记者丨 王峰 编辑丨李博 在准备下节课要讲的如何计算平行四边形面积时，内蒙古自治区清水河县的小学数学教师梁学 慧下意识地找来一张白纸，打算剪出一个平行四边形，让学生在课堂上折一折。 从教十几年来，每到这节课，梁学慧都是这么讲的。 但这一次，梁学慧突然有了不一样的想法：学校教室的平板电脑里有现成的教学软件，可以画 出3D平行四边形，让学生"亲手"去拼切推拉，就不必讲得那么抽象了。 与此同时，清水河县逸夫小学办公室主任张嘉宁正在推进他牵头的教师AI与实用工具分层培训 实操方案。1月，全校教师要以小学五年级科学《植物的向光性》为课例，使用剪映制作一个 跨学科教学视频，再使用KIMI制作所在班级学生的个性化错题集。 梁学慧和张嘉宁是广大中西部地区乡村教师的缩影，他们或主动或被动地拥抱智能体，利用人 工智能赋能教学。这是大势所趋，东部发达地区的同行们已经先行一步，他们需要迎头赶上， 只不过， 他们使用智能体的策略明显不同 。 资料图 A I走进乡村课堂 系统性教研变革 这样的现象在以前是没有的，乡村教师用起智能体，是一件可喜又颇艰难的过程。 "小明以匀速行走在从街心花园到青城花园的公交车线路上，而线路的起点站和终点站， ...

文章核心观点 - 人工智能等数字技术正逐步融入中国中西部乡村教育 通过赋能教师教学与推动系统性教研变革 有效解决了乡村学生在认知理解上的难点 并提升了教师的教学设计与跨学科实践能力[3][5] - 乡村教师应用智能体呈现出因地制宜、与乡土资源结合的特点 并强调理念革新重于设备贵贱 使用策略与东部发达地区明显不同[3][9] - 一项名为“智惠园丁”的系统性教研变革项目通过组建跨区域“名师工作室”、开展长期陪伴式指导与课题研究 显著提升了试点地区的教师教学能力与区域教育质量[7][8] AI技术在教育场景的具体应用 - 内蒙古武川县第二小学数学教师利用网络视频和AI工具辅助 模拟城市公交车运行线路图 帮助学生理解超出其生活经验的数学应用题题意[4][5] - 内蒙古清水河县逸夫小学教师利用大模型APP 通过学生分组输入提示词 生成班歌和班徽 成功实施了道法、音乐、美术、语文的跨学科教学场景[5] - 乡村数学教师在AI辅助下编写分数乘法计算教学小程序 将抽象计算转换为直观的图像演示 帮助学生理解[9] - 西部教师利用AI图像识别技术解析剪纸纹样 结合3D打印开发校本课程 并同步对接草原生态站开展科学探究[9] - 教师使用手机AR扫描硬纸板生成3D模型 让立体几何课在乡土课堂变得生动[9] - 学校推广使用的AI工具主要为豆包、剪映、KIMI等免费且低门槛的应用[9] 教师队伍现状与教研挑战 - 清水河县逸夫小学963名教师中 50岁以上教师占三分之一以上 30岁以下教师仅几人 队伍教学经验丰富但理念较为陈旧[6] - 武川县小学教师队伍目前以中老年教师为主 教学理念需要提升[6] - 中西部农村地区教研活动以县为单位 虽频繁但缺少外部经验的持续引进与内化 导致教师易回归传统教学办法[6] 系统性教研变革项目“智惠园丁” - 项目于2023年9月在武川县、清水河县等地启动试点 组织北京、上海等地教学专家与当地教师组建“名师工作室” 进行为期三年的陪伴式指导[7] - 在武川县 参与项目的174名教师覆盖了义务教育阶段骨干教师的63% 他们进入9个学科名师工作室 实际培训覆盖全县358名教师 包括年长教师在内的全体学科教师均参与学习[7] - 项目培训对象不仅包括教师 还涵盖教研员、校长、教育局领导干部等区域教育发展的重要角色[7] - 项目将县域内多校教师整合为学科共同体 解决了校本教研难的问题 消除了教师的专业孤独感[8] - 项目以课题为牵引 强调教师的科研意识与持续探究能力 清水河县要求名师工作室成员每人参与一个自治区级或市级课题[8] - 截至2025年12月 项目已推广至全国25个县域 超过12万名乡村教育工作者受益 83项教研课题获国家及省市级立项[8] - 项目成效显著 一个试点县的中考成绩从常年的全市末位上升至第三名[9] 数字化教育的理念与路径 - 乡村教师应用智能体需要提升的不仅仅是数字化素养 更需要将数字化素养嵌入学科教学能力之中 这是更有效的提升路径[9] - 技术融合的关键在于理念革新而非设备贵贱 鼓励使用深度AI工具的同时 需在备课、教学等核心环节保持教师绝对主导[9][10] - 并非每节课都必须使用AI工具 选择标准是看课堂是否有效果、学生能力是否得到发展[10] - 农村教师迎接数字化挑战 首要是不惧怕、不焦虑于新技术迭代 已有教师从使用低门槛工具发展到自己编写工作流[10]

