AI应用研究框架

问：AI应用的研究框架是什么？
答：AI应用是当前行业中最关键且备受关注的问题之一，其核心在于实现合理变现并带动产业构建正向循环。相较于以往的移动互联网和PC互联网，AI应用处于早期阶段，类似于早期PC互联网的发展状况。由于缺乏现成的成功商业模式和案例可供借鉴，研究AI应用必须从AI技术本身入手，解析其作为全新范式的特性，尤其是其起点型应用特点，即每一轮商业模式或市场扩张都源于阶段性起点的突破。

问：AI应用的三个发展阶段及其特征是什么？
答：AI应用可以划分为辅助人工、替代人工和超越人工三个阶段。在辅助人工阶段，AI主要协助人工执行固定的流程复制，如Office等软件大幅提升工作效率但并未完全取代人工。替代人工阶段则指80%以上的任务可以用AI来完成，例如初级代码编译，人类更多专注于架构设计和后台编程。超越人工阶段更为显著，规则和流程由AI自主制定，如个性化金融推荐中的算法能力远超人类专业人士。此外，门槛降低和成本考量也是判断应用场景是否达到替代人工阶段的重要指标。

问：AI大模型时代对企业考量的主要因素有哪些？
答：在AI大模型时代，企业需关注两点关键要素：一是降低成本门槛。例如，在AI+视频领域，若初级插画师能够通过AI工具达到高级插画师的效果，那么这个领域就有望过渡到替代人工阶段。二是定量衡量效率提升。与传统模型不同，当前AI应用能通过通用大模型实现成本均摊，使得企业在各细分场景下的人员和研发投入得以更好地控制。然而，现阶段AI应用仍面临高昂的构建成本和使用算力成本挑战，因此通常优先在高人工成本价值场景中落地，随着技术进步和成本下降，将逐步向中低场景渗透。同时，AI应用本身的投入也应聚焦于阶段性起点突破，而非盲目扩大规模。

问：在当前的大AI应用落地过程中，哪些关键节点是值得关注的？
答：当前大AI应用落地的核心点在于大模型的出现，它极大地降低了风险共担的成本并提高了可标准化程度。大模型使得仅需简单微调即可实现较好应用落地，大部分供应成本主要来源于构建大模型所需的算力投入，从而实现了规模效应，推动了AI市场的持续扩容。

问：AI行业如何通过模型能力和多模态技术的发展实现应用生态的繁荣？
答：AI行业未来的变现天花板主要由模型能力决定，如同苹果树的成长历程，模型能力逐步从辅助人工到完全替代人工，这一过程将带动市场规模不断扩大。同时，多模态技术的出现增强了AI模仿人类获取信息并做出响应的能力，不仅提升了智力水平，还拓展了应用场景，推动了AI供给能力在横纵两个维度上的飞跃。

问：AI应用发展的不同阶段有哪些关键点及其影响？
答：AI应用发展大致可分为三个阶段：起点型落地（新技术开始在现有场景落地，颠覆传统并催生新市场）、二次起点（大规模替代人工，形成供需分流效应，如代码辅助编程）以及第三次起点（全面超越人类，引发场景重构，如智能驾驶领域）。其中，智能驾驶是一个典型具备起点型落地特征的赛道，从辅助驾驶到全面自动驾驶的技术进步，将持续引领相关领域渗透率提升和产业空间扩容，并预示着L4级别自动驾驶的到来，其标志性事件将是AI开车广泛普及且事故率低于人类，届时将带来新一轮的产业重构与机遇。

问：通用大模型如何推动智能驾驶领域的变革和发展？
答：通用大模型在智能驾驶中的核心作用体现在云端构建训练大脑并加速端侧模型参数优化。当前特斯拉FSD已经在云端进行训练，并初步展现出了具备替代人类驾驶的能力。随着技术不断进步，当这种能力得到大幅提升后，智能驾驶有望迎来线性渗透率增长至非线性爆发性的增长阶段，即替代人工驾驶时会带来巨大的市场规模。此外，智能驾驶供应商数量也会因这一过程发生显著减少，呈现强者通吃的马太效应。

问：如何构建AI应用的护城河以应对不确定性挑战？
答：面对模型能力持续增强带来的应用场景重构风险，AI应用必须构建护城河以抵御现有业务被颠覆的风险。在选择投资方向时，应重点关注AI应用如何解决产品迭代流程变化、商业流程延迟以及高准确性和可靠性的需求。由于AI应用本质上是对知识的范式替代，其成功关键在于突破不确定性的起点。同时，在特定应用场景下，模型厂商能否有效利用模型原理和控制非公开数据将直接影响其竞争优势。

问：不同类型的数据环境对模型厂商的影响是什么？
答：数据环境对于模型厂商的重要性不言而喻，可分为两类：一类是数据可以通过公开途径获取的通用领域，例如视频编码等，此类场景中，模型厂商通常能凭借强大的模型本身主导市场发展，如OpenAI在视频编码领域的应用前景广阔；另一类则是非公开数据领域，如自动驾驶或企业内部营销等，此时掌握数据所有权的企业将在竞争中占据显著优势。因此，在选择投资目标时，需充分考虑不同场景下的数据特性及其对模型厂商地位的影响。

问：AI应用中的关键转折点在哪里？未来哪些AI应用场景可能迎来二次突破？
答：在AI应用中，重要的转折点包括实现从0到1的技术突破并具备辅助运动能力，这是后续投资的一个重要起点。其中，重点关注AI与视频结合以及具身智能两个赛道，并关注住房门槛是否将迎来下降。在未来，预计AI会在多个领域实现二次突破，例如自动驾驶场景正由辅助驾驶阶段向全面替代人类驾驶过渡，引入多模态技术后可能出现大规模的人工智能驾驶服务（如robotaxi），这对投资厂商来说意味着赢者通吃及商业模式的裂变转变。

问：AI在教育领域的现状和发展趋势是什么？
答：当前AI在教育领域的应用主要集中在辅助环节，但正逐渐向核心环节渗透，从学习分析、教研辅助扩展至AI辅学的大规模发展阶段。随着AI服务的不断完善，AI在教育领域的落地能力将进一步增强，形成需求快速反馈的良好循环，尤其看好AI作为起点型应用在教育赛道上的表现。

问：如何理解AI供给能力和需求的关系及其对不同场景的影响？
答：AI作为一种供给驱动需求的行业，在其应用逻辑中存在辅助员工、替代人工以及全面超越员工的机会。每次起点型的突破都会带来非线性的增长爆发，因此关键在于关注不同场景所达到的脱离节点，同时驱动模型处理精度和多模态应用的发展，从而带动整个AI供给能力提升，促进更多场景实现起点突破。