生鲜商品出清是零售业中典型的"高频、低毛利、强时效"场景。AI的核心价值在于将需求预测与动态定 价结合，帮助企业在保障售罄的同时提升正价销售比例，从而实现利润与效率的双重优化。 文｜钱丽娜 ID | BMR2004 在超市行业中，生鲜商品出清是极为关键却颇具挑战的运营场景：一方面，它直接关系到生鲜商品的新 鲜度维护，影响消费者体验；另一方面，若折扣策略制定不当，极易导致门店利润受损，这一痛点长期 困扰着零售从业者。 成立于2015年的多点数智有限公司（英文名称：Dmall Inc.，简称 "多点 DMALL" 或 "多点数智"），作 为亚洲领先的零售数智化解决方案服务商，其业务覆盖广泛经营场景，恰好能精准满足零售商在关键运 营环节的需求，为解决生鲜出清难题提供了技术支撑。 在技术赋能层面，多点数智的布局持续深化：2024年，其解决方案核心系统Dmall OS融入AI技术，升 级至3.0版本；2025年，公司进一步将生成式AI（GenAI）置于战略优先核心位置，致力于为客户提供 更优质的AI零售核心解决方案及AI零售增值服务。 具体到超市生鲜出清场景，多点数智借助大模型技术，能够精准把控商品售罄节奏，制定出传统 ...

文章核心观点 - 生成式AI行业正从实验阶段转向大规模落地应用，企业支出和风险投资显著增长 [1] - 技术演进聚焦于智能体AI、多模态AI以及AI驱动的客户体验革新等关键方向 [1] - 行业未来发展需平衡技术创新与伦理、监管及可持续发展，以实现长期进步 [1][2] 生成式AI市场投入与行业趋势 - 2024年企业在生成式AI的支出从23亿美元飙升至138亿美元，显示投资热情高涨 [1] - 全球50.8%的风险投资流向AI企业，表明资本高度集中于该行业 [1] - 行业整体呈现出从技术实验向实际应用落地转变的明确趋势 [1] 智能体AI (Agentic AI) - 智能体AI具备自主决策和情境感知能力，区别于传统AI，成为关键发展方向 [1] - 预计到2028年，智能体AI将自主处理15%的常规组织决策 [1] - 该技术已在医疗、金融、物流等领域获得实际应用 [1] 多模态AI - 多模态AI是重要演进方向，能够整合文本、视觉等多种类型数据 [1] - 该技术被视为实现通用人工智能（AGI）的关键推动力量 [1] - 多模态AI在医疗、金融、教育等领域展现出巨大的应用潜力 [1] AI驱动的客户体验革新 - AI技术通过超个性化服务和智能客服自动化等方式革新客户体验 [1] - 企业应用案例显示，AI能有效提升运营效率和客户满意度 [1] 人工智能伦理与可持续发展 - 报告提出“可持续AI”理念，旨在通过优化算法减少对环境的影响 [2] - 强调AI与人类增强的共生关系，以及伦理AI对于保障公平和包容的重要性 [2] 通用人工智能 (AGI) 展望 - 专家预测在2025年至2035年间，通用人工智能可能取得突破性进展 [2] - AGI的发展需要强化基础设施支持，并伴随监管与伦理方面的争议 [2]

文章核心观点 - Vertical AI成为AI投资新焦点 其价值在于跨越从通用能力到行业落地之间的"Massive Delta"鸿沟 [1] - 决定下一代赢家的关键不完全在于全Agent替代模式 Copilots和AI-enabled Services模式同样可能实现突破 [1][10] - Vertical AI公司已显示出与传统SaaS公司相当的商业指标 年度合同价值达传统SaaS的80% 同比增长率高达400% [6] 资本热度升温 Vertical AI能否成为下一阶段的重点赛道 - 2024年全球AI风险投资总额激增至1100亿美元 实现62%年同比增长 而同期整个科技领域风险投资下降12% [5] - 截至2025年8月15日 全球AI相关公司累计获得1180亿美元融资 其中8家公司共融资730亿美元 占AI融资总额的62% [5] - 2025年Q2美国和加拿大Vertical AI风险融资总额为174亿美元 在784笔交易中占交易总量的57% 但仅获得36%的资金 [6] - 生成式AI每年可能为全球经济增加2.6万亿至4.4万亿美元 银行、高科技和生命科学等行业受益最大 [6] - AI-native公司年度合同价值达传统SaaS公司的80% 同比增长率400% 毛利率保持在65%水平 [6] Copilots vs AI-enabled Services vs Agents 谁能跨越Massive Delta - 从通用模型到最终客户需求之间存在巨大鸿沟 即"Massive Delta" 由技术和商业挑战构成 [7] - 专业领域工作流程复杂 包含非公开、非结构化的"过程知识"和"专门工作流" 需要与领域专家合作精确定义 [7][8] - 通用模型面临数据隐私合规性和遗留系统深度集成等隐形成本 医疗和法律领域要求私有化部署 [9] - Vertical AI发展出三种商业模式：Copilots、Agents和AI-enabled services 代表从辅助到替代的不同价值交付程度 [10] 从Citizen Health到Ramp 哪一Vertical AI公司能实现资本期待 - Y Combinator预测Vertical AI Agent市场规模将是传统垂直SaaS的十倍 不仅能替代软件 更能将软件与人工操作融合 [7] - 专注于医疗、金融、法律和客服等专业领域的AI初创公司获得从几百万到上亿美元融资 [4]