纪要涉及的行业与公司 * **AI与算力行业**：涵盖AI应用发展、模型迭代、算力需求、资本开支、网络改造、光通信等[1][3][4][8][9][10][20] * **半导体与硬件行业**：涉及AI芯片（如GPU、TPU）、存储、光模块、交换器、液冷技术等[1][8][11][12][13][14][20] * **燃气轮机与能源行业**：聚焦燃气轮机产业链，特别是涡轮叶片供应瓶颈，以及固体氧化物燃料电池(SFC)行业[2][15][16][17][18][19] * **提及的主要上市公司**： * **海外**：Meta、微软、谷歌、亚马逊、英伟达、闪迪、赛莱斯卡（天虹科技）、康宁、Lumentum、Coherent、GE、GEV、安萨尔多、PCC、HWM、Bloom Energy、Akamai、Cloudflare[1][7][10][11][12][13][14][15][20][21] * **A股/国内**：新易盛、中际旭创、航务机、海光、东阳光、应流股份、万泽股份、春晖智控、振华股份、三环集团、国付清、潍柴动力、易事通、汇聚、博创、腾景、致尚科技、炬光科技、泰辰光[2][3][8][16][21][22] 核心观点与论据 **1 AI应用与算力需求进入新临界点** * AI应用进入新临界点，现象级应用（如Cloudy Code、Cloud Boat、剪映）频繁出现[1][4] * 模型迭代加速，硬件（如CPV7、Black Clear机型）落地及强化学习等后训练方法成熟是主要驱动力[1][4] * GPT-3 Pro关键指标达临界值，各类评价指标准确率提升约15%以上，例如屏幕理解指标从11.4%提升至72.7%[1][5][6] * AI超级入口载体成形，阿里、腾讯争夺流量，豆包手机等新载体有望成为重要数据接口和操作平台[1][7] **2 海外科技巨头资本开支强劲，验证算力高景气** * Meta预计2026年资本开支达1,150至1,350亿美元，用于数据中心、服务器及网络设施，较2025年的700亿美元显著增长[1][10] * 微软2025年第四季度资本开支达7,375亿美元，同比增长66%，云商业订单增长230%[11] * AI对Meta业务产生积极带动，Facebook广告点击率因新序列学习模型提升3.5%，用户观看时长增加20%至30%[10] **3 算力产业链各环节表现强劲，前景乐观** * **存储**：闪迪公司2026年第二财季营收30.25亿美元，同比增长61%，环比增长31%；下季度营收指引中值同比增长171%，毛利率预计达65%至67%[1][12] * **设备与制造**：赛莱斯卡大幅上修2026年资本开支至10亿美元，扩建泰国和美国产能，并与谷歌达成10年TPU系统合作[1][13] * **光通信**：康宁与Meta达成价值60亿美元、期限至2030年的协议，推动光纤扩产[20]；台积电给供应链积极指引，对应今年4-5万台CPU交换器需求[20] * **整体展望**：英伟达积极拉动订单，谷歌、亚马逊新TPU将量产，一季度许多公司淡季不淡，一二季度业绩环比有望提升[14]；包括ACIK等领域在2026年及2027年将爆发式增长[14] **4 网络端改造与边缘算力带来新增长机会** * 云手机和AI手机普及将消耗大量边缘端带宽和算力，创造巨大流量需求[9] * 国内CDN价格未稳，但海外Akamai、Cloudflare已初步稳住[9] * 网络端改造对相关公司业绩提升具有重要意义[9] **5 燃气轮机行业供需矛盾突出，国内叶片企业迎机遇** * **需求旺盛**：GEV 2025年新签订单达29.8 GW，其中第四季度10.2 GW，超出市场预期的8 