Agent 智能化演进:Agent 凭借多种技术向超级智能体进化,在多领域应用拓展,但面临伦理道德、安全和社会经济等风险,可结合 LLM 和 RPA 应对,且已有多种应用图谱。AGI 发展面临计算资源、数据和伦理安全等挑战,但 AI 基础能力提升仍加速产业落地,如推理成本下降、大模型竞争格局变化、压缩与蒸馏模型应用及合成数据广泛使用等。
二、应用场景多元化探索
AI 原生应用重构:AI 原生应用重构交互、服务、链接和迭代方式,需对结果负责,当前聚焦专业用户提升效率,通过细分场景保障体验和留存,同时寻求产品运营过渡,涵盖多类用户和功能,专业人士是重点关注群体。
成熟应用拥抱 AI:成熟应用从多方面增强 AI 能力,呈现四种整合状态,包括内部提效、融入产品、推出新产 品和全面 AI 战略,各阶段有不同特征、要求、挑战和案例,反映企业应用 AI 的发展过程。
内容 IP 开发升级:AIGC 助力内容 IP 全生态开发,贯穿创作、运营各环节,提升商业价值,在多行业应用显著,如游戏、影视、音乐等,推动产业多元化和新生力量崛起,也加剧创作者竞争。
硬件 AI 化落地推进:硬件 AI 化连接数字与物理世界,性能提升、融合创新、场景拓展且保障安全隐私,发展有创生新品和优化现有产品两条路径,当前后者更务实,手机、PC 和教育硬件 AI 化持续推进。应用场景多元化探索已在内容生产、生产力提升和社会服务等方向验证,夸克、剪映、豆包等处于移动端应用前列,未来 AI 应用竞争围绕产品核心价值展开,需优化移动端体验并拓展分发通道。
组织管理体系重塑:AI 应用深化改变企业工作流程、人员角色和决策模式,企业需打造人机协同组织管理体系,具备灵活架构、持续学习、明确分工协作和高效数据管理特点,以适应发展。行业企业应用 AI 从观望进入尝试阶段,关注代码开发、营销等场景,开发时重视数据安全等因素,面临流程场景、数据技术、成本资源和法规伦理等问题,关注 AI 价值、技术适用性、数据安全和合作伙伴等,企业应围绕业务规划 AI 应用,管理数据资产,防范风险,变革组织发展模式,易观分析为企业提供相关模型和咨询服务助力 AI 战略落地。