《量子位智庫：2024年度AI十大趨勢報告（98頁）.pdf》由會員分享，可在線閱讀，更多相關《量子位智庫：2024年度AI十大趨勢報告（98頁）.pdf（98頁珍藏版）》請在三個皮匠報告上搜索。

1、序言從今年起，量位智庫做了個改變在過往三年連續圍繞整個前沿科技來提供年度科技趨勢參考后，今年聚焦在了AI。過去，AI是前沿科技主軸上的核技術?，F如今，AI正在吞噬整個世界、整個產業、全部賽道。沒錯，AI已經完全成為了科技發展主旋律。盡管有諸多類，如開始類互聯命，到后來類電（第次業）命，再到現如今最宏的種說法是：第次地球明命。所以不論如何，可AI正在展開的沖擊、帶來的影響是如何全深刻，甚度被以科幻的式談論它。AI當然不是科幻，AI先是科學，其次是項程，最后正在變成種業。這就意味著AI不僅可以觀測、可以學習，還能預測或者更準確來說，我們就是站在新進展新信息的最前沿，站在產學研交匯地帶，把正在從學術

2、研究進產業變程序的技術向，總結并舉例說明呈現給所有。在今年，我們還通過更具規模的數據統計，在AI應的創新創業和投資，也提供了結論性參考，希望對整個產業提供第三視下的助益?？傊?，希望這份年度趨勢報告，能夠對你在歲末年初了解時代技術進展提供最直接的幫助。處技術航海時代，即便你未能出海探索，也希望你能感知到潮涌動的向。量位智庫總裁科技合作伙伴*以上排名先后順序目錄2024年度AI趨勢PART 1技術篇趨勢 模型創新：架構優化加速涌現，融合迭代勢所趨趨勢 Scaling Law泛化：推理能成皇冠明珠，倒逼計算和數據變趨勢三 AGI探索：視頻成點燃世界模型，空間智能統虛擬和現實/02/10/16趨勢四

3、AI應格局：第輪洗牌結束，聚焦20賽道5場景趨勢五 AI應競爭：多領域競速運營于技術，AI助兵家必爭趨勢六 AI應增：AI+X賦能類產品快上，原AI爆款難求趨勢七 AI產品趨勢：多模態上，Agent席卷切，度個性化呼之欲出PART 2產品篇/25/35/45/50結語趨勢 AI智變千百業：左變產，右重塑業態趨勢九 AI業滲透率：數據基礎決定初速度，需求成為加速度趨勢 AI創投：投融資太效應明顯，國家隊出頻率提升千百業AI優秀落地案推薦PART 3業篇/54/75/78/8701TECHNOLOGY?1.架構層創新助解決算瓶頸現實問題2.創新混合架構挑戰Transformer壟斷技術原理1.路徑

4、：循環神經絡及其變種（以RWKV為代表）2.路徑：狀態空間模型（以Mamba為代表）3.路徑三：層次化卷積模型（以UniRepLKNet為代表）4.路徑四：多尺度保持機制模型（以RetNet為代表）5.路徑五：液體神經絡模型（以LFM為代表）?Scaling LawScaling Law?技術原理1.AI模型的性能強烈依賴于規模2.全新的Scaling Law?AGIAGI?技術原理1.視頻成：從擴散模型出發2.世界模型：從動駕駛領域到整個世界3.具智能：回到現實世界，回到產業鏈4.空間智能：連結具智能與空間計算/02/02/03/05/06/07/08/10/13/16/19/20/22?0

5、21.架構層創新助解決算瓶頸現實問題Transformer架構是前應最泛的主流模型架構，注意機制（Self-Attention,SA）則是Transformer架構的核它允許模型進并計算，在序列中線性地直接捕捉任意兩個位置之間的關聯權重，幅提模型能上限。但另，這也使模型的算需求、計算復雜性和消耗資源成本都隨參數增加呈指數級增，在規模任務中快速觸達天花板。圖：Transformer模型架構，歌、多倫多學2024年以來，隨著模型參數量的速規?；约坝柧毰c部署的深落地，Transformer架構的上述弊端愈發顯著，成為助推全球性算緊缺的重要因素，也為模型的端側落地提出了挑戰。為尋求突破，對模型架構的

6、創新性探索逐漸成為不容忽視的趨勢。2.創新混合架構挑戰Transformer壟斷2017年Attention Is All You Need出世提出Transformer架構以來，7年已過。AI業對Transformer的路徑依賴引發了越來越多的“過時”爭論，體現出漸迫切的架構創新需求。2023年以來，RWKV和Mamba引起熱議，多種新架構加速涌現，世界范圍內的學者從多個向努，試圖在保留Transformer架構優勢的基礎上創新性引其他架構特點，解決算開銷問題，Transformer的絕對統治地位得到挑戰，兼采眾家之的混合模型（Hybrid）已成未來趨勢。模 型 創 新01若能突破Trans

7、former在算和數據需求的限制，新架構有望在然語處理和計算機視覺領域引發新輪技術新。明勢創投Transformer架構、Next-Token Prediction和Scaling Law是當前模型的算法基，但這些領域也越來越需要新的突破，以構建強且效的新代基礎模型。強意味著卓越的性能、泛化能和抵抗幻覺能；效則指低成本、效率和低能耗。只有具備這兩特質，智能才能真正成為和電樣的基礎設施。微軟亞洲研究院這些新興模型架構不僅在性能上可以與Transformer模型競爭，還在內存效率和可擴展性上展現出優勢。梅花創投楊顏媛表，部分新架構更易于進并計算，能夠充分利現代硬件的并計算能，提訓練和推理的速度。它

8、們的出現，為AI領域帶來了新的活，也為未來的研究和應開辟了新的可能性。隨著這些模型的不斷發展和優化，我們有理由相信，模型創新架構將在AI未來發展中扮演越來越重要的。?031.路徑：循環神經絡及其變種（以RWKV為代表）循環神經絡（RNN）通過循環式處理序列數據，能夠對過去的輸保留記憶，但存在難以并化的問題，Transformer架構的誕最早就是為彌補這缺陷。但仍有很多學者認為，RNN的潛還遠未達到天花板，在Transformer架構越來越受到詬病的今天，RNN憑借其獨特優勢再度獲得了越來越多學者的探索創新。模 型 創 新01Hyena Hierarchy2023.04Michael Poli,

9、Stefano Massaroli,Eric Nguyen,Daniel Y.Fu,Tri Dao,Stephen Baccus,Yoshua Bengio,Stefano Ermon,Christopher RStanford University,Mila and Universit de MontralRWKV2023.05Bo Peng,Eric Alcaide,Quentin Anthony等RWKV元始智能RetNet2023.07Yutao Sun,Li Dong,Shaohan Huang,Shuming Ma,Yuqing Xia,Jilong Xue,Jianyong Wa

10、ng,Furu Wei微軟亞洲研究院KAN2024.04Ziming Liu,Yixuan Wang,Sachin Vaidya,Fabian Ruehle,James Halverson,Marin Soljacic,Thomas Y.Hou,Max TegmarkMIT,Caltech,Northeastern University,IAIFITimeMixer2024.05Shiyu Wang,Haixu Wu,Xiaoming Shi,Tengge Hu,Huakun Luo,Lintao Ma,James Y.Zhang,Jun Zhou螞蟻集團,清華學Mamba-22024.05A

11、lbert Gu,Tri Dao普林斯頓、卡內基梅隆學Falcon Mamba2024.08Jingwei Zuo,Maksim Velikanov,Rhaiem,Ilyas Chahed,Younes Belkada,Guillaume Kunsch阿布扎Technology Innovation Institute(TII)LFM2024.09Ramin Hasani,Mathias Lechner,Alexander Amini,Daniela RusLiquid AI前這路徑的架構創新主要使循環神經絡（RNN）替代注意機制，通過循環式處理序列數據，使模型對過去的輸保留記憶。04RWKV

12、聯想記憶法區別于Transformer的Query-Key-Value參數，RWKV架構由四個重要參數組成：R、W、K、V，除了可訓練的權重參數w（Weight），RWKV還使r（Receptance）參數來控制對信息的接受程度。RWKV與Transformer架構的本質區別在于背后的記憶機制，與Transofrmer的內存尋址機制相，RWKV更像是種聯想記憶法。模 型 創 新01?我相信RNN是正確的，但現在的RNN遠遠沒有做到它真正的平，它的上限其實是常的，現在我們還遠遠沒有到那個地步，還有很多空間。因為RNN更接近腦和宇宙的運作式。例如，在物理上，宇宙的下狀態只與上狀態有關，這是所謂的l

13、ocality和causality，量場論遵循這原則。彭博，RWKV作者RWKV（Recurrent Weighted Key-Value）模型核思想是將RNN的循環結構與Transformer的并計算能相結合，在實現效推理、節省存儲開銷的同時保持模型的性能。這使得RWKV可以“像Transformer樣”進并訓練，同時在推理階段可以以遞歸形式進解碼，“像RNN樣”推理。Token Shift：token shift在時間混合計算中，通過對當前和前輸的線性組合進線性投影，成于時間混合的向量；在通道混合計算中，也采類似的法成通道混合輸向量WKV運算符：WKV運算符利時間衰減因對權重進更新，使得每

14、個時間步的輸出依賴于之前所有時間步的信息，從保留了RNN的記憶能，這種設計使得RWKV模型在保持較低計算復雜度的同時，能有效捕捉序列數據中的期依賴關系（1）RWKV核思想（2）RWKV的創新點Transformer=Addressing Memory 尋址記憶：RWKV=Associative Memory 聯想記憶：05圖：RWKV內部架構圖，彭博等RWKV提出以來已經經歷了多次版本迭代，最新版本RWKV-7預覽版已在今年9正式發布。（3）RWKV的發展與應2023年12，Mamba架構次被提出，引了選擇性狀態空間模型，實現了對輸數據的有選擇性處理。這種選擇機制使得模型能夠根據當前輸的tok

15、en決定哪些信息是重要的，忽略不相關的信息，提升模型處理序列的能和推理吞吐量，達到Transformer模型的五倍。2.路徑：狀態空間模型（以Mamba為代表）狀態空間模型可以看作是循環神經絡（RNN）和卷積神經絡（CNN）的融合，由其發展來的結構化的狀態空間序列模型（SSM）是另頗具潛的模型創新架構代表。這類模型利狀態空間處理序列問題，通過循環或卷積運算實現效計算，使得計算開銷與序列度呈線性或近線性關系，從顯著降低計算成本。（1）Mamba次提出 模 型 創 新01輸出控：RWKV通過在時間混合和通道混合塊中使sigmoid函數對接收向量進控，控制信息的流動和記憶更新，確保在每個時間步只傳遞

16、和處理相關信息，從減少梯度消失和爆炸問題，增強了模型的穩定性和訓練效率Mamba的核在于其硬件感知算法，利現代硬件（如GPU）的內存層次結構，通過掃描卷積計算模型，減少不同級別GPU內存間的IO訪問，提計算效率。此外，Mamba簡化了深度序列模型設計，需注意機制或多層感知器（MLP）塊，使模型更加簡潔。圖：選擇性狀態空間模型（Selective State Space Model），卡內基梅隆、普林斯頓學（2）Mamba核思想硬件友好設計：Mamba-2的另個重要貢獻是其對硬件友好的設計，允許使更的狀態維度，提訓練速度。在處理需要更狀態容量的任務，如多查詢關聯回憶（MQAR）任務時，Mamba

17、-2顯出Mamba-1顯著的性能提升混合模型的探索：Mamba-2還探索了將注意層與SSM層結合的混合模型，發現適量的注意層可以進步提升模型性能（4）Mamba-2創新點06今年5，Mamba-2發布，提出了狀態空間對偶（SSD）框架，揭了狀態空間模型與結構化掩碼注意之間的聯系。Mamba-2的核層通過引新的SSD算法，在訓練效率上提升了2-8倍，同時保持了與Transformer在語建模的相似平競爭。（3）Mamba-2核思想圖：（結構化狀態空間對偶性）結構化矩陣闡明狀態空間模型和注意之間的關系，普林斯頓、卡內基梅隆學 模 型 創 新01UniRepLKNet采核CNN，能夠處理多種模態數據

18、，如圖像、頻、時序預測等。該模型提出了“局部結構設計、重參數化、核選擇和隨深度拓展添加核”四條指導原則來設計核CNN架構，并采硬件感知的并算法，在圖像識別任務中實現領先性能，并在頻、視頻、點云和時間序列等多模態任務中也取得了顯著的結果。UniRepLKNet的優勢在于充分利核卷積神經絡的特點，通過創新的架構設計，有效地解決了感受野、特征抽象層次以及模型深度表能等核問題。3.路徑三：層次化卷積模型（以UniRepLKNet為代表）層次化卷積模型，以UniRepLKNet為代表，是種卷積架構，其核在于使與輸序列度相當或接近的濾波器（核）來捕捉序列數據中的距離依賴關系。這種設計使得模型在處理輸時能夠

19、考慮到更遠的歷史信息，有效處理序列問題。（1）UniRepLKNet創新點圖：UniRepLKNet的架構設計，騰訊AI Lab、港中學07核卷積的獨特優勢在于不依賴深度堆疊即可獲得感受野，避免了深度增加帶來的邊際遞減問題。UniRepLKNet提出了種膨脹重參數塊（Dilated Reparam Block），即通過使多個膨脹核卷積層來增強個核卷積層，從在不增加推理成本的情況下提性能，該塊的公式如下：膨脹重參數塊使膨脹的核卷積層來增強膨脹的核層。這樣的膨脹層相當于具有更稀疏核的膨脹卷積層，因此整個塊可以等效地轉換為單個核卷積。（2）核卷積的優勢圖：擴張重參數塊轉化為轉換為單個核卷積，騰訊AI

20、 Lab、港中學 模 型 創 新01圖：Retnet突破不可能三，微軟亞洲研究院4.路徑四：多尺度保持機制模型（以RetNet為代表）多尺度保持機制模型（Retentive Network,Retnet）由微軟亞洲研究院提出，克服傳統Transformer架構在效率和性能上的局限性。RetNet的設計突破了所謂的“不可能三”，在保持訓練并性的同時，實現了低成本部署以及良好性能。作為全新的神經絡架構，RetNet同時實現了良好的擴展結果、并訓練、低成本部署和效推理。這些特性將使RetNet有可能成為繼Transformer之后語模型基礎絡架構的有繼承者。福如，微軟亞洲研究院全球研究合伙RetNe

21、t作為全新的神經絡架構，使多尺度保持（Retention）機制替代了標準的注意機制。與標準注意機制相，保持機制有以下特點：引位置相關的指數衰減項取代softmax：這改進簡化了計算過程，并使得前步信息以衰減的形式得以保留，從在降低計算復雜度的同時，保留了序列中的重要信息引復數空間表達位置信息：這法取代了傳統的絕對或相對位置編碼，使得模型更容易轉換為遞歸形式，增強了模型對序列中元素之間相對位置的感知能（1）RetNet創新點08圖：RetNet的雙重表，微軟亞洲研究院 模 型 創 新01使多尺度的衰減率：保持機制采了多尺度的衰減率，使RetNet能夠更靈活地處理不同度的序列，提升了模型對序列數據

22、的適應性和表達能利GroupNorm的縮放不變性提Retention層的數值精度：這特性使得在GroupNorm中乘以個標量值不會影響輸出和反向梯度，從在保持模型性能的同時，提了計算的穩定性和效率并：并表使RetNet可以像Transformer樣效地利GPU進并訓練遞歸：遞歸表征實現了O(1)1的推理復雜度，降低了內存占和延遲分塊遞歸：即并表和遞歸表的混合形式，將輸序列劃分為塊，在塊內按照并表進計算，在塊間遵循遞歸表。分塊遞歸表征則能夠效處理序列數據RetNet的實驗結果表明，它在語建模任務上達到了與Transformer相當的性能，同時在推理速度和內存占顯著優于Transformer。（2

23、）序列表形式5.路徑五：液體神經絡模型（以LFM為代表）液體神經絡模型LFM，由MIT系初創公司Liquid AI團隊發布，是基于液體神經絡（Liquid Neural Networks,LNN）架構的新型神經絡設計。受物神經系統啟發，LNN通過使更少的神經元和創新的數學公式，實現了與傳統深度學習模型相相同甚更優的性能。（1）LFM創新點效內存使：LFM的核優勢在于其效的內存使和強的推理能，這使得它在處理量順序數據時表現出。與傳統的基于Transformer的模型相，LFM在處理輸時內存使量顯著減少，這是因為LFM能夠更有效地利上下度，KV緩存不隨序列度增加線性增多模態能：LFM模型能夠處理包

24、括視頻、頻、本、時間序列和信號在內的多種類型的數據適應能：LFM還具有適應能，可以根據特定的硬件平臺或參數要求進動優化1 O(N）表第N步的推理復雜度09這些加速涌現的創新架構多是在不同程度保留Transformer架構優勢基礎上，結合循環神經絡（RNN）、狀態空間序列模型（SSM）、卷積模型（CNN)以及液體神經絡（LNN）等思想所做出的創新發展，這使得不同架構之間的界限越來越模糊，呈現出益明顯的混合（Hybrid）趨勢，更多性能領先的創新架構具備“博采眾家之”的特點。同時，前多數創新架構雖然能夠在些規模性能測試中實現與傳統Tranformer架構同等甚更優越的性能，但在實際應層，仍然有待業

25、界通過多個超參數模型作進步驗證。圖：LFM在MMLU-pro的測試集成績對，Liquid AI 模 型 創 新01結構化操作單元：這些單元是模型的基本組成部分，屬于個全新的設計空間。LFM的設計允許模型在擴展、推理、對和模型分析進優化。?Scaling LawScaling Law?10Scaling Law泛化022020年，伴隨著GPT-3問世，第代Scaling Law指引我們在參數量、數據集和計算量之間尋找模型性能的最優解；2024年，擁有強推理能的o1讓我們對模型的要求從迅速成與訓練結果，轉向在推理過程中進更深度的思考。最初，我們對Scaling law的關注局限于對參數量的思考，甚

26、引發了對其失效的擔憂；但全新的scaling law從狹窄具體的指代衍到寬泛的概念，并引發了我們對萬卡集群、合成數據和計算資源最優分配的多重關注。我們對Scaling Law及其泛化在當前AI時代下的關注可被歸納為以下點：參數量與計算量膨脹下，帶動萬卡集群以及性能絡的建設和發展。數據耗盡危機中，合理善合成數據成為較優選擇。新時代的Scaling Law出現，模型的發展將追求更的推理能，資源向Post-training和推理算傾斜。?我們將從影響兩個模型時代的兩條Scaling Law出發來探討這個問題：1.AI模型的性能強烈依賴于規模，主要和參數量N、數據集D和訓練計算量C有關AI模型領域的S

27、caling Law正式被提出要追溯到2020年，OpenAI在論Scaling Laws for Neural Language Models中總結到，他們發現損失函數（loss）隨著模型、數據集和訓練使的計算量呈冪律變化。模型的性能在定范圍內受其他超參數（如depth、width）的影響很少。圖：損失函數與訓練計算量、參數量和數據集的冪律關系，OpenAI在Transformer模型中，Scaling Law的數學表通常為：Performance：模型性能（誤差率、準確率等）C：計算量N：模型規模（參數量、數據量等）：標度指標（性能隨規模變化的表現）（1）Parameters&Comput

28、e：萬卡集群及性能絡建設的必要性2020年驚艷亮相的GPT-3是個175B參數的模型，今天我們討論的模型參數量已經是萬億級別。EPOCH AI維護11圖：2010-2024前沿AI模型訓練計算量年增，EPOCH AI橫軸：Publication data縱軸：Training compute(FLOP）例如GPT-4需要使2.5萬張英偉達A100 GPU，并訓練100天的左右時間，在此期間要處理13萬億個token，并且涉及約1.76萬億個參數?？梢灶A的是為了追求更極致的性能和解決更多問題，在參數量的增加和計算需求的增下，萬卡集群及性能絡的建設是必要的。萬卡集群：由萬張及以上的加速卡（如GPU

29、、TPU或其他專AI加速芯）組成的性能計算系統性能絡：絡需要持帶寬、低延遲的數據傳輸，確保集群中的計算節點能夠效地通信和協作中國聯通研究院夏璠表，性能絡基礎設施對于持規模AI應關重要。隨著數據量的增加和AI應的擴展，對絡帶寬和延遲的要求也越來越。這種集群將充分整合性能GPU計算、性能RDMA絡、性能并件存儲、智算平臺等關鍵技術，將底層基礎設施整合成為臺超級計算機，以千億級甚萬億級參數規模的模型訓練。中國萬卡集群進展：運營商中國電信天翼云上海臨港國產萬卡算池中國移動呼和浩特萬卡智算中中國聯通上海臨港國際云數據中企業騰訊算集群HCC、性能絡星脈字節跳動12288卡Ampere架構訓練集群百度萬卡A

30、I集群阿巴巴阿云10萬卡量級集群商湯SenseCore商湯裝置螞蟻集團萬卡異構算集群全球數據中絡市場預計將在未來五年內以約 10%的年復合增率增。明勢創投著個從20世紀50年代就開始監測AI和機器學習模型的數據庫，他們發現從2010年到2024年5，于訓練模型的計算量每年增4-5倍，過去10年間語模型的性能提升中約有三分之是由于模型規模的增加。Scaling Law泛化02（2）Dataset：合成數據是數據危機的解藥嗎？同樣，在Scaling Law中數據集的規模和表現也會改變模型的性能?，F有的開源模型在法、架構層開源的同時，乎很少涉及到訓練數據集的公開。圖：公開本和數據使量的預測，EPOC

31、H AI還值得我們關注的個問題是，數據的質量也許數量更為重要。例如Apple在研發模型時采了常規的3階段預訓練法，在核預訓練后降低絡爬取的低質量數據權重。國內在意識到質量數據集的重要性后，多次發布對建設有質量數據集的指導意。圖：合成數據成法，Amazon合成數據（Synthetic data）則是我們從AI1.0時代就開始尋找的破解之道，在具智能和動駕駛等前沿領域得到過部分運，如今已被泛引模型的訓練之中。合成數據是指通過算法或模型成的為數據，模擬真實數據的統計特性和分布，但不包含任何真實信息。實際訓練中，我們通常會選擇部分或全部地使合成數據。明勢創投表，合成數據的應突破了傳統的數據獲取和使式，

32、為解決數據匱乏和隱私問題提供了創新思路，具有較的創新性和顛覆性。企業華為昇騰AI萬卡集群科訊星號超萬卡集群算平臺盡管萬卡集群必然會強調對加速卡的需求，我們在技術上關注的卻應該是集群的互聯。從千卡到萬卡，單卡性能下降8%左右，前全球范圍內已經有企業開始追求10萬卡以上的集群規模，在萬卡到10萬卡的難關中，如何能保持集群的線性度、穩定性，同時保證調度的效率，是下步所有AI玩家將持續關注的重點。我們必須要意識到個問題，也許有天我們會耗盡現有的數據。有估計稱現有類公開本存量約為300萬億個token。按照預測，語模型有可能在2026年-2032年之間耗盡這存量。如果過度訓練，這時間點將會再度提前。Sc