GW[17] * **供应瓶颈**：核心零部件涡轮叶片产能紧缺，全球市场高度集中（PCC和HWM占约50%份额），其扩产慢于主机厂[18] * **产能挤占**：叶片公司优先承接毛利率高、合同期长的航空发动机叶片订单（军用、民航），挤占燃气轮机叶片产能；美国军费提升计划将进一步加剧此矛盾[18] * **国内机会**：应流股份已突破西门子能源重型燃气轮机市场，并与GEV、安萨尔多等合作[2][19]；万泽股份获西门子能源轻型燃气轮机开发订单[2][19] **6 固体氧化物燃料电池(SFC)行业获政策与订单驱动** * **政策支持**：美国从2026年起对SIC实施30%的投资税收抵免政策[16] * **需求紧迫**：近期缺电问题促使采用多种手段，包括商业燃气轮机、天然气发动机等[16] * **公司动态**：Bloom Energy计划大幅扩展SOC产能至2026年底2GW、2027年底4GW以上[15]；获得德克萨斯州数据中心1.5GW动力订单，并与AEP签署26.5亿元合同[15] * **供应链**：核心供应商MTAR计划在2026、2027年将产能分别提升至1.2万台和2万台，较2025年的8,000台分别增长50%和150%[15] 其他重要内容 **1 市场情绪与投资时点** * 尽管近期科技股财报不错（如旭创、新易盛），但市场情绪较为低迷，博弈氛围浓厚[3] * 这种时刻往往意味着较好的投资机会，当前正处于新一轮临界点[3] **2 本周关注点与潜在催化剂** * **业绩发布**：需关注谷歌、Lumentum和Coherent的业绩，乐观指引将对相关产业链产生积极影响[21] * **行业事件**：英伟达(NV)有关CPO的演讲可能成为短期催化剂[22] * **关注公司**：可重点关注致尚科技（MPU代工）、炬光科技（硅透镜）及泰辰光（MPO代工）等企业[22] **3 国产算力与技术公司** * 看好国产算力资产如航务机、海光等[8] * 东阳光公司在液冷技术方面有潜力成为中国核心企业[8]

工信部2025年第四季度电信服务质量通告核心内容 - 文章核心观点：工信部通告显示，电信服务整体质效显著提升，但在线客服可及性等问题依然存在，同时监管持续在APP治理、骚扰信息整治及特殊群体服务优化方面发力 [1][2] 服务能力与用户投诉 - 多家互联网企业人工客服存在问题，包括植物大战僵尸2、陌陌、酷我音乐无法找到人工客服，分期乐、新浪新闻、钉钉、酷狗音乐、剪映的人工客服无法接通，相关企业已被督促提高服务能力 [1] - 截至四季度末，在售资费方案公示率达99.9%，线上业务办理量占比超91% [1] - 视频客服服务用户超6000万人次 [1] 特殊群体服务与无障碍改造 - 3092家与老年人、残疾人生活密切相关的网站、APP、小程序完成改造 [1] - 基础电信企业“一键呼入人工客服”尊老专线累计服务超6.5亿人次 [1] - “二次号码焕新”服务覆盖239款主流应用，累计服务用户超580万人次，有效解决用户换号后账号解绑难题 [1] 骚扰信息治理与用户防护 - 2025年四季度累计关停违规语音专线1353条、短信端口269个，依法责令整改、处罚违规企业128家次 [2] - “来电来信免打扰”服务为12.7亿用户提供营销电话、短信防护服务53亿次 [2] APP规范管理与技术抽测 - 工信部引导APP规范发展，规范管理APP、终端、分发平台等无障碍权限的申请使用行为 [2] - 2025年四季度开展APP技术抽测97批次，责令整改1972款，公开通报596款，下架46款 [2]

文章核心观点 - AI行业在经历三年高速发展后，于2025年进入“审计元年”，焦点从概念炒作转向对投资回报率（ROI）和实际交付能力的严格审视[5] - 当前AI应用面临“生产力悖论”，多数仅提供“增量体验”或充当“高级插件”，未能创造根本性变革，商业价值存疑[7][11] - 真正的AI革命需创造出“新物种”，其标志是能够替代传统岗位、实现“去界面化”交互，并带来成本结构的根本性颠覆，而非在旧有框架内进行效率优化[14][16][17] - AI在中国市场的落地面临“数据债”和“自动化协同债”等基础数字化不足的挑战，需先补足基础设施，是一场长期工程[22][24][27] - 