行业宏观背景与核心观点 - 2025年是中国智慧教育的元年，以DeepSeek为代表的国产大模型在推理效率与开源生态上实现跨越式发展，成为重构教育生产力的逻辑底座 [1] - 国家高度重视人工智能对教育的影响，教育部等九部门联合印发纲领性文件，将GenAI视为赋能教学模式变革、科研范式转型与实现因材施教的核心路径 [1] - GenAI技术通过重构信息形态、工具应用、空间场景和组织形式四大核心要素，驱动教育市场向“规模化的个性供给”和“可量化的教学成效”演进 [3] - 研究提出“40/60分割”模型，即教育过程中约40%属于技术可替代的工具侧，60%是难以被替代的人类教育劳动，GenAI的价值在于将教师从繁琐工作中解放，使其专注于情感唤醒、价值塑造等核心工作 [2][5] 市场整体规模与增长 - 2025至2029年中国AI产业预计保持32.1%的年均复合增长率，2029年市场规模将突破1万亿元 [7] - 2025年中国教育信息化数字化经费规模预计为5515亿元，2028年将稳步上升至6802亿元 [10] - 2025年中国C端教育市场总规模预计为1.3万亿元，2028年预计达到约1.5万亿元 [15] - 2025年GenAI+教育产品服务总规模预计达3442亿元，预计将以37%的年复合增长率驱动2028年规模迈向8910亿元 [18] - 其中纯粹的技术能力价值增长更为迅猛，年复合增长率为45%，从2025年的664亿元上升至2028年的2023亿元 [18] - 2025年GenAI技术能力价值占比平均在20%左右，预计将随需求加深逐年上升 [19] 校端（B/G端）市场分析 - 政策与技术驱动下，自2025年下半年开始，中国学校端GenAI相关采购需求明显上升 [10] - 2025年，院校GenAI相关项目金额在高校与中小学整体采购中占比分别约为25%-35%和20%-30%，预计未来三年保持高速增长 [10] - **普通高校采购特征**：教育信息化采购中明确涉及GenAI的项目数量占比约27%，校园服务和数智化教学类项目GenAI深度高 [21]。采购预算多集中在100万-400万区间，不同层级高校需求差异明显，985/211高校聚焦算力主权与自主可控底座，普通本科院校更关注全栈一体化解决方案 [24] - **职业院校采购特征**：涉及GenAI的项目数量占比约35%，数智化教学和学科实训类项目GenAI浓度高 [27][28]。采购预算因院校定位而异，“双高院校”预算常达400万至千万级以构建校级AI能力中心，普通高职院校预算集中在150万至400万元以聚焦特色专业群融合 [32] - **中小学采购特征**：涉及GenAI的项目数量占比高达46%，基础设施和数智化教学项目GenAI浓度高 [34]。采购预算多在100万-500万水平，地方教育部门侧重数字基座，学校直采侧重场景应用，地域差异显著 [37] - **校端采购共同特征**：1) 倾向采用LLM+RAG+知识图谱复合架构以确保内容准确性 [41][43]；2) 期待交互Agent化，要求AI具备任务规划与执行能力 [41][43]；3) 普遍要求私有化部署，重视数据主权与安全合规 [41][43]。此外，高校和职校倾向采购垂直领域实训模型，中小学则希望GenAI能力覆盖更多物理空间用于安防、体育等场景 [41][43] 消费端（C端）市场分析 - 截至2025年12月，中国生成式人工智能用户规模达6.02亿人，较2024年底增长141.7%，普及率达42.8% [12] - 教育场景渗透显著：57.3%的家长在辅导孩子时使用GenAI类应用，25%的成年学习者利用其进行备考或学习 [12] - 孩子接触GenAI的首要途径是通用AI助手，占比达74.8% [13] - 2025年，GenAI类教育产品服务在成人与K12教育赛道中的覆盖率分别在15%-20%和10%-15%水平 [15] - **K12学生使用情况**：使用教育垂直GenAI应用主要用途为辅助校内作业（50.5%）、自主学习/刷题（49.9%）和知识科普（49.9%），功能偏好习题讲解（44.9%）、作业批改（42.6%）和AI题库（42.5%）[44]。使用通用GenAI应用则行为更多元，除辅助作业外，还用于发展兴趣/知识科普和创意写作/绘画 [48] - **家长态度与付费**：家长对GenAI态度积极且审慎，45.8%的家长担心孩子过度依赖AI导致思维惰性 [54]。GenAI重塑了家长传统教育投入的供给侧，推动“学会学习、环境构建、辅导纠错、伴学监督、学情诊断”五大核心诉求的解决方案智能化升级 [57]。一线城市家长理性审慎重实效，新一线城市家长付费意愿最强，呈现教育与技术双重内卷特征 [60] - **成年学习者使用情况**：使用者中大学生在读占比达62.2% [63]。最高频应用为学习资料生成归纳和学习计划制定，40.9%的人会混合使用多款AI工具 [63]。在校大学生付费行为离散、小额化，多为救急付费；在职学习者对价格脱敏但对时间敏感，追求即时学习交付 [68] 技术、产品与竞争格局 - **应用形态**：市场呈现纵横双向发展，横向从单一工具向一体化平台演进，纵向在更细分场景进行精细尝试，覆盖学、教、管全环节 [72] - **教育垂直大模型**：市场进入以场景深耕与价值交付为核心的中场竞争阶段，竞争短期看功能创新，中期比拼数据闭环与生态整合，长期取决于对教育质量与效率的根本性提升 [74]。市场已形成科技巨头、传统教育企业、学术机构及创业公司多元化竞逐格局 [74] - **通用大模型应用**：以DeepSeek、Qwen为代表的开源大模型主要扮演降低技术门槛的基础设施角色，或结合企业知识图谱微调垂直模型 [79]。头部教育科技机构普遍采用自研垂直教育大模型+通用大模型能力引入的混合架构 [79] - **商业模式影响**：GenAI驱动教育科技行业代际更替，标准化数字内容不再构成商业堡垒，内容价值转向私有教育数据 [81]。抓住机遇的企业通过私有数据闭环训练垂域模型或深度集成开源技术，进化为拥有算法壁垒与私有数据的智慧教育基础设施供应商 [81]。