33、aling Law泛化021213但合成數據是否是應對數據危機的最佳解藥仍值得商榷。先，真實數據永遠存在相當多的離群值和異常值，合成數據成算法很少能重現它們。其次，合成數據的引可能導致模型在訓練過程中出現過擬合，從影響其在現實世界中的表現。2024年發表在Nature上的篇研究AI models collapse when trained on recursively generated data提到他們所完成的次實驗，使合成數據9次迭代后就會讓模型原地崩潰。更吸引眼球的結果來Dohmatob,Elvis等的實驗結果Strong Model Collapse，他們發現即使合成數據僅僅占到總數據

34、集的最部分，甚是1%的例，仍然可能導致模型崩潰。前成和使合成數據的法在不同模型中都處在探索階段，我們將持續關注這議題的最終結果。2.全新的Scaling Law，賦予模型的推理時間越多，模型的推理能越強來到2024年，OpenAI有關o1模型的論On The Planning Abilities of OpenAIs o1 Models:Feasibility,Optimality,and Generalizability提出了條全新的Scaling Law：你賦予模型的推理時間越多，模型的推理能就越強。盡管沒有披露具體的訓練法，但其原理是基于強化學習的內化思維鏈學習，通過思維鏈式的問題拆解，

35、使得模型可以不斷驗證和糾錯。圖：o1在新Scaling Law下的推理表現，OpenAI（1）語模型推理增強（思維鏈-思維樹-思維圖）這年，我們確實觀測到規模的增加帶來了基本的推理能，但這種推理的效果是相對有限的，o1所完成的，是讓模型在作答前進“停下來思考”，這過程需要更多的計算資源，因此被稱為“推理時計算”。停下來思考這狀態的實現，正是我們直想教會模型的模式，即更直接地進推理。當AI擁有更強的推理能，不僅意味著在編碼、搜索等任務上能夠幫助解決更多問題，也會在數學、物、化學等基礎科學領域，幫助實現突破性的發現。榕創投統計分布：分析真實數據以確定其潛在的統計分布，例如正態分布、指數分布或卡分布

36、。然后從這些已識別分布中成合成樣本，以創建在統計學上與原始數據集相似的數據集基于模型：訓練機器學習模型以理解和復制真實數據的特征深度學習：使深度學習的式成質量的合成數據集。這些法通常于更復雜的數據類型，例如圖像或時間序列數據合成數據的成法：Scaling Law泛化0214語模型的推理能通常涉及到種不同的技術或概念，包括思維鏈（Chain of Thought，CoT）、思維樹（Treeof Thought，ToT）和思維圖（Map of Thought，MoT）。思維鏈（Chain of Thought，CoT）：模仿了類解決問題時的思維過程，即先分析問題，然后逐步推理，最后得出結論思維樹（

37、Tree of Thought，ToT）：更為結構化的推理法，它將問題分解為多個分，每個分代表個可能的推理路徑或假設思維圖（Map of Thought，MoT）：視覺化具，來表不同概念、事實和推理步驟之間的聯系（2）后訓練（Post-training）的轉變從前的預訓練遵循個已經被深刻理解的法則：你在預訓練模型上投的計算資源和數據越多，它的表現就越好。但新的Scaling LawPost-training Scaling Law的出現已經引發業對于算分配、后訓練能的重新思考。后訓練通常包括微調（Fine-tuning）和對（Alignment）。新的模型想要提升能，除了在預訓練階段，還可以在

38、后訓練階段，通過提升強化學習（Reinforcement Learning）訓練的探索時間和增加模型推理的思考時間來實現性能的提升。o1激發了當前時代的模型開發者對提升模型數學和推理能的興趣，這很程度上就意味著擴后訓練的規模。最近的研究使了不同的法把結果的獎勵信號傳遞到模型的各個推理過程中：o1幅度增強了模型的邏輯推理能，使模型從系統1提升到系統2，幅度加速AI Agent落地可能性。王晟，英諾天使基合伙問答格式 Q&A format本階段 Long-context stage繼續預訓練 Continued pre-training質量階段 High-quality stage知識蒸餾 Kno

39、wledge distillation監督微調 Supervised finetuning(SFT)基于類反饋的強化學習 Reinforcement learning with human feedback(RLHF)直接偏好優化 Direct preference optimization(DPO)在線/離線（處理）Online/offline知識蒸餾 Knowledge distillation圖：后訓練的重增加數據集D Datasetataset預處理P Preprocessingreprocessing預訓練P Prere-trainingtraining后訓練P Postost-tr

40、ainingtraining優化O OptimizationptimizationScaling Law泛化02以o1為代表的Inference scaling law使得模型推理能幅提升，在GPQA這樣的類專家benchmark上已經超過類PhD平。推理能幅提升可以顯著減少幻覺，提Agent類物的能。戴森，真格基管理合伙15（3）推理算vs訓練算？隨著我們對模型推理能的更追求，和對后訓練階段的更多投，未來有可能推理端的算將會超過訓練端。盡管當前推理算還沒有超過訓練算，但推理成本已經超過了訓練成本。畢竟訓練成本是次性成本，推理需求將隨著模型復雜度、數量和每查詢次數的增加繼續增。明勢創投表，在規

41、模部署AI服務的背景下，推理成本成為主要開來源，市場對降低推理成本的需求強烈。值得提的是，Scaling Law并是嚴格的然法則，是類基于經驗觀察得出的趨勢性規律，它的價值往往在對未來提供向性的指導。新舊Scaling Law的應和泛化將調整我們對資源配置和技術重的看法，并創新出更為強的新代AI和模型。如今，我們意識到RLHF起的作遠超已經IFT(Instruction Fine-Tuning)，需要將更多的預算放在后訓練階段上。模仿學習+強化學習成為典型AI模型發展路徑范式。本質上是數據的稀缺與否及質量低的問題，數據多就優先模仿學習，數據少就優先強化學習（可我產數據），最終是綜合兩種類型的算

42、法技術以產更強的能。陳，峰瑞資本合伙拒絕采樣似乎已成為后訓練階段的常做法，但現階段并沒有在選擇DPO或RLHF達成共識。然強化學習的思路貫穿始終，Meta仍為Llama的后訓練開發了獎勵模型。Llama 3.1Post-training:SFT+拒絕采樣+DPOMeta AI認為RL算法（如帶有PPO的RLHF）穩定性差、擴展難度，但他們在DPO后仍開發了獎勵模型，并將模型平均技術在每輪訓練中都作于獎勵模型、SFT和DPOQwen22階段后訓練法：SFT，提模型在預設場景中的響應準確性；DPO，使模型與類偏好保持致（他們稱這環節為RLHF）Qwen2的Alignment也分為2部分：DPO（離

43、線）+拒絕采樣（在線）Scaling Law泛化02Apple Intelligence FoundationPost-training:SFT+RLHF其中，Apple為RLHF階段引兩種新法：與iTeC起進拒絕采樣微調，的是訓練、優化獎勵模型；鏡像下降與RLHF結合，這被認為是PPO（近端策略優化）更有效的法Gemma 2Post-training:SFT+RLHF其中，其中他們于RLHF的模型標模型倍，使WARP(Weight Averaging for Reward Prediction)對標模型進平均0316?AGIAGI?1.視頻成：從擴散模型出發擴散模型前已經在圖像成、圖像超分辨

44、率和圖像編輯等任務中取得了顯著成果，并逐漸取代了基于成對抗絡（GAN）和變分編碼器（VAE）的法，在視頻合成任務中展現出巨潛，成為前視頻成的主流技術路徑。擴散模型（Diffussion Model）是類概率成模型，主要通過學習逆向過程來成數據。圖：A Survey on Video Diffusion Models，上海市智能視覺計算協同創新中、復旦學（1）DiT模型Sora的熱激發了國內外許多模型在視頻成領域的應，產出了在影視、營銷等業具有可落地商業價值的AI應；“個視頻模型”之爭也引發了動駕駛領域基于優勢，對世界模型的研究和探索；能夠帶來更好的動駕駛體驗的世界模型，事實上也能夠作于機器領域

45、；引發諸多討論的空間智能概念，與我們直探索的空間計算、具智能密不可分在AI改變我們的活、真正觸摸復雜世界的過程中，類也從未停對AGI的探索。本輪視頻成熱潮中，最受矚的是將Transformer架構引到擴散模型中的DiT（Diffusion Transformer）模型，極強地提了圖像成的質量。DiT的核思想是利Transformer的強建模能，替換傳統擴散模型中常的U-Net結構，從在潛在空間上操作，成質量的圖像。其圖像成流程是基于種混合的法，使卷積VAEs和基于Transformer的DDPM(Denoising Diffusion Probabilistic Models)，重點是訓練圖像

46、的DDPM，特別是圖像的空間表。A G I 探 索17圖：Scalable Diffusion Models with Transformers，UC Berkeley、New York UniversityDiT的技術原理基于以下個關鍵點：擴散模型DiT建在擴散模型的基礎上，這是種成模型，通過模擬個從數據分布到噪聲分布的逐步過程，學習逆向過程來成數據。在DiT中，這個逆向過程由Transformer來實現Transformer架構Transformer以其注意機制聞名，能夠捕捉序列數據中的距離依賴關系。在DiT中，圖像被分割成多個patches，這些補丁被嵌到個序列中，然后通過Transfo

47、rmer塊進處理潛在補丁DiT不是直接在像素空間上操作，是在潛在空間上操作。這是通過將圖像編碼到個較低維度的潛在表來實現的，這個表被分割成多個補丁，每個補丁作為個序列元素輸到Transformer中條件成DiT持條件成，這意味著它可以在成過程中使額外的信息，如類別標簽。這些條件信息被嵌到Transformer的輸序列中，以引導成過程可擴展性DiT的設計允許其通過增加模型的深度、寬度或輸補丁的數量來擴展。這種可擴展性使得DiT能夠通過增加計算資源來提成圖像的質量訓練效率DiT在訓練過程中表現出了效率。由于Transformer的并化能，DiT可以利現代硬件（如TPU）進效訓練03A G I 探

48、索18DiT的提出，不僅推動了成模型技術的發展，也為未來的研究提供了新的向。隨著研究的深，DiT或其變體已經被應于視頻成，以及藝術創作、游戲開發和虛擬現實等領域。隨著模型規模的增加和訓練技術的改進，DiT有望在未來實現更加驚的成效果。在視頻成領域，除了DiT之外，還有其他種混合架構取得了顯著的進展。這些架構結合了不同的模型特性，以提視頻成的質量和效率。（2）其他混合架構模型創新Transformer+3D卷積絡些研究作探索了將Transformer與3D卷積絡結合的架構。3D卷積絡擅捕捉視頻的時空特征，Transformer能夠處理距離依賴關系。這種混合架構能夠同時利兩者的優勢，提視頻成的連貫

49、性和真實感回歸模型+Transformer回歸模型如PixelRNN或PixelCNN在像素級別上成數據，Transformer則能夠處理序列數據。將兩者結合可以成質量的視頻內容，同時保持對距離依賴的有效建模VAE+擴散模型在DiT的基礎上，學者們進步探索了將變分編碼器與擴散模型結合的架構。這種混合模型先使VAE將分辨率的視頻編碼到低維潛在空間，然后在潛在空間上應擴散模型進成，從在保持成質量的同時減少計算成本GAN+擴散模型GAN在圖像成領域取得了巨成功，擴散模型則在樣本質量上展現出了優勢。將兩者結合的混合架構旨在結合GAN的穩定性和擴散模型的質量樣本成能TimeSformerTimeSfor

50、mer是種專為視頻理解任務設計的Transformer架構，它通過將時間維度融到標準的Transformer架構中，有效地處理視頻數據。這種架構可以于視頻成任務，成具有時空致性的內容交叉注意機制在Transformer架構中引交叉注意機制，可以使模型在成視頻時更好地利額外的上下信息，如本描述或對象標簽，從成與這些上下信息更加致的視頻內容這些混合架構的共同標是在保持視頻成質量的同時，提模型的計算效率和靈活性。隨著研究的不斷深，我們可以預未來將會出現更多創新的混合架構。我們再次回到引爆視頻成熱潮的模型Sora。OpenAI在介紹中稱Sora是“World Simulator”，在Sora上線的第時

51、間埃隆斯克即表，Tesla約在年前即能成符合物理學的有關真實世界的模型（Real-world video generation with accurate physics），這討論將世界模型（World Model）的概念引眾視線。03A G I 探 索圖：世界模型的基本框架19Sora模擬真實世界物理狀態OpenAIOpenAISora通過結合擴散模型與Transformer模型，能夠模擬真實世界中的、動物和環境。這種能使其在本到視頻（T2V）領域中獨樹幟，能夠根據本提成逼真的視頻內容。時間度與時序致性：Sora能夠成達60秒的視頻，且在維持視頻內容的時間連續性和邏輯致性表現出，這在以往的視

52、頻模型中是難以實現的。真實世界物理狀態模擬：Sora展了系列引注的涌現能，這些為不是預設的規則，是模型通過學習量數據后然涌現的能。2.世界模型：從動駕駛領域到整個世界AI在現實世界的應正在從虛擬世界逐漸擴散物理世界。2024年談到世界模型更多是在智能駕駛領域，本年度國內領先的量產智能駕駛玩家蔚來、理想等都提出了有關世界模型的設想和布局。論Recurrent World Models Facilitate Policy Evolution(David Ha,Jrgen Schmidhuber,2018)可以幫助我們理解什么是世界模型：（1）世界模型（World Model）圖中的Vision M

53、odel(V)將維觀測轉為低維向量，Memory RNN(M)是序列預測下個時刻的表征，在這樣基本的序列預測中增加個輸action，讓數據分布由變化。事實上，世界模型反映了久以來許多AI研究員對model-based RL作的奈和期待：模型不夠準確，那么完全在模型訓練的強化學習效果就不好；如果能獲得準確的世界模型，就能在世界模型中反復試錯，找到現實的最優決策。由此，我們可以從需求出發來定義世界模型：完全地理解這個世界就是世界模型要的事。任少卿，蔚來智能駕駛副總裁03A G I 探 索20正如為何特斯拉會在年前就開始布局有關真實世界模型的相關作，對數據中沒有過的決策，使世界模型推理出決策成果這要

54、點，和動駕駛領域實現L5的標息息相關。當前，世界模型向上的作正泛地采動駕駛領域的數據和場景進實驗。（2）前在世界模型向上的作RenderWorld僅持視覺的端到端動駕駛框架，它使基于監督斯的Img2Occ模塊成3D占標簽，然后通過AM-VAE對標簽進編碼，并使世界模型進預測和規劃。RenderWorld采斯散射來表3D場景和渲染2D圖像，與基于NeRF的法相，提了分割精度并降低了GPU內存消耗Drive OccWorld以視覺為中的4D預測世界模型應于動駕駛的端到端規劃BEVWorld將多模態傳感器輸標記為統緊湊的瞰圖（BEV）潛在空間以進環境建模的新法。世界模型由兩部分組成：多模態標記器和潛

55、在BEV序列擴散模型LAW使LAtent World model，根據預測的為和當前框架的潛在特征來預測未來的潛在特征OccLLaMA類似VQVAE的場景標記器，增強了LLM，特別是LLaMA，以對統詞匯表執下個token/場景預測，從完成動駕駛中的多項任務DriveDreamer-2它基于前作（DriveDreamer）的框架，結合了個型語模型來成定義的駕駛視頻WorldDreamer培養對般世界物理和運動的全理解，從顯著增強視頻成的能；WorldDreamer從型語模型的成功中汲取靈感，將世界建模定義為監督的視覺序列建模挑戰3.具智能：回到現實世界，回到產業鏈早期的世界模型很多出現在機器領

56、域，任少卿提到“動駕駛是泛機器領域/世界模型的框架也能做機器”。具智能是指種基于物理體進感知和動的智能系統，其通過智能體與環境的交互獲取信息、理解問題、做出決策并實現動，從產智能為和適應性。Sim2Real(simulation to reality)和在真實世界中采集具交互的數據并學習是研究具智能的兩條思路。清華智能產業研究院（AIR）表：將真實環境數字化和仿真器模擬的為學習結合起來，形成Real2Sim2Real(RSR)的閉環連接，能更有效地利交互數據和真實環境的反饋，加速智能系統的實際部署與落地。與去年相，許多具智能玩家在2024年都推出了的款形機器，但更多玩家開始關注機器在具體產業鏈

57、03A G I 探 索21上能有什么樣的位置和發展空間。這不僅意味著與過去年相，形機器的概念變得分可觸及，同時也表明具智能這領域，正在轉向對當前類來說更有價值的落地和應。項明顯特征是，在完成了、避障等基本功能后，具智能玩家紛紛開始研發靈巧，逐個攻克具智能難題：騰訊Robotics X實驗室公布了研機器靈巧TRX-Hand，擁有8個可獨控制關節，重僅1.16千克，最持續指尖可達15星動紀元XHand靈巧具有12個主動由度，采全驅動案，能夠實現多向的運動，從模仿類部的精細操作靈巧Linker Hand以其20個主動由度的合理配置，被業界專家泛認為是具智能研究的優選案，平衡了研究需求與成本效益銀河通

58、擁有靈巧解耦關節和靈巧線性驅動式專利傲意科技靈巧ROHand具有11個運動關節和6個主動由度帕西尼感知科技開發了市場上款融合多維觸覺與AI視覺雙模態能的四指仿靈巧DexH13 GEN2，具有1956顆專業級ITPU多維觸覺傳感器和800萬清AI眼相機智元機器推出了由度五指靈巧，包含19個由度，集成基于MEMS原理的觸覺感知和視觸覺感知技術視頻成、世界模型與機器集群1X1XNEO：專為家庭使設計的雙形機器，1X基于視頻成和動駕駛世界模型領域的進展，訓練出了個世界模型，作為其機器的虛擬模擬器。模型可以理解接觸到的物理世界并成保真視頻，使機器可以在的神經空間中執規劃、評估和模擬操作。EVE：輪式機器

59、，2020 年即取得商業化進展，為美國商業場所提供安保服務。1X強調其機器集群協作，展了個通過簡單的語命令指揮多個機器執系列動作的能。1X Technologies，2014年于挪威成，專注于開發和產能夠模仿類為的機器，以增加全球的類勞動。03A G I 探 索224.空間智能：連結具智能與空間計算在經歷了整年有關具智能概念、投融資的熱潮后，與其相關不完全相似的空間智能概念被李提起?？臻g計算是項將物理世界與數字內容融合的技術體系，根據其涉及的不同層次，可以分為基礎設施層、數據層和交互層：（1）空間計算基建層：持空間計算的硬件和絡基礎設備：蘋果的Vision Pro提供了性能的AR顯、光學傳感器

60、以及精準的跟蹤功能，配備先進攝像頭和處理器絡：速度、低延遲的5G和Wi-Fi 6E絡正加速實時交互的實現，尤其適于移動設備和協作應；歌云等云服務商正在開發“邊緣AI”基礎設施，將AI模型更貼近，從減少延遲、提升空間計算應的實時能空間智能是指機器在三維空間和時間中感知、推理和動的能，幫助它理解事物在三維空間中的位置及交互式。李在徹底理解空間智能之前，我們可以回顧在2023年度報告中提及的重要科技趨勢空間計算：Apple Vision Pro空間計算從概念到現實AppleApple然輸式：Vision Pro 采了種稱為“然輸”的交互模型，這種模型使眼睛和的組合進輸，只需看著標并點擊指即可進交互。

61、空間操作系統 visionOS：Vision Pro 搭載了蘋果款為空間計算所打造的操作系統 visionOS，它包括了全新的實時執引擎、動態注視點渲染管線以及對原空間體驗的持。Apple Vision Pro作為蘋果公司推出的款空間計算設備，實現了數字內容縫融現實世界，通過其命性的產品設計和技術創新，開啟了空間計算的新時代。03A G I 探 索（2）操作系統：空間智能蘋果發布的Vision Pro就是個典型的空間計算設備。李認為，與其不同的是，空間智能將成為增強現實和虛擬現實的操作系統。通過成完整可交互的三維世界，真正解鎖機器在三維世界中的智能能。同時，具備三維感知、推理和動能的機器能徹底

62、改變我們與世界的交互式。毫疑問，空間智能的野正在于將空間計算操控虛擬世界的本領和具智能觸達現實世界的能結合起來，這將涉及到量的數據處理、模型訓練以及如何在現實場景有效地部署這些技術。最終，從視頻成到世界模型、從具智能到空間智能，我們始終都在追尋個問題AGI，極致的AI，極致的通，虛擬與真實世界的合為。數據層：負責空間數據的收集、處理和管理空間映射和計算機視覺：實時映射和物理環境的解讀，使應程序能夠將虛擬物體置于物理空間中數字孿：通過集成物理模型、傳感器更新、運歷史等數據，在虛擬空間中完成映射交互層：直觀地與虛擬和物理世界互動沉浸技術（XR）：主要包括增強現實（AR）、虛擬現實（VR）和混合現實

63、（MR)，他們前仍是空間計算概念落地的核技術，AR將數字元素疊加在現實世界中，VR創建完全虛擬的空間，MR則是兩者的混合；前具體相關產品存在視頻透視（VST）和光學透視（OST）兩種技術路徑觸覺反饋和感官界：設備的觸覺反饋增加了沉浸感，混合現實頭戴設備和觸感套能在虛擬環境中創造度真實的互動語和勢識別：得益于AI的持，這些技術允許需動即可控制數字元素03A G I 探 索23RokidGlassesAI+AR縫融合現實世界RokidRokid2024年1118，Rokid聯名暴眼鏡推出消費級AI+AR眼鏡Rokid Glasses。AI+AR全新交互式：Rokid Glasses基于衍射光波導成

64、像技術實現AR效果，同時深度整合阿巴巴旗下通義千問模型AI能，融合AI+AR技術，可以通過語和視覺交互實現物體識別、實時翻譯、定位導航、購物付多種任務，縫融合現實世界。硬件“減負滿配”：Rokid Glasses將主板、電池等核組件集成于框架之中，重量僅49g，提升舒適度及便攜性。同時配備顆1200萬像素專業級攝像頭，搭載了第代驍AR1平臺，配合2GB RAM+32GB ROM存儲組合。02P R O D U C T?AIAI?2020?5 5?（）20+細分賽道（）五使場景?AIAI?AIAI?（）APP端數據分析（）Web端數據分析（三）量位智庫AI100?AIAI?AI+XAI+X?AI

