行业竞争格局演变 - 2025年末，AI行业竞争已进入大厂主导阶段，国内外大厂从基建投入、模型研发、应用推广等多层次发力，主导了AI入口、算力等关键领域的叙事走向[5] - 大厂与创业公司之间的竞争格局已悄然发生变化，AI创业公司成为下一个时代巨头的难度提升[5][6] - 若无大模型技术的巨大突破，AI创业公司很难对抗在流量、资金、生态方面占巨大优势的大厂[7] 大厂市场策略与动作 - 大厂AI产品进行激进的大众化传播，在跨年演讲、跨年晚会、春晚等聚集大众注意力的场合进行推广[6][9] - 阿里、腾讯、字节旗下AI助手均未缺席大V跨年演讲，以把握精准流量[11] - 阿里旗下千问冠名B站跨年晚会，字节旗下火山引擎与春晚达成独家AI云合作，豆包配合上线多种互动玩法，旨在借助注意力聚集时间完成破圈和增长[11] - 大厂在2025年凭借巨量资源投入和果断业务动作，拿回AI叙事主导权[13] - 腾讯利用DeepSeek走红快速投入资源，使元宝用户数快速增长；字节支持的豆包月活跃用户数已达1.72亿，在多个AI产品榜单中位列首位[13][14] - 阿里系在2025年11月先后推出千问、灵光、夸克AI眼镜，并将AI健康应用AQ更名为蚂蚁阿福；千问公测一周下载量突破1000万，灵光用户规模6天突破200万，上线一个月用户创建超1200万个闪应用[14] - 腾讯在2025年12月调整大模型研发架构，成立AI Infra部、AI Data部、数据计算平台部，显示其开始在AI领域发力[14] - 大厂增加资金投入：阿里准备在年初宣布的3800亿元战略投入基础上进一步加码；字节预计2026年资本支出将达1600亿元[14] AI创业公司动态与分化 - AI大模型创业公司在未来规划上出现分化：智谱和MiniMax选择在2026年1月初挂牌上市；百川智能聚焦医疗赛道；月之暗面在2025年底完成C轮融资[15] - 创业公司融资金额远小于大厂投入：智谱预计募资约43亿港元；MiniMax最高可募资约41.89亿港元；月之暗面C轮融资5亿美元（约合35亿人民币），现金储备超百亿[15] - AI应用领域创业公司Manus卖身Meta，标志在大厂自研模型、跟随开发和免费策略下，创业项目天花板降低[17] 创业公司的潜在机会 - 根据a16z合伙人提出的“金砖理论”，大厂周围存在巨大商业机会，但大厂通常只选择离自己最近的机会（如AI入口、AI云业务），这为小厂留出“绿地”，即那些离大厂更远、看似太小、太繁琐、太无聊的机会[17] - 机会可能存在于更细分的垂类业务，例如AI植物识别工具PL@ntNet、AI背景移除工具Background Eraser、AI实时提词工具幕语提词器、商业分析智能体先见AI、AI动画创作Agent OiiOii[18] - 机会也可能是在原有赛道上形成更大差异化，如月之暗面创始人表示2026年Kimi将追求成为“与众不同”和“不被定义”的大模型，其独特性是存在的最大意义[18]

具身智能与人形机器人发展现状与争议 - 2025年具身智能领域关注度持续攀升 但在应用普及、路线分化和场景落地方面仍存在进展与争议[6] - 人形机器人能力提升突飞猛进 已能完成跑酷、跳舞等复杂动作 但与大规模进入服务岗位的现实存在不协调[6] - 工业场景对机器人的效率与精度要求极高 例如快递分拣效率需达1800件每小时 汽车工厂失误率要求达万分之一乃至十万分之一 目前人形机器人仍难以企及[6] - 尽管人形机器人公司数量与融资额攀升 行业对其能否快速在市场上扎根仍持高度怀疑态度[6] - 摩根士丹利研究部估计 到2050年人形机器人数量可能超过10亿台 对应市场价值达5万亿美元[7] - 实现规模化应用的关键挑战在于需求端 目前缺乏需要每个工厂部署数千台人形机器人的明确应用场景[7] - 行业中长期发展方向更倾向于部署数百台机器人 且每台能完成约10项任务[8] 2025年具身智能关键技术进展 - 在精细操作、长程任务和持续工作三个方面 技术能力刷新了SOTA（State-of-the-Art）水平[8] - 精细操作方面 年初的DexterityGen证明强化学习（RL）可将机械手握持物体的稳定时间提升10至100倍 使机器人能使用笔、注射器等工具[9] - 年末的Generalist AI Gen0模型预训练时长达到27万小时 集成了多场景海量操作技能 可实现从削土豆皮到组装相机套件等广泛操作 并能跨机械臂和人形平台通用[9]

软件属性从“辅助工具”向“数字劳动力”的范式转移 - 本轮技术周期的核心是软件商业属性正经历从“辅助工具”向“执行主体”的范式转移 [4] - 过去软件是依附于人类员工的辅助工具，其价值必须通过人的操作才能释放，人是业务流程的绝对核心 [4] - 在人工智能时代，软件本身性质发生质变，进化为能够独立执行任务的数字劳动力，可以替代人类完成端到端的劳动环节 [3][7] - 例如，软件可以直接与客户进行多语言通话催收，或自动完成法律文书的起草，而不再像传统CRM或Excel那样依赖人工输入 [6] 商业价值对标与市场空间的重构 - 软件作为工具时，企业的采购决策基于有限的IT维护预算，这部分预算占比小且增长乏力 [7] - 当软件被定义为数字劳动力时，其商业对标对象转变为高昂的人力薪酬成本，直接与企业运营支出竞价 [8] - 这种逻辑激活了大量过去因流程刚性、碎片化且依赖人工判断而缺乏软件化价值的边缘领域 [9] - 例如法律索赔处理或牙科诊所前台等场景，在AI时代因人力替代价值而成为利润丰厚的核心市场 [10][11] - 数字劳动力能够以极低的边际成本接管这些劳动密集型的刚性流程任务 [11] 定价模式的根本性变革：寻找“Goldilocks Zone” - 传统的按席位订阅（SaaS）模式对数字劳动力已失效，因为其核心价值在于通过自动化减少对人类员工的需求 [12][13] - 若沿用旧模式，产品越成功，客户所需席位越少，软件公司收入反而会萎缩 [14] - 创业者需采用“Goldilocks Zone”定价策略，在软件成本与人力成本之间寻找最优套利空间 [15] - 定价平衡点必须显著低于雇佣真人的综合成本，以巨大的降本优势驱动购买决策 [16] - 同时，定价又要远高于传统工具软件的订阅费用，以匹配其交付的实际劳动成果 [17] 竞争格局变化与创业公司的突围策略 - AI技术已成为巨头共识，过往依靠在位者认知偏差获取的时间窗口红利期已经过去 [18] - 初创企业需运用“金砖理论”，寻找巨头因机会成本而战略性放弃的“结构性缝隙”以突围 [1][18] - 真正的护城河需建立在对特定行业上下文的深度掌控之上，而非短期的模型差异化红利 [1] - 创业者应将核心壁垒从同质化的底层模型能力，转移至对特定行业“上下文”的深度理解与工作流嵌入 [18]