AI奇点时刻新应用和新模型20251204

当前实践、面临的瓶颈及未来方向。: 主要内容总结 行业现状与驱动因素:需求端:金融机构(公募基金、私募基金、券商、银行理财子等) 面临信息过载、人力成本高、对研究和决策效率提升的迫切需求。供给端:出现两类供应商: 1)通用AI大模型公司; 2)垂直领域的金融AI 1:高临咨询(于总) —— AI在金融资管投研领域的应用与挑战核心主题: AI如何赋能金融资管机构的投研工作, 当前实践、面临的瓶颈及未来方向。主要内容总结: 行业现状与驱动因素:需求端:金融机构(公募基金、私募基金、券商、银行理财子等) 面临信息过载、人力成本高、对研究和决策效率提升的迫切需求。供给端:出现两类供应商: 1)通用AI大模型公司; 2)垂直领域的金融AI 供应商。后者因更懂业务、能提供定制化和内部信源接入服务而受到青睐。技术演进路径:经历了从会议场景辅助(2023年,如音频转文字、会议纪要) ->知识库建设(2024年初) -> Agent 应用(最近大半年)的发展过程。AI投研的核心价值: 高效发现市场变化,追溯变化原因, 并为后续决策和应对提供辅助建议。当前应用场景(按客群): 公募基金:应用广泛且深入,涵盖权益投资、固收、风控、市场运营等场景, 如报告生成、信息跟踪。私募基金(尤其量化私募):更直接地与投资业绩挂钩,专注于利用AI从非结构化信息中挖掘另类因子, 以提升产品绩效。主题投资和私募股权领域也有应用。券商:研究所、财富部门、经纪业务部门均在探索。 其他: 银行理财子、上市公司等也出现新场景。: 面临的挑战与瓶颈业务视角:核心在于AI能否切实提升资管业绩。目前缺乏足够多成功的投资案例来驱动大规模投入( 量化领域除外)。技术视角: 模型强耦合与升级困境: AI应用与特定模型版本绑定紧密,模型升级可能导致大量Prompt工程和上下文工程失效, 形成”技术包袱”。领域知识沉淀与利用:如何将金融行业的隐性知识(Know-how)有效赋能给AI,使其更懂业务,仍是挑战( 信息检索的精准性:当前主流的向量检索(RAG)方式存在不确定性,与金融行业对准确性的高要求存在矛盾。需探索在算力允许下的更优方案。结构化数据利用:如何让AI更好地调用万得等传统数据厂商的结构化数据。 效果评估:缺乏统一的评测标准来衡量AI 应用的水准和进步情况。: 高临的定位与解决方案定位:做”AI信息的预处理器”,充当”Agent的中央厨房”,聚焦于投资机会端的挖掘,降低Agent 能力:拥有本地算力,部署了多种大模型(开源/海外接口),并进行评测。通过全量预处理A股、行业、主题的增量变化信息(月消耗token达300亿级),提升Agent的效率和准确性。服务模式:提供四种合作模式,涵盖算力支持、知识库搭建/API、AI数据库提供、线上定制服务,适配客户不同需 求。推荐方案:建议机构采用”内部知识库+外部知识库API”或”内部AI问答+外部Agent API”的方式, 快速整合内外部能力。赋能投资案例:与机构合作构建主题投资框架,通过AI甄选成分股,初步显示出相对于市场现有指数产品(如AI ETF)的超额收益。 2:数有一企(周源) —— Agent商业化元年与SaaS行业变革核心主题: Agent技术如何解决中国SaaS行业长期盈利难的痛点, 并带来商业模式的根本性变革。主要内容总结: Agent的商业魅力(案例驱动) : 案例1 (成本价值比) : Al会计开票服务,通过技术优化, token成本大幅下降,实现了极高的成本价值比(从1:2.56 提升至1:50,乃至向1:100+迈进)。案例2 (增购复购) :江苏某客户使用Al会计服务后,呈现爆发式增购,次月增购率从0%迅速攀升至3000%, 表明Agent能快速证明价值并驱动业务增长。案例3 (高客单价服务标准化) : Al数字化合规服务,将原本非标、高成本的服务通过Al实现标准化, 显著提升转化率、降低交付成本和用时。