机遇与挑战
模型能力逐步趋同
大模型的差距逐渐收敛，越来越多大模型从能力和实用性上比肩GPT4。OpenAI的核心能力主要体现在三个方面：1）数据收集和处理的能力，包括数据来源，清洗方式，数据结构等；2）模型结构，包括注意力、隐藏层等设计；3）训练方法，包括各类超参数，学习率等。
大模型的成本显著降低：23年OpenAIGPT4的调用成本降低了90%以上，最新的GPT4-O多模态免费且之前付费用户才有的GPTs、图像理解、代码解释器等全部免费。预计随着算力端与模型架构不断发展，GPT-4水平的模型免费指日可待。
面向垂类的精细化模型越来越多，确保细分场景的性价比：不同行业具有各自垂类模型，不同大小的模型适用于不同场景。由于企业场景、业务流程差异化，不同的领域模型功能、数据集、模型大小和性能都有较大差别，定制化模型或小模型性价比更高。
AI赋能科技巨头
案例：微软本身具备Office、Windows等强大的用户流量入口，捆绑OpenAI率先使用领先的大模型，结合自身较强的软件技术和云计算资源，其中24Q1AI贡献Azure云收入的7%、拉动微软云业务实现31%YoY的加速增长。
微软丰富的使用场景能够深度融合GPT以提升现有产品竞争力，是下游应用领域显著受益于AI技术的企业之一。
AI赋能广告和硬件
Meta：AI+广告与社交媒体，显著提升广告ROI
①MetaAI：AI助手可以回答问题、获取实时信息、生成图像，23年9月推出，已可在Facebook、Ins、WhatsApp和Messenger上使用。
②推荐模型：扩展的推荐模型可以更好地调整广告展示的数量、时间、地点、对象，Facebook推送中约有30%的帖子是由AI推荐系统交付，在过去几年中增长了2倍，Instagram上超过50%的内容是由AI推荐，广告平均价格连续第五个季度加速提升。
③METAAdvantage+：根据用户偏好生成个性化广告，优化文案与展示位置、细分定位、扩展类似受众，从去年开始其收入增长了一倍多，每次点击的平均成本降低了28%。
海外热门AI应用方向
以AI功能落地较快的SaaS产品形态来看，未来AI应用核心有三个方向赋能：1）提升产品单价；2）提升付费率；3）扩大用户群体。
①提高产品效率、新增SKU，提高ARPU。如：微软M365Copilot功能定价30美元/月，SalesforceSalesGPT功能定价50美元/月。
②产生新的付费点，提升付费率。如我们跟踪的港股美图公司将大量AI功能（AI头像、AI滤镜等）加入原有会员权益，2023年会员付费率从2.3%提升至3.7%。
③扩大了原有产品的使用深度和客户范畴。如：Palantir表示AI拉动商业客户增长、降低产品使用门槛。
人工智能场景需求
如何分辨AI是赋能还是颠覆现有业务？
判断是否会被AI冲击或赋能的核心角度，应该重点关注原有商业模式解决的核心痛点是否会被GPT取代。举例：同为教育IT公司，Chegg的商业模式核心解决的是帮助学生查找历年考试的试卷题目和答案，GPT可能代替部分查找答案的需求。而Duolingo的商业模式核心为通过设计游戏化机制等开发愿意让用户积极学习的APP。
独立应用层面，看好两类型AI需求：
1）生产力提升后快速地产品功能迭代与推广。比如美图23年推出七款AI产品和几十个AI功能，蘑菇街的AI商拍工具WeShop3月全球用户数30万+。比如Remini近期上线的“黏土特效”滤镜在火爆全网后快速在剪映、美图秀秀、Midjourney、Lora等产品上可用。
2）AI陪伴场景的需求。比如教育领域Duolingo推出的语音对话AI助手，以满足用户口语学习和灵活交互的需求。比如，情感陪伴、虚拟社交类产品Glow、Character.AI,国内的Insop、XHer、筑梦岛、彩云小梦、AuraAI吸引了大批热爱OC（原创角色）、AGC爱好者及渴望陪伴交流的用户。
人工智能浪潮下的案例比较
人工智能带来的挑战——网络安全
AI收入贡献低，性价比成为核心痛点。比如：AI功能商业化进展较快的海外SaaS产品预计今年的AI贡献在低个位数水平，用户对于AI功能的ROI仍然保持谨慎态度。
AI产品的边界不清晰，市场不透明，监管不明确，企业要摸索。以软件出海的AI软件为例，小饭桌采访报道目前AIGC出海赚钱的两大门路是限制级网文以及视频换脸，伴随着GenAI技术发展大量虚假、粗俗、低质量内容充斥互联网。
投融资市场
国内一季度AI项目融资情况
基于企名片Pro的数据，24年一季度国内AI应用方向融资项目共有81起。目前国内AI应用方向融资项目集中在智能机器人、工业智能、智能驾驶&交通、AIGC以及医疗、能源解决方案等领域。
国外一季度AI项目融资情况
国外AI应用方向融资项目集中于机器智能，工业，医疗、商业、安全解决方案方面。