服务商需根据自身赛道禀赋，将AI技术、专业内容、人力服务等按比例重组成差异化交付配方 [84] 重点厂商案例与动态 - **科大讯飞**：构建覆盖教学、学习、考试、管理、素质五大核心场景的智慧教育产品矩阵 [99]。2025年研发投入占营收20%以上，星火大模型相关中标金额达23.16亿元，预计2025年净利润同比增长40%-70% [102] - **好未来**：FY26Q3实现收入7.702亿美元，同比增长27.0%，以学习机为核心的硬件及配套收入占总营收约30% [83] - **阿里巴巴（千问）**：推出基于Qwen3训练的教育垂直大模型Qwen3-Learning，定位为面向K12学生及教师的免费“拍题答疑+作业批改”智能助手，号称性能与OpenAI、谷歌付费服务持平 [93][94] - **云启智慧**：定位教育数智产品公司，依托中国联通、华中师范大学、网龙公司优势，提供教育数智化全流程解决方案，系统性将AI技术赋能校园管理、学生评价、智慧教学等环节 [105][109] - **国际厂商**：OpenAI通过ChatGPT-Edu瞄准对学与教两端的深度重构，旨在成为教学流程中可信、可控的核心服务层 [87]。谷歌Gemini for Education基于LearnLM原生教学生态，内嵌引导式教学策略，旨在重塑教学原生体验 [90]

报告核心观点 - AI时代用户搜索范式升级，品牌营销面临深度变革，生成引擎优化（GEO）成为应对AI营销时代核心痛点、构建品牌真实价值与核心竞争力的关键路径 [1] - 报告首次提出“真实性”准则及中国特色GEO方法论DSS（语义深度、数据支持、权威信源），并创新决策自检模型，旨在为行业树立规范、提供实战工具与科学评估路径 [1][2] - 在AI时代，信息缺位是品牌最大的风险，未来的商业竞争本质上是AI认知中的心智占位之争，品牌必须通过“白帽GEO”实践抢占认知，避免“信息失声” [5][8] GEO与SEO的本质区别 - **核心目标不同**：传统SEO追求搜索结果页“排名”，而GEO旨在影响AI生成答案时的“认知与采信” [10] - **工作原理不同**：SEO基于“关键词匹配”与链接权重等技术信号，GEO基于“语义理解与信任评估”，核心是内容质量 [10] - **优化对象不同**：SEO优化网站技术架构、页面关键词等，GEO优化互联网上的高质量语料、实体信息及权威信源 [10] - **价值评估不同**：SEO衡量流量价值与转化率，GEO衡量品牌心智占位、决策影响力与声誉管理 [10] - **首要业务目标不同**：SEO首要目标是流量增长与线索转化，GEO首要目标是品牌信任与决策影响 [11] GEO市场的乱象与风险 - 市场普遍存在将GEO简单等同于传统SEO的“伪概念”，沿用“关键词占位”陈旧话术并许下无法兑现的短期线索承诺，当效果不彰时甚至用AI生成大量垃圾内容进行“投喂” [9] - “黑帽GEO”通过创建和传播欺骗性“毒语料”、模拟虚假用户互动等手段操纵AI应答结果，近期有实验通过近乎“零成本”操作成功让多家国内头部AI模型将某媒体误列为“AI领域权威媒体”，揭示了生态裂痕 [7][12][14] GEO的商业价值再定义 - **短期价值（防守反击）**： - 应对“流量蒸发”：生成式答案（如谷歌AI Overviews）导致“零点击搜索”成为新常态，GEO确保品牌出现在AI权威答案区，维持基本可见性，是生存底线 [18] - 抢占“AI预选”心智：用户高度依赖AI进行初步研究和备选清单罗列，若品牌在关键语义提问的回答中缺席，则意味着在决策起点出局，GEO确保品牌通过“AI预选” [19] - **长期价值（议程设置）**： - 铸造“数字权杖”：品牌内容被AI持续、正面引用，等同于获得技术加冕的第三方权威认证，积累持久信任资产，并可能衍生定义行业标准的话语权 [20] - 获得未来“船票”：未来由AI“智能代理”驱动的商业生态中，GEO是让品牌被理解、识别和偏爱的唯一通行证 [20] - 挖掘“知识护城河”：拥有独家数据、原创研究的企业可通过GEO将其转化为AI优先采信的“知识养料”，构筑基于“认知垄断”的竞争优势 [21] 以DSS原则为核心的“白帽GEO”方法论 - **DSS原则**：包含语义深度（Semantic Depth）、数据支持（Data Support）、权威信源（Authoritative Source） [21] - **科学执行七步工作流**： 1. **需求评估**：洞察用户核心问题与需求，产出《提示词目标书》作为战略基石 [25] 2. **全面诊断**：采用“AI视角”与专业诊断系统，模拟主流AI模型检索行为，分析语料现状与信源偏好，产出数据驱动的《AI认知诊断报告》 [25] 3. **策略制定与KPI共识**：确定优化语义范围与目标平台，围绕品牌提及率、信源引用总量两大核心指标商定可量化KPI [25] 4. **内容创作承诺**：通过签署《内容创作诚信承诺书》，以契约形式确保企业提供真实原始素材，服务商坚守职业道德 [25] 5. **AI初稿生成**：使用定制化AI智能体与客户知识库生成结构化初稿 [28] 6. **专业文案精修与GEO终审优化**：由专业文案优化可读性，并由GEO工程师进行事实核查、添加权威引用等终审，确保“AI友好” [28] 7. **渠道发布与效果监测迭代**：依据AI信源偏好数据将语料发布至高权重平台，并通过系统自动化追踪品牌提及率、信源引用总量等KPI，形成数据驱动闭环 [28] GEO价值衡量与ROI新思维 - GEO的投入应被视为对品牌未来核心资产的战略投资，而非传统营销开支，其投资回报评估需从“流量账”转向“资产负债表”，关注其为品牌构建的无形资产 [29] 海外GEO标杆案例 - **案例1：IEEE Spectrum（权威媒体）** - **战略**：极致践行DSS原则，持续投入由人类专家撰写的深度原创内容，并构建清晰网站架构（严谨分类法、结构化数据） [34] - **效果**：五个月内，来自AI聊天机器人的推荐流量（浏览量和独立用户数）实现**100%**的翻倍增长，来自ChatGPT的推荐用户平均深度浏览2-3个页面 [35] - **案例2：国际酒店集团** - **背景**：超过**50%**的年轻用户（25岁以下）依赖AI规划行程与预订 [35] - **效果**：通过LLM应用，客服请求减少高达**30%**，辅助收入增加**10%至15%**；实施GEO优化后，三个月内品牌在LLM上的可见度提升**25%**，客户互动和转化率较传统媒体提升**30%** [35][36] 中国本土GEO实践案例 - **案例1：某工业激光设备企业** - **战略**：实施“技术基建、内容权威与站外信任”三位一体GEO战略，包括配置llms.txt引导AI爬虫、优化全站Schema结构化数据、每月稳定产出8篇以上专业博客及在权威媒体投放稿件 [37][38][39][40] - **效果**：6个月内，官网的AI访问量激增**4-5倍**，成功从“流量捕手”转变为AI时代的“权威磁场” [40] - **案例2：某口腔医疗设备品牌** - **优化前**：在DeepSeek等AI平台中对高意向度问题声量为空白 [42] - **效果**：优化后，AI应答提及率超过约定KPI目标的**4.5倍**，被AI采纳为信源的语料数量超额**3倍**完成目标，产品被AI作为行业标准推荐，实现从“毫无声量”到“AI首选推荐”的跨越 [45] GEO成熟度模型 - **L1 防御性观察**：认知有限，被动监测AI中的品牌信息，处理明显负面信息 [50][51] - **L2 基础性优化**：项目制点状优化，优化官网、百科等，确保基础信息准确 [50][51] - **L3 主动式内容布局**：将GEO纳入常规营销，有策略地围绕用户决策场景创作和发布“AI友好”内容 [50][51] - **L4 结构化数据整合**：将GEO提升至数据战略，建立品牌专属的“AI索引内容库”，通过结构化数据（如Schema Markup）主动向AI提供权威信息 [50][51] - **L5 生态级知识主导**：成为行业“AI知识定义者”，通过输出体系化洞察使观点被AI广泛采纳为行业标准 [51] 全球GEO市场态势与制胜之道 - **战场态势**：在欧美，AI已成为影响消费决策的关键基础设施，麦肯锡报告指出有一半消费者使用AI驱动搜索，到2028年这将影响**7500亿美元**的收入；超过三分之一（**36%**）的美国活跃AI用户视AI为“好友” [54] - **制胜之道**：企业需从“内容优化”进化到构建“内容工程”，即通过结构化数据和知识图谱，将内容“原材料”系统化处理为能被AI直接吸收的“知识晶体”，并密切关注AI搜索商业化动向（如“付费引用位”） [56] GEO在营销中的角色与协同 - GEO在营销漏斗中扮演新角色，是承接并放大所有其他营销渠道效果的“基础层” [66][68] - 企业需将GEO纳入预算规划，作为拥抱AI时代的前瞻性标志 [71] 行业未来展望 - AI生态系统具有“自我净化”能力，坚持提供真实、有用信息的“好内容”策略终将胜出，欺骗性的“坏方法”无法长久 [78] - 真实性是企业在AI时代最坚固的护城河，GEO的真正价值在于品牌曝光与心智占有，是一项着眼于未来的品牌战略投资 [83][84]

移动端AIGC赛道整体发展态势 - 2025年前10个月，AIGC赛道进入规模化应用期，月独立设备数从3.18亿台增长至4.83亿台，市场渗透率从22.1%提升至33.2% [1][8] - 细分赛道中，语言模型、智能工具等生产力场景占据主流，APP独立设备数均超过2亿台 [8] 核心用户画像 - 核心用户为35岁以下的青年白领，该年龄段用户占比接近五成，白领比例达30.0% [2][11] - 用户多分布于高线城市，具有较强消费能力和较高消费能力 [2][11] - 用户男女比例均衡，热衷社交分享，“社交乐享族”群体在行业整体用户中的比例超过10% [10][11] 细分赛道流量分析：语言模型 - 市场呈现显著分化，头部APP增长稳定，中小APP增长乏力 [13] - 豆包、DeepSeek、腾讯元宝等头部APP月独立设备数均突破5000万台，其余中小APP均在2000万台以下 [13] - 腾讯元宝自2月更新后，近9个月复合增长率达385.1%，增速大幅领先 [13] - 通用型语言模型市场已趋饱和，中小APP需转向垂直场景突围 [13] 细分赛道流量分析：智能工具 - 行业规模稳定，2025年1-10月用户规模稳定在2亿台以上，3月达到峰值25218.9万台 [17] - 用户流量与平台设备生态深度绑定，2025年10月月独立设备数TOP10 APP中华为系“智慧搜索、小艺建议、智慧语音”位列前三 [17] - 独立工具较难突破生态流量壁垒 [17] 细分赛道流量分析：图像处理 - 呈现头部APP断层领先态势，即梦AI在月独立设备数（1263.0万台）、月度总使用次数（63944.3次）、月度总使用时间（1668.2小时）三方面占比超95% [20] - 中小APP生存空间极窄，但聚焦垂直场景专业化（如人像、特效）仍有希望留存特定用户 [20] 细分赛道流量分析：智能伴聊 - 行业需求与用户价值呈低迷态势，用户月度使用次数和使用时间同比下降超10% [22] - 主流APP中仅星野APP用户规模实现正增长，其余APP用户流失超40% [22] - 各年龄和消费层级用户规模均同比下降，女性用户占比提升 [22] 高速增长应用排名 - 截至2025年10月，近9个月复合增长率领先的APP包括：即梦AI（394%）、腾讯元宝（385%）、豆包（124%）、Molica AI（46%）、千问（37%） [27] - 2025年10月独立设备数领先的APP包括：豆包（13253.5万台）、DeepSeek（9845.03万台）、腾讯元宝（6826.64万台） [27]