2026年AI商业化的关键拐点在于推理成本的大幅下降、“硅基员工”（Agent）的成熟应用，以及业务流程的深度嵌入，成功者将不再标榜“AI”标签，而是成为无缝的解决方案[28][30][35] C端AI市场的现状与困境 - C端应用表面繁荣，如字节豆包、DeepSeek周活破亿，剪映、美图等AIGC工具普及，AI教育辅导付费率达25%-30%，但用户习惯多为“功能白嫖”，难以转化为高频深度付费订阅[5] - C端AI主要提供“省事不省心”的增量体验，例如仅加快写周报速度，但无法减少总工作时间，缺乏改变格局的商业价值[7] - 用户对AI的新鲜感已转变为免费使用习惯，付费意愿低，导致其商业潜力受限[5] B端AI市场的需求与挑战 - B端企业（如汽车、金融、农业、医药）对AI应用更为务实，需求明确指向解决具体成本难题，例如金融风控节省数亿元坏账，医药研发大幅缩短以年为单位的周期[8] - 企业采用AI的前提是严格的“KPI审计”，核心关注系统集成能力（如对接ERP）与推理成本是否低于人力成本[10] - 许多AI创业公司缺乏实际交付能力，其解决方案可能沦为“伪命题”，无法满足企业降本增效的核心诉求[10] 当前AI应用的局限性与“生产力悖论” - 当前AI应用多处于“不用马的马车”阶段，即用先进技术解决老旧问题，例如文生视频仅用于广告海报、短视频素材等存量市场内卷，而非创造新市场[13][21] - 存在“生产力悖论”：若AI仅十倍速生产低价值内容（如润色PPT、生成废图），则是对社会资源的浪费，技术价值存疑[11] - AI交互仍被困于传统图形用户界面（GUI）逻辑，需通过对话框、进度条、菜单进行操作，未实现交互范式革命[14] AI“新物种”难产的核心原因 - 技术成本与收益倒挂：例如GUI Agent（智能体）通过模拟人类点击屏幕完成任务，其算力与电力成本可能超过所替代的人力成本（如外卖佣金），使其难以商业化[15] - 真正的“新物种”需跳过GUI，在底层协议栈进行“数字契约交易”，实现“去界面化”，但目前技术尚未成熟[16] - 判断革命的标准是能否使传统岗位“实实在在地消失”，而当前应用多为“以人为本”的工具增强（如AI助手、智驾辅助），未改变生产关系的本质[17][18] 中美AI落地差异的根源 - 中国企业普遍存在“数据债”：近九成（89.84%）企业尝试使用AI，但仅11.72%建立正式AI治理制度，超过47%未开展基础员工AI培训，且数据分散、标准不一，阻碍AI有效应用[22] - 存在“自动化协同债”：许多传统产业（如制造、农业）自动化与工业软件基础薄弱，数据无法流通，导致AI项目沦为昂贵的“手工活”，例如工业检测需大量人工标注数据[24][26] - 美国在科研、金融、生物医药等领域数字化基础牢固，AI易于集成提升效率；而中国部分大规模产业数字化地基尚不稳固，AI需先弥补数字化欠账[24][25] 2026年AI商业化的关键趋势与转型 - **推理成本崩塌**：推理成本正以每年近10倍的速度下降，当其降至人力成本的百分之一时，AI商业逻辑将彻底改变，机会在于“小切口、高频次、低容错”的硬场景（如自动财务合规、工业瑕疵拦截）[28][29] - **“硅基员工”入职元年**：AI将从对话式副驾驶（Copilot）进化为代理型智能体（Agent），可自主领任务执行，企业核心在于将行业知识（Know-how）软件化为可复制、进化的“数字资产”[30][31][32] - **“去界面化”与组织变革**：AI原生组织将尝试“拆掉屏幕”，让系统与智能体通过底层协议直接协同，这将导致许多中间管理岗位物理消失，人类仅负责设定目标与伦理监督[33][34] - 成功的AI应用将不再显性标榜AI，而是深度嵌入企业ERP流程、工厂设备及商业决策中，成为解决具体交付难题的无声解决方案[35][36]