宏观背景与产业机会: 宏观趋势:金税四期全面落地、经济转型、电商平台信息报送等政策环境,塑造了企业财税合规的“时代刚需” 。 市场供需:企业服务需求旺盛,但行业服务标准和数字化能力供给不足,形成“产业刚需”。技术浪潮: Al技术,特别是Agent,为解决上述问题提供了关键工具。认为“所有SaaS产品都值得用Al+重做一遍”, 并能显著改善中国SaaS的盈利能力。中国SaaS的困境与Al带来的变革: SaaS十年困境:分析了中国SaaS在规模(业务形态、营销、定价、续费)和利润(产研、交付实施、定价) 上面临的结构性难题,导致普遍不赚钱。Al对SaaS商业模型的重塑: 业务形态: Al能直接交付服务(而不仅是工具),使“SaaS +服务”成为可能, 拓宽业务边界。营销:价值主张更清晰(直接讲效果提升、成本降低、裁员),易于沟通, 转化率高。定价:基于价值交付,客单价可比传统SaaS提升10 倍以上。续费增购:价值呈现实时,增购复购频次从“按年”变为“按月”, 极大提升现金流和增长速度。利润: Al交付结果,价值路径变短。虽然前期交付成本高, 但核心竞争力转向数据、模型调优、垂类模型等难以抄袭的要素。结论: Al正在重塑SaaS的价值链, Agent公司与传统SaaS 公司的效率差距将会拉大。财税服务行业的Al赋能前景: 市场空间:代理记账服务覆盖中国70%中小微企业,延伸市场达6800亿元。行业难题: 低价竞争、法规频繁更新、缺乏统一标准和信用背书。Al替代/辅助范围预测:预测到2025/2027年, Al 能在财务工作的执行层、日常管理层、决策层分别覆盖相当比例的工作,未来财务部将演变为“财务总监+主管+会计+N个数字会计”的Al管理团队纪Y+: YFQHO30609。数有一企的战略: 构建“AIBM生态”,通过Al数字工厂平台,提供覆盖财税实务、合规、经营赋能等多层次的Agent解决方案,旨在成为行业的智能化领导者、标准制定者和生态构建者。3:闲智能(陈柏文) —— GO (生成式引擎优化)的机遇与策略 核心主题:在用户搜索行为向AI助手迁移的背景下,GO(让AI助手说品牌好话)成为企业营销的新必选项。主要内容总结: GO的定义与重要性:定义:”AI助手说你的好话”。其核心是提升品牌在AI助手(如豆包、元宝、DeepSeek、微信搜一搜等) 中的可见性。重要性:用户注意力和搜索习惯正向AI助手迁移(“目光聚集处,财富必追逐”)。AI助手能基于更丰富的用户隐私数据(如语音对话中无意透露的信息)进行更精准的推荐,其影响力日益增强。GO的现状与趋势: 用户行为:调研显示,越来越多用户购物时使用AI助手查询,AI助手的明确推荐能线性影响购买决策。甚至有25% 的购物需求是在与AI助手对话中被激发产生的(“需求电商”)。平台商业化:各AI助手平台(如豆包联动抖音电商、元宝打通微信小店)正在快速推进商业化,使GO能直接带来转化。 国际参照:ChatGPT的App Store模式(调用Booking等接口完成复杂需求)预示了未来AI助手成为新购物入口的趋势。GO的适用场景与核心原理: 场景:面向消费者的品牌露出与推荐、招商加盟等复杂决策场景、概念植入、舆情对抗等。核心原理:关键在于理解不同AI助手的联网搜索机制和信源偏好(如豆包偏好字节系、元宝偏好腾讯系),然后生成高质量内容并通过这些渠道进行分发。必须触发联网搜索,否则信息无法被实时索引和推荐。如何实施GO及选择服务商: 关键词挖掘:利用AI助手自身的”词条补全”功能,发现用户真实的高频搜索词,而非拍脑袋决定。品牌形象矫正:确保AI助手眼中的品牌形象与企业的宣传一致, 选择服务商的关键:考察其对GO原理的深度理解、能否实现全平台覆盖、以及提供整体解决方案的能力。4:金山办公(陈波)–WPS的AI战略与办公软件的未来 核心主题:作为办公软件领域的老兵,WPS如何拥抱AI时代,并展望AI给办公带来的未来。