生成式AI催化剂重塑互联网行业 - 四项关键生成式AI催化剂包括模型进步、代理式体验、资本支出和定制芯片 正在重塑互联网行业格局 [1] - 领先AI模型的持续突破和代理式AI体验的普及 正推动行业进入新增长阶段 并进一步推动消费者支出数字化 [1] - 科技巨头正以前所未有规模进行投资 六大主要科技公司总资本支出将在2026年达到约5050亿美元 2027年增至5860亿美元 [1] 四大宏观AI驱动力量 - 资本支出激增：从2024年到2027年 六大科技巨头资本支出预计以34%复合年增长率增长 将显著影响公司自由现金流 [4][7] - 模型开发加速：顶尖AI模型将继续加速改进 充足资本、提升芯片算力和代理式能力开发空间将推动发布新一代更强大模型 [5] - 代理式体验普及：AI产品提供更个性化互动和全面消费体验 促进消费者钱包数字化 但仍需克服算力容量和推理能力等障碍 [5] - 定制芯片重要性提升：第三方公司对谷歌TPU和亚马逊Trainium等定制ASIC芯片测试采用可能性增加 成本效益和产能限制将促使客户寻求ASIC解决方案 [5] 资本支出对财务状况影响 - 到2026年 谷歌、Meta和亚马逊的基建资本支出预计将分别占其税前自由现金流约57%、73%和78% [7] - 巨额资本支出是科技巨头为AI未来下的重注 直接影响财务状况 但为未来增长奠定基础 [1][4] 公司偏好顺序与投资逻辑 - 摩根士丹利在大型科技股中明确未来12个月偏好顺序为亚马逊、Meta和谷歌 认为这三家公司有能力利用AI催化剂巩固市场地位并创造新收入来源 [3] - 亚马逊目标价300美元 评级增持 看涨逻辑基于AWS业务再加速和北美零售业务利润率持续改善 [9] - Meta目标价850美元 评级增持 关注核心平台改进、下一代Llama模型发布和多个未被充分定价看涨期权 [13] - 谷歌目标价210美元 评级增持 关注AI驱动搜索增长、用户商业行为潜在转移和谷歌云增长前景 [15] 亚马逊具体投资价值 - AWS业务2025年和2026年将新增大量数据中心面积 为2026年实现20%以上收入增长提供物理基础 高于目前19%基础预测 [9] - 北美零售业务利润率截至2025年第二季度为-1% 远低于2018年约1%水平 基础模型预计到2028年才能恢复至2018年水平 意味着2026/2027年每股收益预测存在进一步上调可能 [11] Meta增长驱动因素 - 利用GPU驱动核心广告业务改进仍有巨大空间提升用户参与度和变现能力 预计2026年初发布经过充分测试和改进下一代Llama模型 [13] - Meta AI搜索到2028年可能创造约220亿美元年收入机会 用户采用率已迅速追平ChatGPT和谷歌Gemini [13] - 商业消息等新业务是重要长期增长驱动力 [13] 谷歌竞争优势与增长点 - AI Overviews和AI Mode等创新有望推动搜索收入加速增长 预测2025年下半年和2026年搜索收入增速分别为12%和9% [15] - 在产品研究和比价等商业行为上 谷歌依然是消费者首选平台 领先于亚马逊及其他竞争者 [15] - Gemini模型和TPU芯片是推动GCP增长关键 Meta等公司与GCP签订合作关系 有望为2026年云业务增长贡献约300个基点 [15] - 市场尚未充分计价谷歌在定制芯片方面优势 构成潜在上行催化剂 [15]

