专家产业视角看AI应用的落地节奏20251130

2025年12月01日16:21 全文摘要 当前大模型领域的技术进展与竞争格局备受关注，国内在资源、人力和算力方面表现突出，尽管模型能力与顶尖尚有差距，但产品体验，尤其是结合自身数据搜索和生成方面，已较为良好。腾讯、华为、阿里巴巴等公司在AI领域的投入与策略各异，腾讯侧重于微信生态内的保守策略，华为面临封闭生态的挑战，阿里巴巴则在AI模型创新上积极布局。创业公司也在这场技术竞赛中展现出活力与策略调整。 专家产业视角看AI应用的落地节奏-20251130_导读 2025年12月01日16:21 全文摘要 当前大模型领域的技术进展与竞争格局备受关注，国内在资源、人力和算力方面表现突出，尽管模型能力与顶尖尚有差距，但产品体验，尤其是结合自身数据搜索和生成方面，已较为良好。腾讯、华为、阿里巴巴等公司在AI领域的投入与策略各异，腾讯侧重于微信生态内的保守策略，华为面临封闭生态的挑战，阿里巴巴则在AI模型创新上积极布局。创业公司也在这场技术竞赛中展现出活力与策略调整。未来，AI模型预计将更广泛地渗透至各行业，智能体在B端和C端的应用将日益普遍，AI甚至可能成为下一代互联网的入口。尽管AI应用的爆发性增长可能不如预期，但预计未来几个季度内将出现具有显著日活跃用户的AI应用，这些应用基于现有产品重构，将带来全新的用户体验和商业模式。 章节速览 00:00中国AI大模型市场竞争与发展趋势 对话深入探讨了中国AI大模型领域的竞争格局，包括头部企业和创业公司的最新进展。头部企业如腾讯、华为在模型迭代与应用场景上采取了不同策略，而创业公司则在模型性能与市场定位上展现了多样化趋势。市场期待AI应用的创新与繁荣，预示着AI时代将迎来更多高活跃度的超级应用。 05:28 AI应用领域与变现路径探讨 对话深入探讨了AI应用的未来方向与变现策略，指出在B端领域，编程类与数据分析类应用已展现出强大的变现潜力，而C端则聚焦于视频社交、教育辅导及游戏陪伴等新体验领域。随着端侧智能体与硬件的结合，多端交互体验将成为新趋势。整体来看，B端通过量化降本增效实现快速变现，而C端则依靠创新体验吸引用户付费。 10:12大厂AI入口策略：自闭环与生态合作的未来格局 讨论了未来AI作为互联网入口的趋势，指出大厂将优先自闭环生态，先在内部打通服务形成流量，再逐步引入第三方合作。预计到2027年，AI入口将实现第三方互联互通，改变用户获取服务的方式，不再依赖独立APP。 13:51新一代旗舰大模型发布预期与国产算力挑战 讨论了新一代旗舰大模型的发布时间和能力预期，指出因美国限制进口芯片，需依赖国产算力，导致迭代节奏放缓。计划在明年Q1发布，将从理科模型转向文科模型，追求与海外GPT-3的对标。分阶段发展，保持理科优势，提升视觉推理能力，预计成为国内首个完全在国产平台上训练的模型，可能发布酷达和生成两个版本。 17:01算力消耗与AI智能体对现有APP的影响 讨论了算力消耗加速增长的情况，指出训练和推理侧的算力需求差异及未来瓶颈，强调AI智能体与现有APP的兼容性与竞争趋势，提出尊重用户习惯的服务策略。 21:44大厂B端AI落地策略与混合云趋势 讨论了大厂在B端市场，尤其是企业大模型落地的策略，强调了混合云作为主流部署方式的优势，包括数据安全、合规性与技术迭代的平衡。同时，针对完全私有化需求，提出了定制化软硬件解决方案。 25:45 AI云厂商选择考量因素解析 客户选择AI云厂商主要考虑模型全球排名、算力性能、产品矩阵丰富度、服务质量和价格。头部客户看重模型技术领先性、性能定制化能力、产品生态关联性及服务贴身性，价格则通过打包方案体现竞争力。 28:19腾讯AI大模型开发与微信生态AI agent推进分析 讨论了腾讯大模型开发现状，指出其会员2.0语言模型排名相对落后，但3D生成模型‘慧眼’领先。腾讯在AI化推进上采取保守策略，更倾向于使用头部模型，而非追求全球领先。