摘要：我们观察到过去一年内海内外大模型 Token 消耗量正在快速上升，基础大模型推理价格已 显著下降并趋于企稳。相较国外追求模型能力的极致突破，国内大模型厂商以开源模型为 核心的策略叠加较低的推理成本有望加快国内 AI 在现有应用场景及垂直领域渗透，缩小模 型侧带
我们观察到过去一年内海内外大模型 Token 消耗量正在快速上升，基础大模型推理价格已 显著下降并趋于企稳。相较国外追求模型能力的极致突破，国内大模型厂商以开源模型为 核心的策略叠加较低的推理成本有望加快国内 AI 在现有应用场景及垂直领域渗透，缩小模 型侧带来的差距。从商业化角度来看，海外得益于较强的基础模型能力及付费能力，C 端 chatbot 商业化能力较强，而国内厂商商业化方式主要集中在应用场景侧 AI 渗透。综合来 看，国内大模型平权有望加速 AI 渗透，我们看好国内场景优势突出的平台型互联网公司。
Token 调用量持续提升
海内外大模型 Token 调用量持续上升。Google 在 5 月开发者大会上披露其平台每月处理 的 Token 量为 480 万亿，7 月财报时表示这一数字已翻倍至 980 万亿，主因 AI Overview 带动了推理量的大涨。微软同样在 25Q1 时表示 Azure AI 在 2025 年一季度处理超 100 万 亿 Tokens，同比提升 5 倍，其中三月处理量超 50 万亿。中国大模型调用量也在同步扩张， 字节豆包大模型 2025 年 5 月日均调用量已达 16.4 万亿（月均 508 万亿），较去年同期增长 137 倍。百度文心大模型 2024 年 12 月日均调用量达 16.5 亿次（非 Token 口径），较一年 前增长 33 倍。
大模型推理价格显著下降，国内模型性价比优势显著
我们观察到自 2025 年以来，海内外大模型综合推理成本已经显著下滑并逐渐企稳，各大模 型厂商也在积极推动模型产品分层以满足用户的多样化需求。国内厂商模型在初期通过低 价抢夺市占率，随着后续模型能力持续提升，推理成本性价比优势逐渐显现，有望推动国 内应用端 AI 渗透率和普及度持续提升。 海外基础大模型推理价格过去两年显著下降，目前已经呈现性能提升、价格趋稳的态势。 OpenAI 在 2024 年 3 月推出 GPT-4 时，每百万输入与输出 Token 单价分别为 30 和 60 美 元，维持在较高水平。而到 2024 年 8 月，GPT-4o 的平均成本已较最初的 GPT-4 下降约 70%–80%，GPT-5 的综合推理成本则进一步微降。Google Gemini 系列亦在 2024 年主动 调价，其中 Pro 1.5 的输入与输出 Token 成本（>128K tokens）分别下降 64%与 52%，而 2.5 版本则进行了更多产品分层，Pro 版推理成本仅小幅上升。Anthropic 则采取能力升级、 价位不变的策略。
国内基础大模型初期通过低价抢夺市场份额，性价比优势明显。整体来看，字节跳动-豆包、 阿里巴巴 Qwen 等头部厂商模型价格较海外低约 50%。2024 年国内多家头部厂商通过免费 或大幅降价迅速压低了大模型推理门槛。这一轮竞争显著降低了企业和开发者的使用成本， 推动了调用量快速攀升。进入 2025 年，主流厂商的定价趋于企稳，形成了从轻量免费到旗 舰低价以及深度思考模型的多层次价格体系，或是拉开推理与非推理模式差距，重点转向 在生态和服务能力上的差异化竞争。我们认为随着模型性能提升，新模型价格逐渐企稳配 合分层式定价策略有望满足更多元的用户需求，推动 AI 渗透率提升。
多模态图像与视频生成模型快速演进，成本不断下探。国内外厂商如豆包 seedance、快手 可灵、谷歌 Veo 持续推动多模态模型迭代。从价格来看，1H25 海外厂商视频生成模型价格 约为国内厂商的 3-4 倍，国内厂商如字节仍在进一步下降多模态模型 API 价格。整体来看， 视频/图片生成大模型正处于技术迭代与商业探索阶段，随着效率提升与潜在价格下探，其 使用门槛有望进一步降低，成为未来推动 AI 商业化落地的重要引擎。
开源模型加快国内 AI 应用场景渗透能力
海外闭源模型追求通用性能领先，国内开源模型注重生态场景渗透。海外厂商在模型能力 和训练芯片性能方面持续保持领先，头部厂商 OpenAI 和 Google 均使用闭源模型，并追求 多模态模型通用能力的提升，以保持自身模型的领先优势。而国内头部大模型则多为开源 大模型，更关注成本效益和应用场景的渗透，并依靠原先较为成功的应用为基础快速渗透 AI 能力以加快商业化步伐。开源模型有望深度赋能垂直领域，加速 AI 在 B端的商业化落地。