65、AI?（）辦公軟件類AI+X產品（）內容平臺類AI+X產品?AIAI?AgentAgent?（）多模態（）Agent化（三）度個性化1.綜合AI1002.原AI100/25/32/35/39/42/43/44/46/48/50/51/52AI?A IA I?辦公提效-A I 寫 作-A I P P T-A I 總 結-A I 圖 彩云夢騰訊涌阿悉語筆桿論創意喵AI寫作萬能寫作師創作星AI智能寫FRIDAYGiiso寫作機器星助句憂萬彩AI多種草AI訊公智能寫作訊繪VERSE紅書智能創作狀元AIPaperPass百度作家平臺66論易撰5118SEO寫作夸克CueMe媒幫派偽原創果寫作蛙蛙寫作co

66、pydoneAI寫作樹熊寫作思助AI寫作寶字游俠光速寫作秘塔寫作貓筆靈AI寫作訊寫作擺平AI論愛改寫新華妙筆公寫作AI新媒體章AiPPTiSlideChatPPT格PPT輕辦公adAI萬興智演歌者PPT秒出PPTGaiPPT美圖LivePPT博思AI PPT當秀Mindshow塔貓PPT彩漩PPTProcessOn 億圖腦圖AIGitMind思乎TreeMind樹圖Mapify億圖圖AI知犀AIAmyMindBibiGPT星檔問答司閱SmartRead有道速讀會記天壤萬卷知我AI包閱AIFeelRead閱會讀ReadFlowAI課代表ReportifyCuboxReadPaper訊聽聽腦-A

67、I 代 碼快碼CodeGeeX包MarsCode馭碼Code Rider星碼代碼浣熊通義靈碼CodeFuseAI XCoder創意成-A I 設 計-A I 圖-A I 視 頻-A I 圖 像 編 輯-A I 頻-A I 樂標智AI logo135 AI排版抖即創U鈣即時AI京東羚瓏創客貼易可圖AI神采AI易設計坊百度云念Motiff妙多暗殼AIiMuse.ai優勢智設阿班千圖設計室萬相營造AI LOGO靈圖AI騰訊設計開放平臺匠紫設計包裝設計艾繪繪本設計奇布塔繪本設計千設計助造物云AI云圖AI庫AI云字體家Canva可畫稿定AI墨AI莫設計AI摹客AIPixso AI美圖設計室圖怪獸標智客A

68、I logo美間AI阿堆友簡拼界版圖商湯秒畫繪AITiamat海藝AI6penHiDream.aiMewX AIA1.art設畫宇宙VoxCraft造夢記數畫360鴻圖StartAI意間AIAnyPaint萬興愛畫AI閃繪鏈云版圖摩筆良靈動限貓社區LibLib AI即夢AIMeshy限畫格吐司AI繪畫WHEE奇域AI通義萬相觸AI繪畫TRIPO神采AIFotor你我當年照修復佐糖360智圖像素蛋糕AI改圖凡科AI改圖象寄百度盤AI修圖圖可麗咻圖AI美圖云修花圖像ProKnockOutPiczooReminiPhoto Retouch照修復炫圖AI Touch Retouch開修圖Sih.ai咔

69、噠FP Video畫質2xInstasize AIPicHeroMorph StudioVega AI智譜清影快可靈Etna模視頻炫變換臉FusionX引擎SkyReelsPixWeaver尋光HiDream.aiBoolvideo剪輯萬興喵影Clipfly幀妙創藝映AI巨祿騰訊智影度加創作具星繪鏡MOKIFancyTech夢Q.AI極虎漫剪即夢AI6pen起剪知作Vidu開拍Pixverse閃剪AI視頻DreamFace魔坊餅AI變聲逗哥配錄咖可智能訊智作藍藻AI悅配剪芊芊妙貓頭昆侖瘋字節海綿樂騰訊TME Studio給BGM貓ACE Studio易天歌歌AI寫歌Muse AI控和弦派創島易

70、X Studio休閑娛樂-AI陪 伴X Eva星野我在AI叨叨貓箱WoW筑夢島冒泡鴨 Cos Love 造夢次元 捏TA彩云夢 異世界回響 逗逗閃令預塔塔絡希侃星球船順嘮嘮蕉蝶境伙伴鴨紙機懸河AI扮演 有象冰島AiU 虛擬友林間聊愈室DD星球獨響Cos AIQuin聊會天喵悅流輕偶AI烏托邦Me.bot商量擬模型通義星塵模型百川模型AnyDoor毒霸姬-AI相 機臉貓靈動AI超能畫布摹仙繪蛙WeShop唯象K電商圖超會AI圖應AIPhotoStudio AI繪創AIPaiE象剪同款星繪臉趣Faceplay秀臉美圖證件照快剪輯最美證件照趣拍AI換臉秀美間AI創意商拍悅顏相機樂拍StyleArt相

71、機千顏妙鴨相機必拍?；?AI教 育包愛學 斑AI學 海豚AI學 快問 AITalk AI練語AI外教 有道PEF Hello Hi Echo-AI健 康天天跳繩胃之書訊曉醫-其 他寶同花順問財光綜合類具-多 功 能 綜 合 平 臺-AI搜 索萬知訊智WPS AI畫桌靈辦AI悟空妙辦畫板簡單AIfabrie360AI瀏覽器effie博思板boardmix騰訊檔橙篇360蘇打辦公百度庫息流FlowUs夸克有道云筆記Notion AI印象筆記Monica AI-AI Ag ent扣Coze智能體平臺斑頭雁BetterYeah騰訊元器智譜清智能體中Gnomic百寶箱訊星智能體中Link.aiInsid

72、erXSkyAgents實在AgentMetaGPT-AI智 能 助 紫東太初AI BoxMChatAI聚天書AI暢問AI藍千詢包AI天AI智譜清訊星阿通義deepseek海螺AI 騰訊元寶百應躍問曉象Sensechat問百度AI助360 AI助創腦AI聊天Kimi智能助AI Mate Pro360智腦妙AILuca元象模型道海鯨AI靈助WPS靈犀萬能in船流知我AI簡單搜索得理法搜C知道博查AI搜索開搜AIAMinerMetaLaw流Brainstorm快找找問問宇宙MikuSeekAll.aiLepton SearchSuppr超能獻尋隱懂法貓秘塔AI搜索納搜索GensparkThinkA

73、nyFelo知乎直答Devv.ai-AI開 發 平 臺Dify魔搭社區華為ModelArts騰訊AI開放平臺智譜開放平臺壁ChatDev訊開放平臺CoLingo開搭QAnythingAI?-AI PC宏碁榮耀機械命華為聯想華碩-AI 機VIVO華為榮耀魅族OPPO-AI 機包Ola FriendiFLYBUDSAIxFU（愛富）-AI眼 鏡度AI眼鏡Meta Lens Chat華為智能眼鏡2界環AI頻眼鏡MIJIA智能頻眼鏡Rokid AR Lite-AI硬 件 新 物 種Rabbit R1統計截2024年1031虛擬男友ChatBird?AIAI?2020?5 5?25基于對全國現有AI產品

74、（包含Web端和APP端）的梳理總結，我們在國內共統計到了千余款產品。為了更好地從數據維度觀察國內產品的現狀，我們結合產品具體功能、使體驗、運營狀況和數據等因素，從中選取了四百余款具有代表意義的產品進進步統計研究。這400款產品全覆蓋了20余個細分賽道和五場景，全滲透個產、休閑娛樂和?；畹榷嗑S度。?20+20+?第梯隊AI智能助（34款）、AI寫作（34款）、AI圖（33款）、AI視頻（32款）AI設計（23款）、AI陪伴（23款）第梯隊AI修圖（22款）、綜合類套件（21款）AI搜索（19款）、AI相機（19款）、AI樂/效（17款）、AI開發平臺（15款）第三梯隊AI Agent（12款）

75、、AI教育（10款）、AI總結（11款）AI PPT（8款）、AI圖（7款）、AI代碼（7款）、AI翻譯（5款）具體包含AI智能助、AI陪伴、AI相機、AI寫作、綜合類套件、AI修圖、AI視頻、AI教育、AI樂/效、AI設計、AI圖、AI搜索、AI圖、AI總結和AI翻譯共計20個賽道。根據產品數量可以分為三梯隊。由于Web端和APP端適于不同場景，在兩種使形態下的產品賽道數量分布有所差異。在APP端的166款產品中，產品數量最多的賽道依次為AI智能助、AI陪伴、AI相機、AI寫作和綜合類套件。在Web端的230款產品中，產品數量最多的賽道則依次為AI智能助、AI寫作、AI視頻和綜合類套件。AI

76、智能助 15%共23款AI陪伴 12%共19款AI相機 10%共16款AI寫作 9%共14款綜合類套件 9%共13款AI修圖 8%AI視頻 6%AI教育 6%AI樂/效 6%AI設計 4%AI圖 4%AI搜索 4%AI圖 2%AI總結 2%AI翻譯AI運動.?AI APPAI APP?注：量位智庫出品并保有最終解釋權。產品統計截2024.10，經篩選后共計166款觀測產品04A I 應 格 局261.AI智能助梯隊明顯劃分，包斷層領先AI智能助是前表現最突出的AI原類產品，也是國內模型研商技術實最直觀的體現。前各產品間的功能差異較，普遍包含對話交互、AI搜索、AI寫作、數據分析等功能。在收費，

77、尚未形成明確的收費模式和付費意愿。僅有明確進會員收費，Kimi智能助則是打賞式收費，智譜清和天AI分別針對視頻及樂成功能進收費。從APP端來看，2024年5成為關鍵分嶺，各家模型商的AI智能助登場完畢，產品間開始明顯分化，形成了“1+1+6”的格局。第名包在規模、增、活躍、留存等各項數據上均斷層式領先，今仍保持著全加速增，也在9成為國內個總下載過億的原AI產品。24年10，包累計下載量超1.4億，當新增下載量超2000萬。Kimi智能助雖然位居次席，但市場領導地位同樣明顯。第三梯隊的6則指：、智譜清、訊星、天AI、阿通義、騰訊元寶和海螺AI。在Web端，頭部產品為Kimi智能助和，訪問量均超過

78、2000萬。包和阿通義訪問量則超過1000萬。從2024年5-10的規模數據來看，AI智能助在Web端已經出現了明顯的梯隊劃分：以下是對各代表賽道的詳細分析：?AIAI分?分?WebWeb?注：量位智庫出品并保有最終解釋權。產品統計截2024.10，經篩選后共計230款觀測產品AI智能助 11%共25款綜合類套件 8%共19款AI設計 10%共22款AI圖 13%共29款AI寫作 11%共25款AI視頻 10%共23款AI搜索 7%16款AI Agent 5%12款AI修圖 5%AI樂/效 4%AI PPT 8款AI總結 8款AI代碼 6款AI圖 6款AI相機 3款AI開發平臺AI陪伴AI翻譯

79、AI數據快速增Kimi智能助 包 海螺AI 躍問平穩增阿通義 智譜清 騰訊元寶基本持平百應04A I 應 格 局27總體來看，我國的AI智能助與海外仍有相當距離，對標產品ChatGPT在Web端的訪問量超36億，Gemini訪問量超2億，Claude數據超8000萬，差距超過5倍。2.AI搜索多渠道共同發國內頭部產品為秘塔AI搜索和知乎直答，總訪問量分別超過600萬和300萬，均推出了簡潔、深、研究、專業等多種搜索模式，并持通過上傳件構造個性化搜索引擎。此外，天AI等AI智能助也普遍提供AI搜索功能。國外典型對標產品Yandex訪問量過億，Perplexity訪問量超9000萬。04A I 應

80、 格 局圖：Kimi智能助（左）和包（右）的Web端界圖：（左）和阿通義（右）的Web端界圖：秘塔AI搜索（左）和知乎直答（右）的Web端界28從具體產品定位上可以分為AI加強搜索、原類AI搜索和業務類AI搜索。3.AI陪伴增乏，Killer APP前景不明從功能來看，量位智庫按照使者和AI智能體的交互強度，將AI陪伴產品分為輕交互、中交互和強交互產品。所有產品基本均有扮演的成分。輕交互產品以理療愈和AI記軟件為代表，如林間聊愈室和光。玩家在交流中起絕對主導作，時間和精投相對較少，AI智能體的回應不會出現過多“驚喜”中交互產品更類似于游戲，提供特定的游玩體驗，主要對應互動說和智能體社區。玩家和

81、AI智能體共同影響劇情向，包括多智能體群聊對話和說展開兩種形式。玩家會集中性投時間游玩，代表性產品包括冰島、冒泡鴨、有象等強交互產品以虛擬戀為代表，玩家和AI智能體會持續頻聊天，個別軟件甚可以提供叫起床等常服務。此類產品是前活躍粘性最好的部分AI加強搜索在原有搜索引擎、瀏覽器等互聯產品的基礎上，疊加AI功能后衍出的新代產品。代表包括：納搜索、夸克瀏覽器、簡單搜索等原AI搜索以AI搜索為產品核的AI原產品。代表包括：秘塔AI搜索、ThinkAny、GenSpark、開搜AI等。也有MetaLaw、Devv.ai和C知道等針對特定領域的垂直AI搜索具業務AI搜索在內容平臺類原有業務上，疊加AI搜索

82、功能的產品。代表包括：知乎直答、bilibli AI搜索助、紅書的達芬奇/搜搜薯等。這種結合不僅增強了平臺作為搜索引擎的功能性，也提升了在特定內容平臺的使體驗AI陪伴也是眾多公司布局AI原應的重要選擇。包含冰科技、線球科技、Minimax、階躍星、有零科技在內的20家AIGC公司共推出了21款產品。由于AI陪伴產品在功能上和扮演游戲、劇、社交，乃理咨詢等業務深度重合，許多垂直賽道玩家，例如順科技、曉悟智能、閱集團、Soul、紀源等也紛紛進這領域。04A I 應 格 局圖：星野、X Eva、彩云夢、光（從左到右）的APP界29國內產品在新增速度和活躍等數據上普遍下滑。全球范圍內，Characte

83、r AI、Janitor AI、Crushon、Talkie的熱度持續已超過年。其中，Character AI端MAU可上億，APP端MAU則超過兩千萬，國內MAU最的星野在APP端數據僅約為其分之，這數據表現在國外勉強進前。經過和海外產品的深對，量位智庫認為關鍵在于國內產品缺乏對深度情感鏈接的探索。Character AI、Replika等海外產品更注重個性化和深度情感交流，追求具有獨格和復雜情感反應的AI形象。國內市場則更傾向于短期的趣味性互動或娛樂化的陪伴功能，產品滿的需求過于淺層，同類產品間可替代性強，難以讓深探索。5.AI+圖像普遍得到需求驗證AI+圖像可以具體分為AI圖、AI設計、

84、AI相機、AI修圖四個細分領域，前在B、C兩端普遍得到明確的需求驗證。在Web端，AI視覺設計成為最受歡迎的細分賽道，AI繪畫和AI修圖緊隨其后。在APP端，AI相機的數據壓AI陪伴，成為2C AIGC產品中的熱類。AI視覺設計類產品分為兩類，類為平設計相關，具體包含海報、設計概念圖等，代表產品包括稿定AI、美圖設計室和圖怪獸。另類則是進步功能細分的產品，包括主打圖排版設計的135AI排版助和主打UI設計的即時AI。Logo設計表現突出，選產品包括標智logo、標智客AI Logo和U鈣。4.AI寫作成為標配AI功能在功能上，AI寫作多提供“鍵式成+深度AI編輯”的綜合式。在鍵成時，使者提供主

85、題或關鍵信息后，AI可以根據模板直接產出整段字。深度AI編輯功能則更類似Copilot，能夠在成過程中提供本潤、續寫擴寫、校閱勘誤、格轉化、靈感激發、降重偽原創等輔助功能。前，AI寫作已經成為產類具的標配AI功能。百度庫、WPS AI、博思Boardmix等綜合類具均將AI寫作結合作流。此外，AI助類具也均能滿輕量級的常寫作場景，例如撰寫周報、起草發稿等。許多垂直賽道的產品，例如游戲+AI、營銷+AI，甚特定賽道的綜合性商，也會基于業務特和數據中臺，提供相關的AI寫作服務。04A I 應 格 局圖：光速寫作（左）和WPS AI（右）在Web端的AI寫作界30AI圖產品多結合了AI摳圖、清晰度提

86、升等AI修圖功能，站式提供可素材，前2D平圖/多視圖和3D成模型領域均有代表產品出現。代表產品包括Liblib AI、Meshy、即夢AI、限畫、格、神采Prome AI、WHEE和奇域AI等。AI修圖在Web端可分為素材處理和批量修圖兩類。利AI進摳圖、提分辨率，進快速預處理素材已經成為業內技巧，代表產品有佐糖、Fotor和AI改圖。批量修圖在會議跟拍和像攝影中基本成為業標配。代表產品有像素蛋糕、百度盤AI修圖、美圖云秀。在APP端，畫質提升和智能摳圖成為主流功能。美圖秀秀、醒圖、Wink等頭部修圖產品均已規模深度植AI修圖功能。AI相機在Web端和APP端呈現出了明顯差異。Web端主要為電

87、商2B的AI商拍，具體包括虛擬模特和虛擬商品圖。使者可以將底商品圖或臺圖進上傳，產品會根據所需的模特姿勢、背景氛圍等成可直接使的商品詳情圖。代表產品包括美間AI創意商拍、Weshop唯象妙境、繪蛙等。APP端以妙鴨相機類2C娛樂向的像攝影產品為代表。6.AI視頻直接成視頻仍待發受技術進步的影響，字/圖直接成視頻在技術和創業領域已經成為熱，但由于產品落地具有定的滯后性，預計2025年將出現相對破圈的產品。前來看，AI視頻產品在Web端可以分為以下種類型：直接基于提詞成視頻：包括可靈AI、PixVerse、智譜清影、即夢AI、Morph Studio、Video Studio等基于AI的視頻編輯軟

88、件：包括視頻翻譯、本剪視頻、像智能修圖、添加濾鏡、畫質修復等功能，代表產品有萬興喵影、開拍等04A I 應 格 局圖：稿定AI、佐糖、LibLib AI 和超能畫布的Web端使界動智能切：通過動成分鏡、配圖、配等，將視頻變為切短視頻，主要應在電商和影視領域拼接式視頻智能成：由字成視頻/圖像后拼接為視頻，在應上常于AI短劇在APP端則可以分為以下三類：AI相機：持對不同格的視頻模版進換臉，包括快剪輯、美趣AI、AI換臉等內嵌有AI功能的視頻編輯具：包括剪映、快影、Wink、度加剪輯、Videoleap等套殼類視頻產品04A I 應 格 局31圖：可靈模型（左）和即夢AI（右）的Web端使界?根據

89、使場景，所有產品可以劃分為五類：全使場景、作提效、創意成、休閑娛樂和?；?。各使場景對應的產品數量分別為65款、105款、125款、43款和24款，在Web端和APP端的具體分布如下：注：量位智庫出品并保有最終解釋權。產品統計截2024.10，經篩選后共計166款觀測產品?AI APPAI APP?全使場景共32款，23%辦公提效共32款，23%休閑娛樂共38款，27%創意成共39款，27%?；罟?2款，13%.AI智能助、AI Agent、AI筆記等.AI陪伴、AI相機、AI K歌等.AI圖、AI視頻、AI設計、AI數字等.AI健康、AI教育等.AI寫作、AI PPT、AI總結等?AIAI分?

90、分?WebWeb?注：量位智庫出品并保有最終解釋權。產品統計截2024.10，經篩選后共計230款觀測產品全使場景共40款，17%辦公提效共89款，39%休閑娛樂，共4款7%創意成共40款，17%AI瀏覽器、AI智能助、AI Agent、AI搜索等辦公類套件、AI寫作、AI PPT、AI總結等AI視頻、AI圖、AI視覺設計、AI樂等.3204A I 應 格 局.331.全使場景重在整體效率提升主要涵蓋多功能綜合平臺、AI智能助和AI Agent。這類具通常度集成，普遍涵蓋AI寫作、AI總結等功能，能夠為特定場景站式解決案。相對于專注單場景的其他產品，這類綜合性產品能夠實現不同功能和服務的縫對接

91、，更強調跨場景跨平臺協同和任務串聯帶來的整體效率提升。未來演變向可能包含：基于特定任務的主決策能、平臺間互通配合、Agent化2.辦公提效整體數據表現最優具體包括AI搜索、AI PPT、AI 總結、AI寫作、AI圖、AI 代碼、AI配、AI相機中商業拍攝部分。從數據來看，辦公提效類產品整體的數據表現突出，量位智庫認為，具體涉及以下原因：效率提升可量化、易平衡價值與服務成本、使場景泛且頻，且產品在AI向的可擴展性強，升級空間。未來的發展重點包括：低成本提升輸出內容的專業度：提詞優化系統、結合垂直領域專家知識、加驗證環節現有具與作流集成：提升常具集成度減少學習成本：盡可能做到即插即在五類場景中，由

92、于解決的需求更為明確和迫切，辦公提效類具在商業變現、產品數量、功能效果和市場普及上均有更好的表現。以下是針對各使場景的具體分析：04A I 應 格 局Sonnet 3.5和OpenAI o1為代表的新代模型幅提了AI Coding能，在SWE-bench上可以獲得50%的得分，預計在1-2年內可以獲得90%以上的得分，意味著部分類的編程任務即將可以被AI解決。戴森，真格基管理合伙3.創意成2025年有望顯著突破具體包括AI設計、AI圖、AI圖像編輯、AI視頻、AI樂等賽道。隨著技術的持續進步，內容成質量有望獲得極為顯著的提升?？梢灶A，創意成類產品將成為2025年增最快的類產品，其中，AI視頻成

93、以及AI設計領域中的3D和精細成潛巨。預計未來的發展重點包括：解決技術瓶頸：成質量與穩定性：質量內容的致性輸出，需要對創作過程有細粒度控制創意表達的可控性：難以精確把控創意向訓練數據的版權限制：優質訓練素材獲取受限成結果難以精細調整達到商變現地步解決變現瓶頸，尋求訂閱制收費之外的變現式，基于成內容量收費或許是突破思路通過優化UI和作設計，降低學習和遷移成本34預計未來的發展重點包括：情感交互的深度與然度，如情感識別和共鳴能、多模態的情感表達的多樣性個性化定制能，了解偏好，進場景感知隱私問題保護內容的豐富性和新鮮性，設計更為豐富和專業的底層機制5.?；疃嗍窃谠谐＼浖幕A上通過要素識別和個性化

94、計劃制定來提升體驗。具體包含AI健康、AI教育、AI運動、AI記等。預估未來健康、運動和教育將成為重點發展賽道，原有相關互聯產品，如Keep等，將結合場景經驗普遍引AI功能。04A I 應 格 局4.休閑娛樂合規挑戰突出指通過提供實時互動類內容和直接可消費內容等，提供情緒價值的產品。在賽道上主要對應2C側的AI相機和AI陪伴。在產品中強調趣味性、情緒價值和社交屬性，對技術上的情感計算能、個性化算法、實時交互性能提出了更要求，同時也對內容態在內的運營有更要求。前存在的問題是產品缺乏本質化差異，同時監管導致內容創作由度有限，易失去新鮮感。?AIAI?AIAI?35為了客觀還原國內AI產品的現狀，針