微信生态中AI agent应用受限于公司战略，强调实用而非创新。 30:24腾讯微信与阿里AI生态发展战略展望 对话探讨了腾讯微信通过集成AI agent能力，改造小程序生态以适应AI时代，以及阿里在AI领域的战略，包括灵光和千问两款产品的特点与未来发展方向。腾讯计划将小程序生态转型为agent架构，提升服务连接性与跨平台兼容性。阿里则聚焦于金融数据利用与教育搜索领域，灵光提供个性化理财智能体，千问对标亚马逊和GDB，强调RC服务特色，深化教育赛道。 35:16产品迭代计划与阿里系画像赋能 产品将经历功能精简，聚焦于check、创作、智能体三大场景。12月完成改版，利用阿里系用户画像提升理解能力，实现从被动服务到主动服务的转变。明年一季度开始内置非电商场景，如办公、地图、健康咨询等，并逐步引入轻量级电商服务。商业化方面，计划在达到一定日活后投放广告，并在海外推出轻量版吸引开发者。 37:57 AI时代的个性化服务与广告行为 对话探讨了在AI时代，通过收集用户多维度信息，构建长期个性化记忆库，实现比传统广告更精准的服务推荐。这种服务能够预测用户需求，主动提供相关产品信息，提升用户体验，且能在不同设备间保持一致性。 39:47 AI应用爆发时间点与超级APP预测 对话围绕AI应用的爆发时间点展开，预测明年第三季度将出现基于AI重构的超级APP，日活量可达5000万级别。这类应用可能由大厂主导，整合现有产品与新服务，提升用户体验。中小公司虽有潜力，但用户量可能受限。 思维导图 发言总结 发言人2 首先对专家的精彩介绍表示了感谢，并紧接着提出了多个深入的议题。他首先询问了未来一两年内，AI应用在C端（消费者端）和B端（企业端）哪个领域更有可能迅速发展并产生能够实际产生收益的爆款应用。随后，他探讨了大厂在AI技术发展上的策略选择，即是在自主研发AI功能方面投入更多，还是更倾向于与外部生态伙伴进行合作。 此外，他对大模型的预计发布时间表示关注，询问其是否会带来巨大的算力需求，以及这样的技术进步是否可能导致新一轮的互联网行业竞争。他还特别提到，AI agent（智能代理）与现有应用如何有效整合的问题，以及大厂在B端市场（针对企业客户的市场）的战略方向，特别是他们选择云服务供应商的主要考虑因素是什么。 在发言的最后部分，他对专家给予的详尽解答表示了再次感谢，并以感激之情宣布了会议的圆满结束，同时也表达了对所有与会者的感谢。他的发言充分展现了对AI技术未来趋势的深刻洞察和对行业发展的热情关注。 发言人1 他讨论了中国AI领域的发展情况，包括各企业在大模型和AI技术上的投入和进展，如腾讯、华为及其他创业公司。他指出，尽管部分模型在模型能力上还未达顶尖水平，但产品体验已能满足用户需求。腾讯等公司采取保守策略，注重模型实用性。华为的盘古模型面临开放性挑战，需通过适配国产芯片提升竞争力。创业公司积极研发，力求提升技术实力并实现模型适配。他强调，中国AI领域将持续投入，追赶国际先进水平。同时，讨论了AI在B端应用前景和C端创新应用，预见到未来将带来更个性化和便捷的服务体验。最后，预测未来几个季度将诞生新的超级应用，带来显著用户基数增长。 要点回顾 在大模型技术方面，您认为一两年内最有可能出现爆款应用的领域是C端还是B 发言人1：国内AI变现更倾向于从B端开始，因为国内C端用户的付费意愿相对较低。在B端，尤其是企业端，只要产品能为客户带来降本增效的价值，客户通常愿意买单。例如，在编程类和数据领域，已经取得了一定的成功。 B端中有哪些具体领域或产品已经在AI变现方面取得成功？AI技术在B端还有哪些其他的应用场景或行业？ 发言人1：B端推得比较成功的产品有编程类，比如阿里云开发的编程类产品，拥有大量企业用户和开发者；另外，在数据领域，特别是数据分析和数据可视化赛道，也表现出了良好的变现潜力。在B端，AI技术广泛应用于教育、能源、交通、互联网、新能源及汽车等行业。