解构AI行业应用(1)：AI货币化是确定性趋势，C端关注交互类产品打开新场景

联合研究丨行业深度 [Table_Title] 解构 AI 应用（1）： AI 货币化是确定性趋势， C 端关注交互类产品打开新场景 %%%%1 请阅读最后评级说明和重要声明 2 / 27 丨证券研究报告丨 报告要点 [Table_Summary]行业中许多模型、应用厂商正在努力攻克 AI 应用货币化难的问题，核心原因是许多场景尚未形成商业闭环。究其原因，我们认为商业闭环难形成的原因是生产侧提效受制于模型能力提升，需求侧创新受制于用户时长饱和。本篇文章主要围绕货币化这个关键问题，做了以下三个方面的分析讨论：1）大模型/应用行业现在有什么变化，货币化进展如何？2）从生产端和消费端看，C 端应用落地的制约分别来自于哪里，如何解决？3）通过对典型应用的探讨，我们认为什么场景的潜在价值量更高？ 分析师及联系人 [Table_Author] 宗建树 高超 SAC：S0490520030004 SAC：S0490516080001 SFC：BUX668 SFC：BUX177 %%%%2请阅读最后评级说明和重要声明 丨证券研究报告丨 更多研报请访问 长江研究小程序 cjzqdt11111 [Table_Title2] 解构 AI 应用（1）：AI 货币化是确定性趋势， C 端关注交互类产品打开新场景 联合研究丨行业深度 [Table_Summary2] 近期变化：海外 AI 技术逐渐兑现 EPS，国内大体上仍维持追赶趋势 AI 是非常重资产的尝试，过去一年来海外大厂的投入量级证明了 AI 是贵族的游戏，也是科技厂商在面临增长瓶颈时进行的重要押注。但从商业的角度出发，历史上看所有的技术性投入都需要落地成真实的产品壁垒，并且说服用户付费，才能形成真正的产业，而这是目前困扰行业的重要难题之一——如何说服用户为 AI 产品买单。这个问题的另外一个隐喻是——AI 到底为公司、产品本身带来了什么价值。近期，随着海外应用大厂 EPS 逐渐证明 AI 技术的必要性，这一担忧逐渐缓解，我们认为 AI 技术的产业化趋势已经进入一个新的阶段。AI 技术对于报表的影响可以大致分为降本-增收-市占率-经营杠杆几个阶段，目前海外应用公司已经在广告、电商、医疗等多领域证明了 AI 技术对企业发展的价值，甚至在未来产生经营杠杆的能力。反观国内，从总量的数据看，国内的应用厂商仍然处在追赶海外进展的阶段。 落地难点：生产侧提效受制于模型能力提升，需求侧创新受制于用户时长饱和 当我们认为，本轮 AI 落地难的症结在于找不到商业闭环，而 C 端难以形成商业闭环的核心原因主要有两个层面：生产侧的提效受制于模型能力的提升，需求侧的创新受制于用户时长的饱和。生产侧是技术问题，生成式 AI 天然的不确定性使得其作为一个效率工具仍然不稳定；消费端是高基数问题，目前用户的时间被大量互联网 APP 占据已经非常饱和，而市场上大多数AI Native 场景的产品力和可玩性暂时无法与现有的成熟 APP 竞争，现阶段 AI 产品想要创造出新的消费场景难度较大。我们认为 C 端 AI 应用暂时没有创造出新场景或许是用户感知 AI 应用暂时还没有创造出较大商业化价值的核心问题之一。 典型应用：破局在逐步产生，最看好交互类产品创造新消费场景的潜力 随着工具型应用的能力提升，我们认为供需两侧的难题会在应用迭代的过程中被逐步突破。我们认为后续观测 AI 产品的落地的重点应该在于以下几点：1）关注模型能力提升带来的产品落地次序，2）其次要关注在某一场景中 AI 应用是否有从生产侧走向消费侧的潜力。综合以上两点，我们最看好交互类产品的货币化潜力：一是因为交互场景容错率高利于产品落地，二是搭载大模型能力的交互类产品是全新的产品类型，有望在饱和市场里找到新的消费场景。 结论探讨：AI 货币化是个确定但需逐步成型的趋势，产品需要精细化打磨 我们认为，近期海外应用公司报表的普遍变化+国内产业的积极推进证明 AI 技术的货币化不是伪命题。随着模型能力的提升，AI 技术会逐步影响企业经营和行业地位。但需要注意的是模型能力不是全部，场景和数据也是核心壁垒之一。如何基于大模型天然的不确定性和原始业务场景做有机结合会决定应用公司真正的天花板。另外我们强调，未来打造 AI 应用产品需要“精细打磨”，未来相同场景的产品差距甚远是常态。大趋势下，通过对目前较为典型的 C 端场景分析，我们发现成功的 AI 产品设计不能“套公式”——即将 AI 技术与现有业务进行粗糙的结合，而是要“精细打磨”——将 AI 技术与自身生态有机结合。未来 AI 应用的企业哪怕是同一条赛道也会呈现出截然不同的效果。 风险提示 1、AI 技术发展不及预期风险； 2、AI 监管风险。 2024-12-023 请阅读最后评级说明和重要声明 4 / 27 联合研究 | 行业深度 目录 引言：货币化的核心是如何将技术转化成产品壁垒 ...................................................................... 6 近期发生的变化和解读 ................................................................................................................. 7 海外 AI 跟踪：货币化逐渐成为核心矛盾，海外逐步兑现 EPS ...................................................................... 7 模型侧降价+模型知识密度提升有望加快应用落地速度 ................................................................................. 8 模型迭代使得大模型厂商的能力圈越来越广，数据是未来的核心壁垒之一 ................................................. 10 应用落地的难题：当前难以形成商业闭环 ................................................................................... 11 移动互联网解决了生产+消费的双边问题，核心路径之一是工具获取流量再进行多样转化 ......................... 11 生产侧的提效受制于模型能力的提升，需求侧的创新受制于用户时长的饱和 ............................................. 13 应用端核心追踪落地次序和潜在新消费场景的诞生 ..................................................................................... 13 典型应用类型的探讨：交互类应用或最有望创造出新的消费场景 .....................................