文章核心观点 - 2025年是AI的“审计元年”，行业关注点从概念炒作转向对投资回报率(ROI)和实际交付能力的严格审视[1] - AI当前最实际的定位是成为提升具体工作场景效率的“超级打工人”或“带薪实习生”，而非颠覆性革命者[1][5] - AI行业面临“生产力悖论”，若仅提升低价值内容的生产速度，则是对社会资源的浪费[5] - 真正的AI“新物种”尚未出现，行业仍处于“不用马的马车”阶段，即用先进技术解决老旧问题，而非创造新范式[6][12] - AI在中国的落地面临“数据债”和“自动化协同债”等基础数字化不足的挑战，需先补课才能发挥价值[14][17][20] - 2026年AI商业化的关键在于推理成本下降、Agent（智能体）普及以及“去界面化”交互，最终AI将如“硅基员工”般融入业务流程[23][25][27] C端市场：热闹与尴尬并存 - C端应用用户活跃度高，如字节豆包、DeepSeek周活破亿，剪映、美图等AIGC工具已成标配[2] - 部分垂直领域如AI教育辅导付费率可达25%到30%，属于互联网圈内的高水平数据[2] - 用户行为普遍停留在“功能白嫖”阶段，习惯使用AI完成搜资料、写大纲等轻量任务，但为高频深度服务付费的意愿低[2] - 当前C端AI多提供“增量体验”（如写周报快十分钟），但无法解决核心痛点（如少加班一小时），属于“省事不省心”，商业价值有限[3] B端市场：价值导向与交付挑战 - B端企业客户更为务实，拥抱AI的前提是能精准解决成本难题，并带有严格的“KPI审计”[4] - 行业应用场景广泛，涵盖汽车智驾、金融风控、农业养猪、医药研发等[4] - 成功案例如金融机构用AI风控可省下数亿元坏账损失，医药企业用AI可大幅缩短按年计算的研发周期[4] - AI创业公司面临严峻的交付能力挑战，企业核心关切在于系统集成能力（如对接ERP）与推理成本控制（需低于人力成本）[5] - 许多AI项目陷入“生产力悖论”，投入巨大仅用于生成低价值内容（如润色PPT、生成废图），造成资源浪费[5] AI“新物种”难产与交互困境 - 当前AI应用本质是“存量市场的内卷升级”，例如文生视频技术主要用于生成广告海报、短视频素材等，而非创造全新事物[7] - AI交互仍被困在传统的图形用户界面(GUI)逻辑中，用户仍需通过对话框、进度条、复杂菜单进行操作，未发生根本改变[7] - 手机GUI Agent（智能体）存在商业死结：其通过大模型分析屏幕像素、模拟点击的调用成本，可能高于其带来的收益（如外卖佣金）[8] - 技术的“脑力成本”若远高于其能替代的“人力成本”，则只能沦为实验室玩具[9] - 真正的AI原生应用需能跳过界面，在底层协议栈进行“数字契约交易”，实现“去界面化”[9][27] 中美AI落地差异与基础“欠债” - 中国近九成企业（89.84%）已尝试应用AI，但仅11.72%建立了正式的AI治理制度，超过47%的企业未启动基础员工AI能力培训[15] - 中国企业普遍存在“数据债”，数据散落在不同系统甚至纸质记录中，断档、碎片化、错误的数据会导致AI放大错误[15][16] - 存在“自动化协同债”，许多传统工厂底层工业软件陈旧，传感器未打通，数据无法流通[17] - 美国在科研、金融、生物医药等产业数字化基础牢固，AI如同“室内装修”，能快速见效；而中国在制造、新能源、农业等领域数字化地基尚不牢，AI需先补数字化功课[17][18] - 基础不牢导致许多AI项目（如工业缺陷检测）退化为昂贵的手工活，需雇佣大量数据标注员进行手动打标签[19] 2026年AI商业转型的核心方向 - **推理成本崩塌**：AI推理成本正以每年近10倍的速度下降，当其降至人力成本的百分之一时，商业逻辑将彻底改变[23] - **“硅基员工”入职**：AI将从对话式的Copilot（副驾驶）进化为能直接领任务干活的代理型AI（Agent）[25] - **行业Know-how软件化**：企业的核心护城河在于能否将资深专家的经验封装成可复制、持续进化的智能体团队，形成“数字资产”[26] - **“去界面化”交互**：AI原生组织将逐步摆脱屏幕和GUI，实现系统与智能体间通过协议直接对接，这将导致许多中间管理岗位物理消失[27] - **应用场景深化**：机会在于“小切口、高频次、低容错”的硬场景，如24小时全自动财务合规、毫秒级工业瑕疵拦截[24] - 成功的AI应用将不再标榜“AI”标签，而是像自来水一样融入企业的ERP流程、工厂机械臂和商业决策中[29]