中国眼镜行业整体概况 - 2024年中国眼镜零售市场规模约933亿元，同比增长约8.2%，预计2025年将突破千亿规模，到2029年市场规模预计达1332亿元，2024-2029年CAGR预估为7.4% [1][6] - 2024年镜片零售市场规模约409亿元，占整体眼镜产品市场的44%，2019-2024年CAGR约6.1%，预计2029年市场规模可达585亿元 [1][10] - 行业竞争格局呈“国际龙头 + 国产功能化品牌”并行，依视路、卡尔蔡司在高端市场占优，汇鼎光学、全真光学、明月镜片等国产品牌在出货量与细分赛道上快速追赶 [1] 镜片市场竞争格局 - 按出货额计，市场集中度高：依视路市场份额约30.9%居首，卡尔蔡司以23.9%紧随其后，两者合计份额超一半；明月镜片以7.1%位居第三，汇鼎光学、新天鸿等国产厂商主要聚焦OEM/ODM及功能性镜片 [13] - 按出货量计，TOP10中国内品牌合计份额近五成：依视路（收购万新后）以17.1%居首，明月镜片以12.0%位居第二，汇鼎光学与鸿晨光学份额分别为8.8%和8.7%，显示出国产厂商在大众消费及功能性镜片领域的放量优势 [16] 透明镜片市场与技术演进 - 行业从“单一屈光补偿”迈向“综合视力管理”，形成全周期方案 [2] - 6-18岁近视防控领域，离焦镜技术演进至多模态精准控轴，配镜渠道从“零售主导”走向“专业服务主导” [2] - 单光镜片技术持续升级：从球面、非球面、双非球面，发展到自由曲面，再到当前先进的自由环面/环曲面设计，以提供更优视觉体验 [22][23] - 国产品牌汇鼎光学的自由环曲面镜片实现量产，采用双面自由环曲面制造工艺，对镜片表面数以千个自由参数进行微米级面型优化，大幅减少斜向像差，消除周边畸变 [2][23] - 35岁及以上人群老视需求升级，渐进镜成为主流解法，但市场需克服用户对适应性和使用效果的顾虑 [2] 变色镜片市场 - 2024年中国变色镜片零售市场规模约14.7亿元，占整体光学镜片市场的3.6%，预计到2029年将扩大至23.7亿元 [30] - 光致变色是当前主流技术路线，可覆盖各类屈光需求并延展至通勤、驾车、户外等多种场景 [3] - 超八成被调研消费者听说过变色镜片，但核心认知顾虑在于材料安全性、功能真实性和寿命衰减 [7] - 购买客平均约16个月更换一次变色镜片，新功能吸引力（45.5%）与新场景需求（41.3%）是驱动主动升级的重要契机 [43] 变色镜片竞争格局 - 按出货额计，全真光学以46.8%的份额占据绝对领导地位，依视路（14.8%）、卡尔蔡司（8.2%）、伟星光学（7.8%）、明月镜片（6.0%）分列第二至第五位 [33] - 按出货量计，全真光学以42.8%的份额主导市场，伟星光学以14.2%位居第二 [35] - 市场呈现“二元”格局：卡尔蔡司、依视路等国际品牌以技术引领价值；全真光学等国内品牌以效率创新开拓市场，依托自研能力、供应链效率及高质价比吸引用户 [38] - 全真光学品牌转化效率在国产变色镜片品牌中排名第一，超75%的购买客通过线下渠道购买变色镜片 [41] 细分产品与代表品牌 - 在进阶单光镜片市场，自由环面镜片以卡尔蔡司“泽锐”系列为代表，自由环曲面镜片以汇鼎光学“星幕”系列为代表 [24][26] - 蔡司“泽锐”：采用自由环面设计，对700多个点进行优化，相比普通库存片，视野范围扩大3倍，平坦度提升32%，轻薄度提升8% [27] - 汇鼎“星幕”：采用自由环曲面设计，相比普通非球面镜片，视野范围扩大3.61倍，边缘厚度减少8%，表面平坦度提升32% [27] - 约95%的被调研用户认同这两款代表镜片提供了“视野大、看得真、更舒适”的体验 [26][27] 消费需求与行业痛点 - 近95%的消费者存在不同程度的视力问题，护眼行为以“被动式应对”为主，需求正从“看得清”升级为追求“看得舒适”的综合视觉质量与管理方案 [18][48] - 当前行业困于“价值模糊、信任缺失”的困局，亟需通过透明定价与标准化验配重建信任，构建“价格透明、服务专业、供应敏捷、健康管理”的服务新生态 [7][45] 行业发展趋势 - 渠道将从卖产品向视力健康管理深化，专业视光服务与数字化随访能力成为核心竞争力 [7] - 透明镜片技术将沿离焦镜精准控轴、自由环曲面高精度成像、渐进镜智能化等方向持续演进 [7] - 变色镜片将围绕基础功能升级、应用场景拓展、色彩多样化、个性化定制等方向深化演进 [7] - 产业生态融合：光学镜片产业与智能眼镜产业跨界合作，光学体验或将成为未来智能眼镜视觉体验的决胜关键 [5][50]

文章核心观点 - 生成式AI搜索优化（GEO）行业正高速发展，AI问答场景已成为品牌进行数字化传播、抢占用户心智的核心阵地 [1] - 通过发布《羽绒服品牌GEO传播势能指数榜单》，量化评估了30个主流羽绒服品牌在AI生态中的综合传播表现，为品牌优化AI传播布局提供参考 [1] - 始祖鸟在综合指数、人群覆盖度及话题覆盖度上均断层领先，展现了户外品牌在羽绒服GEO传播赛道的强势地位 [2][4][6][8][11][14][15][16][19] - 波司登作为前五名中唯一的国货品牌成功突围，显示了国货品牌在AI生态中的传播潜力 [4][19] - 品牌在细分人群和话题中的AI可见度差异显著，这为品牌后续进行差异化传播布局指明了方向 [10][15][18][19] GEO传播势能综合指数TOP30格局 - **头部格局**：综合指数呈现“头部凸显、两极分化”格局，30个上榜品牌分值差距悬殊 [4] - **领先者**：始祖鸟以66.1分断层领跑，堪称赛道“天花板”，在各类AI提问中稳居优先推荐位 [2][4] - **第二梯队**：北面和巴塔哥尼亚分别以49.3分和46.3分位列第二、三名，凭借户外积淀与数字化布局成为AI优先提及对象 [2][4] - **国货代表**：波司登以32.8分位列第四，是前五名中唯一的国货品牌，依托“国民羽绒服”认知成功突围 [2][4] - **中段竞争**：第5至第10名品牌得分在30.5分至19.1分之间，竞争激烈 [2] - **国货表现**：TOP30榜单中国货品牌共计占据8席，彰显了国货羽绒服在AI传播赛道的强劲潜力 [5] - **其他发现**：小众户外品牌睿坡以16.2分成功跻身榜单，展现出不俗竞争力；耐克、阿迪达斯、新百伦等传统运动品牌未能在该赛道占据领先地位 [2][5] 人群覆盖度指数分析 - **全面领先者**：始祖鸟是唯一在都市白领、潮流青年、户外爱好者三大圈层均登顶的品牌，展现出强大的“语义穿透力” [6][9] - **都市白领圈层**：始祖鸟以59.1分领跑，北面（53.0分）与波司登（34.8分）紧随其后，AI模型精准捕捉了品牌与“简约质感、通勤适配”需求的绑定 [8][9] - **潮流青年圈层**：始祖鸟以74.2分持续领先，品牌通过潮流IP联动与街头风设计，在AI逻辑中建立起个性化标签 [8][10] - **户外爱好者圈层**：专业属性成为核心判断标准，始祖鸟以74.2分遥遥领先，巴塔哥尼亚（57.6分）与凯乐石（31.1分）等品牌凭借硬核功能标签实现精准匹配 [8][10] - **其他品牌表现**：优衣库与迪卡侬展现出均衡的场景适配力，而露露乐蒙则精准切入白领心智 [10] 话题覆盖度指数分析 - **总体领先者**：始祖鸟在户外性能、外观时尚度、轻便舒适度三大核心话题中均位列榜首，展现出全方位的认知领先 [11][14][15][16] - **户外性能话题**：AI侧重于硬核技术资产的匹配，始祖鸟以68.2分断层领先，北面（50.0分）与加拿大鹅（42.4分）位列二、三位 [11][15] - **国货专业标签**：波司登（37.1分）与凯乐石（31.1分）的突围，标志着国货品牌已成功在AI认知底座中植入专业保暖标签 [11][15] - **外观时尚度话题**：AI推荐逻辑呈现多元化趋势，盟可睐因时尚标签鲜明进入前三，优衣库与高得运以极简都市感并列第六 [14][18] - **风格吸引力**：And Wander展现了极强的风格吸引力，而石头岛则凭借先锋设计卡位前十，证明独特的风格标签是品牌在生活美学提问中突围的关键 [18] - **轻便舒适度话题**：推荐逻辑向生活化适配平移，始祖鸟（56.1分）位居榜首，巴塔哥尼亚（35.6分）权重提升至次席，波司登与优衣库（均为31.1分）并列第四，精准卡位日常通勤话题 [14][16][18] 研究方法与数据来源 - **核心指标**：榜单以“AI可见度”为核心评价标准，所有数据均通过标准化AI定向提问流程测算，量化品牌在AI生态中的曝光与触达能力 [20] - **指数构成**：GEO传播势能综合指数由AI可见度、话题覆盖度、人群覆盖度三大指标加权测算构建而成 [21] - **数据采集**：研究范围覆盖豆包、Deepseek两大平台，累计生成3960轮对话，经清洗、归类与加权统计后形成数据结论 [21] - **合作伙伴**：原始数据采集由嗨普智能协助支持，其深耕主流AI对话平台的生成式AI搜索优化领域 [21]

社会化用工概念与宏观环境 - 社会化用工泛指企业与员工之间建立标准劳动关系以外的各类用工形式，包括业务外包、劳务派遣、按小时计酬、平台型灵活用工、劳务用工、共享用工、退休返聘等多种形态 [1][3] - 宏观经济波动与数字经济发展共同驱动用工模式变革，2024年中国数字经济规模达63.2万亿元，占GDP比重46.8%，催生了平台型灵活用工等新型就业形态 [6][12] - 适龄劳动人口数量下降，截至2024年末全国16-59岁劳动年龄人口为8.58亿人，企业面临人力短缺与成本上升压力，为社会化用工发展提供契机 [16] - 国家政策在规范中鼓励社会化用工发展，引导企业通过该模式提升竞争力 [9] 社会化用工市场现状与核心价值 - 社会化用工规模持续扩大，截至2024年中国灵活就业人员已超2.4亿人，业务外包渗透率超50%，劳务派遣占比20%-30%，平台型用工占比低于20%，形成多元并存格局 [2][19] - 社会化用工正逐渐成为企业标配，人力资源服务商向专业化、数字化升级 [2] - 该模式核心价值在于调和矛盾，帮助企业动态调整人力成本、降低管理风险、引入外部专项人才，同时为劳动者提供灵活就业选择，推动人力资源市场从“刚性配置”向“弹性适配”升级 [26] 消费零售行业社会化用工分析 - 消费零售行业面向销售峰谷和市场变化，综合使用业务外包、按小时计酬、平台型灵活用工、劳务用工模式，轻餐饮与即时零售企业社会化用工占比显著 [1][29] - 行业用工呈现场景化差异：前端销售场景（如导购、收银）灵活用工占比超50%；仓储配送场景依赖订单驱动的兼职与外包；供应链管理以全职为主，旺季补充临时工；运营支持部门（如HR、财务）业务外包形式占据核心地位 [31][33] - 快消企业需求集中于促销岗位，即时零售核心需求是配送骑手，高端零售偏向专业导购与咨询人员，大型商超则以前端导购、收银及后端仓储分拣等基础岗位为主 [35] - 行业核心痛点是员工流动性高，社会化用工员工流动率普遍在30%以上（以6个月为周期），导致管理成本居高不下，同时存在传统招聘排班模式难以匹配需求、劳动关系界定模糊等合规痛点 [37] - 新技术催生新岗位需求，如数字化运营、智能供应链、数据安全专员、合规运营经理等，对复合型人才需求增长明显 [40] 生产制造行业社会化用工分析 - 生产制造行业面向产能波动及战略聚焦需求，综合使用业务外包与劳务派遣模式，外资和头部民营企业更倾向采用社会化用工 [1][44][49] - 行业采用“核心锁定、外围灵活”策略：车间生产场景（如包装、装配）社会化用工需求最高；物流仓储场景倾向于按小时计酬或平台型灵活用工；安装维护场景可利用共享用工补充；研发设计等核心环节则优先采用正式员工 [46][48] - 从生产模型看，离散制造（如汽车、电子）的社会化用工渗透率高于流程制造（如化工、钢铁） [49] - 行业核心痛点在招募环节，尤其在长三角、珠三角等制造业密集区域面临“用工难”，员工频繁流动影响生产稳定性，同时存在跨地区社保、工伤风险等合规挑战 [52] - 智能制造推动人才需求向跨学科、复合型转变，需要掌握工程实践、编程、数据分析等多种技能，企业可通过校企合作和业务外包等形式构建新型人才体系 [54] 社会化用工发展趋势 - 个体与组织的关系由依附转为共生，个体能力结构要求趋于多元化 [2] - 企业、政府、个体、服务商四方协力，共同推动社会化用工市场繁荣 [2] - 数字技术是重构生产关系的关键引擎，催生了算法调度型、流量共生型等多种平台型灵活用工形态 [12]