95、對篩選出的400款代表性產品，我們從規模、新增速度、活躍和粘性四度進了數據統計，橫向對和進步分析。整體來看，APP端和Web端均尚未出現互聯時代的破圈級產品，和海外的同類型產品相差距在5倍以上。，國內對模型的監管要求在定程度上限制了產品表現，導致最終使體驗不佳。另，國內付費尚未形成閉環。缺乏差異化場景帶來的同質化競爭進步降低了付費意愿，限制初創公司投與開發，形成了惡性閉環。?APPAPP?1.規模 2024年1-10累計下載截2024年10，共56款產品的新增下載量超過百萬。TOP 100的2024年累計規模檻約27萬。共兩款產品數據過億，分別為夸克（接近2.7億）和包（接近1.4億）?？淇舜?/p>

96、前屬于瀏覽器品類，2024年前開始強調的智能搜索功能，2024年中旬開始把AI搜索作為核功能，2024年10正式定位為AI全能智能助，前在AI主打AI搜索、AI寫作和AI拍題三功能。在定位上，AI功能已優先于其早先盤+掃描+瀏覽器的主要業務。根據下載量變化來看，夸克在2023年中期開始下載量有所下降，但從次年3開始下載量有顯著增，并在2024年中旬度達到峰值。結合其宣發來看，我們認為AI功能的全深度結合是夸克今年再增的核推動因素。包AI由字節跳動發布，從今年5開始在各指標上持續速增，前已經在AI智能助賽道形成斷層式領先，并在9成為國內個下載量過億的AI原應，是名副其實的國級AI應。共8款產品今

97、年累計新增下載量超過千萬。依次為超過5000萬的Kimi智能助和百度庫。2000萬量級的WPSOffice，以及1000萬級別的天AI、星野、騰訊檔和阿通義。此外，可畫Canva的今年新增下載量已接近千萬?？傮w來看，AI能正在全滲透APP端的各類場景和應，字節跳動的APP戰略進展順利。但殺級場景的缺乏依舊是我國AI APP的未解難題，前還沒有產品能夠拿出全維度的亮眼表現。由于在市場認知、使習慣、場景拓展等有先天優勢，AI+X類產品的數據優勢明顯。AI原應由以包、Kimi智能助、和智譜清為代表的AI智能助領跑，隨后為星野、貓箱等AI陪伴產品和包愛學、斑AI學等AI教育產品。曾被寄予厚望的AI陪伴

98、和AI搜索賽道整體不達預期。但由于APP端在使場景（活化的碎化場景）、可數據（機帶的GPS數據、攝像頭提供的圖像數據等）、使時（全天候互動）相對于Web端和PC端有明顯優勢，我們依舊認為AI APP未來更有可能出現質變性的增。除機外，智能環、智能家居等其他物聯設備也有望在AI APP端發揮重作。05A I 應 競 爭36圖：夸克和包的APP界規模榜單2.新增 2024年10新增下載共有14款產品下載量超過百萬，TOP 10的檻約140萬。千萬級以上梯隊包含3款產品，分別為夸克（超2400萬），包（超2200萬）和Kimi智能助（超1400萬）。百萬到千萬級梯隊包含11款產品，依次為百度庫（超5

99、00萬），WPS AI（約270萬），貓箱、騰訊檔、均在140-200萬區間，隨后數據下滑120萬。來美圖公司主打AI視頻編輯的開拍即將達到百萬。值得注意的是，在新增速度超過百萬級的14款產品中，來字節跳動的產品就占據了4款，分別是包、貓箱、星繪和包愛學，分別在AI智能助、AI陪伴、AI圖和AI教育中成為了新增速度TOP 1。在后三個賽道中，字節跳動的代表產品在發布時間上均不占據先發優勢。1夸克夸克綜合類套件2包字節跳動AI智能助3Kimi智能助之暗AI智能助4百度庫百度綜合類套件5WPS OfficeWPS綜合類套件6天AI昆侖萬維AI智能助7星野MInimaxAI陪伴8百度AI智能助9騰訊

100、檔騰訊綜合類套件10通義阿巴巴AI智能助11Canva可畫咖信息AI設計12X Eva冰公司AI陪伴13訊星科訊AI智能助14智譜清智譜華章AI智能助15斑AI學猿科技AI教育16貓箱字節跳動AI陪伴17天天跳繩微芒科技AI運動18星繪字節跳動AI圖19臉貓聞有你科技AI相機20美圖證件照美圖AI相機?AI APPAI APP2億1億5000萬2000萬1000萬700萬500萬05A I 應 競 爭373.活躍 2024年10DAU僅夸克1款產品平均活超千萬，超過2600萬。百萬級梯隊共4款，包括超760萬的包AI、超330萬的Kimi智能助、超170萬的天天跳繩和超130萬的。隨后數據下跌

101、50萬量級，10-50萬共包含23款。TOP 10的數據檻約35萬。平均活數據在30萬以上的產品包括斑AI學、天AI、星野、X Eva、智譜清、有道云筆記、貓箱和阿通義。AI智能助和AI陪伴兩個細分品類的頭部產品有明顯的整體數據優勢。整體來看，AI相機的整體數據同樣較為突出?；钴S榜單1WPS OfficeWPS綜合類套件2夸克夸克綜合類套件3包字節跳動AI智能助4Kimi智能助之暗AI智能助5天天跳繩微芒科技AI運動6百度AI智能助7百度庫百度綜合類套件8斑AI學猿科技AI教育9天AI肯侖萬維AI智能助10星野MInimaxAI陪伴11X Eva冰公司AI陪伴12智譜清智譜華章AI智能助13有

102、道云筆記易綜合類套件14貓箱字節跳動AI陪伴15通義阿巴巴AI智能助16訊星科訊AI智能助17漫畫相機Boniu TechAI相機18簡單搜索百度AI搜索19騰訊元寶騰訊AI智能助20稿定設計稿定科技AI設計新增速度榜單1夸克夸克綜合類套件2包字節跳動AI智能助3Kimi智能助之暗AI智能助4百度庫百度綜合類套件5WPS OfficeWPS綜合類套件6貓箱字節跳動AI陪伴7騰訊檔騰訊綜合類套件8智譜清智譜華章AI智能助9百度AI智能助10天天跳繩微芒科技AI運動11Canva可畫咖信息AI設計12星繪字節跳動AI圖13包愛學字節跳動AI教育14星野MInimaxAI陪伴15開拍美圖AI視頻16

103、即夢AI字節跳動AI圖17訊星科訊AI智能助18天AI肯侖萬維AI智能助19通義阿巴巴AI智能助20騰訊元寶騰訊AI智能助2000萬1000萬500萬200萬100萬70萬3000萬2000萬700萬300萬100萬50萬30萬20萬05A I 應 競 爭384.粘性 2024年10三/七留存率第名夸克的三留存率超過40%，七留存率接近30%。第名是起源于AI語記賬的AI陪伴產品叨叨，三留存率超過30%，七留存率接近20%。另外有13款產品的三留存率超過20%，包AI和Kimi智能助數據超過25%，其他產品數據差異，具體包括騰訊檔、智譜清、包愛學、星野、斑AI學、天AI、騰訊元寶、通義、訊星和

104、貓箱。TOP 100的三留存率數據檻約10%，較不理想。僅35款產品的七新增留存率達到了10%，3款產品的數據約20%。粘性榜單05A I 應 競 爭1夸克夸克綜合類套件2叨叨古紅藍AI陪伴3包字節跳動AI智能助4Kimi智能助之暗AI智能助5百度庫百度綜合類套件6騰訊檔騰訊綜合類套件7智譜清智譜華章AI智能助8百度AI智能助9包愛學字節跳動AI教育10星野MInimaxAI陪伴11斑AI學猿科技AI教育12天AI肯侖萬維AI智能助40%30%25%22%13騰訊元寶騰訊AI智能助14通義阿巴巴AI智能助15訊星科訊AI智能助16貓箱字節跳動AI陪伴17光速寫作好課幫助AI寫作18天天跳繩微芒

105、科技AI運動19訊聽科訊AI總結20Naver PapagoNaver CorpAI翻譯20%18%按照Facebook提出的“40-20-10”法則，也即優秀產品需要達到次留存率40%，7留存率20%，30留存率10%來看，前我國AI APP的粘性仍顯不。盡管需要結合應所在的具體業去考慮，但前可以看到即便在主打常頻次交互的AI智能助、AI陪伴和AI教育領域，距離這標準也有較差異。39?WebWeb?在觀察了各賽道頭部產品2024年各訪問量的變化后，量位智庫遺憾地發現，除AI智能助賽道外，其他所有賽道均基本處于停滯狀態，在AI搜索、AI寫作、AI圖等賽道中，甚出現了頭部產品數據下滑、或是下滑后

106、仍未恢復峰值的情況，多款明星產品的數據和宣傳度嚴重不符。值得關注的逆增產品包括：三款AI智能助Kimi智能助、包、海螺AI，AI搜索知乎直答、AI設計美圖設計室和Pixso AI等產品原型設計產品、AI圖/視頻產品即夢Dreamina，3D模型成產品Meshy和Tripo AI。1.規模 2024年10總訪問量千萬級產品總共7款，包括3款多功能套件和4款AI智能助。全球訪問量超過千萬的Web端AI產品共67款，國內占約10%。定位為AI智能助的夸克總訪問量超7000萬，該數據平在全球范圍內可進TOP 10。全球范圍內第名ChatGPT的訪問量超過35億，Bing的訪問量超過18億。第、三名均為

107、辦公類產品，分別是約3600萬的騰訊檔和約2800萬的百度庫。AI原產品中的第名為Kimi智能助，訪問量同樣約2800萬，前定位為會推理解析，能深度思考的AI助，并推出了有更強復雜問題推理能的探索版本。后續三位同樣為AI智能助，依次為，包和通義?？傇L問量超過百萬的共計40款產品，TOP 10的檻約400萬。TOP 100的檻約10萬。全球AI產品Web端的TOP 100檻約600萬，差距6倍。1夸克夸克綜合類套件2騰訊檔騰訊綜合類套件3百度庫百度綜合類套件4Kimi智能助之暗AI智能助5百度AI智能助6包字節跳動AI智能助7通義阿巴巴AI智能助8Vidu數科技AI視頻9秘塔AI搜索秘塔科技AI

108、搜索10海螺AIMInimaxAI智能助11FlowUs AI息流 云上綠洲 綜合類套件12TME Studio騰訊AI樂13百度AI助百度AI智能助14有道云筆記易綜合類套件15智譜清智譜華章AI智能助16知乎直答知乎AI搜索17AI新媒體章夸克AI寫作18PixVerse愛詩科技AI視頻19Canva可畫咖信息AI設計20蘇打辦公360集合站?AI WebAI Web?分?分?規模榜單7000萬3000萬2000萬1000萬600萬400萬300萬05A I 應 競 爭402.規模 2024年5-10總訪問量共計21款產品過去半年總訪問量超過千萬。4款產品總訪問量過億，包括夸克3.7億，百

109、度庫約1.9億，Kimi智能助約1.4億，約1.1億。超過千萬的21款產品中，具體包括9款AI智能助（Kimi、包、通義、智譜清、天、訊星、百度AI助、海螺AI），4款多功能套件（夸克、百度庫、騰訊檔、Notion)，2款AI搜索（秘塔搜索和知乎直答）。3.活躍 2024年10獨訪客數獨訪客數即當訪問該站的數量，可視作該站當的MAU，于衡量產品的活躍程度。共三款產品的獨訪客數超過千萬，分別是夸克、Notion和百度庫。全球共計26款產品活超過千萬，中國占約11%，活躍表現略遜于規模?？淇霜氃L客數超2500萬，Notion超1800萬，百度庫則超過1300萬?？偣?9款產品的獨訪客數超過百萬。其

110、中包括6款綜合類套件，6款智能助和2款AI搜索占據和第9位和第11位。另外還有Pixverse、新媒體章、即時設計、可畫Canva。TOP 100的數據檻是230萬，全球AI產品TOP 100的數據檻超200萬。根據使場景來看，創意成類產品的整體排位都較靠后。全使場景、作提效和娛樂場景則表現更優。4.粘性 平均訪問次數共14款產品均每訪問超過5次，第名是新代思維導圖樹圖treemind，單訪問超過8次。AI智能助阿通義和成原型圖的摹客Mockplus數據超過7次。TOP 10基本為AI智能助和AI產品設計，TOP 50約均訪問3次。1夸克夸克綜合類套件2NotionNotion綜合類套件3百度

111、庫百度綜合類套件4騰訊檔騰訊綜合類套件5Kimi智能助之暗AI智能助6百度AI智能助7包字節跳動AI智能助8TME Studio騰訊AI樂9Vidu數科技AI視頻10知乎直答知乎AI搜索11百度AI助百度AI智能助12秘塔AI搜索秘塔科技AI搜索13PixVerse愛詩科技AI視頻14海螺AIMInimaxAI智能助15FlowUs AI息流云上綠洲綜合類套件16通義阿巴巴AI智能助17AI新媒體章夸克AI寫作18Canva可畫咖信息AI設計19有道云筆記易綜合類套件20蘇打辦公360集合站活躍榜單2500萬1500萬1000萬500萬350萬200萬150萬100萬05A I 應 競 爭41

112、5.使深度單次使時13款產品平均訪問時超過10分鐘，AI圖占據重較。前兩名都和營銷相關，平均訪問時約20分種。第名可成商品圖的繪AI平均訪問時查過20分鐘，第名AIGC營銷平臺繪蛙可以提供商品圖和種草圖。AI圖中包括繪AI、WHEE（WHEE-專業設計師都在的AI圖具）、悠船（企業級圖桌具）、LibLib AI 和圖怪獸。粘性榜單1Treemind樹圖 聚塔絡AI圖2通義阿巴巴AI智能助3摹客MockplusAI設計4莫設計創作美好AI設計5創腦詞遇絡AI智能助6DeepSeekDeepSeekAI智能助7Kimi智能助之暗AI智能助8墨AI萬興科技AI設計9百度作家平臺百度AI寫作10Fel

113、o.aiFeloAI搜索11騰訊檔騰訊綜合類套件12騰訊元寶騰訊AI智能助13百度AI智能助14字游俠銘錦軒科技AI寫作15同花順問財同花順AI智能助16智譜清智譜華章AI智能助17devv.ai深宇識職能AI搜索18天AI肯侖萬維AI智能助19GensparkMainfunkAI搜索20奇域AI紅書AI圖8次7次6次5次4.5次使深度榜單1繪AI繪科技AI圖2繪蛙騰訊綜合類套件35118 SEO寫作百度綜合類套件4百寶箱螞蟻集團AI Agent5創腦詞遇絡AI智能助6WHEE美圖AI圖7通義星阿巴巴AI陪伴8莫設計創作美好AI設計9LibLib AI奇點星宇AI圖10圖怪獸遇圖絡AI設計11

114、摹客MockplusAI設計12度加創作具百度AI視頻13NotionNotion綜合類套件14扣Coze字節跳動AI Agent15GhostCut招鯉科技AI視頻16Motiff妙多猿輔導AI設計17象寄AI象寄科技AI圖像編輯18字游俠銘錦軒科技AI寫作19BetterYeah斑頭雁科技AI Agent20云界AI互聯AI圖20分鐘18分鐘15分鐘13分鐘10分鐘9分鐘8分鐘05A I 應 競 爭42?AI 100AI 100AI 100是量位智庫推出的AI產品和應流向標集合，旨在結合產品功能、落地數據、體驗和未來潛，提供AI技術驅動下，產品創新和變的第三參考。量位智庫將AI 100分為

115、綜合類和原類，前者同時包含“AI+X”和“AI原”兩類AI產品，旨在給出完整綜合的產品能描述，后者則專注于AI原類應。AI 100的評測體系，涵蓋了成能、變落地、體驗、市場表現四級指標，包括超20個級指標，全涵蓋了技術、商業等產品評價維度，同時包含不同區間的下載總量、新增下載、活躍數、留存率等定量數據，以及評價、底層技術、功能評測等定性評分，以真實數據為基礎，結合體驗和市場前景，全客觀評估AI產品實。1.綜合AI 100Web端產品TOP 100的總訪問量檻約10萬，MAU檻約8萬，平均訪問時不到2分鐘，平均訪問次數不到2次。APP端產品TOP 100新增下載檻約5萬，活8000，三留存率不到

116、15%。綜合AI 100的功能和場景分布分別如下圖。按照產品性質分類，則包括71個AI原產品和29個AI+X產品。但AI+X產品整體的數據表現更加突出。?AI 100AI 100?AI 100AI 100?2.原AI 100原AI 100的不同功能占和綜合AI 100出現了明顯差異。AI智能助，AI搜索和AI陪伴是三個領跑賽道，分別有14款、6款和10款產品圍，后兩者的數據表現較為般。多功能套件和AI設計的產品數量銳減，證明這兩個賽道前仍主要依托AI+X產品進落地。?AI 100AI 100?AI 100AI 100?05A I 應 競 爭43AI Agent扣Coze百度AgentBuild

117、erAI 陪伴貓箱星野X Eva筑夢島冒泡鴨我在AIWoW叨叨AI 設計標智客AI LogoCanva可畫摹客美圖設計室墨AI稿定AIMasterGO AI 莫設計Pixso AI堆友D.DesignAI 智能助智譜清天AI騰訊元寶同花順問財DeepSeek躍問百應海螺AI包Kimi智能助訊星阿通義寶AI 圖格LilibAIMeshy即夢AITRIPO吐司AI繪畫神采PromeAIWHEE奇域AIAI PPTAiPPTAI 教育包愛學斑AI學海豚AI學AI 視頻開拍度加創作具閃剪快剪輯ViduPixVerse萬興喵影可靈AIMorphStudioAI 寫作AI 修圖AI 樂/效AI新媒體章光速

118、寫作筆靈AI新華妙筆AI公寫作你我當年AI照修復佐糖FotorAI樂學園給TME StudioAI 翻譯AI 開發平臺DifyNaver Papago-AI 翻譯有道AI翻譯AI 總結AI 運動天天跳繩訊聽Readpaper包閱AI代碼成包MarsCodeCodeGeeXAI 搜索知乎直答GenSparkFelo.aidevv.ai秘塔AI搜索AI 圖ProcessOn億圖腦圖AITreemind樹圖GitMind思乎多功能套件夸克百度庫WPS Office騰訊檔FlowUs AI 息流360AI瀏覽器博思板Boardmix橙篇訊智悟空AI 相機星繪超能畫布 臉貓臉趣剪同款Faceplay秀臉

119、妙鴨相機?AI 100AI 10020242024?100100?AIGCAIGC分?分?05A I 應 競 爭44?AI 100AI 10020242024?100100?AIGCAIGC分?分?AI 翻譯有道翻譯彩云譯AI Agent扣Coze百度AgentBuilder騰訊元器百寶箱AI PPTAiPPT博思AIPPTChatPPTAI 設計Dify堆友D.DesignAI 陪伴AI 圖Tripo格吐司AI繪畫神采PromeAI星繪Meshy即夢AI漫畫相機LilibAIWHEE奇域AIAI 相機剪同款超能畫布 臉貓臉趣Faceplay秀臉妙鴨相機繪蛙美影AI 視頻Vidu可靈AI開拍M

120、orph Studio快剪輯PixVerse夢閃剪SkyreelsAI 搜索知乎直答GenSparkFelo.aidevv.ai秘塔AI搜索開搜AIAI 教育包愛學海豚AI學TalkAI練語智能語師AI 樂/效TME Studio給快歌易天魔坊AI 修圖你我當年AI照修復佐糖像素蛋糕AI 智能助包DeepSeekKimi智能助同花順問財智譜清躍問百應訊星海螺AI天AI寶阿通義萬知騰訊元寶彩云夢AI 總結Readpaper包閱AIBibiGPT代碼成包MarsCodeCodeGeeX快碼多功能套件橙篇訊智悟空其他Lovekey鍵盤AI 寫作AI新媒體章新華妙筆AI公寫作筆靈AI騰訊涌effdit

121、寫作訊寫作05A I 應 競 爭冒泡鴨我在AI貓箱WoW星野叨叨X Eva逗逗游戲伙伴筑夢島預塔塔ChatBird?AIAI?AI+XAI+X?AIAI?45按照產品屬性，量位智庫將AI產品劃分為以AI為底層設計邏輯的AI原類產品、在原有互聯產品上深度嵌AI功能的AI+X產品、基于外接API微創新的套殼類產品和將多個產品/模型API集中拼湊的集合站類產品。在AI+X產品中，AI體現為在已有產品上疊加AIGC能，在業務和變現上都不以AIGC為核，AIGC于優化核體驗。前，各類的頭部互聯產品均在向該向靠攏，依靠成式AI進步提升的基礎與價值。從數據來看，由于和業務流程融合的更為緊密、需求識別明確等原

122、因，此類產品前的整體數據表現顯著優于AI原類產品。在圍的400款產品觀測中，盡管AI+X產品數量較少，但在各維度數據的頭部梯隊中均占據了前列，具體數據表現也和AI原類產品有斷層式差距。在APP端，我們共統計到了34款AI+X類產品，占20%。其中5款產品進新增下載榜前10名，分別為夸克瀏覽器、百度庫、WPS Office、騰訊檔和天天跳繩，其中夸克的當下載量接近2500萬，排名第。12款AI+X類APP產品進TOP 30，在排除AI智能助后，AI+X類產品占據絕對重。平均活和留存率，AI+X類產品的優勢則更加明顯。在7款活超百萬的產品中，AI+X占據四位，超千萬的兩款產品均為AI+X產品，分別

123、為WPS Office和夸克。在Web端，我們共統計到55款AI+X產品，占約23%?？傇L問量前3名均為AI+X類產品，第名夸克全球訪問量超7000萬，第名騰訊檔超3500萬，第三名百度庫超2800萬，總和于TOP 10中其他7款AI原產品的總和。獨訪客數，也即活躍排名的前四名也均為AI+X類產品，分別為夸克、Notion、百度庫和騰訊檔。量位智庫認為，辦公軟件和內容平臺成為AI+X產品的重點布局領域。AI產品分類AI原類產品以AI為底層設計邏輯AI+X產品在原有互聯產品上深度嵌AI功能套殼類產品基于外接API微創新集合站類產品將多個產品/模型API集中拼湊06A I 應 增 46?AI+XA

124、I+X分?分?對辦公軟件，續寫、改寫、命題寫作等不同程度的AI寫作功能，以及針對論、說等不同題材的AI總結功能基本成為標配。全球范圍內的代表產品包括Grammarly和Notion AI。其中，主要業務為提供模板及參考內容的素材庫類產品和編輯器形態的辦公軟件表現更為突出，代表產品為百度庫和WPS AI。由于AI成效果會直接影響產品的核使體驗，此類產品相對更強調具體功能的精準度。素材庫性質由于能夠在各類題材下提供各類參考檔，其原定位更接近素材庫，在引AI編輯功能后，新定位已經更新為“站式AI內容獲取和創作平臺”。具體提供的功能包含：?綜合類編輯器性質此類應本屬于內容創作具，般在交互和功能設計上更