行业趋势 - 2025年AI技术在细分领域加速落地，视频编辑赛道进入以“生产力重塑”为核心的新阶段，告别单纯功能叠加的粗放竞争 [1] - 行业趋势是通过持续技术创新与场景深耕实现差异化突围，深度助力用户年轻化、创意化表达 [2] 公司产品表现 - 美图公司旗下视频编辑工具Wink凭借视频与动态影像优化、画质修复、Live美颜等功能，与剪映等产品形成差异化 [1] - Wink入选2025年度AI 100创新产品榜，突显了垂直赛道深耕对创新产品突围的关键作用 [1] - Wink还入选七麦数据发布的2025年度实力AI产品App榜单Top100和2025年度iOS实力应用榜单Top100 [1] - 2025年Wink海外用户下载量与活跃度攀升，多次登顶印度尼西亚、泰国、越南、缅甸、菲律宾、老挝等国家和地区的应用商店榜单 [1] - Wink先后入选点点数据发布的2025年度实力出海应用和七麦数据发布的2025年度出海实力应用Top50两大榜单 [1] 公司竞争优势 - 依托美图在AI影像领域的先发优势，Wink这类聚焦细分场景且易用的影像工具具有发展潜力 [2]

字节跳动进军云市场 - 字节跳动正大举进军中国云市场，寻求利用其在AI领域的技术进步推动业务多元化，不再局限于消费类应用[1] - 公司通过扩充销售团队和压低价格快速扩展其企业云产品“火山引擎”，并向企业客户推介依托其庞大数据储备和计算基础设施的定制化AI产品[1] - 这一战略搅动着价值数十亿美元的中国云计算行业，该行业长期以来由阿里巴巴、腾讯和华为主导[1] 市场份额与竞争格局 - 研究公司IDC数据显示，火山引擎已成为中国第二大AI基础设施和软件提供商，仅次于阿里巴巴[1] - 2025年上半年，字节跳动在中国AI云服务市场的收入达到3.9亿美元，占比接近13%，仅次于占23%的阿里巴巴[1] - 字节跳动在中国整体云市场的份额只有大约3%，但在AI服务这一云市场增长最快的板块正在取得优势[2] - 华为和腾讯在2025年上半年的AI云市场份额均出现小幅下滑，为字节跳动创造了进一步夺取市场份额的机会[3][4] 字节跳动的AI战略与优势 - 公司以AI为核心的增长战略可能有助于推动其未来的潜在首次公开招股(IPO)[3] - 字节跳动正通过火山引擎积极推进其AI能力的商业化，目前专注于销售其可根据企业需求定制AI智能体的旗舰平台HiAgent[3] - 公司拥有强大的软件能力和充足的硬件资源，已成为中国最大的AI硬件买家之一，并在2024年成为英伟达在中国的最大客户，2024年为采购AI处理器提供850亿元人民币预算[3] - 公司利用自身丰富的数据资源和庞大的GPU基础设施为客户开发AI工具，同时配合激进的定价策略，并与其消费级生态深度整合[2] 业务模式与市场策略 - 字节跳动将其最先进的部分模型保留为专有技术，这意味着企业只能通过其云业务来使用这些模型[6] - 与推出免费“开放”模型的竞争对手相比，字节跳动在大语言模型方面的进展因策略原因未被广泛宣传，公司团队形容其做法是有意保持“低调”，专注于训练优秀模型而非参与开源竞赛[5][6] - 阿里巴巴作为中国开源战略的积极倡导者，近几个月也将部分领先模型保持为“封源”[6] 公司背景与挑战 - 字节跳动在消费科技领域拥有亮眼成绩，旗下产品包括TikTok、抖音、剪映以及今日头条[2] - 消费产品销售与广告业务仍占据公司收入的绝大部分，2025年第三季度，字节跳动总收入达500亿美元[2] - 公司此前尝试进入企业软件领域的努力，如推出“飞书”，未能将该业务板块做大[3] - 公司缺乏深厚的行业专业知识，以及为各行各业企业客户提供服务的经验，目前仍在追赶中，并从腾讯和华为手中争夺市场份额[3]