特别是端侧智能体的发展，比如手机、汽车等设备将不再依赖传统APP交互，而是通过智能体进行更直接的服务交互，这将在未来成为新的商业模式和收费模式。 现在AI技术的发展如何影响C端产品体验？ 发言人1：目前AI技术的进步使得C端产品体验有了显著提升。硬件设备如眼镜等开始规模化应用，具备轻便、端侧算力强以及体验优化等特点。在原有产品改造方面，电商、支付、社交视频等领域正逐步通过AI重构产品体系。此外，视频社交赛道将出现以情绪价值为核心的新型社交体验，例如与数字人交朋友，这将成为未来的趋势。AI还将在教育领域发挥重要作用，通过AI模型支持沉浸式、打断式的辅导方式，带来新的教学体验。同时，在搜索类、游戏陪伴等方面，AI也将带来多模态搜索、智能陪伴等全新体验。 对于大厂而言，他们是否会自己开发这些C端应用，还是会选择与外部厂商合作？ 发言人1：大厂在技术能力和生态建设上处于领先地位，对于AI作为下一代互联网入口的应用，他们会根据具体情况采取自建或合作的方式。初期可能会倾向于内部研发新产品以形成自家生态闭环，例如通过APP或类似应用市场的方式整合服务。当自有生态达到一定规模后（如5000万至1亿流量），再逐步引入第三方优质服务，形成类似移动互联网时代中枢智能体的入口。这种入口会先实现自闭环，然后在2027年前后才可能实现与更多生态的互联互通。 下一代旗舰大模型发布的时间点和能力预期是什么？ 发言人1：由于受到美国芯片限制，当前大模型迭代节奏有所放缓，主要依靠数学DC模型和OCR单点突破来推进技术迭代。下一个节点预计在明年Q1，即过年前后，将会发布下一代企业模型。该模型将不再仅专注于理科模型，而是追求跨领域模型的整体提升，特别是在保持理科优势的同时，强化编程能力和视觉推理能力。结合OCR技术，将在视觉推理方面取得较大进展，但整体上与顶尖水平仍可能存在代差，不过每季度都会有所追赶。 下一个版本的模型是否会在国产平台上实现训练完成，以及可能的发布时间和版本特点？ 发言人1：下一个版本可能会是国内第一个能在国产平台上训练完成的模型。预计在下个季度，它将发布两个版本：酷达版本和生成版本，其中生成版本大概会有50%的开发进度。 目前算力消耗是否有加速增长？在训练册与推理测结构上如何？ 发言人1：目前算力消耗主要来自大模型训练和推理两部分，占比大致为三七开（训练30%，推理70%）。在瓶颈期，训练侧主要是训练效率和技术手段的提升空间，而推理侧尤其是老旧GPU如A100、A800等将在明年出现算力瓶颈。 算力瓶颈的主要来源是什么？ 发言人1：算力瓶颈主要来源于两方面：一是业务本身的增长需要更多算力；二是随着AI技术在B端行业的广泛应用，对算力的需求也会大幅增加。目前最紧缺的是推理算力，但通过一些办法可以补充训练算力，而外部玩家在这个领域反而不是最紧缺的。 AI agent能否随意调用微信、淘宝、美团等APP，是否会引发互联网大战？ 发言人1：智能体（AI agent）与原有APP不是冲突关系，而是以另一种形式存在并被集成到产品中。未来流量分配可能会发生变化，但不会消灭原有APP，而是形成一个竞争态势。当AI应用提供跨平台服务时，确实可能出现竞争，但应尊重用户的使用习惯，避免强行改变用户偏好。 对于国内大厂在B端企业大模型落地方面，目前的主要策略和未来重点战略方向是什么？ 发言人1：B端企业落地主要通过公有云服务，因为它灵活且可以根据需求弹性扩容。部分客户会选择私有云或混合云模式，特别是金融行业有严格的合规要求，会选择在本地数据中心处理敏感数据，非核心业务数据上云，并按照金融监管政策设计混合云解决方案。在推动B端业务时，倾向于采用混合云方式来满足不同行业的需求。 在AI时代，医学行业客户选择云服务时，主要考虑哪些因素？对于美国行业头部客户而言，在选择AI云厂商时，最看重的考虑因素是什么？ 发言人1、发言人2：对于医学行业客户来说，他们选择AI云厂商时的主要考虑因素包括数据安全和知识产权保护