125、加靈活，允許在編輯器上直接開啟續寫、改寫等功能，以保證不打斷創作過程。持的AI功能也會種類更加多樣，會采取定的外接API。類似產品還包括騰訊檔、有道云筆記、印象筆記等。WPS AIWPS AI06A I 應 增 AI寫作和編輯檔問答和檔總結PPT成上傳圖成PPT成演講稿思維導圖成研究報告、漫畫、說47多功能協作平臺性質此類平臺在側重編輯器性質的同時，會更強調不同創作者之間的協同，同時在單個檔同時持圖表、圖、數據、字等不同形式的內容。類似產品還包括妙辦畫板、畫桌、Fabrie等。BoardmixBoardmix?集合站性質由于AI的成能尚法直接幅優化核作內容，此類軟件更多提供周邊的AI優化編輯功

126、能。稿定設計定位為聚焦商業設計的多場景在線設計平臺，在站內會以單點的式提供AI圖、AI寫作、AI圖像編輯等功能。?此外，類似釘釘和書的辦公軟件會在各類場景及作流內全引AI，強調AI功能的覆蓋率和在不同產出間的協同。相對于其他類型的AI+X類辦公產品，最價值在于能夠結合報銷、會議等具體場景，成特定場景下的數字員，或者和使者通過個知識庫、使習慣等深度綁定，以個為單位形成AI智能助。在Boardmix博思板和FlowUs AI息流這類強調協作和全范圍編輯的辦公類產品中，AI功能的全則相對更重要，這類產品往往會全覆蓋AI代碼、AI表格、AI寫作等多種功能，保證整體體驗的智能化。全的理念同樣出現在集合站

127、式的AI+X產品中。06A I 應 增 48在內容平臺中，AIGC多從三個向共同發：基于平臺內容的AI搜索、于帶動UGC的AI成功能及模板，還有檻進步降低的內容創作具。通過幫助更快地尋找到所需內容，內容平臺可以借助AI搜索幅優化體驗，同時向搜索引擎進轉型。除了抖、紅書等將AI搜索融原平臺的做法外，現在也已出現了將AI搜索單獨剝離為產品的內容平臺，如知乎直答和問問宇宙，是對原內容平臺定位的次升級。?AI+XAI+X分?分?圖：問問宇宙和知乎直答的Web使界圖：紅書的AI搜索界在促進UGC，妙鴨相機爆后，于成不同物寫真的AI相機和類似的AI特效也已內嵌各內容平臺和美圖秀秀等修圖軟件。除了能夠通過附

128、加功能提升產品體驗，諸如貓唱歌、影視劇創等通過AI產出的新內容也往往會在平臺上引發現象級傳播，拉動整體活躍度。在編輯軟件，前，包括字節剪映、快快剪、bilibili必剪、百度作家平臺在內的多款創作具均已深度植基于AI的視頻/圖像/本成功能，萬興喵影等獨編輯軟件同樣有深布局。國外的代表性對標產品是Adobe Firefly。圖：抖創作中中的AI內容06A I 應 增 49量位智庫認為，X+AI類應在數據表現更優的原因主要包括以下點：場景融合優勢：在X+AI應中，AI功能能夠縫集成到已有產品和作流程中，需遷移底層數據和邏輯，就可以在熟悉的平臺上完成從檔編輯到AI輔助的全流程操作。這種深度融合有效降

129、低了的認知和操作檻認知負擔最化：在熟悉的界中然植AI功能，復已有的操作邏輯和交互式，避免引新的概念或術語，確保AI功能能輔助不打斷作流。場景化的功能還能增強情景感知，進步優化體驗付費模式順暢：AI功能作為附加值提供給，不會額外增加付費環節，避免了AI作為核產品時的定價單性和場景理解基于此，量位智庫對AI原產品有如下建議：場景融合：加強與現有具的集成API接與插件開發提供豐富的API接，或者開發跨平臺插件，確保AI功能可以嵌的常作流程中跨平臺持確保AI具能夠在不同平臺（如移動端、桌端）縫運，優化的多平臺體驗簡化體驗：降低認知負擔品牌信任與推然嵌AI功能在熟悉的界中集成AI功能，復已有的操作邏輯智

130、能化功能根據操作上下，提供智能提或動觸發AI功能，減少動操作。合作與聯合推與知名品牌或平臺合作，通過這些品牌的市場認可度提升的信任度06A I 應 增?AIAI?AgentAgent?50?多模態交互的核在于通過整合不同類型的輸和輸出（本、語、圖像、視頻、勢等），為提供更豐富、然的交互體驗。相單的本或語交互，多模態交互能夠更好地適應不同的場景和需求，提升機交互的靈活性和體驗。例如，在駕駛、運動、辦公等不同環境下，可以通過語、勢等然式與AI進交流，不僅限于打字或點擊。此外，多模態交互可以讓AI通過多個感官同時獲取信息，從提升對意圖的理解。例如，AI不僅可以通過語識別的指令，還能通過圖像識別的表情

131、、勢或周圍環境。多模態信息的融合能夠幫助AI更準確和全地理解的需求，減少誤解或偏差，幫助AI更有效的處理復雜任務，例如同時通過字和圖像來提對物體的識別精準度。在前國內的AI產品中，最為常的是語+字的多模態交互，多出現于AI智能助和AI陪伴中。隨著Transformer架構使模型對圖像和視頻信息的處理能快速提升，預計25年將開始出現更為綜合性的多模態交互，AI能夠通過物聯、特定信息等多種感知通道進協同。多模態輸和輸出將使AI交互性更強，交互頻次更和適場景也更加豐富，帶來AI產品整體平的顯著提升。以NotebookLM為例，其NotebookLM的“頻概覽”功能能夠將本件、視頻、PPT、錄甚數據集

132、轉換成然、有趣的播客形式，這種多模態輸的式在24年引發了波熱潮，預計更多類似的熱度產品將在25年出現。07A I 產 品 趨 勢圖：通義效率、包和星野中對多模態交互的持51?AgentAgent?隨著技術的發展，對于機交互的需求也在不斷進化。Agent作為融合感知、分析、決策和執能的智能體，能夠根據歷史為和偏好，主動提供建議、提醒和個性化執能，為提供度個性化的任務。其交互的主動性和動化遠超出現有的軟件?，F有的2C產品主要分為內嵌在產品中的特定Agent，以及Agent搭建平臺。前者的代表包括智譜清、阿通義、寶等。后者的代表產品包括字節跳動的扣Coze、百度的智能體平臺、匯智智能Gnomic、騰

133、訊元器等。智譜華章、阿巴巴也開始在其AI智能助界中添加AI Agent的。同時，我們也統計到了多款企業級的2B Agent產品，以不同員職能為單位，如財會、采購等構建智能體，也就是“數字員”。代表包括邏輯智能的InsiderX智能員、意科技的Tyrion.ai平臺、未來式智能的AutoAgents、瀾碼科技Ask XBOT和Laplace AI Lab等。螞蟻集團也推出了2B的Agent搭建平臺百寶箱。從技術和配套設施兩的發展來看，AI Agent即將從2025年開始泛投使。技術上，模型模型性能有了顯著進步。具調和多Agent調編排能的完善使Agent能夠更好地跨越不同平臺和服務。模型技術中推

134、理決策框架的成熟，例如多步驟推理能等，將進步加強AI Agent在推理和決策的核優勢，幫助AI Agent能夠更為靈活主地應對復雜任務。在配套設施，多個Agent開發平臺正在快速發展。各智能硬件商也紛紛在底層操作系統中加強研AI Agent的布局，聯想、榮耀等商前已有旗艦機型出現，榮耀已率先發布個跨應開放態AI智能體。搭載有研AI Agent的智能硬件預計將成為智能電設備近期的主潮。量位智庫認為，AI Agent有望帶來獨屬于AIGC時代的交互式、產品形態和商業模式。07A I 產 品 趨 勢前，Copilot類產品先實現商業落地，Agent類產品尚待時間考驗。陳，峰瑞資本圖：Agent搭建平

135、臺扣Coze和百寶箱交互式從GUI（Graphical User Interface，點擊式的圖形界交互）到VUI（以物聯為代表的智能語交互，Voice User Interface），并最終進Agent UI，也即由Agent根據的意圖主動提出建議，協調多平臺多應完成任務產品形態相對于單點式被動服務的APP，AI Agent能夠更好地滿對復雜場景應的需求。結合AI硬件對AI Agent的深度植來看，未來APP的服務形式可能會直接被Agent替代。由于不會再直接和APP發交互，APP端對UI/UX的投將顯著下降，轉向對核功能研發及不同APP間協調邏輯的開發52從個性化推薦到直接成個性化內容，A

136、IGC能夠使體驗的個性化程度有明顯提升，這將幫助產品進步完善體驗，并通過提忠誠度和遷移成本實現差異化定價和進步的服務增值，對產品的差異化競爭有重意義。前，基于AIGC的度個性化已經在AI教育（個性化題庫及教學安排）、AI陪伴（AI個助理及虛擬伙伴）、AI營銷（商品個性化推薦、營銷內容個性化成）領域有明顯進展。在硬件端搭載的多款AI智能助已開始以度個性化的個助理作為宣傳重點。實現式包括：構建多模態實時畫像：融合為數據、偏好設置、歷史交互等多種數據，并結合實際情境精準確定需求私有知識庫構建及縫對接：持導個檔、筆記和專業資料，由AI快速獲取專屬知識，并構建知識索引RAG優化：RAG（檢索增強成）系統

137、應持同時從多個知識源進檢索，包括的私有知識庫、公共數據庫、互聯資源等；同時需要具備上下感知能，能夠根據當前的需求、任務和對話上下，動篩選出最相關的知識知識適配機制：建個知識域和偏好的映射關系，幫助AI更好地理解的專業背景及對輸出內容的偏好商品形式和產品形態的變化相關，由于Agent更強調期、持續性的服務，未來的單點服務形式可能會逐步被持續訂閱取代，并出現定制化的動化流程、個性化的知識管理和獨特的業解決案等差異化的增值服務?07A I 產 品 趨 勢03I N D U S T R Y?AIAI?（）AI：落地于千百業（）AI落地業特點分析?AIAI?（）AI業的變與滲透?AIAI?（）我國AI業

138、投融資分析（）科技合作伙伴觀點精選（三）我國AI及AI落地政策分析千百業優秀AI落地案推薦/54/55/75/78/82/85/87?AIAI?542024年以來，量位智庫推出了中國AIGC應全景報告、AI告營銷業全景報告、AI視頻成研究報告、AIGC教育業全景報告、AI樂應業報告、中國AI模型創業格局報告、中國具智能創投報告、AI游戲驅動產業研究報告等多篇深度報告，聚焦AI技術在產品和業層、在各個不同業的落地場景和發展潛。1.2個情境我們發現，站在當下的節點，盡管AI對千百業的產和態都有改變作，但由于業底不同、環境不同、資源配置重不同，受AI影響的業呈現出AI+和AI 原兩情境。前兩個章節中

139、，我們探討了本年度最前沿、熱度最的AI技術趨勢及AI產品趨勢，本章節中，我們將集中討論AI在千百業的落地情況和呈現出的業特點。區分AI+業和AI原業的重要特征是AI在其組織架構的地位。例如智能駕駛、具智能等業，盡管可以在歷史溯源中尋找到汽、機器等原始業，但其脫離AI后就失去了作為個業獨關注和研究的意義。但AI+與AI原在業中并不是涇渭分明的關系，是動態發展的。我們認為，AI對業的變和滲透值得度關注。如同曾經的互聯技術，在逐漸改變了第、第和第三產業后，慢慢發展成為個獨的業。相似地，AI作為新質產，必將逐漸改變與類息息相關的各業，我們相信，千百業受AI變僅有先后、早晚、輕重程度之分，是否之爭?；?/p>

140、以上特點和量位智庫在2024年度對整個AI及相關落地業的重點追蹤和觀察，我們以智能駕駛、具智能、智能硬件、游戲、影視、營銷、教育、醫療為代表業進研究。AI+：在這情境中，AI多以產具的出現，能夠在質量和效率上對業的各個環節進滲透AI 原：在這情境中，業涉及的系統、應和服務從開始就完全基于AI技術進設計和開發本章節中提到的量位智庫所發表的報告，均可通過以上維碼閱讀并下載電版本?AIAI?08A I 智 變 千 百 業55作為本篇第個重點分析的業，智能駕駛業從誕之初即與AI的概念緊密相連。1956年，約翰卡錫在達特茅斯會議上次提出了智能這術語，標志著AI作為個獨研究領域的誕；也正是1956年，通汽

141、推出了世界上第輛安裝了動導航系統的概念Firebird II。從理念上來講，智能駕駛領域所追求的駕駛，正是以完善的AI取代類駕駛員。?AIAI?1.智能駕駛：Robotaxi新時代，駕駛時刻來臨？12023年，我們跟進了端到端模型在動駕駛領域的重要進展，BEV+Transfomer 技術從數據感知和架構層優化了整個動駕駛系統。2024年，我們關注到世界模型在動駕駛領域的應，世界模型將成未來場景和真實的未來時刻數據，進監督訓練。同時在本報告的第章節對相關技術做了更深的探討。圖：2023年度前沿科技趨勢報告（2）影響業演進的關鍵因素 關鍵配件成本的下降激光雷達量產規模的增加，帶來成本進步下探，更有

142、利于規模上。L4技術供應商的局，帶來技術持近年來越來越多的L4玩家推出適于乘的智能駕駛產品。動駕駛技術的釋放可以讓企更快裝配技術等級的智能駕駛產品，縮短研周期。量產標準化案數據質量（傳感器案是否致），也是智能駕駛能迭代的影響因素之。不同傳感器案會使不同的數據格式和處理算法，從需要更多流程進數據轉換和統。因此，相同規格的傳感器案也能幫助智能駕駛能快速迭代。（1）智能駕駛業的特點當前智能駕駛業存在2業共識：頂天地：技術進階路線明晰業內智能駕駛產品可被分為、泊兩類，每類根據技術難度的增，存在不同的迭代路線。環境中，各玩家的產品迭代路線可分為：泊環境中，各類泊產品迭代路線為：鋪天蓋地：產品價格檻下探智

143、能駕駛不斷向上迭代的同時，配有階智能駕駛產品的型起售價在不斷下降，智能駕駛產品售價也在4萬元以下。城區NOA速NOA基礎L2級主代客泊記憶泊全動泊半動泊1 對智能駕駛及Robotaxi的更多分析，可以掃碼下載我們發布的Robotaxi2024年度格局報告和智能駕駛2024年度報告技術能突破可產品化臨界點才可持泛的落地。清華智能產業研究院（AIR）08A I 智 變 千 百 業56 2024年將成為業興起、商業化落地的關鍵節點業主要由動駕駛技術供應商、和出平臺組成，前尚處于發展階段，前期研發投。在落地上運營范圍和隊規模都尚未鋪開，玩家出普遍于收。業頭部預計將在2024年年底實現收平衡，2025年

144、實現盈利，向正反饋。技術驅動、政策持下的業規模的指數級增技術是Robotaxi的關鍵驅動，頭部玩家已實現端到端模型的動駕駛，即AI模型解決動駕駛除控制外的部分任務；同時，業開始轉向利世界模型訓練動駕駛算法，世界模型使得動駕駛有望擺脫路測依賴，以更低成本收集到Corner Case，加快算法迭代。政策為技術在場景內的真正落地提供持，同時起到引導規范的作。2023年上海市發布細則對臨港新區駕駛智能聯汽的測試、應和商業化運營做出明確規定。隨后在國內，重慶、深圳、州、武漢和北京等多地都開放試點區域持Robotaxi的測試和運營。兩相促進之下，Robotaxi作為智能駕駛業的部分，在今年實現破億元的市場

145、規模增，并在2030年對約整體市場達到45%以上的滲透率。（4）智能駕駛業市場規模分析2023年，我國L2級新乘滲透率達到47.3%；2024年1-8，國內市場L2及以上智能駕駛裝機量累計達605.1萬套。2024年，智能駕駛業能夠繼續創造3000億以上幣的規模；肯錫預計，到2030年中國動駕駛相關的新銷售及出服務將創造超過5000億美元的收。圖：我國Robotaix市場規模測算，Robotaxi2024年度格局報告（3）Robotaxi起勢如果說智能的落地意味著動駕駛階段的開啟，那Robotaxi的落地正意味著駕駛時代的到來。2024年，我們觀察到在智能駕駛業，Robotaxi的興起正帶來業

146、新的增點和發展空間。Robotaxi，狹義是指動駕駛出租，義也可包括Robobus（巴）、駕駛下的其他共享出產品等。08A I 智 變 千 百 業57具智能這概念最早可以追溯到1950年，圖靈在其經典論Computing Machinery and Intelligence中就曾提到，在這篇論結尾圖靈展望了智能可能的兩條發展道路：條路是聚焦抽象計算；另條則是為機器配備傳感器使其與類交互學習。這兩條道路逐漸演變成了具和具智能。近兩年來，隨著深度學習和虛擬環境技術的發展，具智能的研究進了全新的階段。賽道極新：2023年，英偉達CEO仁勛表，智能的下個浪潮是具智能，徹底引爆業熱點。前具智能賽道玩家的

147、平均成時間不超過3年，“年輕”是這個賽道的最特點增極速：2024年，隨著具智能是AI繼續向物理世界深度滲透的必要路徑成為共識，賽道持續展現出強勁的增勢頭。隨著技術突破的不斷取得、應式的持續深探，預計未來年內，市場規模將持續快速增市場前景期待極：2024年下半年以來具智能賽道投融資事件較上半年增5倍，重押注顯出資本市場對這賽道的度關注和極預期。具智能賽道前的頭部創企之智元機器，成于2023年2，在年多時間內完成7輪融資，市場估值已光速躍過10億美元檻源碼資本執董事陳潤澤表，在具智能領域，短期內技術還法滿們對通機器的預期，但在些細分場景，產品化的機會已經逐漸出現。2.具智能：速成下的前景與挑戰（1

148、）具智能業誕起即呈現鮮明特點（2）玩家格局中“國家隊”“地隊”成中堅量圖：具智能“國家隊”及“地隊”20232024.022024.042024.052023.112024.032024.05中科院具智能實驗室研發Casia Hand系列靈巧和類靈巧操作機器，獲ICIRA 2023最佳學論獎東省具智能機器創新中匯聚東省具智能科研及產業資源，推動形成主可控具智能機器產業集群成都形機器創新中發布機器多模態模型RRMM及雙臂協作系統RTACS、“貢嘎號”（Konka-1）超輕量級形機器整機產品北-銀河通具智能聯合實驗室研發“模型耦合抓取”“藥店商超場景動取貨”“家居場景作”等多個場景下通機器北京具智

149、能機器創新中發布通機器平臺“天1.0 LITE”、“天1.1 PRO”、“天1.2 MAX”和具智能服務機器“天軼”，啟動“百臺天計劃”浙江形機器創新中發布全域研臺形機器整機“領航者1號”及多由度靈巧發布“領航者2號NAVIAI”2023年年底以來，各地政府及科研機構紛紛牽頭成具智能實驗室或創新中。系列具智能“國家隊”和“地隊”前已成為業格局中創業玩家之外另股不可忽視的中堅量。08A I 智 變 千 百 業上海形機器創新中發布國內款全尺通形機器開源公版機“”當下具智能賽道中機器主流形態存在兩個向的技術路線：未來趨勢型：兩加靈巧型機器階段實型：輪式加抓夾型機器、四機器前者是前業共識中更先進、更未

150、來，也更接近類真實形態的技術路線，前成熟度尚處早期階段。后者可以看作向前者演化過程中的階段性形態，前技術更為成熟穩定，離落地更近。當下乎所有“國家隊”、“地隊”玩家以及部分年輕的創業玩家都會采取第類技術路線，向更未來的技術路徑和產品形態發出沖擊和挑戰，不斷在兩進穩定性、速度、地形泛化運動能、靈巧泛化抓取等能上尋求突破。同時，也有不少創企尤其是成時間較久的機器企業在第類技術路線上積累更深厚，具備較為成熟的量產落地產品，后形態也距離BC端落地應、實現商業化更近。選擇兼顧兩條路線的企業也不在少數。58Sim2Real存在GAP從仿真環境到真實世界的遷移（sim2real）存在挑戰，例如摩擦等學環境系

151、數模擬難度，遷移過程會造成性能下降問題泛化性挑戰巨前具智能的泛化性挑戰主要存在于感知能泛化、抓取能泛化、地形識別能泛化等，增強知識轉移和在復雜環境中的泛化能是關重要的數據：現實世界數據獲取存在瓶頸規模真實數據的采集成本昂，且難以全采集所有可能場景的數據。創建多樣化的真實世界機器數據集需要各個機構之間緊密且泛的合作合成數據泛化能存疑合成數據雖能補充真實數據不，但與現實世界數據有差異，泛化能存疑，且單純依靠模擬數據會加劇仿真到現實的GAP問題（3）技術路徑共識形成，業落地向更清晰前限制具智能進步發展滲透的主要難點可以分為以下三：技術：（4）業臨技術挑戰、落地速度不及預期現有語模型和多模態模型的成功

152、先依賴互聯上海量的本、視頻數據；相較前具智能研究中海量具數據是相對稀缺的，收集成本也很多。清華智能產業研究院（AIR）08A I 智 變 千 百 業59圖：具智能市場規模及預測，36氪、量位智庫產業：供應鏈硬件同質化前市場上的具智能形機器硬件同質化嚴重，很多機器公司使的本體和其他組件都來同家上游供應商，這限制了形機器產品形態的多樣化發展落地速度不及預期前具智能距離真正進BC端的、家庭等使場景為類創造真實價值少還需5-10年，當下應場景更多停留在科研和教育領域。這與市場理性的過預期產了定落差（5）前景闊，遠來看有望實現顛覆性變2024年具智能業在技術進步、市場規模擴、應場景拓展等取得了顯著成就，

153、同時也臨著技術挑戰和數據問題。隨著技術的不斷發展和產業鏈的完善，預計具智能將在更多領域實現商業化落地，為社會帶來更多顛覆性的變。據2024年具智能產業發展研究報告顯，中國具智能市場規模已達4186億元，并有望在未來年內保持快速增態勢，具智能市場前景闊。預計到2030年，中國市場規?？蛇_8000億元以上。具智能創業公司的期成功可能不取決于科研和技術實，是在于理解技術邊界和定義產品的能。陳潤澤，源碼資本執董事02000400060008000100002021202220232024E2025E2026E2027E2028E2029E2030E市場規模（億元）08A I 智 變 千 百 業毫疑問形