全球AI算力产业链景气度 - 甲骨文最新财报推动公司股价大涨30% 英伟达等算力芯片厂商跟随上涨[2] - 博通获得新客户100亿美元定制芯片订单 股价上涨近10%[2] - 海外算力链高度景气 科技公司持续投资数据中心满足云服务需求[3][5] - 2024年全球云计算市场规模达6929亿美元 同比增长20.2%[3] - 2024年中国云计算市场规模达8288亿元 同比增长34.4%[3] 科技巨头AI基础设施投入 - Meta计划到2028年至少投资6000亿美元建设数据中心[5] - OpenAI计划在数据中心建设上花费数万亿美元[5] - 谷歌Q2云收入同比增32% 资本开支224.46亿美元同比增70.23%[9] - 微软Q2智能云业务增26% 资本开支170.79亿美元同比增23.11%[9] - 亚马逊Q2云计算业务增17.5% 资本开支313.68亿美元同比增91.35%[9] - 2025年全球ICT市场总投资规模接近5.9万亿美元 2029年增至7.6万亿美元[8] AI推理市场增长前景 - AI推理市场将远大于AI训练市场[11] - Agentic AI需要更复杂任务流程 推理Scaling是重要路径[11] - Token调用量随推理扩展倍数增长 算力需求随Token增长倍数增长[12] - Agentic AI渗透将使Token调用量增长10倍以上 算力硬件需求增长100倍以上[12] - 2024年初中国日均Token消耗量1千亿 2024年6月底突破30万亿增长300多倍[14] 中国云服务市场发展 - 阿里云2026财年Q1营收增26% AI基础设施累计投入超1000亿元[13] - 2025年上半年中国AI云市场规模223亿元 阿里云占比35.8%[13] - 2025年中国AI云市场预计增长148% 2030年达1930亿元规模[13] - 中国已建设高质量数据集超3.5万个 总体量超400PB[14] - 2025年中国企业级ICT市场规模3147亿美元 同比增长14.3%[14] - 中国IaaS支出五年复合增长率达14.7%[15] 甲骨文AI业务转型 - 甲骨文RPO飙升至4550亿美元 同比增长359%[6] - 第一季度新增RPO 3170亿美元 与OpenAI/xAI/Meta等签订大规模云合同[6] - 甲骨文从数据库转型AI基础设施提供商 为客户提供稳定可靠服务[6] - 二线云厂商可通过多云策略获得业绩增长 但需在技术/服务/性价比等方面积累优势[6]

全球高端智能手机市场增长趋势 - 2025年上半年全球高端智能手机销量同比增长8% 创上半年历史新高[1] - 高端市场增速高于同期全球智能手机总市场4%的增长率[1] - 高端市场贡献全球智能手机营收60%以上[1] 主要品牌市场表现 - 苹果仍是最大品牌 同比增长3% 在高端市场份额达62%[1] - 华为凭借忠诚用户群和强大线下覆盖率在中国市场保持吸引力 通过三折叠Mate XT等独特设计收复份额[1] - 小米在中国高端细分市场表现显著提升 高端电动汽车的光环效应反哺手机业务[4] - 谷歌时隔五年重返高端智能手机品牌前五 销量同比翻倍[4] - 三星依托S25系列实现增长 该机型表现优于S24[4] 区域市场表现 - 前十大高端市场贡献近80%销售额[4] - 印度以37%增长成为增速最快市场[4] - 中国作为全球最大高端市场仍是增长最大贡献者[4] 产品技术发展趋势 - 折叠屏成为品牌差异化关键抓手 苹果预计2026年入局[5] - 具备生成式AI能力的设备占高端智能手机销售80%以上[5] - 各品牌将GenAI打造为下一代关键差异因素[5]