企业级AI应用发展现状 - 行业重心从“百模大战”的技术探索期全面转向规模化应用期 [1] - 新一代AI应用已在智能客服、知识库问答、内容生成等知识密集且交互开放的场景中率先取得规模化突破 [1][21] - 企业面临的核心挑战从单点技术突破转向构建系统性、端到端的落地能力 [1][27] 核心驱动因素 - **政策驱动**：2025年8月《国务院关于深入实施“人工智能+”行动的意见》将AI定位为新质生产力核心引擎，目标到2027年与6大重点领域深度融合、新一代智能终端/智能体应用普及率超70%，2030年普及率超90% [6][8] - **技术驱动**：技术路线从模型中心转向Agent驱动，AI-Ready数据和AI Agents是当前发展最快的两项技术 [10] - **需求与资本驱动**：企业因经济与竞争压力，需求从可行性验证转向商业价值验证 [14]；2025年中国AI产业融资事件772起，应用层融资事件数量占比超50%，AI+医疗成为热门吸金赛道 [12] 核心价值与落地痛点 - **三大核心价值方向**：流程增效（直接降本）、知识增幅（激活知识资产）、价值创新（重塑产品与商业模式） [17] - **规模化落地三大瓶颈**：数据基础薄弱与治理缺失、业务价值缺乏可量化度量体系、缺乏兼具技术与业务洞察的复合型人才 [23] 落地框架与关键载体 - **总体框架**：从应用层、支撑层、基础设施层和组织层四个维度构建端到端落地能力 [27] - **核心载体**：AI Agent成为企业级AI应用落地的核心载体，通过Function Call、MCP、Skills等方式与企业业务流程深度整合 [1][29] - **Agent落地关键**：构建“AI技术+软件工程+人工干预”三元体系，将复杂流程切分为可验证的最小任务单元以保障可靠性 [31] - **Agent能力进化**：从模型绑定的Function Calling向模块化、可复用的Agent Skills演进，提升复杂任务中的确定性 [37] 模型、数据与算力基础设施 - **模型选型**：以场景需求为导向，在多维度权衡模型效果、性能与成本，并可将GenAI与决策式AI结合以提升可用性 [39] - **数据底座**：AI-Ready的高质量数据集是构建企业独特AI竞争力的关键，其特征是高价值应用、高知识密度和高技术含量 [42] - **数据平台与安全**：需构建多模态、实时响应的Data+AI一体化平台 [45]，并建立覆盖数据输入、处理、输出全生命周期的主动安全治理体系 [47] - **算力基建**：GPU仍占据AI芯片主导地位，国内厂商在互联带宽、集群规模、推理优化等方面寻求差异化突破 [51]；AI Infra通过软硬一体协同优化提升国产算力可用性，是AI时代竞争关键要素 [53] 组织与人才转型 - **高层领导**：AI高绩效组织中，高达48%的高层管理者展现出对AI战略的强烈承诺，是普通组织的三倍，管理层投入深度直接决定AI应用成败 [56] - **员工赋能**：需从“以技术为中心的项目交付”转向“以员工为中心的价值运营”，通过提升用户采纳度释放AI实际价值 [57][59] - **角色升级**：业务人员需向能精准转化业务痛点的AI协作者转型；技术团队需从开发交付角色转向深度融入业务场景的价值赋能者 [60][62] 产业格局与商业模式 - **厂商格局**：主要有应用软件、技术服务及解决方案、云服务和AI模型四类厂商，形成分层协作、动态竞合格局 [2][65] - **商业模式**：厂商主要成本为算力与研发，两者合计占比通常可达70%及以上；收费模式以订阅制为主，效果付费模式仅在营销、运营等少数场景中应用 [67] 未来发展趋势 - **模型架构**：大模型由单一的Transformer架构向多架构（如新型RNN、CNN）并行迭代演进，以实现效率与性能的平衡 [2][71] - **流程重构**：AI将深度介入并重构企业流程，从任务自动向流程自主演进，人机协作模式发生根本转变 [2][74] - **AI for Science**：AI在科研领域形成技术底座、核心能力、科研流程、价值输出的闭环，通过降本、提速与跨界融合重塑企业研发竞争力 [2][76][77] - **物理AI**：从数字AI（信息处理）迈向物理AI（物理交互），连接数字智能与实体业务闭环，拓宽AI应用价值边界 [2][79] - **AI原生应用**：向全新的流量入口、交互方式、应用架构和业务逻辑演变，推动企业级AI应用价值重构 [2][82]

核心观点 - 中国宠物市场正从“基础饲养”向“品质养护”升级，宠物科技用品作为核心增长引擎，已进入“智能化、健康化、个性化”的爆发期 [1] - 行业正从单一功能的“功能工具”向“AI+全场景”的“智慧生态”演进，未来增长潜力巨大 [2] 市场概况与规模 - 2024年中国宠物市场规模预计达3453亿元，较2023年增长5.8% [13] - 2024年宠物用品市场规模预计达513亿元，其中宠物智能用品市场规模预计突破102亿元，约占宠物用品市场的20% [1][13] - 宠物智能用品已成为行业增长新引擎，一线城市产品渗透率已超过35% [1][11] - 2025年行业将迎来爆发式增长 [11] 用户画像与消费行为 - 用户呈现“高线化、年轻化、情感化”特征，以高线城市24-34岁的猫狗主人为主，且女性居多 [1][21] - 养宠年均花费达4440元，其中宠物智能用品支出占比最高，达50.8% [1][17] - 超过半数（55.6%）用户在智能用品上的年消费总额在501-2000元之间 [1][34] - 情感陪伴是主要养宠动机，宠物角色定位多为“家人”或“朋友” [28] 养宠痛点与需求场景 - 主要痛点包括：毛发/异味难以根治（42.5%）、宠物无人照顾（38.4%）、宠物医疗成本高/就医不便 [31] - 这些痛点为科技产品提供了明确的需求场景 [1] 热门产品品类与趋势 - 满足基本饮食、环境清洁、安全健康需求的产品最受欢迎 [37] - 自动饮水机（购买率37.0%）、自动喂食器、宠物吸尘器/吸毛器（34.5%）、净味器/空气净化器（29.6%）、健康监测和定位设备是热门品类 [37] - 三大高增长细分赛道：智能喂养、健康监测、环境清洁 [1] - 伴宠机器人销售额同比增长210%，智能项圈等健康设备增速达180% [1] - 宠物友好型大家电购买意愿高：吸尘器（51.1%）、扫地机器人（51.0%）、空气净化器（50.4%）[58] 产品功能与未来期待 - 当前产品趋势是“AI+全场景”，设备从单一功能向多模态交互进化 [2] - 用户对智能养宠产品的核心功能期待包括：多宠精准识别（如RFID识别喂食，占比31.9%）、智能清洁联动（25.3%）、异常行为预警（25.0%） [53] - 对未来科技的远景期待集中于：设备自动适配需求（48.4%）、宠物行为习惯分析（42.8%）、多设备联动（37.6%） [55] - 超过七成消费者已达到基础以上的养宠智能化程度，近半数已实现多场景智能化组合 [51] 市场竞争与渠道 - 市场竞争呈现“多元参与、群雄逐鹿”态势，专业智能品牌、传统转型品牌、科技跨界品牌各有优势 [2][11] - 市场集中度较低，但头部集中度有上升空间 [11] - 线上渠道是主要购买渠道，约七成用户选择线上，其中电商平台和品牌官方网站/APP表现突出 [41] - 消费者获取信息的主要渠道包括小红书/抖音种草（39.6%）、宠物博主测评推荐（39.0%） [22] 产品选购与使用考量 - 消费者选购时最关注功能实用性（51.5%）和价格合理性、性价比（51.0%） [39] - 主要产品吸引点在于操作便捷与稳定性（48.8%）、数据记录与分析（40.9%）、新奇科技感与互动乐趣（40.4%） [39] - 使用痛点包括：智能产品价格高（26.0%）、耗材价格高（25.6%）、市场产品同质化（25.1%）、清洁维护难（24.9%）、APP功能不完善（24.0%） [48] - 自动饮水机、自动喂食器、智能猫砂盆是日常照料中被高频使用的产品 [45]

核心观点 - 中国食品零售行业正经历从传统综合业态向垂直化、连锁化新业态的演进，行业整体数字化水平偏低，连锁化率的提升正驱动行业围绕“效率升级”和“体验重构”展开数字化转型 [1][6] - 食品零售数字化的核心在于基于“人-货-场”理念进行重构，其中收银系统、供应链管理系统和全渠道运营系统构成关键“铁三角”，三者联动推动从单点数字化向全面协同进阶 [1][12] - 行业市场规模庞大，2024年食品饮料零售GMV已超7万亿元，预计2029年将达8.7万亿元，下沉市场、量贩零食和即时零售是主要增长点，数字化成为关键竞争要素，市场前景广阔 [2][38] 行业现状与演变 - 传统综合商超、便利店及夫妻老婆店等业态暴露出高损耗、低效率的弊端，催生出聚焦特定品类的垂直细分新业态，如品牌零食连锁、社区生鲜超市、量贩零食等，加速了整个食品零售行业的连锁化进程 [1][6] - 新兴业态通过品类聚焦建立品牌认知，并减少SKU复杂度、提升单品采购规模以降低运营成本，同时采用原产地直采、设立前置仓等方式减少中间环节，优化供应链效率，打造极致性价比 [6] - 食品零售行业长期以分散的社区门店及夫妻老婆店为主，虽然门店数量庞大，但整体数字化水平偏低，连锁化率的提升正推动数字化转型进入加速阶段 [9] 数字化需求与总体框架 - 数字化转型将重点围绕供应链管理的效率提升和围绕全渠道运营的体验重构两方面展开，旨在整合供应链、优化采购成本、提升管理效率、减少库存浪费，并打通各渠道消费者数据以精准把握用户需求 [1][9] - 数字化核心在于重构人、货、场三者的协同关系：“人”的数字化需构建以消费者为中心的全渠道运营体系；“货”的数字化强调建立高效透明的供应链管理体系；“场”的数字化关注传统交易场所向数字化中枢转型 [12] - 在此过程中，收银系统将作为关键数据触点，与供应链管理系统、全渠道运营系统共同构成食品零售数字化的“铁三角”，以消费者行为数据驱动商品优化，供应链响应效率赋能全渠道履约 [1][12] 关键数字化系统：收银系统 - 收银系统通过集成支付结算、商品管理、库存管理、会员管理等模块，提升收银效率，控制食品损耗与成本，并以数据驱动选品和营销策略，是连接人、货、场的核心数据中枢 [19] - 不同食品品类对收银系统有差异化需求：零食以预包装为主侧重多元化促销；水果存在散装称重与预包装并存，依赖父子级计价和分级定价；生鲜易损耗且价格波动频繁，强调时效性管理 [19] - 在中国食品零售收银系统市场，乐檬、思迅和科脉分列前三，行业集中度CR3为82.0%，其中乐檬凭借聚焦食品零售的专业化优势，以38.9%的市场份额占据领先地位 [21] - 收银系统的核心竞争力在于垂直场景适配能力、产品技术性能（如云原生底座保障高并发稳定性）以及开放生态协同能力，未来竞争焦点在于全链路数据联通与智能化分析 [23] 关键数字化系统：供应链管理系统 - 供应链管理系统通过数字化整合从采购到销售的全链路资金流、物流和信息流，从提效率、控成本、抗风险三个维度赋能食品零售企业，尤其针对生鲜易腐、水果季节性波动等复杂特性 [26] - 具体价值包括：利用算法预测需求，实现智能补货与库存优化以降低损耗；协同供应商与物流资源以提升议价能力与配送效率；通过全链路追溯能力构筑食品安全防线 [26] - 供应链数字化厂商可分为三类：传统ERP厂商、综合供应链厂商以及零售数字化厂商，未来三类厂商的场景与行业理解将加深并相互融合，持续提升标准化能力、实体资源广度与垂直场景深度 [29] 关键数字化系统：全渠道运营系统 - 全渠道运营系统是整合多触点业务、沉淀数据资产、重构人货场关系的中枢引擎，通过统一沉淀商品、会员、交易数据，构建统一会员标签体系，实现基于全域行为画像的精细化运营 [33] - 