154、機器是承載我們的AI所有想象的最佳硬件載體，之前普遍認為這天的到來還很遙遠?，F在看來這天的到來要預計快的多。將創投603.智能硬件：PC、機、眼鏡、機四硬件與其他業不同，智能硬件業中的產品多數在成式AI涌現以前，就作為智能設備融類的活：電腦、機、機與從前產品在計算能、功能性上的更新相，AI的加對這些設備的更新是命性、徹底性的，將完全改變類使相關電產品的場景、式和需求。峰瑞資本合伙陳表，搭配模型能的AI硬件產品正成為中國團隊的優勢領域。對于智能硬件業，我們可以從具體的產品變化中微知著：（1）AI PC：具備本地AI能的個電腦 與傳統電腦相，AI PC的不同我們可以明確的是，AI PC最重要的特征

155、即具備在本地處理和運AI模型能，它通過集成專的硬件和軟件，使AI技術的應更加泛和效。明勢創投表：硬件已成為AI落地的原場景，Apple Intelligence，可能是第個活過億的AI應。傳統的個計算機注重的是計算能和硬件性能，AI PC引深度學習、然語處理、計算機視覺等AI技術，并在此基礎上更加注重智能化應。（2）AI機：真正打造出個智能系統與AI PC相似，AI機也可被認為是集成了AI技術的智能機，它從體系結構出發，將AI深融機各個模塊。對AI機來說，最值得被關注的功能應當是我學習、我優化，甚預需求，為提供更加精準化、智能化的服務。騰訊研究院表明，以Apple intelligence為代

156、表的端側模型及其服務會加速商業化。更適配AI時代的硬件升級芯：如iPhone 16搭載了專為AI設計的A18芯，提供了強的處理能和能效，同時持Apple Intelligence。處理器與內存：AI機通常配備了更級別的處理器和更的運內存，以持復雜的AI算法和運算需求。傳感器配置：配備了更多的傳感器，以收集更多的數據和環境信息，為AI算法提供更豐富的輸數據。軟件智能化和體驗的全升級 AI PC的顯著優勢從技術發展度來說，由于配備了NPU，AI PC相傳統個電腦，在處理AI相關任務時效率更、準確性更強。此外，AI PC在實時響應能、低延遲、安全性等有所提升。從應場景度來說，AI PC新增的應場景將

157、包括AI聊天機器、AI PC助理、AI Office助、AI本地知識庫、AI圖像視頻處理以及AI PC管理等，這些場景的落地將完全改變下代的電腦使習慣。AI PC的出現，標志著個電腦從傳統的計算終端升級為個AI應中，它將更好地理解需求，提供更智能、個性化的服務。這必將改變PC的使習慣和場景，以前所未有的式推動PC產業的發展。關鍵技術：神經處理單元（NPU）：NPU是為AI和機器學習任務設計的專硬件加速器，能夠顯著提語識別、圖像處理和其他AI任務的效率。本地運AI模型和應：與傳統的需要云端處理的AI服務不同，AI PC能夠在沒有絡連接的情況下本地運AI模型和應，這提了隱私性和便捷性。08A I

158、智 變 千 百 業61操作系統：集成然語處理、圖像識別等AI的操作系統，更好理解需求，實現更加智能的任務分配和資源管理。應程序：通過AI智能化升級應程序，同時提供智能助、語圖像識別、AI攝影、智能檔等功能。個性化：以的使習慣和需求作為數據輸，進智能推薦和優化。2024年，Ray-Ban Meta眼鏡發售銷量突破100萬臺，成為個消費級爆款產品。AI眼鏡成為當前智能硬件賽道最引關注的產品形態，充分驗證消費者需求和市場接受度，也向商和資本展了巨潛。（3）AI眼鏡：空間計算落地關鍵消費級硬件產品技術路線企業發布時間產品特點售價/元Apple Vision ProAR蘋果2024.01.19混合現實頭

159、顯設備，M2芯，2300萬像素屏幕，持眼球追蹤和勢操作29999OPPO Air Glass 3AIOPPO2024.02.26輕量級雙全彩AR眼鏡，集成OPPO的AndesGPT 語模型，樹脂衍射光波導鏡，顯亮度達1000尼特，持觸控勢操作，可通過軟件更新獲得導航、提詞器、快速健康、健信息預覽等功能4999XREAL Air 2 UltraARXREAL2024.05.30提供達330英虛擬屏幕，重量僅72克，兼容多種設備，持部分新款機和游戲設備3999智能拍攝眼鏡 A1AI閃極科技2024.05.31采紫光展銳旗艦級AI芯和索尼1600萬像素背照式攝像頭，持實時在線、聽和視覺體驗999界環

160、AI頻眼鏡AI北京蜂巢2024.08.08內置先進的AI芯與頻模塊，實現語命令控制樂播放、接聽電話或獲取導航信息等智能功能799度AI眼鏡AI百度2024.11.12款搭載中模型的原AI眼鏡，具備第視拍攝、邊邊問、識物百科等六功能-Rokid GlassesAI+ARRokid2024.11.18與BOLON眼鏡合作，采衍射光波導成像技術，接通義千問模型，兼具AR眼鏡、機、AI助和相機的多能，持物體識別、字翻譯、數學題解答等功能2499作為當下類最法離開的智能設備，AI機的以上升級能夠提機與的適配程度，并提升的產和作效率，使機成為個真正的個智能系統和活助。OpenBMB開源社區提到，像AI機類

161、的智能硬件運端側模型能創造全新的場景和功，它將成為主流消費電新的競爭焦點。2024年迎來爆發，初步形成3路徑前的AI眼鏡主要側重于通過AI提升語交互能，集成機、攝像機、導航、語助等功能。主要可分為AI、AR和AI+AR三種技術路徑，分別以Ray-Ban Meta、Meta Orion和Rokid Glasses為代表。多類傳統的穿戴類消費電，得益于端側AI的發展，未來在信息提、通訊、導航等同樣有很的想象空間，也是最可能出現爆品的產品向之。楊顏媛，梅花創投08A I 智 變 千 百 業62 體驗尚需突破，產品天花板有待探索盡管市場增迅速，但當前AI眼鏡在體驗側仍存在些問題。如軟件內容和硬件性能不

162、、佩戴舒適性差和續航短等。為提供清、舒適、可持續佩戴的視覺體驗是不同商持續進技術演進的標。前AI眼鏡正處于快速發展和迭代的前期階段?？傮w來看，從AI語眼鏡迭代到AI+AR眼鏡是當前智能眼鏡的主要發展路徑。這產品形態當前遠未觸及天花板，我們將持續關注技術及應開發者態的完善。機硬件因其便攜性、輕量化和產品成熟度的特點，成為最早接AI能的智能硬件之。市場增明顯AI機市場近年來呈現出顯著的增勢頭。依據洛圖科技數據，2024年8中國在線電商平臺的AI機銷量同增763.3%，銷售額增近14.5倍，預計全年銷量有望突破20萬副，同增488.7%。3應場景前AI機的細分產品場景主要有活娛樂、辦公助和質提升三種

163、：（4）AI機：便捷交互，延伸模型應場景場景產品企業發布時間產品特點售價/元活娛樂Ola Friend字節跳動2024.10Ola Friend接包模型，與包APP深度結合?？梢酝ㄟ^語喚起包進對話，提供信息查詢、旅游出、英語學習及情感交流等場景的幫助1199辦公語iFLYBUDS Pro 2 科訊2024.05iFLYBUDS Pro 2能夠動識別并轉寫會議內容，持32種語的同傳翻譯，內置智能會議助，能夠動記錄會議要點、成會議摘要，新增“語嘴替”功能，可模擬個性化語1399質提升ARC 3 弧開放式AI機Cleer2024.04ARC 3 弧是款開放式AI機，采不設計，持損或解析度頻的效傳輸，

164、具備AI降噪、健康監測等功能，次在開放式機中實現了杜效和杜頭部跟蹤1399 潛在模型硬件態布局AI機已成智能硬件布局的重要切點，字節跳動、科訊等模型玩家紛紛進這領域布局。但主流產品尚未集成獨的端側AI模型，主要采云端路徑喚醒模型，法脫離機應軟件使。更的意義在于增加模型能調，并延伸其沉浸式使場景。將創投表，當前的硬件環境并不能承載我們對模型應的所有想象。前這賽道商競爭尚不充分，市場需求在早期階段。我們可以看到，各AI終端品牌在積極準備，為明年上量做準備。建平，藍馳創投投資合伙國內多家商紛紛推出AI眼鏡，產品形態的爆。影、閃極、雷、等家預告將在年底和明年初發布相關產品，可以預AI眼鏡的產品爆發遠未

165、結束。08A I 智 變 千 百 業63作為最有價值的應場景之，AI技術在游戲業的應可以追溯到上個世紀80年代。最初，們只是使程序成簡單的內容和隨機元素；后來，AI開始輔助游戲設計，例如動化任務和基礎的對話成；隨著技術能的發展，成式AI技術在游戲中的應逐漸擴展，達到動態世界成的能；到今天，模型等關鍵技術的進步使AI能夠成更復雜的游戲內容，如動態場景、智能NPC為等。AI在游戲業的滲透有以下點優勢：游戲開發者天然親近AI，并樂于使AI領域的各類技術實現設想中的游戲世界；同時，我們不斷強調數據在當前時代AI發展，尤其是模型發展中的重要性，來游戲世界的數據幅減少了篩選、清洗的成本；此外，游戲還能成為

166、AI模型能的最佳試驗場。4.AI+游戲：施展想象的最佳樂園 圖：AI從5對游戲創作作流產積極影響，AI游戲產業驅動研究報告（1）AI新游戲創作先，AI對游戲的影響是業級的。每款游戲都萌芽于個充滿靈性的想法，隨后制作出模型、草圖、故事梗概和游戲格。作流中的每個環節乎都需要位或組3D美術程師來完成，使3D成模型可以直接完成個可調整的3D粗模，提升效率。圖：3D美術作流拆解，AI游戲產業驅動研究報告通過簡化游戲創作的作流，我們可以把當前AI對游戲的影響歸納于以下5個：美術與格：2D美術與3D成在2D美術中，我們泛地使圖像成技術。AI成圖像領域中，成模型和神經絡渲染是兩個主要的技術分。2022年主流成

167、式圖像應DALL-E 2.0、Stable Diffusion和Midjourney的誕，使圖像成的精細化程度得到了有效的提升。提對圖像成結果的控制能得到了提。在3D模型成中，AI主要完成了對3D模型成流程的“步到位”。圖：AI BOT，超參數科技08A I 智 變 千 百 業64 測試與優化AI在游戲測試環節中存在3模擬場景，分別是AI玩家模擬、AI NPC和AI游戲模型測試。在優化環節往往承擔改善動畫、編程&加速、動化游戲測試等功能。通過成字、圖、視頻、樂來縮減時間和資源消耗，也能快速識別游戲開發過程中的基本問題，并提出改善法。故事情節與NPC游戲設計是整個游戲開發過程的核，AI在與故事成

168、、游戲機制創新等，依托最基礎的然語成法。成式AI階段，游戲開發者在決策式AI的基礎上融合更多思維和法以訓練智能NPC，通過針對性訓練數據集，強化NPC模型的基礎能，如知識、對話能、情節演繹和邏輯推理。前，型的智能NPC可以實現封包在游戲中本地運。樂與效2AI成樂的存在2種主流技術路線：基于樂理規則的符號成模型和基于頻數據的頻成模型。開發者正在使AI成樂來填充游戲過程與游戲UI中需要使到的各類效、不同游戲場景中以渲染氛圍的各種樂。AI成樂作為樂資產在游戲制作和發環節使都是?？傻?，像MusicLM等模型已經持成多軌的作品。使AI成樂為原型、佐以專業制作的協調，將使AI樂更快進游戲制作與發的產線。玩

169、家體驗與個性化AI能基于玩家游戲為評估玩家技能平和游戲格，同時動態調整游戲難度，增加或降低敵的數量和強度，改變游戲環境等；不斷收集的玩家數據，還能使NPC和游戲系統更加適配玩家平。同時在游戲運營過程中，AI客服和AI分析也是提升玩家體驗的重要環。（2）AI帶來新的游戲我們關注到，許多充滿靈感的開發者正在嘗試將AI作為游戲玩法的環，這正是游戲業從AI+向AI原的表征之。2023年Genfun.ai和Meshy聯合制作的游戲Soul Chronicle，在當時是款實時3D+AIGC+UGC的MMO游。最突破是先制作出了種與游戲完美融合的3D AIGC技術，在游戲中可以實時成膚。2024年Bitma

170、gic釋出了他們推出的能直接創建“游戲世界”的平臺Roleverse的最新成果，在平臺內可以使提在游戲內定制，對進縮放、擠壓和拉伸，也可以輕松地對游戲世界進編輯。（3）AI促進游戲產業變AI技術在游戲開發中的應逐漸落地，為游戲業提供了新的增空間。2023中國游戲產業報告表明2023年我國游戲市場實際銷售收為3029.6億幣，同增13.95%；截2024年11，累計收已達2681.16億元，市場回暖度加強。同時20222023年，中國游戲規模達到6.68億，同增0.61%，也是2020年增率放緩以來的次進步。不能忽視的是，AI在游戲開發中的逐漸落地為游戲業提供了新的增空間，成本、效率和質量同步上

171、升的時代已來。2 對AI成樂的進步研究，可以閱讀AI樂應產業報告08A I 智 變 千 百 業圖：Soul Chronicle（左）和Roleverse（右）65影視業是指涉及電影、電視劇、綜藝節等影像藝術創作與傳播的產業領域。移動互聯時代之后，這業的創作、分發和消費式已被深度重塑，為AI技術的落地創造了基礎。明勢創投表，在影視、游戲、虛擬現實等領域，對品質、實時成的視覺內容需求強烈，市場潛巨。前，AI技術的應已逐漸滲透到產業各環節，影視業在AIGC內容的沖擊下，正經歷著場內容產、分發和消費模式的深刻命。5.AI+影視：AIGC具掀起內容產命移動互聯時代以來，數字化技術已經滲透到產業從拍攝到后

172、期的各個環節，互聯內容平臺的興起則為內容產品的分發和消費提供了全新的形式，這些變都為AIGC技術的絲滑落地提供了先決條件。我們在AI視頻成研究報告中提到，視頻現已成為移動互聯最的內容消費形式。2023年以來，以Sora為代表的批視頻成產品陸續問世，短短年多時間，AI視頻成具已經越來越深地推動著影視業供給側技術變，隨著AI技術能的不斷突破，可以預這變將會加速深。降低產成本AIGC技術可在不同場景實現不同程度替代實際拍攝和物理特效，幅度降低制作成本提產效率在需要快速迭代和規模產的領域，如告、社交媒體內容等，AIGC具的優勢更加明顯個性化內容成AIGC技術能夠根據需求成個性化內容，滿不同觀眾的個性化

173、需求解放創作者勞動AIGC具完成量基礎內容成作，讓創作者可以將精集中在更具創造性的作上，提整體創作質量（1）內容創作、分發和消費式變創造AI落地壤梗圖成視頻、AI視頻特效等彎道超具象化且具備傳播性的視頻具獲得睞，降低了專業的使檻，易于使和接受。AI微短劇將是未來發展的趨勢。楊錦洲、韓瑩瑩，中國聯通研究院08A I 智 變 千 百 業短視頻短劇/TVC產流程可實現AI具全替代：在短視頻領域，短劇和TVC由于其特殊性，成為最早落地AIGC具并率先形成完整全AI作流解決案的內容產場景。（3）短視頻場景均有應，滲透率分檔明顯66從技術發展度，前決定AIGC具在影視業應滲透率的關鍵因素有兩個維度：推理成

174、能：具體包括成時、耗費時間、成清晰度、內容穩定性、豐富度、連續性、指令理解及遵從能、對成內容的控制能、對物理世界規律的深度理解等推理經濟性：AI視頻成成本與AI作流成本平并逐步發展到顯著低于現有成本，持續降低推理成本數量級圖：技術發展雙維度決定應滲透率階段（2）AIGC技術發展階段決定業滲透率演化前滲透率演化階段根據場景有所區分，主要卡點可以概括為：成內容的不可控性。具體包括形象不致、動作不流暢、表情不動、復雜提詞難以完全實現，以及隨著時增加逐漸出現明顯不符合物理規律的動作發展的問題。時短剪輯節奏快短劇和TVC市場在分鐘級和秒級，對視頻成具單次成時、連續性、穩定性要求更低，可通過程段提升并銜接

175、以實現商效果內容質量要求相對低市場對短劇質量定位相對電視劇、電影等內容更低、更容易接受內容存在定的瑕疵市場包容性強短劇誕時間短、定位偏下沉市場、屬于內容“快銷品”，TVC則不屬于觀眾需付費消費的內容產品，對告投放商來說實現商業露出效果即可，因此市場對這兩類內容的包容性更強，更能接受技術創新早期造成的“顛簸”推理經濟性推理成能TOOLCO-CREATORCREATOR08A I 智 變 千 百 業67視頻電影/電視劇/動畫開始滲透，AI輔助類進內容產：在視頻領域，AI技術尚停留在具層，對作流實現部分替代、降低成本的效果，暫時法提供全流程全AI替代傳統作式的解決案。我們在AI視頻成研究報告中，對影

176、視業市場規模做了粗略估算。（4）市場前景闊，5年內有望達千億級市場如圖所，國內影視市場規模在2023年約可達3835億元，若假設2027年AI影視市場可以獲得上述國內總市場份額的10%，則國內AI影視總市場規模預計將達約380億元以上；若假設2030年可以獲得25%以上市場份額，則國內AI影視總市場規模將達千億級別?？傮w，越接近于綜合性思考、策劃層，對于AI來講就越難，越具體的作越容易被取代。陳宇，滿江紅編劇圖：2023年海內外影視市場規模估計，AI視頻成研究報告視頻平臺5億MAU 4億MAU3.4億MAUN/A年營收320億100億+230億550億（本）短視頻8億+MAU7億+MAU150

177、0億1135億電影08A I 智 變 千 百 業劇本創作與優化AI可以輔助成劇本草稿或提出情節改進案，甚預測劇本票房潛，幫助投資決策概念圖分鏡成可以快速、效、低成本批量成精準分鏡頭和質量視覺概念圖特效動畫制作AI在特效領域的應歷史最久，能夠成逼真的CGI效果、進數字繪景、動畫制作等后期制作AI在剪輯、效設計和彩校正等后期制作中發揮重要作，能夠動識別最佳剪輯點，智能拼接鏡頭，提升整體制作效率虛擬與數字演員AI技術能夠創建逼真的虛擬，模擬演員的表演，拓展影視創作的可能性6820世紀80年代改開放以來，中國營銷業經歷了從傳統到數字化再到智能化的變。最初，營銷依賴電視、播和報紙等傳統媒體。隨著互聯和社

178、交媒體的興起，以SEO、內容營銷、社交媒體營銷、視頻營銷和直播營銷等形式為主的數字營銷逐漸成為新趨勢。到了今天，AI不僅提營銷內容成的效率和質量，也使得營銷更加精準和動化，如通過機器學習分析消費者為，預測市場趨勢，以及動化執營銷任務等。前，營銷業或成成式AI最早實現商業化落地的業之。未來，AI技術還將持續推動營銷業的深刻變。6.AI+營銷：AI讓只為打造告成為可能告營銷領域的作流程與環節涉及策略制定與畫像洞察、告內容的制作、投放渠道的管理與效果分析等作，需要消耗量的時間，其中有較多的作都可以通過 AI代替的式實現效率的提升。（1）AI營銷業呈現全新特點回歸營銷本質：告主營銷需求和的需求能進直接

179、匹配，從與機器單向交互，回歸到了與的交流流程扁平化：以往告營銷全流程需要在內容、設計、定向出價等每步環節做優化，成式AI可以步到位進內容產與投放，減少信息損失從局部最優到全局最優：從傳統的告推薦模型，變成以數據驅動的模型為核，實現全局最優的告分配，提升了系統投放的分配效率（2）AI技術變營銷策略洞察及內容產投放式08A I 智 變 千 百 業圖：營銷業或成最快實現成式AI落地的領域，中國AIGC告營銷產業全景報告69圖：AI營銷時代作流程實現深變，中國AIGC告營銷產業全景報告創新告形式，帶來全新交互體驗，提升ROI告的內容形式以及觸達消費者的形式均得到極的創新。隨著AI成及分發技術的深發展，

180、預計未來將持續改變告業，升級各種類型告形式。提營銷內容產效率，實現精準鏈接和效觸達過往營銷業受制于產天花板只能做到千，AI營銷的新趨勢是制投體，即所有的內容產都是根據投放觸點及群對應成并進精準投放。的個性化需求與企業的品牌、產品通過AI模型能實現全局最優觸達，做到千千。推動營銷服務商商業模式新，優化企業作流營銷服務商開始通過模型及AI成技術優化企業內部整個作流程，打通全鏈路數據，探索新的商業模式，提供新的產品、服務、場景，從降本增效，提升利率，給帶來全新體驗。（3）有效提升營銷業產我國經濟持續穩定發展，AI成為新增引擎，帶來告內容的更新迭代和需求增多，企業為應對市場競爭，更好地滿消費者需求和提

181、升的品牌，實施專業化營銷策略的動得以增強。（4）AI引擎助告營銷業加速成圖：2018-2025年中國營銷業市場規模統計及預測根據國家市場監督管理總局、中國國際公共關系協會等統計數據，經量位智庫測算，我國告營銷市場規模預計2030年將接近兩萬五千億。如果假設5年后可以獲得10%以上市場份額，則2030年國內AI營銷總市場規?？蛇_千億級。0500010000150002000025000300002021202220232024E2025E2026E2027E2028E2029E2030E市場規模08A I 智 變 千 百 業70教育業因其內在需求與模型所擅的能度適配，已成為模型層公司、教育科技公

182、司、智能硬件公司等眾玩家的AI落地向。7.AI+教育：因材施教的最佳實現式（1）AI在教育領域的價值我們需要特別提出的是：除了對產和效率的提升，AI在教育領域最重要的價值在于使教育界不變的理念因材施教，有了規模落地的可能。在教師側，AI能夠幫助教師成教學素材、動批改作業、個性化教學分析并提升教師個的專業平和素養；在學側，AI能夠幫助學規劃學習路線、智能輔導并持續跟蹤學習進度，反饋個性化的評估和調整結果；在市場側，AI也助推了各教育硬件和學習類APP銷量的激增；最終，通過加強AI智能體與教育的結合，AI也將推動教育普惠的實現。（2）AI+教育落地場景 AI學習機（更多向K12群體）3當前國內AI