全球高端智能手机市场增长 - 2025年上半年全球高端智能手机销量同比增长8% 创历史同期最高纪录 [4][5] - 高端市场增速高于全球智能手机总市场增速（4%） [5] - 高端市场贡献全球智能手机营收60%以上 [5] 品牌表现与竞争格局 - 苹果以62%份额保持第一 但份额因其他厂商增速更快而回落 同比增长3% 增长主要来自新兴市场 [5][9] - 三星同比增长7% S25系列表现优于S24 [9] - 小米同比增长55% 主要增量来自中国 高端电动汽车业务反哺手机业务 [9] - 谷歌销量同比翻倍 重返高端品牌前五 Pixel 9系列表现强劲 [9] - 华为凭借忠诚用户群和线下覆盖率在中国市场持续收复份额 [5] 区域市场动态 - 前十大高端市场贡献近80%销售额 [9] - 印度以37%增速成为增长最快市场 由苹果表现和便捷融资推动 [9] - 中国作为全球最大高端市场 是增长绝对数量的最大贡献者 [9] 产品与技术趋势 - 折叠屏成为品牌差异化关键抓手 苹果预计2026年入局 [9] - 2025年上半年具备生成式AI能力的设备占高端智能手机销售80%以上 [9] - 各品牌将GenAI作为下一代关键差异因素 硬件差距缩小使消费者选择更依赖AI生态系统 [9]

谷歌反垄断诉讼判决结果 - 谷歌在持续近5年的反垄断诉讼中取得重大胜利 联邦法官裁定无需剥离Chrome浏览器和安卓操作系统[1] - 判决附加条件包括与竞争对手共享部分数据 禁止签订预装搜索引擎独家协议 但允许继续支付预装费用[1] - 技术委员会将立即成立以执行判决 判决有效期6年 60天后生效[1] 市场与财务影响 - 谷歌股价盘后交易大涨超7% 市值增长约1800亿美元（约合人民币12851亿元）[1] - 苹果股价上涨超3% 该公司每年从谷歌获得超200亿美元付款 维持Safari默认搜索引擎合作[1] - 类似预装交易未来仍可继续进行 未对现有商业模式造成根本性冲击[1] 法官判决依据 - 法官认为生成式AI技术改变搜索格局 数千万用户使用ChatGPT等工具替代传统搜索引擎[6] - 裁定避免以10年为尺度的过度监管 防止对快速发展的AI领域造成意外后果[4] - 剥离核心资产被判定为"过度管辖" 谷歌未利用这些资产实施非法限制[7] 诉讼背景与进程 - 美国司法部2020年10月起诉谷歌在搜索和搜索广告市场滥用垄断地位[7] - 2024年8月法官裁定谷歌构成非法垄断 但拒绝司法部提出的拆分要求[7] - 谷歌提出更小范围补救措施 包括放松与苹果等公司的独家协议[8] 行业监管环境 - 本案判决对Meta 亚马逊 苹果等其他面临反垄断诉讼的科技巨头具有示范效应[9] - 2019年美国国会启动大科技公司反垄断调查 2020年众议院发布400多页报告指责四巨头滥用垄断力量[10] - 欧盟 英国 澳大利亚同步加强监管 欧盟对苹果和Meta分别罚款5亿欧元和2亿欧元[12] 技术竞争格局 - 生成式AI工具成为改变搜索格局的力量 ChatGPT Perplexity等产品正分流传统搜索引擎用户[6] - 数据共享条款可能帮助OpenAI等竞争对手优化AI产品 但谷歌CEO认为这将导致产品被复制[8] - 新兴AI公司和中小搜索引擎有望通过数据开放获得更大市场份额[13] 未来法律风险 - 谷歌仍面临另一项重大反垄断诉讼 涉及网页广告工具的剥离问题[3] - 本案可能持续上诉至2027年 最终落地仍取决于谷歌是否选择继续抗争[3][13] - 科技公司未来收购AI初创企业等行为可能面临更严苛的反垄断审查[12]

全球半导体营收预测 - 全球半导体营收预计从2024年到2030年几近翻番 规模超过1万亿美元[4][5] - 主要催化剂是先进AI服务器基础设施建设 受AI应用持续且可能加速的需求驱动[5] - 短中长期大部分需求来自超大规模云服务商 推动多模态GenAI成熟并为物理AI奠定基础[5] AI发展三阶段演进 - 第一阶段基础设施铺设伴随应用从基础文本转向结合文本 图像 音频和视频的多模态GenAI 提升Token消耗[7] - 第二阶段支持Agentic AI的Token生成量呈指数级增长 从复杂对话式AI到全链路多媒体内容生产[7] - 第三阶段支撑物理AI到来 推动人形机器人 工业机器人与车辆等自主机器崛起[7] AI价值分布与演进 - 当前AI价值更多集中在半导体侧 超大规模云厂商 二线云玩家与企业加速建设AI基建[7] - 2024年AI市场以硬件为主 约80%直接营收来自基础设施与端侧的半导体[10] - 长期价值将由AI价值链中的应用与API进一步释放 格局正转向由AI Token经济驱动的新阶段[9][10] 半导体行业驱动因素 - 芯片是AI经济支柱 驱动从云平台 模型与框架到应用的一切 包括GPU 加速器 存储器与光互连[7] - 下一波AI浪潮最大价值在于运营成本显著降低 包括劳动力生产率提升和广泛自动化带来的效率收益[10] - Token正成为新的AI货币 对云与端两端的算力 内存与网络提出巨大需求[7]