文章核心观点 - 2025年AI应用正从泡沫破裂低谷期迈向稳步爬升期，进入价值实现与规模起量阶段，但尚未催生决定性新物种 [1] - 消费端应用感知度更高，但企业端付费意愿更强、市场潜力巨大，两者正以不同商业逻辑并行发展，整体市场规模尚未有定论 [1][2][3][4] - 新的用户入口正在酝酿，2026年或将成为AI在多市场实现规模收益的第一年，多个热门赛道有望爆发 [1][6][7] - 中美AI落地路径呈现差异，美国已深入支柱产业，中国需加速AI在制造、新能源等核心产业落地以转化为生产力与竞争优势 [1][11][12] 消费端与企业端应用现状与对比 - **消费端应用特点**：高度贴近手机场景，天然适配对话与生成式交互，大众感知明显 [2] - **消费端主要赛道**：集中在AI助手App、AIGC生成工具、手机厂商智能助手、AI教育辅导四类 [2] - **消费端市场数据**：2025年12月周活跃用户前五为字节豆包（1.55亿）、DeepSeek（8156万）、腾讯元宝（2084万）、蚂蚁阿福（1025万）、阿里千问（872万）[2] - **消费端商业化**：AI教育辅导付费率达25%~30%，率先实现付费闭环 [2] - **手机智能助手市场**：被低估，OPPO小布2025年8月月活达1.7亿，浪潮信息称其算力消耗长期位居前列 [2] - **企业端应用范围**：已在汽车、金融、农业、医药等多个行业铺开，各行业均在拥抱AI [3] - **企业端高潜力领域**：AIGC、AI硬件、AI短剧、AI Agent处于爆发前夜，AIGC流程跑通后对模型与算力的消耗将是指数级大爆发 [3] - **企业端应用规模争议**：一方认为消费端AI助手、文生视频占据最大市场（如豆包每天消耗50万亿tokens）[3]，另一方认为企业级市场（如AI编程、标书审查、科研文献整理）调用量巨大，空间不低于消费端 [4] - **企业端付费优势**：企业级付费意愿和商业化空间更高，同样的token消耗价值高于消费端 [4] - **市场规模衡量挑战**：当前以Token为使用量指标存在结构性偏差，大量企业私有化部署、端侧推理、开源模型应用等产生的Token未进入公有云API统计体系 [4][5] - **隐形企业级市场**：2025年数据中心与智算中心亿元级公开招投标项目已超过222个，大量算力建设与AI应用在公开tokens统计之外 [5] 2026年热门赛道与产业拐点 - **发展速度**：AI落地速度明显快于以往技术周期，从提出到产业化被压缩至2-3年 [6] - **产业阶段判断**：AI尚未完成“革命”，但2026年或将成为形成规模收益的第一年 [1][6][7] - **文生视频赛道**：自谷歌推出Veo 2后，开始具备商业化可能，呈现多强竞争格局，紧盯快消、美妆、3C电子等市场，广告自动化生成已开始起量 [7] - **AI手机赛道**：字节与中兴联合推出GUI Agent手机激起行业研发，各厂商路径不一（GUI路线与MCP/A2A路线并存），后续竞争有看点 [7] - **具身智能/人形机器人赛道**：2025年全球出货量约1.3万台，前十厂商中六家来自中国，Omdia预测2035年出货量将达260万台 [8] - **具身智能技术主线**：一看“大脑”（新型模型架构或于2026年下半年突破），二看灵巧手（仿生手研发复杂度远超外界想象）[8] - **B端行业深化应用**：预测性维护等智能体产品已从头部向中腰部客户复制，客户ROI评估转向要求AI完成过去做不到的事 [10] - **高价值智能体特征**：复杂度高，能自动编排二三十步任务，实现端到端业务流程闭环与自适应调整，为企业创造巨大价值 [10] 中美AI落地路径差异与中国核心产业机遇 - **中美调用结构差异**：中国公有云MaaS主要调用来自手机与互联网应用，美国最大调用方是SaaS企业（如SAP是OpenAI全球前五大客户）[11] - **美国应用领域**：已将AI用于科研、生物医药、金融等支柱产业，AI Coding是第二大调用来源，以Claude模型为例，其2025年收入已接近百亿美元 [11][12] - **中国核心落地产业**：需加速将AI落地于制造、电子电气、新能源、农业、互联网等自身核心支柱产业，以转化为效率、社会价值与GDP增量 [1][12] - **“AI+制造”的战略地位**：被视为关键战场，关乎全球制造业竞争格局与产业话语权，对中国是“必选题” [12] - **中国制造业AI挑战**：与欧美头部企业存在应用差距，制造业数字化水平参差不齐，需补“数据债、信息债、自动化债、工业软件债”，落地挑战高于金融、互联网 [14] - **工业AI实施复杂性**：需融合多模态模型、机理模型甚至世界模型，并依赖生态协同，是一场长期工程 [14] - **政策支持**：2025年国务院发布《关于深入实施“人工智能+”行动的意见》，国资委上线人工智能“焕新社区”平台，推动AI与支柱产业结合 [14] - **技术迭代预期**：未来两个月内全球大模型将迎来迭代高潮，市场期待在多模态、Coding模型、世界模型等方向突破，从而再次拉动应用层爆发 [15]

