚马逊。然而，跟随战略也有一定优势，例如跟随者往往可以避免创新弯路，以最低成本发展新技术。此外，假若跟随者在资金、资源等维度另有优势，那可能进一步加大跟随战略成功概率。总之，创新引领者必须不断创新，直到进入商业飞轮正循环，否则跟随者始终有胜算。

当下大模型竞争或逐渐转向有利于龙头跟随者。如果行业引领者发展速度减缓，作为龙头追随者将获益。在大模型浪潮中，美国OpenAI，Claude等创业公司为行业引领者，他们此前在模型进展被认为引领行业，而Alphabet，Meta，Amazon等龙头则往往被认为是追随者。在中国，月之暗面，Minimax等则被认为是行业引领者，龙头此前被认为是跟随者。而在中美AI发展对比中，美国相关AI公司被认为是模型引领者，而中国相关公司被认为是追随者。随着训练方法论越来越成熟，算力缺口越来越小，人才流动越来越大，龙头追随者凭借强大的财力和资源有望缩小和引领者差距。

一个案例是Alphabet于24年12月抢先发布了下一代大模型Gemini 2.0，并且推出Flash版本供用户使用。相比于前一代Gemini 1.5模型，Gemini 2.0模型具有更强的推理和规划能力，以及更强的编程代码能力，更强多模态能力，以及更强长文本和复杂指令能力，这些使得Gemini在Agent方向能力有显著提升。

另一个案例是在视频生成模型上，相关测评显示中国互联网公司类Sora视频生成模型已经后来者居上，处于行业领先水平。2024年2月，OpenAI演示了文生视频模型Sora，吸引了很高关注度。然而Sora发布后却迟迟没有正式推出，反而中国相关公司更早推出市场化产品。根据AGI-Eval测评数据显示，基于人工测评、模型打分、众包测评三种模式，2024年12月榜单显示，来自国内爱诗科技Pixverse模型，以及快手可灵模型，来自minimax Video模型均得分高于Open AI的Sora。

DeepSeekV3展示大模型接下来重要方向之一可能是性能和成本的平衡，此外开源模型蓬勃发展进一步降低了追赶门槛。24年12月，杭州幻方量化推出DeepSeekV3，其模型在英语知识、编程代码、数学、中文能力等多维度均接近甚至超过GPT4o，Claude3.5等领先模型水平。更重要的是，根据相关论文，DeepSeekV3训练成本仅为557.6万美元，而此前GPT-4、Llama3.1等领先模型训练成本行业普遍估计为数千万美元。我们认为DeepSeekV3能够实现如此高的性价比部分原因是其能够“站在巨人肩膀起舞”，减少试错成本。此外，DeepSeekV3代码开源，正如Meta旗下Llama系列模型等开源大模型普及也进一步降低了跟随成本。

创业公司现金流压力增加同样有利于拥有稳定盈利模式的龙头。由于AI目前普遍缺乏成熟的商业模式，且训练成本高昂，因此此前引领创业公司需要持续融资来保持核心竞争力，同时也需要聚焦更多精力来探索商业模式，以求可持续发展，而非全力聚焦提升模型能力。根据CNBC报道，OpenAI 预计24年营收37亿美元，但是亏损高达50亿美元。24年10月，OpenAI宣布融资66亿美元，公司估值达到1570亿美元。此外，24年12月起推出ChatGPT Pro服务，月费200美元/月，用户可以使用最新的GPT 4o系列模型。而此前ChatGPT Plus月费是20美元。国内也有类似趋势，一方面显示AI创业公司财务压力增加，另一方面显示龙头能够此时吸引更多人才回流。

若以上判断成立，领先者进化速度趋缓，利好追随者，我们认为国内互联网龙头基于资金资源能力，不断招募优秀人才，采购算力，补齐专业认知，其模型能力有望持续接近，甚至不排除局部超过当下国际领先者水平。

一项新的技术出现能够催生无限想象空间，但是其落地的路径却是确定的，首先是产品化，其次是商业化，两者可以统称为应用。过去两年，随着科技龙头持续大幅投入AI资本开支，模型训练成本也水涨船高，而随着大模型能力范围边界圈逐步浮出水面，基于这些能力如何应用化成为市场现阶段关心的焦点。我们大致总结部分当下市场主流的AI应用方向如下：

