涉及的行业或公司 * 行业涉及人工智能应用、AIGC（人工智能生成内容）、编程工具、文档处理、多媒体生成、AR眼镜、数字人、移动互联网等[1][5][8][12][31] * 公司包括Anthropic（Cloud Code工具）、J-Spark、Minus、OpenAI、Google（Gemini 2.5模型）、Stable Diffusion、MidJourney、阿里、百度等[2][5][8][13][18] 核心观点和论据 * Cloud Code工具的范式影响与成功：Cloud Code工具通过引入"上下文工程"新范式，采用类似虚拟机的方法管理上下文并结合沙盒技术，大幅提升编程效率，例如创建公司网站只需35美元和1小时，公司估值因此迅速提升至1,700亿到1,800亿之间[1][2][3][5] * 专业行业AI APP的必要性：尽管大模型能力强，但专业APP因高质量提示词编写复杂、上下文管理需要丰富信息、行业特定知识壁垒高等原因而必要，能更好满足特定需求[6] * AIGC各形态发展趋势差异：文本应用最火热，覆盖日常工作70%到80%场景需求；图像生成在2024年上半年突出但2025年增长放缓；多媒体（视频/音频）在Google Gemini 2.5等推动下成为增长最快细分赛道，可生成15秒到30秒视频[8][9][28] * AI APP市场处于起步阶段且商业模式转变：市场发展迅速但未出现独占性头部APP，商业模式正从传统订阅制向基于使用量（token消耗）计费转变，AI APP基本无广告，高质量数据成为大模型所需[10] * 场景智能的作用与AR眼镜市场爆发：场景智能弥补大模型上下文管理不足，例如会议记录系统可记录发言者位置、身份及语气等细节，推动AR眼镜市场今年爆发[11][12] * 智能体赋能的APP发展前景广阔：未来两到三年内以智能体赋能为形态的APP有望成为主流，类似2010年移动互联网阶段，2025年春季秋季拿到投资的公司中65%与智能体相关[26] * 套壳技术仍有显著价值：套壳质量直接影响最终产品形态和效果，上下文工程潜力巨大，用户更关注模型接入、套壳及与现有系统融合，而非寻找最好模型[14][27] * 发展较快应用的共性特点：行业内流程方法论完备、评价系统量化（如编程领域），而缺乏客观量化标准的场景（如图片生成）发展相对缓慢[15][16] * AI在文本处理方面应用成熟：成本较低且场景明确，日常工作约百分之六七十甚至百分之七八十与文本相关，可替代度高[32] * 海外与国内AI coding应用差异：海外相对成熟，客户买单率高，生态系统下上层应用厂商有发展空间；国内环境较恶劣，大模型通常内建能力，不会形成独立AI APP层[33] * 各赛道商业闭环形成时间预测：文本相关AIGC和音频组件已成熟，预计3至5个月内出现语音爆发；视频需一到两年积累；AI for coding因方法确定性强走在前列，例如Cloud Code一年营收达20至50 billion美元[34] 其他重要内容 * AI赋能传统APP的变化：通过AI技术重新开发产品实现全新体验，如文档识别提升使用体验和边际效果[13] * 大模型赋能提升文档理解能力：推翻套壳无价值观点，对文档布局和类别有更好理解[14] * AI工具在文档处理和网页开发中的优势：可将非结构化文档转化为结构化文档，提高处理速度和准确性；降低技术门槛，快速生成高质量网站[22][23] * AI产品提升用户粘性的方式：通过垂直领域（如能源）深入了解行业know-how，或特定功能（如表格处理）满足需求；Anthropic推出Cloud Skills工具可降低40%~60%的Token消耗[30] * 数字人市场现状：参与厂商多但效果未达理想，制作成本比雇佣真人更贵，需等待成本下降[31] * AI for Science发展较慢原因：需要新范式发现问题，目前大模型处于用已知理论解决已知问题阶段[35] * 各类AI应用流量变化：通用智能增长，客户支持类工具流量下降；角色扮演类应用因擦边内容带来流量增长；图片生成与处理应用整体下滑[19]