AI应用与传统互联网应用有何不同之处？

：AI应用与传统互联网应用有何不同之处？
发言人 答：AI应用相较于PC互联网和移动互联网有显著区别，当前阶段更接近早期PC互联网的发展状
态。AI技术所处的商业化阶段缺乏成熟商业模式的牵引，也没有现成的成功案例可供参考。AI应用的核
心特征是系列性落地分期，而非过去互联网应用的新商业模式搭建和用户增长后变现的过程。
发言人 问：AI应用的阶段性落地特点体现在哪些方面？评判AI应用是否进入替代人工阶段的关键指标是
什么？
发言人 答：AI应用根据技术特性划分为辅助人工、替代人工和超越人工三个阶段。在辅助人工阶
段，AI主要支持并提高原有流程效率，如Office Copy等软件。替代人工阶段，例如初级代码编译，已有
大部分任务可由AI完成，人类主要负责架构设计和复杂编程部分。超越人工阶段则表现为AI完全制定规
则和流程，如个性化金融推荐等领域中的AI智能推荐系统已远超人力水平。评判AI应用是否具备替代人
工能力的重要指标包括技术门槛的降低和经济效益的明显改善。比如在AI加视频领域，若初级插画师通
过AI工具能达到高级插画师效果，就能证明AI正在从辅助人工向替代人工阶段过渡。此外，还需要考虑
使用AI带来的整体成本减少，特别是在B端市场，企业需量化衡量AI应用在特定场景下的效率提升及其
所带来的经济效益，这也是判断AI能否真正替代人工的重要依据。
发言人 问：AI应用发展的三个关键节点是什么？
发言人 答：AI应用发展的三个关键节点包括：一是新技术开始在现有场景落地并形成正向循环，颠覆传
统市场并带动新市场的扩容；二是细分场景实现80%以上的人工替代，供需关系逐步形成风潮，驱动二
次需求爆发；三是全面超越人类，重塑场景结构，类似于抖音等内容分发平台崛起带来的市场重构。其
中，智能驾驶作为一个典型落地赛道，经历了辅助驾驶到全自动驾驶的不同阶段，每一次技术突破都会
带动其渗透率提升和产业链扩容。未来，L4级自动驾驶将成为一个重构性的新机遇，有望实现与人工驾
驶同等甚至超过人工驾驶的安全性和效率，进而带来整个赛道的全新发展面貌。
发言人 问：大模型出现如何推动AI规模化落地？
发言人 答：在AI应用历史中，每次大规模商业化成功都与替代人工或超越人工的场景紧密相关。在过去
的小模型或领域模型阶段，由于场景多样且定制化程度高（约70%），导致AI难以实现大规模商业
化，主要问题在于成本难以公摊。然而，随着大模型时代的到来，只需微调就能实现较好应用落地，大
部分成本被算力和大模型构建自身所决定。这极大地提升了AI的标准化程度，使其供应成本中的八九成
来自大模型构建，从而实现了规模效应并促进了行业的快速发展。
发言人 问：当前AI变现天花板的核心因素是什么？
发言人 答：现阶段AI变现天花板的核心因素在于模型能力提升。如同苹果树生长成熟替代人工的过程一
样，随着模型能力不断提升，从辅助人工逐渐过渡至完全替代人工，整个行业的市场规模将不断扩大。
投资者需抓住青苹果转变为红苹果的关键转折点进行投资，例如过去深度学习等技术在自动驾驶和个性
化推荐领域的广泛应用。同时，供给端能力的持续增强会带动需求持续扩容，提升AI在供应链上的逻辑
能力（即“scale up”）及其横向扩展能力。
发言人 问：多模态技术如何影响AI应用场景和发展？
发言人 答：多模态技术的发展对于AI至关重要，因为它不仅增强了模型的信息获取和反馈能力，还促使
应用场景得以广泛拓展，使其能够更好地模拟和超越人的智能表现。因此，在多模态技术的影响
下，AI的供给能力和处理能力都在横向和纵向两个维度上实现飞跃式增长。最终，当AI达到通用人工智
能（AGI）阶段时，将引发整个应用生态的全面繁荣。