对话机器人：基于Prompt提示词和大模型互动方式是最直接的人机互动方式，也成为最直接的产品形态。ChatGPT凭借GPT系列大模型引领性，以及AI消费者习惯先入优势获得迅速用户增长。根据Data ai，其2024年11月全球MAU已经达到2.8亿。此外，国内相关产品用户增长最迅速则是豆包，根据QM，其2024年11月国内MAU已经达到5,652万。对于大部分普通用户，这类产品使用场景和传统搜索引擎存在一定重合，特别是信息性信息获取场景，也引起了市场对于传统搜索引擎市场地位担心。不过目前来看Google搜索市场份额仍旧维持90%以上，一方面AI对话机器人模式目前整体用户渗透率仍然偏低，且存在商业模式不清晰，成本较高，幻觉等问题；另一方面，Google推出AI overview产品，已经将大模型对话融入传统搜索引擎，在复杂场景时候会引出大模型（大部分简单问题则不需要大模型就能满足用户需求），从而实现效果和成本平衡。长期来看，对话机器人场景有望演变为Agent的流量入口。

编程助手：编程一方面需求刚性，任何涉及IT的企业大概率都有编程代码需求；另一方面也契合大模型长项，尤其是GPT 4o等推理模型结合强化学习训练后，模型在编程领域能力有显著提升。24年10月，Alphabet CEO Pichai曾提到Google内部25%的新代码都由AI工具生成。24年7月2Q24业绩电话会议上，微软CEO Nadella提到Github的年化营收超过20亿美元，其中40%左右由编程Copilot贡献。当下，几乎所有主流大厂都标配AI代码生成工具，同样类似创业公司也被风险投资积极关注。24年4月AI Coding创业公司Devin 以20亿美元估值融资1.75亿美元。24年年底，Cursor以26亿美元估值完成了1亿美元融资，四个月估值涨了6.5倍。根据Polaris研究预测，2024年AI编程工具市场规模为39.7亿美元，到2032年有望增长至271.7亿美元，复合增速23.8%。整体来看，目前AI大模型能力仍处于迭代阶段，而顶尖模型仍有较高成本，当下聚焦核心需求，适当舍弃一些不必要功能，打造商业可行产品反而可能率先跑出。

办公效率工具：实践证明大模型在总结上下文，起草格式化文件等方面有不错能力，此外更新模型在负责任务和规划方面也展现了一些能力突破，这些能力在普通办公场景均有产品化落地的空间。23年11月，微软推出Office Copilot，集合了Word文档生成，PPT生成，Excel数据分析等一系列办公效率AI工具。国内例如WPS AI，其提供了Office Copilot类似功能。Kimi Chat在长文本总结等方面展现一定强项。腾讯会议则推出AI小助手，能够提供实时会议记录，智能摘要等提高会议效率功能。

教育：AI大模型教育产品能够为学生提供个性化的教育计划，能够促进学生更加积极提问（减少社交压力），能够实时评估学习效果提供反馈等，这些优势在教育领域都有望带来产品机遇。以Khan Academy的Khanmigo为例，其基于GPT系列大模型开发，其基于Khan Academy积累教育内容库，并且针对学生问题不直接给答案，而是耐心提供解题思路，引导学生一步步自己找到思路。在Common Sense Media对小孩是否友好的测评中，Khanmigo被评为四颗星，高于ChatGPT和Bard。专注于语言教育的Duolingo也推出了基于大模型的AI助手Lily，仿真对话场景，提供更加个性化、互动化的体验。

娱乐：当下大模型应用在严肃场景仍有幻觉等问题难以根治，但是应用在非严肃娱乐场景还是存在不少应用场景。以早期的Character AI为代表的AI聊天伴侣类应用是目前C端用户体量最大的应用赛道之一，根据Data.ai截至24年12月Character AI月活跃用户规模约为5400万。而来自中国Minimax出海应用Talkie全球MAU也达到2800万，且保持较快增长态势。此外，AI玩具赛道也呈现出迅速增长势头，国内FoloToy跳舞仙人掌基于大模型打造适合儿童互动的玩具。24年11月根据多知网报道，其CEO王乐表示其产品出货量已经近2万台，公司也处于盈利状态。