主要内容总结: WPS现状与定位: 市场地位:与微软Office是全球Office市场中仅存的两位主要玩家。在中国市场,越年轻的用户群体中使用WPS 的比例越高,已形成压倒性优势。商业模式:C端订阅(移动支付兴起后成为重要支柱)和B端授权(在党政军、金融、央企等市场具有绝对优势)并重, 财务稳健。新定位:竞争焦点从微软转向国内”新办公三件套”(企微、钉钉、飞书)。推出WPS365, 整合即时通讯、会议、邮箱、云文档和传统Office,定位为”一站式、全球化、AIReady”的办公套件。WPS的AI战略: AI与办公的天然契合：办公文档是典型的“非结构化数据”，AI的理解和生成能力给办公软件带来革命性机会，但也可能颠覆现有优势，故需紧密跟进。两类AI应用： To Efficiency（提效）：类似微软Copilot，提供文档扩写、Excel自然语言操作、PPT 自动生成等面向个人工作效率提升的功能。To B（为企业定制AI）：为B端客户提供定制化的AI 解决方案，这部分挑战更大。 AI发展的感受：作为一线厂商，经历了从AGI“即将到来”的焦虑到认识到技术发展仍需时间的理性看待。AI（如ChatGPT）已成为个人工作助手，但大规模落地应用需要耐心。提及Web Coding对研发效率的冲击与现状。对AI时代的看法： 态度：坚定拥抱AI，认为AI将为办公带来崭新未来。节奏：认为相对于工业革命，AI 革命三年来的发展已非常迅速，不必过度焦虑，应积极应对和投入。5：陈坤（机构未明确，疑为AI视频创作工具开发者）——AI 视频的商业化临界点与创作革命核心主题：AI视频技术已达到与特定内容市场需求（如AI漫）的商业化临界点，并通过Agent工具降低创作门槛。 主要内容总结：AI 视频的技术进步：通过对比2024年7月（10人团队3个月做15分钟短片）与2025年的案例（1人1天做1 分钟短片），展示了生产效率的指数级提升（从60人天/分钟到1人天/分钟）。预测未来效率将继续飞速增长。AI视频内容的象限分析： 将内容划分为四个象限（传统影视能/不能做vs. AI影视能/ 不能做）。当前阶段（B象限）：AI视频能做，传统影视也能做，但AI 核心优势是降本增效。技术努力方向（C象限）：各方努力将传统影视能做的变为AI 能做的。未来爆发点（A象限）：AI 能做而传统影视不能做的内容（如与世界模型、游戏、脑机接口结合的新内容形态）。终极目标（D 象限）：全新内容形态带来的商业化机会。当前商业化闭环：AI漫 论证：当前AI技术的上限（人物/场景一致性、行业平均制作水平）与用户对“漫” 这类内容接受度的下限，形成了交集，催生了供需两旺的商业化闭环。市场潜力：AI漫（动态漫）市场巨大（预估年底达200亿），深受年轻用户喜爱，在TikTok等平台有数十亿播放 量的案例，吸引各大平台下场。解决方案：AI拍工具 目标：降低AI视频创作两大门槛：1）跟踪和选择合适模型的难度；2 ）缺乏影视专业知识的难度。功能特点： 一站式集成：接入多款图片和视频大模型，无需用户切换。自然语言交互：“忘掉提示词” 工作流覆盖：从项目概要、剧本、分镜、图文生成、视频生成到配音、配乐、合 成，全流程自动化。 多模态输入：支持文字、图片、视频、音乐作为输入灵感。愿景： 让每个人都能成为AI 视频内容的创作者。 整体会议核心脉络本次会议清晰地勾勒出AI技术在2025 年底这个时间点，在不同行业应用的特点和阶段：金融、财税等领域的AI应用已超越概念验证，进入深入业务场景、追求实际价值（尤其是商业回报）的阶段，同时开始直面工程化、可靠性、与现有系统融合等深水区问题。营销领域（GO ）正随着用户行为变迁而成为一个新的、必争的流量入口和营销阵地，强调可见性和精准推荐。工具软件领域（办公、视频创作）则通过AI实现能力普惠和效率革命，大幅降