文章核心观点 - 当前大模型行业的技术范式仍由OpenAI确立的Scaling Law主导，并未发生第二次革命，初创公司难以复制OpenAI的成功路径 [9][13][14] - 行业已从“百模大战”进入整合阶段，在巨头倾轧和DeepSeek改写规则后，仅有少数基座模型初创公司存活 [17][22][23] - 初创公司的生存之道在于避开与国内大厂（腾讯、字节、阿里）在主航道的正面竞争，在既有范式下分化出独特的、可持续的商业模式 [25][26][42] 行业格局演变：从百模大战到巨头主导 - **市场整合**：2023-2024年的“百模大战”后，基座模型初创公司几乎仅剩智谱、月之暗面、MiniMax三家 [17][23] - **规则改写者**：DeepSeek的出现终结了“百模大战”，其通过**降低成本**、**开源路线**，将模型从“稀缺资产”变为“基础材料”，迫使行业改变认知 [18][19][20][21] - **巨头策略**：国内大厂选择将模型能力基础设施化或深度绑定自身生态，挤压了初创公司的独立生存空间 [22] - 阿里巴巴将模型开源并与云服务深度绑定，使其成为获客工具 [22] - 字节将模型能力快速嵌入剪映、飞书等高频产品，吃进产品体验 [22] - 腾讯将模型深度嵌入微信生态，形成封闭内循环 [22] 领先AI初创公司的资本市场表现 - **智谱华章**：于2026年1月8日在港交所上市，发行价116.2港元，公开发售超额认购约**1159倍**，首日涨**13.17%**，后续市值一度达**900亿港元**，IPO募资约**43亿港元**，其中**70%**（约29亿港元）用于大模型研发 [3][38] - **MiniMax**：于2026年1月9日在港交所上市，发行价165港元，公开发售超额认购约**1800多倍**，首日暴涨**109.1%**，市值突破**1000亿港元**，IPO募资约**42亿港元**，其中**70%** 用于大模型开发 [5][38] - **月之暗面**：在2026年初完成**5亿美元**C轮融资，投后估值达**43亿美元**，公司现金储备超**100亿元**，将用于加速K3模型训练 [38] 成功初创公司的差异化生存路径 - **MiniMax：出海聚焦细分场景** - 避开国内超级App竞争，主攻海外市场，围绕**陪伴、互动、创作**等非标准化、高情绪权重的场景进行快速迭代验证 [27][28][29] - **智谱华章：深耕To G/To B“脏活累活”** - 面向政企、金融、能源等复杂场景，提供**私有化部署和深度定制**服务，以工程能力和执行力换取生存空间，成为“最能被嵌进去的模型” [30][31][33] - 作为“独立模型公司”，在B端相比大厂具有更独立的优势 [32] - **月之暗面（Kimi）：单点极致突破** - 极度克制，专注**长文本理解和知识型对话**单一场景，将资源集中于上下文长度、信息密度和稳定性，在特定维度做到极致 [34][35][36] 其他细分领域的产品创新案例 - **Lovart**：专注于设计领域的AI Agent产品，集成市面上优秀的图片、视频大模型（如Nano Banana、Midjourney、GPT等），通过“无边画布”和自动化流程服务专业设计师，其订阅制价格从每年**192美元**到**1188美元**不等 [39][40][41] - **行业启示**：类似Perplexity（搜索）、Cursor（编程）等公司，成功关键在于**避免进入大厂主战场**，在垂直细分领域创造独特价值 [42]