发言人 问：通用大模型在智能驾驶领域的核心作用是什么？
发言人 答：通用大模型在智能驾驶中起着至关重要的作用，如特斯拉的FSD系统通过云端构建训练大脑
并让端侧模型逼近参数极限，已展现出初步具备替代人类驾驶的能力。随着技术的进步，当模型能力大
幅提升至正式替代人工驾驶阶段时，将促使商业模式如RoboTaxi等进行演进与飞跃。
发言人 问：智能驾驶市场可能出现什么样的颠覆性变化？
发言人 答：智能驾驶市场将迎来一次颠覆性的变革，当前处于起步阶段的线性渗透增长，一旦进入替
代人工阶段则会发生非线性爆发式增长，并可能导致原有市场份额被强者垄断，形成剧烈的竞争格局。
发言人 问：面对模型能力和应用场景重构的挑战，AI应用应如何构建护城河？
发言人 答：在面临模型能力快速扩张的同时，AI应用必须构建自身的壁垒以应对原有应用场景的重构。
这不仅关乎模型本身，还涉及到如何有效利用并保护非公开数据领域的资源。例如，在服务驾驶阶
段，掌握大量数据的企业（如特斯拉）凭借数据优势和技术积累取得领先地位，而在非公开数据领
域，则有可能诞生垂直一体化的单一应用厂商。
发言人 问：AI应用相较于传统应用有哪些独特之处及其影响因素是什么？
发言人 答：AI应用的最大区别在于其本质上的不确定性，表现为产品的概率分布特性，这使得其迭代流
程需发生变化。此外，AI应用的商业化起点相对较晚，通常需要达到接近或超越人类智能水平才能实现
商业化。因此，AI应用具有较强的入口效应，但在落地过程中，准确性和可靠性成为关键，同时也重视
用户体验。AI应用的本质是对知识范式的替代，而不确定性突破是其核心要点。
发言人 问：在海外中期配置中，应该如何选择AI应用的投入方向？对于二次起点场景的投资策略是什
么？
发言人 答：在海外进行中期配置时，应优先考虑购买通用大模型厂商的产品，随后寻找具有特定应用
场景的产品。在国内和海外市场中，我们需要重点关注两次关键性的爆发点，其中第一次爆发来自AI实
现从辅助运动能力到突破性的进步，建议关注AI与视频、具身智能这两个赛道。同时，还需要密切关注
这些领域的入行门槛是否将有所降低。在二次起点场景中，我们特别推荐关注自动驾驶技术的发展。目
前，自动驾驶主要停留在辅助驾驶阶段，但随着大模型雷霆效应及多模态引入，智能驾驶有可能全面替
代人类驾驶。例如特斯拉推出的robo taxi模式就是一个实例，该模式已取消驾驶员，实现了全人工智能
驾驶。因此，对于头部厂商来说，他们将率先受益并面临商业模式的裂变转变，比如由硬件销售转向提
供自动驾驶服务。
发言人 问：AI在教育领域有哪些潜在的爆发点和值得关注的地方？
发言人 答：AI在教育领域的爆发点主要体现在两个方面。一是AI正逐渐从辅助环节向核心环节渗透，特
别是在交作业等环节上表现出明显优势。二是AI辅助教学进入了一个大规模发展的时期，不仅局限于学
习分析和教育内容支持，还将涉及到语文、数学等多个学科的教学。此外，教育本身作为需求端有着广
阔的空间，一旦供给端有所突破，需求将迅速增长，从而带来巨大的市场潜力。综合来看，AI+教育是
一个值得重点研究和关注的领域。
发言人 问：AI应用的核心研究点和关键驱动因素是什么？
发言人 答：AI应用的核心在于其落地范式的研究。AI产业本质上是由供给驱动需求的，供给能力的提升
将带动需求扩容。AI的应用逻辑可划分为辅助人工、替代人工和全面超越人工三个层次，每次起点型突
破都将带来非线性增长的爆发。因此，深入研究不同场景所到达的脱离节点至关重要。当前，两大关键
驱动因素包括模型处理能力和精准度的大幅提高（Scout驱动），以及多模态应用带来的更广泛的实际
应用场景拓展，这些都将推动AI供给能力提升，催生更多突破点。