183、教育玩家多數選擇在學習機中搭載模型的式，完成AI與教育的融合。這類產品的出現為提供了增量價值，提了產品銷量，同樣也為學習機等硬件產品構建了新的競爭壁壘。語類學習App以軟件切AI教育賽道的玩家，通常選擇接通模型，加以積累的教育數據進微調訓練。語合成等技術為語類學習App帶來對話體驗的全升級，使其成為前模型應于教育的產品中市場反饋最積極的品類 AI教育智能體技術與教育融合，對教育的兩個核教師與學產了顛覆式的效果。AI教育智能體能夠融到教師和學的常中，在提供教學幫助的基礎上，改變者作和學習狀態。充當陪伴式家教的AI智能體為學提供個性化教學主要體現在課后階段，能夠實現有效的對學習輔導。具體來說，AI

184、智能體能起到個性化分析指導和啟發式互動的作，與傳統的搜題軟件相，使者將不再受提問形式的局限。在成式AI之前，教育領域采個性化學習是件成本極的事情。3 對學習機等教育硬件的進步研究，可以閱讀AI教育硬件全景報告08A I 智 變 千 百 業圖：AI教育業圖譜，AIGC教育業全景報告71（3）AI+教育的嚴肅要求教育是個嚴肅領域，并且對學的價值觀形成起到引導作。因此，教育領域的AI應對于AI成內容的準確性、安全性等有常嚴格的標準。教育業對AI模型的幻覺問題，必須保持零容忍的態度和不斷降低幻覺問題出現的技術改進標。教育領域的模型，最關鍵的是確保模型回答的準確性以及價值導向。這些標準都對類介有結構上的

185、需求，這也為AI在教育業的落地增加了程上的難度，因此也阻了AI在教育場景的完全滲透。但也和多數AI+業的類似，教育是向類的事業，關乎類的存、發展和由。尋找更有效率的式使AI成為教育業的助，減少使和融合過程中的磨損，才是AI融該業的正確向。（4）未來的AI+教育業發展趨勢跨學科理解構筑教育模型階能，將成為模型層玩家核競爭；同時教育模型向多模態演進，落地產品趨于豐富；技術層可以進步關注AI教育智能體與具智能的融合概念，實現AI家教的實體化。此外，語家教也是AI教育智能體的落地場景。語對練既能避免LLM為學習帶來的弊端，如照搬答案、弱化思考等，還能夠以更便捷、成本更低的式提升語技能。充當助教降低了教

186、師的學習成本，為其提供乎零檻的使式。這在定程度上能夠釋放教師的產，將更多的精于提升學素養上，是從“解惑”到“育”的轉變。在國內，易有道、學思、華東師范學等企業及校紛紛推出教育模型。學術界和企業界，都對AI與教育的結合充滿信。全球范圍內對AI技術潛在險和道德影響的益關注。隨著AI系統變得越來越復雜和強，確保它們的安全性和符合倫理標準變得關重要。推動智能技術的發展，安全優先，同時保證智能性能期發展，未來強調安全與性能平衡發展，強技術驅動、全流程優化、多主體參與以及敏捷治理。韓瑩瑩，中國聯通研究院08A I 智 變 千 百 業圖：AI教育智能體成為陪伴式家教，AIGC教育業全景報告（2）診斷及治療階

187、段率先實現AI落地醫療業智慧化、數字化進程由來已久，但推進過程中存在些頑固卡點，如數據留存及共享難、藥物研發成本、診療效率低、醫療資源配置不均衡等問題。成式AI技術實現進步突破之后，再次深度顛覆了這進程，給醫療業帶來下階段的全新底層技術驅動。72AI醫療指的是利智能技術，如機器學習、然語處理和深度學習等，對醫療流程進智能化管理和提升，提醫療服務效率和質量的過程。中國AI醫療的發展歷史最早可以追溯到20世紀80年代初，經歷年的發展后，在成式AI實現技術突破、國家政策持、齡化程度增加、市場對AI技術接受度提等多因素影響下，AI醫療迎來發展利好?，F階段AI技術對于傳統醫療業的賦能主要體現在：數據收集

188、整合打通：過往醫療數據往往分散在不同的醫療機構數據池中，且數據的收集和存儲結構各異，難以在保證數據安全前提下有效留存及共享數據；AI技術的推有助于解決數據互聯互通和共享問題醫療業模型打造AI醫：AI技術使醫療知識庫能夠快速積累結構化多模數據、垂直醫療模型持續學習醫療知識，逐步打造AI醫，為后續科研成果涌現提供基礎解放醫護勞動：減輕醫重復性作負擔，同時借助AI量規避為錯誤；規范化、標準化醫療流程，降低為操作險；實現基層醫療機構遠程會診，提服務覆蓋率全提升醫療科研、診斷和治療效果：利AI分析患者的基因組學數據和活習慣，制定更加精準的治療案；提升醫療影像、病理識別的準確性和效率，AI軟硬件輔助疾病預

189、防、術、康復，提藥物研發效率，降低成本8.AI+醫療：診療場景率先落地，助推醫療普惠前AI技術在醫療業在預防、診斷、治療到康復的全流程多場景中均有滲透，產了許多全新的應場景，同時幅提升了許多既有場景的醫療效率和醫療效果。在上述場景中，以診斷階段的AI醫學影像、AI問診、AI病理診斷，治療階段的AI制藥成熟度最。圖：AI醫療應場景環節場景1.0 預防2.0 診斷3.0 治療4.0 康復公共衛體檢AI問診智慧病案醫學影像輔助診斷病理診斷基因測序術機器理咨詢醫療付藥指導健康管理康復機器養AI制藥（1）成式AI技術突破驅動智慧醫療深度命08A I 智 變 千 百 業73 診斷階段AI醫學影像：醫學影像

190、數據與AI能天然匹配 醫學影像場景最主要的產資料形式是視覺數據，這場景也是所有醫療場景中數據產出最豐富的，在所有臨床數據中占達80%以上，使得醫學影像數據成為最早實現全球標準化的醫療數據類型之。醫學影像具備易獲取、結構化、處理難度等特點，是AI技術率先實現突破的應場景。AI醫學影像集中于病變檢出、識別，以及良惡性判斷等，前應已相對泛，主要優勢體現在MR加速成像、XR質控及閱、DSA圖像增強優化及輻射劑量減弱等。AI問診：提升問診效率與準確性中國AI問診業在2013年起步，由于們對線下醫療的依賴性，整體發展規模較。隨著經濟環境的變化，為解決居法去線下就醫的問題，國家勵推進AI互聯問診。20172

191、022年中國AI絡問診市場規模由3.75億元增85億元，市場規模呈指數級攀升，中國AI問診業進速發展時期。在這場景中，借助AI技術可以實現導診、醫療問答、診斷建議、科普宣教等醫療服務，主要包括：然語處理（NLP）AI問診系統通過然語處理技術理解和處理類語，識別患者的癥狀和描述，提取關鍵信息、識別理解，并給出合理的醫療建議機器學習機器學習算法使AI系統能夠不斷學習和優化的診斷能，通過深度學習等技術提診斷的準確性和效率知識圖譜知識圖譜幫助AI問診系統構建醫療領域的知識庫，將醫學知識以結構化的式存儲和表，便系統進查詢和推理醫療模型醫療模型可以更機動靈活地跟患者對話，獲取和整理患者的癥狀、基本信息、過

192、往藥史等信息，并基于專業醫學知識圖譜和機器學習算法，調覆蓋全科的預問診模型能給出可能的診斷建議AI病理：促進計算病理學發展計算機視覺、分病理學、基因組學和物信息學的快速進步促進了計算病理學的加速發展。計算病理學通過量化癌癥組織病理學提取量的物學和臨床相關信息。AI算法提供了從量數據中提取信息的框架，因此持計算病理學有望改變未來癌癥的診斷、研究和治療式。08A I 智 變 千 百 業圖：傳統病理與AI病理對，中泰證券74治療階段AI制藥：提創新藥物研發轉化率醫藥研發是整個醫療產業中的重要環，當前新藥研制主要受到：成本（10 億+）、研發周期（10-12 年）、低成功率（13.8%）三座限制作流程

193、。AI制藥前主要將NLP、機器學習、深度學習、然語處理、計算機視覺、成模型等AI技術與傳統制藥環節做結合，通過數據交叉對、加速篩選、從頭成等式，提升新藥研發效率，拓展藥物創新空間的技術應。主要應于藥物研發中的藥物發現、臨床前階段，與此同時，AI向臨床開發階段的滲透也正在加快。診斷法傳統病理AI 病理觀察具顯微鏡顯屏觀察空間顯微鏡下觀察具有絡以及顯條件的空間即可遠程病理物理切傳輸，耗時費數字切傳輸，實現遠程診療保存介質蠟切，占庫房等物理空間使絡存儲空間保存時間時間越久，切質量越差，檔案管理復雜可永久保存，隨時調，不會因為時間原因影響質量閱速度100-200/天500-600/天準確率較，與醫從業

194、經驗、疲勞度等有關AI技術在醫療領域的應不僅能夠增強醫療服務的精準性和個性化，還能為醫療決策提供數據持，促進醫療業的創新進步。有助于優化醫療資源分配，提升診療的準確性，降低成本，并推動醫療服務的普及和便捷性。根據GMI統計，2032年AI醫療市場規模將達到700億美元。圖：AI制藥流程AI賦能藥物研發虛擬篩選與藥物發現運機器學習，快速定位和篩選化合物分設計與優化運對抗絡、深度學習，優化已知藥物結構藥物-靶點相互作預測利計算化學法、AI模型，預測藥物與靶點結合情況疾病機制探索與新靶點發現挖掘疾病發的分機制，發現新靶點個性化醫療與精準藥結合基因組學等數據，定制個性化治療案臨床試驗設計優化分析歷史臨

195、床數據，優化臨床試驗的設計化合物合成路徑規劃輔助規劃最短、最有效的化合物合成路徑藝優化與智能制造優化產藝參數，提藥物產效率和質量（3）AI醫療市場規模前景巨預測藥物的吸收、分布、代謝、排泄和毒性ADMET 性質預測08A I 智 變 千 百 業75?AIAI?在本階段，通過聯系前對代表業的重點分析，我們思考并回答了兩個問題：如何判斷個業是否存在AI發展的空間？如何分析業受AI影響的程度？（1）模型因解釋業與發展：數據：指業本及視覺數據的密集程度和結構化程度，數據資源越密集、結構化程度越的業接AI能的因業業與發展與需求安全與政策數據原指數需求迭代感知意愿態安全政策智能駕駛具智能智能硬件游戲影視營

196、銷教育醫療強烈較中等較少微弱強烈中等較少在該圖譜中，影響程度被分為以下個等級：圖譜中，顏越深越有利于AI技術在該業的變和滲透；顏越深代表由于對安全因素的要求，AI技術在該業的變和滲透存在阻礙。1.AI業影響圖譜?AIAI?09A I 業 滲 透 率76檻越低、速度越快原指數：指業發展與AI技術發展的伴關聯性，具體考察兩者關鍵誕、發展、轉變的節點時間相關性強弱需求：供給側需求，指業產品或服務供應商通過AI實現降本增效需求的迫切性，通常商業化平越、市場競爭越充分的業利新技術實現降本增效的經濟回報越，需求越迫切迭代：業迭代，指業提供的產品及服務的迭代速度和頻率，通常迭代速度越快、頻率越的業越重視反饋

197、數據，對利AI技術實現實時、動化作流程，以更快了解產品及服務迭代向，取得相對競爭優勢的動機越強與需求：感知：消費者感知，考察AI技術加后，消費者對業提供產品及服務帶來增量體驗的感知程度以及優化提升幅度意愿：涉及業內對AI進的接受意愿、對AI技術變需求的強烈程度及緊迫度。通常業主要群體互聯基因強烈時，業對AI的接受意愿較態：考察AI在業內的需求場景創造能；提舊需求的效率仍然意味著蠶舊的市場，但創造新的需求往往能帶來新的增量安全與政策：安全：涉及對AI成內容精準性、價值觀對等的要求；前，技術倫理問題益凸顯，數據隱私、算法偏、AI道德責任等問題，都要求我們協調技術發展與類福祉、社會環境之間緊張的倫理

198、關系；在更強調安全需求的業，AI進的程難度會顯著提升政策：政策持對AI技術在業內的發展具有重要作；通過提供資持、稅收優惠、市場準放寬等措施促進業的創新、發展和競爭提升；通過出臺試點案、條例等規范業發展軌跡；政策因素對AI技術在業內滲透的促進和限制作同時存在2.AI業態位?智能駕駛智能駕駛具智能具智能智能硬件智能硬件游戲游戲影視影視營銷營銷教育教育醫療醫療AI業滲透AI業變09A I 業 滲 透 率77根據AI業影響圖譜，我們將代表性AI業分為3個態位階段：先，在智能駕駛與具智能業，源于對AI的緊密需求和強伴性，在業發展與需求的多項指標上都表現出強烈的關聯。具智能業由于處在業發展的前期，未表現出

199、明顯的供給側需求和感知，但仍然是受AI變和滲透最強的業之。其次，在第態位的代表業中，營銷業的產資料以互聯數據為主，這特質使其AI技術接受能、落地速度快。搜索引擎競價營銷時代起，AI搜索算法、AI內容推薦算法已2次重塑營銷業的產業鏈。極的商業化程度和充分的市場競爭屬性決定在這類業，AI能有較的變和滲透度，潛在的經濟回報驅動下，業擁有更強動機擁抱新技術。同時，數字等營銷技術有效升級了體驗，在以需求發掘、智能匹配、獲客成交為的的業，審美并第要素，也使接受AI技術的意愿更。游戲和影視業同為消費型內容產業，主要市場為C端消費者。其中游戲業盡管誕時間更晚，但與AI技術的相關性卻更強。在發展過程中，游戲和影

200、視業都利AI技術實現內容產的降本增效，同時重新歸納整理了原有的作流。值得提的是，游戲業對收集反饋數據并及時迭代的需求較影視業更強，因此會有更強的動機利AI技術實現動化作流程和即時產品迭代。在消費者對AI應效果的感知程度和接受度上，游戲業AI成數字資產、對話、NPC等AI落地場景提了游戲的沉浸感，反饋更積極；影視業對AI內容的落地集中在短視頻，視頻內容審美等級、技術難度，AI成內容容易受到更多負反饋。受制于AI技術能，以及這類業對內容產出的要求，前在絕多數場景下對的替代能有限，因此需求尚未到達爆發階段?？梢灶A是，智能硬件業的產品將會蠶原本業產品的市場份額，并倒逼業整體的升級。在該業，AI通過創新

201、應場景和改善體驗，提供前所未有的競爭。但在當前，泛存在需求不的問題，這類業對新態的規劃能否在實際使中得到實踐，將完全改變現有的業格局和業態。最后，教育和醫療業作為國經濟的基礎業，在每個時代都積極吸納當前時代最先進的技術，以改善業的發展。盡管這些業沒有太多的互聯基因，但由于其普惠性，在利和發展AI技術時往往會受到較的政策持。同時，業的特殊性也帶來了對安全的要求，標準，造成了AI滲透業的程化障礙。因此，這類業將處在AI業變和滲透的第三態位。09A I 業 滲 透 率?AIAI?478在全球險投資持續低迷的2024年，AI業仍然展現出逆勢增的能量。依據烯數據統計，2024年110，國內AI業發融資事

202、件908件，總融資額762.23億元。相去年同期融資事件數量同減少19%，總額增加29%。這變化主要反映出業整體投資回歸理性、機構出更加謹慎，險偏好總體更趨保守，使得資流向集中于熱點賽道，也更偏好對規模較、已獲得市場驗證的頭部創企進單筆更額加注。同時，由于AI業整體偏快的演化節奏、業成熟度的快速提升，部分明星項的額融資事件也在客觀上助推了投資總額的漲船。榕創投表，今年AI投資整體幅攀升，全球范圍內AI仍舊是最強吸賽道，AI團隊剝離再創業等孕育新的投資標的。4 本部分投融資數據來源烯數據，數據統計截2024年10，僅統計國內（不包含港澳臺）、不包含并購、IPO、IPO以后階段的投資事件；融資額是

203、估算數值；投資參與投資額、FA服務額為該輪次的投資額。1.太效應明顯，熱點賽道、頭部創企資引強從重點關注的8個AI垂類賽道的投融資情況來看，僅智能駕駛單賽道的投資事件數量達上百件，已超過其他全部賽道總和，總投資額達數百億幣，與其他賽道遠不在同數量級。賽道成熟度最，僅達到C輪后融資輪次的企業就有14家。同時，這賽道的明星熱點投資事件也最多，4份有桐鄉國投、合股權投資、股權基50億投資哪吒汽，8份還有塞斯115億元股引望智能。僅僅10內就有遠知納斯達克敲鐘，市值超50億美元；滴滴動駕駛獲由汽集團領投C輪2.98億美元融資；地平線機器港股年內最IPO，市值超660億港元?？胺Q今年智能駕駛賽投融資光時

204、段，為智能駕駛市場注了巨信與活。圖：8類AI垂直業投資事件數量分布，烯數據圖：2024年國內智能融資事件數量度折線圖，烯數據02550751001251502024-012024-022024-032024-042024-052024-062024-072024-082024-092024-10投資事件圖：2024年國內智能融資總額度折線圖，烯數據0204060801001201402024-012024-022024-032024-042024-052024-062024-072024-082024-092024-10投資額(億元)?AIAI?10A I 創 投79被投企業時間輪次額投資投后

205、估值10.28C+輪數億元逐資本-10.25IPO4.4億美元未披露約42.47億美元10.24IPO51.42億港元未披露超660億港元10.22C輪2.98億美元汽集團、滴滴出約40億美元9.23Pre-B輪數千萬元北汽產業投資領投、上海雀跟投-9.20C1輪數億元衢州智盛產投、Prosperity7 Ventures、中泰仁和、華登國際-9.5C輪數億元北汽產業投資、財通資本、浙江融控股、德清縣產業發展投資基-6.28C輪未披露亦莊國投、招商資本-5.9Pre-B輪數億元安徽省鐵路發展基、博華資本、投資、海南天智、陜汽智能汽基、訊創投、德載厚資本-卡爾曼4.11C輪數億元百聯摯、創新場、

206、深投控、數字萬融、微資本等-3.12C+輪3億元興杭國投、紫礦業、鄭州新區產業發展引導基-AI原應已經涌現批5億美以上估值甚獨獸的公司，并且獲得了PMF驗證，達到了千萬美以上的年收。聯想創投10A I 創 投2024年國內智能駕駛C輪后投資事件80除此之外，具智能賽道也是今年智能領域另熱賽道，投資事件余起，數據相去年同期基本翻倍，總額也在數億幣級。下半年以來具智能賽道投融資事件頻發，其中逐際動、帕西尼感知科技都已完成A輪融資，知機器、宇樹科技、云深處科技更是來到了BC輪次，體現出賽道投融資階段逐漸成熟。僅家公司融資額上億的企業包括星海圖、星動紀元、宇樹科技、逐際動等的融資總額就占到了具智能賽道

207、的半以上，體現出賽道內頭部企業資引較強。被投企業時間輪次額投資投后估值10.16Pre-A輪3億元清流資本、元璟資本、阿巴巴、策源資本、聯想創投、世紀源、資本、澤資本、清控天誠20億元幣9.13C輪數億元上?？苿摶?、中信證券投資,中關村科學城、京國瑞基、紅杉中國、琥珀資本 AmbrumCapital、美團珠、祥峰投資80億元幣穹徹智能9.6Pre-A輪數億元Prosperity7 Ventures、發信德領投,澤資本、創新場、奇績創壇、Plug and Play、MFund魔量資本等約70億元8.23Pre-A/Pre-A+輪1億元基資本、德聯資本、英諾天使基、啟賦資本、南戰新投、九合創投-8

208、.12天使輪2億元弘暉基領投、達晨財智、千乘資本、順為資本、綠洲資本、-7.15A輪數億元阿巴巴(09988)、招商局創投、尚頎資本領投、峰瑞資本、綠洲資本、明勢資本跟投-有機器5.31股權投資1億元創新場、元璟資本、百度投等-1.29C+輪未披露渝富資本、世嘉聞華、旭輝投資跟投-1.10Pre-IPO1億元北七星-1.5IPO9.85億元未披露約190億港元10A I 創 投2024國內具智能億級投資事件AI+營銷等在2023年更早實現TPF（Technology Product Fit）的賽道今年投資熱度呈現下降趨勢，投資總額相對減少。AI+教育、AI+游戲、AI+醫療等更晚達到TPF的賽

209、道在今年迎來投資總額增，其中AI+醫療的投資額達去年同期5倍以上，體現出業共識隨AI技術及業成熟度的改變正發著快速變化，機構對技術難度更、壁壘更強的業賽道逐漸展現出更強的投資興趣。在其余賽道中，超千萬融資事件13起，其中包括3起超億元融資事件阿巴巴2億元幣投資精準學，順為資本、資本、領沨資本、溪資本數億元幣押注潞晨科技，螞蟻集團1億元領投愛詩科技。業整體投資熱度持續上漲，重點業押注額相較去年存在不同程度提升。812.投資熱度向更晚達到TPF的賽道轉移被投企業時間輪次額投資投后估值9.30股權投資1億元武漢市江夏科投超10億美元8.22B+輪/B+輪4億元南湖服，南湖國控集團，惠合資本，惠科創等

210、約15.5億元幣7.26B輪1億元弘芯基，華騰普益，江西中寰-3.1IPO15.6億元未披露-2024國內智能硬件億級投資事件與具智能賽道類似的還有智能硬件，在李帶熱空間智能概念、加諸國內以字節Ola Friend、雷X2-Lite眼鏡多個C端明星產品延續去年Apple Vision Pro和Ray-Ban Meta智能眼鏡熱度的共同助推下，智能硬件賽道今年迎來投資熱。與去年同期相，這賽道投資總額增超六倍，主要歸功于四起融資額過億事件Rokid、影科技獲億元投資，雷創新獲4億元投資、旗科技獲15.6億元投資，合計投資額占總額已超九成。10A I 創 投1082最具代表性的AI技術如何從研發向泛

211、落地、創造實際價值？能提供想要的服務，能有當下企業能夠承受的投產出。騰訊研究院3個關鍵要點：1）泛的數據基礎：例如現有語模型和多模態模型的成功先依賴互聯上海量的本、視頻數據；相較前具智能研究中海量具數據是相對稀缺的，收集成本也很多。2）達到產品級能的底層AI技術：例如語模型強的本理解和成能，動駕駛系統在復雜路況下的安全駕駛，技術能突破可產品化臨界點才可持泛的落地。3）可實現數據-模型優化-服務能提升的閉環產品形態：AI產品或平臺在落地后，本可形成新數據采集-模型不斷優化-服務能提升的閉環，例如ChatGPT可利海量的交互數據進步優化模型，提升能；Tesla通過收集海量駕駛數據，進步迭代其FSD