赋能传统业务，对内降本增效。基于AI能力对传统业务赋能，以及对内降本增效也是当下重要AI应用方向。以广告为例，利用生成式AI更高效、低成本生成营销物料，帮助广告主提升ROI。以Meta为例，其3Q24业绩会表示AI驱动24年以来用户在Facebook和Instagram上时长分别增长8%和6%。在广告侧整合AI能力的Advantage +提供了更全面自动化解决方案，降低广告主投放门槛，提升了ROI。Meta CEO 扎克伯格在25年播客采访中提到AI有望在25年替代中等水平的编程工程师，体现AI有望展现内部降本的效果。腾讯也在3Q24业绩会上提到营销服务借助混元大模型来提升内容和广告物料标签、分类，从而提升广告分发精准度。快手也在24年9月投资者日提到推荐大模型每天给快手带来10亿分钟以上的APP时长增加。同时提到新代码20%左右由AI生成。

Agent是大模型应用重要落地方向。我们曾在此前《AI时代的分叉点：AI Agent或开启AI原生应用时代》中分析过，大语言模型展现了一定逻辑推理和理解能力，其底层原理和人类大脑神经网络结构具备相似性，因此Agent或可能是大语言模型重要应用方向。实际上，24年大模型演进方向进一步增强了其在Agent应用领域的潜力，一方面多模态功能增强能够和当下手机等硬件更好协同，更低门槛输入现实世界中问题；另一方面，模型推理功能增强也进一步增加了模型处理复杂问题，规划等能力，文本窗口增强也增加了模型记忆能力等。总之，大模型演进方向进一步验证了我们此前对于Agent应用方向判断。

AI agent应用想象空间足够大。我们认为AI Agent不同于诸多对于现有场景提效，有望开始AI原生应用时代，正如搜索场景之于PC互联网，以及打车、支付之于移动互联网。AI Agent正如给每位用户都配置一位“秘书”，能够进一步提效用户生活、工作等场景，其能够渗透进入用户方方面面，因此具有很高用户粘性，以及商业潜力。根据GrandView研究显示，24年AI Agent市场空间为54亿美元，预计到2030年增长至503亿美元，复合增速45%。

龙头争相布局AI Agent产品，25年有望迎来供给侧红利。巨额前期投入+技术爆发周期+潜在大空间驱动龙头集中布局AI Agent方向，且相关产品有望在25年集中落地，其中典型代表有，ToB方向，Salesforce于24年9月推出了Agentforce产品，打造基于原有CRM平台的AI agent助手，能够解决比如高效客服，智能线索分析，优化营销策略等决策功能。24年12月，其CEO Mark Benioff宣布将招募2000名销售来推广Agent相关产品。ToC方向，苹果基于iOS 18.1推出Apple Intelligence助手，其能够为用户提供更智能的语音助手功能，且提供包括信息总结摘要，图像智能AI编辑，文本智能生成等一系列功能。由于苹果iPhone具有庞大用户基础，以及完整的操作系统掌控力，市场普遍认为其最有可能打通应用之间壁垒，为用户提供更好的Agent体验。24年12月，Alphabet发布基于Gemini 2.0模型Project  Astra，提供更好的对话体验，更新的工具（Google地图等），更强的记忆能力（10分钟），以及更快的响应速度。此外，其同时推出Project Mariner，能够基于Gemini多模态功能，实时识别屏幕操作，从而帮助用户完成复杂操作，比如指导用户玩游戏。24年12月，国内智谱清言也推出AutoGLM相关Agent产品，其能够自动执行跨应用复杂操作，并具备自主决策能力。

► 探索期：效果低于阈值，成本高于阈值。这个阶段更多是在探索各种产品可能性，相关产品一般价格高昂，而功能不佳。典型代表如智能手机探索时期苹果1993年推出的掌上电脑Newton，售价高达900美元，但由于文字输入效果不佳等问题销量低于预期。