在营销运营环节，不同品类有不同侧重点：零食需应对高频次、多SKU的长尾需求，强调渠道差异化定价与精准营销；水果需分级定价与损耗控制；生鲜核心诉求在于以销定产与快速周转，关注临期品促销 [33] - 服务厂商主要包括传统ERP厂商、营销云背景厂商以及零售数字化厂商三类，均朝着优化基础产品架构、强化行业垂直算法、多维数据智能分析的方向发展，以“云原生基座 + 全域数据智能 + 场景化工具”重构竞争力 [35] 未来市场空间与驱动因素 - 中国食品零售行业规模庞大，2024年食品饮料零售GMV已超过7万亿元，预计到2029年将增长至8.7万亿元 [38] - 未来主要增长驱动因素包括：下沉市场受益于物流基础设施完善和消费升级趋势；量贩零售模式以高性价比产品占领市场；即时零售模式依靠“线上下单-即时配送”满足碎片化需求 [38] - 在这一过程中，数字化越来越成为食品零售企业关键的竞争要素，相关数字化厂商如能把握市场红利，未来成长空间将更为广阔 [38] 商业趋势 - 当前零售行业正由销售导向向需求导向升级，传统商超以货架视角为核心的管理思路面临挑战，以胖东来、永辉为代表的企业正利用货盘差异化策略向品质提升转型 [42] - 相比服务综合商超的数字化厂商多聚焦货架管理，以乐檬为代表的食品零售数字化厂商在品类管理方面更加精细化、专业化，能够帮助客户挖掘品类数据，优化商品结构，其积累的模块化能力有望帮助其把握商超转型机遇，向更广泛的客群拓展 [42] 技术趋势 - 食品零售数字化厂商将加速构建“云、数、智三位一体”的技术闭环 [2] - 具体趋势包括：1) 采用云原生架构，利用其在弹性扩展、灵活拓展、敏捷开发和持续迭代方面的优势，为业务提供底层支撑 [45]；2) 打通各业务系统，建立全链路数据体系，推动从经验驱动向数据驱动转型 [45]；3) 探索AI应用，将决策式AI与生成式AI融入供应链管理、门店经营、用户运营等环节，推动数智化升级 [45]

行业核心发展趋势 - 市场进入存量阶段，用户规模基本筑底企稳，月度总独立设备数在6.48亿至7.39亿区间波动上行，2025年12月达到阶段高点，行业由高速扩张转入存量提升阶段[7] - 用户行为从“长时浏览”转向高频、短时、目的明确的功能型使用，单机单日使用次数从2023年约4.5次回落至2024年初约3.3次，后企稳在3.8-4.2次区间；单机单日有效使用时长从约4.9分钟下探至2025年中约2.7分钟，后稳定在约3分钟附近[9] - AI与大模型成为核心设施，深度赋能业务与交互，鸿蒙原生适配与智能风控协同，技术应用进入以AI深度赋能、操作系统级生态融合为核心的全面架构重塑阶段[2][11] - 政策环境呈现合规与创新双重规范强化，“五篇大文章”指引创新方向，存量整治与数据安全新规则筑牢底线[3][14] - 竞争格局呈现显著的马太效应和结构性分化，生态与区域能力决定胜负，国有大行凭生态嵌入领先，股份制银行靠专业差异生存，区域银行借本地深耕增长，民营银行已相对边缘化[4][16] 市场用户规模与黏性 - 2023年至2025年，中国手机银行APP月度总独立设备数在6.48亿至7.39亿区间内波动上行，并在2025年12月达到阶段高点，显示在高基数下仍保持韧性增长[7] - 用户使用黏性呈现“频次小幅回落、时长先降后稳”特征，刚性功能使用保持相对稳定，用户行为正由被动浏览向目的明确、操作高效的功能型使用转变[9] 竞争格局与市场份额 - 国有六大行在月活跃用户（MAU）上占据绝对优势，包揽总榜前六名中的五席及前十名中的六席[5][18] - 农业银行以2.49亿平均MAU位居榜首，工商银行（1.94亿）、建设银行（1.09亿）紧随其后，构成第一梯队[5][18][20] - 股份制银行中，招商银行以7185.4万平均MAU绝对领先，平安口袋银行（2940.2万）与中信银行（2489.5万）位列第二梯队[5][21][22] - 城市商业银行中，共有17家进入TOP50榜单，月活规模主要在100万至400万区间，江苏银行（355.1万）、北京银行（341.5万）、宁波银行（337.8万）位列前三[24][26] - 农村商业银行/信用社中，共有17家入选TOP50，福建农信以789.5万平均MAU领先，四川农信（607.2万）、云南农信（535.3万）和丰收互联（487.6万）处于领先梯队[5][27][29] 核心用户画像 - 活跃用户以男性为主，占比56.7%，领先女性用户13.4个百分点[45] - 年龄分布上，40岁以下青年用户占比63.3%，41-60岁中年用户占比33.3%，构成核心用户群体[45] - 婚姻状况上，66.5%的活跃用户已婚，52.1%的活跃用户已育有子女[47] - 地域分布高度集中于新一线及以下城市，合计贡献超过90%的活跃用户，其中新一线、二线、三线城市合计占比接近六成，一线城市占比不足一成[48] - 消费能力呈现“橄榄型”结构，中等消费群体占比近六成，是规模最大的客群[6] 优秀案例与产品迭代 - 农业银行：截至2025年末MAU提升至2.7亿以上，2026年1月推出手机银行11.0版本，聚焦智能服务匹配、全域场景融合、差异化客群定制及安全守护[30] - 工商银行：2025年平均MAU为1.94亿，推出手机银行智享+1.0，打造智慧服务、财富管理、惠民消费、缤纷权益和安全守护五大升级体验[33] - 邮储银行：2025年平均MAU突破5324.4万，推出手机银行11.0版本，致力于从功能型工具向“贴心陪伴”式服务演进[35] - 招商银行：在股份制银行中领先优势明显，2025年12月MAU达7721.1万，推出14.0版本，完成财富管理、信贷用卡、生活服务及智能交互四大核心升级[37] - 平安银行：在股份制银行中排名第二，推出平安口袋银行8.0版本，通过AI重构服务链路实现操作极简，并提供个性化洞察与福利增值[39] - 北京银行：以386.5万MAU位列城商行第一，推出手机银行APP 10.0版本，以“智慧进化、安心守护、生态融合”为核心方向进行迭代[41] - 天津银行：进入TOP50榜单，推出手机银行8.0版，致力于深度融合金融服务与生活场景[42]