212、動駕駛系統，改善服務。形成閉環的產品形態對AI技術從研發向泛落地具有重要意義。清華智能產業研究院（AIR）1）端到端解決的實際問題，提供完整的解決案。2）產數據閉環，積累私有數據資產，從更了解。3）熟練使和微調最先進的模型，在數據和資都完備的情況下考慮訓練有模型，構建早模型層的技術壁壘。聯想創投我覺得關鍵的要點是做到技術為先、場景為重。先你要有深度技術認知和能，預判后續0.5-1年內AI的能邊界和發展趨勢，其次但更重要也是最難的是，要做出你的落地場景和產品定位的選擇，既要跟模型保持安全距離，要避開跟該領域當前領先企業的正沖突，找到合適的細分市場迅速發展，最好可形成定有壁壘的先發優勢。根據歷史上

213、互聯和移動互聯的發展經驗看，我們建議創業團隊要優先選擇共識的領域和場景，因為共識可以成為創業公司早期的保護傘，且堅持做正確容易的事情。陳，峰瑞資本投資合伙?A I 創 投0183最關鍵的點還是理解，理解他們的具體痛點，避免嗨型創業。陳潤澤，源碼資本執董事，模型的成本下降，會為AI產品和應的爆發進步奠定基礎；其次，期待模型通“最后1公”，解決掉最后10%的難題，將真正解決深度的實際問題，在虛擬和現實世界都爆發更的潛。榕創投AI技術從研發到落地般會經過“技術創新-應探索-程化”的發展路徑，AI技術落地的關鍵點是將通的AI技術與落地的場景進程化適配的過程。AI通過以下改進技術適應業領域特殊需求，解決

214、融合技術問題：是提數據可性，通過數據擴充、引先驗知識（模型預訓練與遷移學習）、絡模型結構優化（弱監督/監督）解決樣本問題。是提可解釋性，基于特征可視化的法，通過得到特征與結果之間的因果/相關關系；基于邏輯/規則/知識的法，利決策樹、業知識圖譜等可解釋的模型構建盒模型的局部/全局近似來實現解釋。三是提實時性，聚焦業端側推理的(半)定制化芯探索，當前基本集中在馮結構局部優化路徑；或是利知識蒸餾、模型剪枝與量化等提模型效率。郭耀隆、夏璠，中國聯通研究院最具代表性的AI技術如何從研發向泛落地、創造實際價值？A I 創 投核是找到當前技術能夠帶來明顯價值的場景，做好產品。很多技術有進展，但還沒有到可以解

215、鎖場景的時機；另外有的技術已經夠好，但還沒有夠好的產品形態。如說從GPT-3到ChatGPT，模型的尺并沒有提太多，核創新點是把auto-complete的語模型對成了可以遵循類指令，進聊天對話的產品形態。戴森，真格基管理合伙泛落地靠，除了機和電腦，有沒有新的落地硬件場景；創造實際價值靠垂直打通，不要本輸本輸出，要Prompt輸解決案輸出。明勢創投0184最具代表性的AI技術如何從研發向泛落地、創造實際價值？A I 創 投出屏幕。AI技術要向泛落地，實現提效的初衷關鍵之是要出屏幕，實現與現實世界更緊密的融合與互動。AI技術的出屏幕仍然受制于多的限制，包括硬件層性能與能耗的平衡、AI芯、設備型化

216、、集成化等；軟件層包括算法的優化、復雜情況的決策速度、軟件的兼容性與更新；在部分場景對數據的質量與安全性也提出了更的要求。未來的AI技術在2C端定有更然的交互式，在2B端體現出卓越的提效與降本。在海量的數據中，們的信息獲取更效，數據得到治理，效、垃圾信息更多，也是個具有實性的關鍵點。楊顏媛，梅花創投AI能提升、成本下降、效率提升，抓住關鍵場景未被滿的需求。王晟，英諾天使基合伙態的豐富多樣是AI發展的重要基礎。將創投AI技術要落地、創造實際價值，有兩個關鍵：個是底層撐AI技術的硬件，要向AI靠攏，定制化、深度融合，特別是Transformer架構的模型。模型要從線上的問答的Prompt，向普通的

217、正?；?，向千百業，它最佳的落地形式，是AI硬件。需要持性能更強、多模態、更參數尺的Transformer模型。但硬件的瓶頸較明顯，芯、內存，續航，發熱等。是模型本的知識密度，在更的參數量上釋放更強的能。端側模型由常主消費電承載，不依賴絡連接，頻推理沒有成本，端側云側離更近，AI最好的落地形式是端側AI硬件。AI硬件要能真正向落地，創造實際價值，除了硬件能夠撐模型流暢運，模型本輕量化性能是根本。多種模態端到端的交互、輸出、AIGC內容成，模型的知識密度越，它能滲透的硬件種類就越多；從度和深度兩個維度，AI覆蓋的場景就越多，粘性和剛需也就越強。OpenBMB開源社區85對我國AI相關發展規劃和路徑

218、的研究，呈現了期以來我國對AI技術及落地的關注和重視。進到21世紀20年代，我們發現政策更多傾向AI在千百業的落地進展和各AI原業的發展。2020年國家互聯信息辦公室提出，要利智能技術提升社交平臺的信息審核和管理能；2021年“四五”國家信息化規劃中提到，要推進信息技術、智能技術與教育教學融合的教育教學變；2022年，北京出臺了個數字產業專項持政策；2023年北京發布若措施持本市研發機構聚焦模型、類腦智能、具智能、價值與因果驅動的通智能體等向。資持、政策優惠、才培養和引進、技術創新和應推都將促進AI在各業的落地。?AIAI?AIAI?1.期關注AI在各業的落地，積極推進AI原業發展2.各城市依

219、托發展，優質政策吸引AI才與企業落地同時，北京等城市正在積極推動AI加速賦能千百業，推進模型技術創新與業的深度融合。北京發布的北京市推動“智能+”動計劃（2024-2025年）提到，要依托都優勢業資源和科技研發能，圍繞機器、教育、醫療、化、交通等領域組織實施批綜合型、標桿性重程，促進模型核理論與技術突破，增強智能程化能，提重點業的科技平和服務質量，構建跨業、跨領域協同創新組織模式，形成模型業應新態。上海在上海市教育領域推動規模設備更新專項動計劃中強調教育硬件全升級時，特別提到在智能等關鍵技術領域的硬件建設。武漢在武漢市智能聯汽發展促進條例（草案）中對智能聯汽檢驗檢測產業發展，建設智能聯汽封閉測

220、試場、檢驗測試平臺，構建智能聯汽試驗與測試評價體系等的意對Robotaxi等智能駕駛項在武漢市的發展起到關鍵的促進作。AI技術在迅猛發展之下，已成為推動經濟社會進步的重要量。AI在千百業的落地也將吸引量AI才與企業落地，良性循環將促進整個產業的繁榮與發展。從整體性意指導和各地落實政策2個度來看，我國在AI及AI落地業的政策體系呈現出以下2特點：10A I 創 投86?AIAI?中國智能學會（CAAI）在沙成智能是新興的科學，我們應該積極持20 世紀 70 年代末 80 年代前期，些智能相關項已被納國家科研計劃。中國智能聯合會議 2004年共召開了8 次。此外，還曾經聯合召開過6屆中國機器學聯合

221、會議。進 21 世紀后，更多的智能與智能系統研究課題獲得國家然科學基重點和重項、國家技術研究發展計劃（863 計劃）和國家重點基礎研究發展計劃（973 計劃）項、科技部科技攻關項、信部重項等各種國家基計劃持，并與中國國經濟和科技發展的重需求相結合，求為國家做出更貢獻。智能計算機系統、智能機器和智能信息處理等重項列國家技術研究發展計劃（863 計劃）次召開了中國智能聯合會議(CJCAI)中國智能學會智能機器分會成全國智能計算機及其系統學術討論會屆第五代計算機學術研討會21世紀初代表性研究：視覺與聽覺的認知計算、向Agent的智能計算機系統、中智能搜索引擎關鍵技術、智能化農業專家系統、虹膜識別、語

222、識別、理與情感、基于仿機器的機交互與合作、程建設中的智能輔助決策系統、未知環境中移動機器導航與控制等中國智能學會牽頭組織，向國家學位委員會和國家教育部提出設置“智能科學與技術”學位授權級學科的建議在中國學位體系中增設智能科學與技術博和碩學位2016全球智能技術會業和信息化部、國家發展改委、財政部等三部委聯合印發機器產業發展規劃(20162020 年)國家發改委和科技部等 4 部聯合印發“互聯+”智能三年動實施案2015中國智能會中國智能書發表科技部關于持建設新代智能范應場景的通知國經濟和社會發展第四個五年規劃和2035年遠景標綱要組建批國家實驗室，推動智能和命健康領域的發展國務院學位委員會辦公

223、室公了新增42個“智能科學與技術”碩學位授權點國家信辦成式智能服務管理辦法（征求意稿）國務院新代智能發展規劃1981.91984-1985198619891993.7智能則國智 科技強則國強2009中國科學院第七次院會、中國程院第次院會開幕式上發表重要講話由于數據、云計算、移動互聯等新代信息技術同機器技術相互融合步伐加快，3D 打印、智能迅猛發展，制造機器的軟硬件技術趨成熟，成本不斷降低，性能不斷提升，軍機、動駕駛汽、家政服務機器已經成為現實，有的智能機器已具有相當程度的主思維和學習能。.我們要審時度勢、全盤考慮、抓緊謀劃、扎實推進。2014.62015.72016.42016.5201720

224、22.82023.42024強調到2020年智能產業成為新的重要經濟增點，智能技術應成為改善的新途徑該辦法對成式AI技術、成內容、主體責任、數據源和數據處理等都做出了規定，旨在促進成式智能健康發展和規范應10A I 創 投投放AI后，案例DAU次增最達2%整體增率穩步提升，最可達10.2%每天服務全球60余個國家數億客滿意率業第，續約100%87AI Agent在游戲賽道的探索?超參數科技成于2019年，是家將AI與Game Agent深度融合的創新型科技公司。公司運前沿AI技術、通過游戲場景提升Agent的主性和互動性，打造Agent智能態，為全球提供獨特的互娛體驗。前，該公司旗下產品現已在

225、多款千萬活的頭部產品中持續穩定運營，不斷推動AI與互娛產業的深度融合與發展。Game Agent作為 虛擬玩家（隊友或對）參與游戲賦能開發者降本增效、提升游戲質量、增強玩家體驗，提升游戲運營效率與效果；對游戲態的期規劃和動態調控，實現游戲資源的有效管理和優化配置；前已為多款年流10億+產品提供AI服務，覆蓋MOBA、FPS、SLG、RPGs等多個游戲品類；Game Agent在游戲中扮演NPC根據策劃的設定及AI的我發育，推動劇情發展、增強沉浸感、增加游戲的可探索性；通過AI成的動態場景與任務，以及 NPC 之間的動態社會關系模擬，衍出新劇情故事，提供多樣化玩法。整體效果：現已在多款千萬活的頭

226、部產品中持續穩定運營Game Agent峰值在線數達153 萬AI識破率低，99.5%概率認為AI識破率在(0,2%區間運前沿AI技術，通過游戲場景提升Agent的主性和互動性，打造Agent智能態，以Game Agent為載體，為塑造差異化、性化、個性化的產品體驗。（2）優化玩家體驗，互動量&滿意度上升AI發起局間互動，中低段位玩家互動量提升50%以上，被點贊率提90%；AI接管掉線玩家，掉線玩家客訴率相對下降200%玩家類型互動量變化新玩家77%活躍玩家53%資深玩家46%135791%2.1%5.9%7.55%8.35%案例A DAU 度統計（1）有效提升 DAU 增率等關鍵指標產品與技

227、術創新：業務接離線訓練在線服務模仿類為最化rewardAI模型AI服務器操作指令游戲狀態AI服務器接收的狀態、返回的游戲操作指令集，均與類玩家完全致游戲環境游戲對局數據數據清洗監督學習強化學習游戲對局環境樣本成監督學習AI模型AI服務器強化學習操作指令游戲狀態Game Agent技術案：Game Agent Produce Pipeline：均服務次數4000億次累計服務數超過10億累計服務時4.3萬時落地效果：客反饋:ProducingTrainingFine-tuningDeployingProduct requirementMillions of users worldwideThous

228、ands of various gamesHuman interaction&feedbackGame Agent in originalUser behaviorGame Agent proficient in gamesGame Agent more personalized11優 秀 落 地 案88懂技術懂品牌懂平臺的AI營銷之道?奧創光年Mogic Al，國內領先的AI智能營銷科技服務商。2021 年創，為企業客提供營銷策略洞察、AI 內容制作、AI 智能投流內容管理等全鏈路營銷解決案。2024年，該公司持續深耕市場營銷賽道，專業且效地為提供了全升級的品牌傳播解決案。短視頻內容洞察使A

229、I甄別最優內容創作向：通過抽取全最優效果20%TOP內容，AI動打標；能夠智能分析質內容、平臺流量邏輯；輸出內容策略，指導內容創作與投放運營。服務200+線品牌AI視頻交付數量達200w+產品與技術創新：主要提供E2E短視頻營銷服務、AI內容制作、AI智能投流到DAM內容管理的全鏈路營銷解決案。內容營銷平臺節慶群活動熱點主題創意種草帶貨短視頻AI批量快剪內容洞察達洞察內容洞察模塊智能合成批量制作內容規?；a模塊內容合規智能投放內容分發模塊內容管理內容策略內容合成運營調優內容標簽體系質內容知識抽取知識庫構建CV/CG內容數據采集AI智能產品核能MOGIC Content AI Studio互動指

230、標提升轉化指標提升業競爭策略品牌內容策略群/商品策略素材產策略短視頻內容洞察短視頻投放運營E2E短視頻營銷服務動態內容管理平臺資產管理內容協作資產管理模塊圖、營銷案AI成AI智能分鏡與打標 短視頻AI動混剪成基于AI技術的內容規?；谱鳎篏uesswork轉向Datawork的思路：采集解構業內容算法洞察內容趨勢平臺內容數據平臺垂類業內容商品數據品牌內容數據輸出洞察結構產出故事線腳本成內容落地效果：效果：跨平臺內容洞察AI較全度提升3-10倍周期更新創意熱點AI較速度提升80%效果穩定AI較效果數據提升2-5倍客反饋:視頻創意投放提升G品牌 ROI+22%L品牌 ROI+68%達素材動化混剪K

231、品牌 ROI+10%CTR+30%素材平均消耗+20%G品牌 ROI+30%11優 秀 落 地 案3D游戲玩法及資產AIGC全新解決案VASTVASTVAST創于2023年3，是家致于通3D模型研發的AI公司，專注于打造眾級別的3D內容創作具，建3D的UGC內容平臺，在3D原、2D優化、多視成、編輯動態場景、物成等3D成向發布論110余篇，被引13359次。前已發布3D內容成具Tripo AI。Triplane Meets Gaussian Splatting:Fast and Generalizable Single-View 3D Reconstruction with Transform

232、ers結合三平和斯潑濺法，2秒實現質量圖3D，個基于斯潑濺的圖3D法PI3D:Efficient Text-to-3D Generation with Pseudo-Image Diffusion訓練2D圖模型成3D隱式表達，3秒實現3D3D原UniDream:Unifying Diffusion Priors for Relightable Text-to-3D Generation同時成解耦的法向和基礎，輸出質量PBR材質模型Text-to-3D with classifier score distillation次剖析了SDS損失函數的本質，并提出新的損失函數，成質量幅提升2D優化Won

233、der3D:Single Image to 3D using Cross-Domain Diffusion次提出成多視法向和RGB圖，2分鐘質量圖3DEpiDiff:Enhancing Multi-View Synthesis via Localized Epipolar-Constrained Diffusion將輕量級極線注意模塊插擴散模型，利極線約束實現跨視圖交互，重建質量3D模型DreamComposer:Controllable 3D Object Generation via Multi-View Conditions通過將圖3D模型的輸從單圖擴展到多圖，可以通過控制新視圖像來實現

234、3D可控成和多種編輯操作多視成技術創新：落地效果：客反饋：專為提升游戲開發效率和創意設計多模態成技術快速成靜態/動態模型持動畫綁定和主流引擎縫集成低檻功能強3D內容成具Text-to-3D基于簡單字描述成質量3D模型Image-to-3D將上傳的圖像轉化為模型Mixamo動畫綁定結合骼動畫成完整可的模型跨平臺持兼容 Blender 和 Unreal Engine，游戲/影視多場景制作核功能產品創新：AI原游戲開發：兩位開發者利Tripo在短短兩周內完成了基于Prompt的3D怪物成亂游戲，玩家可以Prompt成擁有戰能的3D怪獸，并與其他玩家的怪獸進匹配對戰使模型進化。這案例充分體現Tripo

235、滿型團隊效快速開發需求的能。游戲資產效制作：通過Tripo快速完成JRPG 3D場景，結合MidJourney設計和Godot引擎，優化了建模到場景整合的作流。社區游戲TripoGo上線 7 天內吸引了超10萬，在TikTok韓國Roblox主播間泛傳播，分享率達50%Scenario使Tripo完善格化的游戲和資產成流程，效率提60%Yahaha推出恐怖游戲模板，在引擎內實現UGC游戲npc動化成游戲作室在Unity流線中快速完成demos和輔助資產制作，產時間減少70%型游戲開發者從本和圖像成3D資產，快速創建原型并迭代游戲資產，成本降低30-50%游戲美術作室快速成多種材料和環境資產，交

236、付效率提60%11優 秀 落 地 案8911優 秀 落 地 案Rokid創于2014年，是家專注于新代機交互技術的產品平臺公司。前致于AR眼鏡等軟硬件產品的研發及以YodaOS-XR操作系統為載體的態構建。公司通過語識別、然語處理、計算機視覺、光學顯、芯平臺、硬件設計等多領域研究，將前沿的Al和AR技術與業應相結合，為不同垂直領域的客提供全棧式解決案，Al、AR產品已在全球80余個國家和地區投使。90產品與技術創新：消費級AI+AR眼鏡先者RokidRokid落地效果：客反饋：然、符合本能的交互式持頭動接聽，點頭接聽電話，搖頭拒接電話接AI模型能可實現智拍照答題、多語翻譯、AI快速回復消息、A

237、I實時導航刷新率、巨幅屏幕刷新率和巨幅屏幕創造沉浸式智能體驗運動防抖功能適應更多場景通過逐幀追蹤技術，確保在運動或顛簸環境中畫保持穩定硬件設計實現舒適性突破智能瞳距調節、近視群友好、舒適軟性鏡腿、超輕空鼻托多屏展多任務處理可同時實現社交軟件溝通、視頻播放、辦公軟件使等功能操作系統和平臺YodaOS-MASTER空間操作系統空間定位與交互多模態交互空間顯與渲染運動模式消費級終端產品Rokid AR Lite空間計算套裝OST光學透視技術多聯屏持多任務協同顛簸環境運動模式分體式設計Rokid GlassesAI+AR智能眼鏡衍射光波導技術深度整合通義千問模型9軸IMU傳感器雙超線性保真定向揚聲器R

238、okid Max+StationAR娛樂套裝BirdBath光學案清Micro OLED屏幕專利腔設計定向揚聲器內容態擴展態伙伴海內外AR眼鏡服務突破250+海內外AR眼鏡購買破30萬+使時2h45m+海內外AR注冊開發者6200+海內外AR企業開發者2500+開發者海內外博市場占有率99%+載AR娛樂市占率70%場景11優 秀 落 地 案落地效果：客反饋：Reel Diffusion：站式AI短劇創作具Reel Diffusion敘事型視頻的成能達到全球業領先準。從算法到訓練數據及程實現都為短劇創作進專設計，尤為擅成激發情感共鳴的短，幫助創作者講述引勝的故事。Reel.AI：全球款AI短劇應

239、Reel.AI于2024年次在海外發布，迅速登上娛樂應暢銷榜，隨著成式 AI 的速發展，AI 成內容在部分場景已經可以達到可消費級內容準，帶來AIGC Super App巨機會。Reel.AI正是在這判斷下，成功探索出的第款AI原應。其先提出并落地的AI短劇+AI互動融合的產品體驗，完成了商業驗證。劇本輸設定分鏡成成包裝短劇發持成+理解體的多模態模型創作者意圖遵循準確率提100%滿業務場景要求內容致性和可控性為100分鐘以上的優質故事型視頻設計表演及劇情是優質故事型視頻核引發情感共鳴是消費級內容創作關鍵創作可觀看質量消費級AI短劇可與劇中互動豐富沉浸互動體驗消費 2024年7，登上點點數據iO

240、S海外娛樂暢銷榜 2024年11，根據短劇內報道iOS榜單躋第7位Absolutely obsessed cant wait to see whats the plan for tonight.乎察覺不到ai的息，這個路線感覺是可以最先商業化的畫感挺然的，細節還算不上華麗。另外，故事不錯。上海電影、filMarathon全球AI電影拉松賽井英科技與Jud Willmont導演合作AI短M.A.D獲B站觀眾選擇獎獎項榜單真實評論優 秀 落 地 案AI短劇創作及內容平臺?產品與技術創新：CreativeFitting（井英科技）成于2021年，是家專注于視頻成模型探索及AIGC娛樂應的公司，AI短

241、劇業領軍者。發布研AI短劇站式創作具，為創作者打造了AI短劇創作新模式。發布全球款AI短劇App Reel.AI，致于成為全球最的AIGC內容平臺。ACreativeFitting（井英科技）成于2021年，是家專注于視頻成模型9111優 秀 落 地 案結語此，2024年度AI趨勢已經全展現。2024年度AI趨勢報告不僅是本年度我們對AI整體、系統的觀察，也是量位智庫的年度報告，是我們對量位智庫整年以來作的總結。第，與量位起，我們依然發揮著前沿科技瞭望所的作。我們所談論的技術，不論在成熟度、商業落地上的進展如何，都是最新、最重要、談及AI絕對避不開也繞不開的。除了向前展望，我們還從GPT-3時

242、代起就堅持做科普向的短報告，求最短時間內減少信息差。第，2024年5起，我們期跟蹤AI應在Web和APP兩個端的各項表現，并以為單位發布分場景數據報告。不同的是，除了持續追蹤最新的數據外，我們還會基于對技術和賽道的研究附上分析以供參考。第三，在業篇中我們也談到，本年度量位智庫發布了余篇各AI落地業及環節的研究報告。在業上涉及智能駕駛、具智能、教育、影視、游戲等各個賽道；在具體落地環節上綜合對市場的特別觀察，針對市場的投融資情況發布了創投類報告、針對市場的集中程度發布AI模型創業格局類報告。2025年，我們將持續關注以上議題的最新進展并且進步挖掘更為深度的內容。我們還規劃了對2024全年AI應產品的整體分析、對模型落地和前沿趨勢的探討、以及更多向其他被AI改變的業的研究總之，在AI滲透的各個環節，我們都在關鍵的節點和位置做了相關研究。隨著時間的推移和研究的深，最終我們希望路陪伴的讀者能夠以最清晰、有邏輯的式構建對AI及相關產業的體系化認知。同時，我們也正通過沙、對話、社群等式將學術界、產業界、投資界以及愛好者聚合起來。量位量位智庫量位智庫助（社群）?