► 过渡式创新：效果高于阈值，成本高于阈值。这个阶段核心是通过聚焦产品功能，对非核心功能做减法来平衡成本，少就是多，打造出符合特定用户群体的产品，构建可持续商业模式。典型代表如智能手机时代的黑莓手机，其聚焦email功能，主打可靠性和安全性，省去其他网页浏览等功能，获得了企业用户青睐。

► 全能式创新：效果高于阈值，成本低于阈值。这个阶段核心是打造尽可能贴合用户需求产品，成本考虑不再是核心，这时候往往可以进行融合式创新。典型代表则是苹果的iPhone，其集合了电话，互联网，iPod多种功能于一身，真正定义了智能手机时代。由于能实现功能不是一个维度，全能式创新往往能够对过渡式创新实现降维打击，比如iPhone和黑莓手机竞争，是iOS整体应用生态和黑莓单个产品的竞争。

基于此理论，我们大致认为AI技术普及目前可能处于从探索期到过渡式创新跨越阶段，一方面大模型突破使得AI能力有突破效果阈值迹象，另一方面高昂的算力等成本投入，仍然是阻止技术扩散的原因之一。从这点来看，聚焦某些特定用户需求，奉行少就是多的理念，可能是下一阶段爆款应用的方向。当然，我们认为，长期来看，全能式创新依然意味着更大的机会，只是当下时机可能尚未成熟。

当前市场上有一种声音声称：“因为美国是AI技术引领者，所以AI应用也必然先在美国普及，中国也是跟随者”。我们认为这种判断很可能是错误线性外推思维导致，模型侧领先优势目前正在缩小，而应用侧中国互联网公司拥有足够的竞争力。实际上，移动互联网以来，基于工程师红利，需求侧国内超大单一市场规模背后是丰厚的数据资源，以及基础设施等优势，国内互联网应用生态在短视频、电商、本地生活，甚至包括手游等赛道在线上化渗透率、变现规模等相对于美国市场都处于领先位置。以电商为例，24Q3根据国家统计局数据线上渗透率为26.5%，而根据eMarketer数据，其预计24年美国电商零售额占整体零售额比例为16.2%。此外，中国互联网公司在海外市场和Meta，Alphabet等海外互联网龙头展开积极竞争，获得了可圈可点成绩。以24年苹果公布iOS App Store年度下载榜单为例，有3款进入美国区域前10 的应用来自中国厂商，分别是字节跳动旗下的Tiktok，Capcut，以及拼多多旗下的Temu。基于以上论述，我们认为AI应用尤其是在C端尝试中，国内公司从执行力，工程师能力，市场基础等多维度都拥有较强竞争力，甚至有望抢先探索出更大空间AI应用方向。

综合以上比较，我们认为随着AI大模型预训练机制发展放缓，训练方法论逐步成熟，算力稀缺问题逐步缓解，可选开源模型越来越多，人才流动越来越快等一系列因素，国内互联网龙头作为追随者有望持续缩小和引领者模型能力差距。此外，随着AI进入应用探索阶段，过去十年国内互联网公司积累的工程师能力，执行能力方法论等都有望在C端市场持续探索AI应用潜力，竞争力不输海外互联网龙头公司。

► AI产品化、商业化不及预期风险：新技术应用场景探索很难提前预测，存在不及预期可能性。当下AI商业模式依然不清晰，存在亏损等不及预期风险。

► 外部环境风险：美国对中国先进芯片禁运禁令等可能延缓国内AI产业发展。

本文摘自：2025年1月21日已经发布的《国内互联网AI布局：开启追赶模式》

肖俨衍 分析员 SAC 执证编号：S0080521010001 SFC CE Ref：BIL686

白洋  分析员 SAC 执证编号：S0080520110002 SFC CE Ref：BGN055

高樱洛  分析员 SAC 执证编号：S0080524010008

王秋婷  分析员 SAC 执证编号：S0080523030001 SFC CE Ref：BTK905

魏萌  分析员 SAC 执证编号：S0080524070011 SFC CE Ref：BVB685