核心观点 - 企业在生成式AI领域投入300-400亿美元但95%机构未能获得可衡量商业回报 形成"GenAI鸿沟"现象[3][7] - 成功跨越鸿沟的企业聚焦范围窄价值高的用例 将AI深度融入工作流并通过持续学习实现规模化推广[6][59] - 智能体AI(Agentic AI)具备记忆和适应能力 是解决GenAI鸿沟的关键方向 窗口期约18个月[58][74][75] 行业变革现状 - 仅科技和媒体行业出现明确结构性变革 其余7个行业处于变革劣势方[12][21] - 基于AI市场变革指数(0-4分): 科技行业领先(新挑战者崛起/工作流变革) 媒体与电信(AI原生内容/广告变革) 医疗健康与能源行业垫底[15][18][21] - 9个主要行业中7个开展大量试点但未出现结构性变革 投资与变革差距显著[21] 企业部署困境 - 企业定制AI工具仅5%实现投产 通用工具部署率40%但价值限于个人生产力提升[8][22] - 大型企业(年营收超1亿美元)试点数量领先但规模化转化率最低 中端市场企业从试点到实施平均仅90天[28] - 60%机构评估定制系统但仅20%进入试点阶段 最终仅5%投入生产环境[8] 影子AI经济 - 90%员工定期使用个人AI工具处理工作 远超40%的企业官方订阅率[30][32] - 员工通过ChatGPT等消费级工具实现工作自动化 形成比官方项目更高投资回报率的影子经济[30][32] - 前瞻性机构通过分析影子AI使用情况识别高价值工具 再采购对应企业级解决方案[33] 投资分配失衡 - 70% GenAI预算流向销售和营销部门 但后台自动化实际投资回报率更高[35][38] - 投资偏向可见性高但变革性弱的用例 后台部门高回报机会缺乏资金支持[38][39] - 企业类型影响投资分配: 制造企业重运营 科技企业重营销 专业服务企业重文档自动化[38] 核心障碍分析 - 首要障碍是员工抗拒新工具 其次为模型输出质量担忧和缺乏学习能力[42][43] - 关键业务场景中90%用户倾向选择人类而非AI 因现有工具缺乏记忆和适应能力[52][54] - 高风险任务适用性评估显示: AI在邮件起草(70%)和基础分析(65%)占优 但复杂任务人类优势达9:1[57] 成功实施策略 - 外部合作项目成功率67% 是内部开发(33%)的两倍[77][83] - 战略合作伙伴模式部署概率是内部开发2倍 员工使用率也近2倍[84] - 成功企业要求供应商提供深度定制服务 基于业务成果而非技术指标评估价值[85][90] 成本节约来源 - 最显著成本节约来自后台自动化 替代业务流程外包(BPO)和外部机构服务[86][87] - 实际案例: 客户服务文档处理年省200-1000万美元 外部创意成本降30% 风险管理年省100万美元[87][91] - 收益主要通过减少外部支出实现 而非削减内部员工[87] 劳动力影响 - GenAI导致客户支持/行政处理岗位减少5%-20% 这些岗位传统已被外包且流程标准化[89] - 科技媒体行业80%高管预计24个月内减少招聘 医疗健康行业明确不减少临床人员招聘[93] - AI素养成为核心招聘要求 应届毕业生比有经验人士更具优势[93] 技术演进方向 - 智能体网络(Agentic Web)成为下一代基础设施 支持智能体间自主协商与协作[94] - 模型上下文协议(MCP)/智能体通信协议(A2A)/NANDA框架推动互操作性发展[75][94] - 系统将能自主发现供应商/建立动态API集成/实现无信任交易[94]