综上，海内外大模型自 23 年以来持续迭代，逐步在成本端实现了较显著的效率提升，因此 我们认为相比市场上技术的比拼，更应该关注场景的应用，云服务、内容服务、电商服务、 垂直应用服务领域的头部公司有望借助这一轮技术革命，进一步巩固自身优势地位。
我们认为，AI 技术与云基建正在发展中相互促进。云平台通过灵活的算力、工具和存储功 能为大规模 AI 研发提供基础支撑，优化模型的训练和应用落地效率、研发成本和性能稳 定程度；AI 技术的引入也正同步推动平台本身升级，在运维管理、安全保障和资源调度等 关键环节实现智能化。二者结合，AI 研发企业能够以更低的门槛获取强大的算力和开发工 具，依托智能化的云服务缩短业务周期，并加速 AI 技术在新应用场景中的渗透。我们认为， 这种相互促进的趋势不仅重塑了 AI 开发的具体环节与成本结构，也有望推动未来产业整体 效率与智能水平持续提升。在我们看来，以阿里、百度、腾讯和字节等为首的中国互联网 企业在过往数年中大力投入基础设施建设，发展全栈能力与 AI 生态，致力于提高自身业务 AI 改造进程效率并为外部企业提供高效优质的全链路云服务。 全球与中国云计算市场规模预计将维持较快增长，头部企业受益其中。据中国信通院云计 算蓝皮书（2025 年），2024 年全球云计算市场规模达 6929 亿美元，同比增长 20.3%，并 预计到 2027 年全球云计算市场规模有望达到 1.17 万亿美元，2024-2027 年期间 CAGR 将 达 19.5%；中国云计算 2024 年市场规模达 8288 亿元人民币，同比增长 34.4%，并预计到 2027 年中国云计算市场规模达 1.76 万亿元人民币，2024-2027 年期间 CAGR 将达 30.0%。 我们认为随着 AI 模型训练对 IaaS 消费的拉动，以及应用类模型服务在 SaaS 侧的不断完 善，未来数年全球与中国云市场有望保持较快增长。而阿里云、百度智能云、微软 Azure 和亚马逊 AWS 等头部云计算企业有望通过其较为完整的全栈服务能力受益其中。
弹性且灵活的云算力供应和全链路工具支持正降低企业应用 AI 门槛
AI 训练需要云平台提供灵活、充足的算力。与传统大规模训练长期依赖 CPU 不同，AI 模 型对并行算力的需求需要 GPU（Graphics Processing Unit，图形处理单元）、NPU（Neural Processing Unit，神经网络处理单元）、TPU（Tensor Processing Unit，张量处理单元）提 供智算资源。企业在本地自建算力时，需承担较高的前期资本（如建设服务器、互连、冷 却与电力）投入和硬件运维持续成本。云算力按需付费和弹性扩缩的模式为中小型初创企 业降低了入门门槛；据极智算平台测算，短期使用算力进行 AI 训练，自建算力成本为云租 赁成本的 4-5 倍；如对算力有长期稳定需求，购买算力的总拥有成本可能低于租赁，但硬 件的利用率需超过 70%。云平台通过批量采购与运营规模效应，推出 GPU 小时价和托管等 服务，使 AI 研发团队能够在无须采购昂贵硬件的情况下访问高性能加速器，面临较小的基 础设施运维压力。
云平台提供的 AI 全链路开发工具正日益丰富。除训练模型外，国内外主流云厂商已参与 AI 开发的全链路环节，提供的工具链覆盖数据标注、数据集管理、模型存储、版本管理、 部署推理接口及监控和运维等，使 AI 团队避免自建基础设施，减少从准备数据到上线模型 所花费的时间。据 AWS 官网，其 SageMaker 全托管机器学习集成开发平台通过内部的分 布式训练库、自动管理集群、故障恢复等工具支撑训练任务生成式 AI 训练，将训练时间缩 短约 40%，并提升高并发查询等推理负载性能。国内如阿里云 PAI 平台、腾讯云太极平台、 百度千帆大模型平台和华为的 ModelArts 平台等，也支持多种机器学习算法和大模型，并 提供了低代码开发环境与高效的模型训练及部署能力。除为客户提供解决方案外，云平台 同时会提供预置的数据标注等标准化服务到市场或第三方服务商，更易于规模应用。我们 认为，云平台通过提供一站式工具链，优化了企业 AI 研发的成本结构，提高了企业 AI 开发 的投入产出比并降低了门槛；同时，标准化的模型开发与部署能力提升了大模型在行业场 景中的复用性和迁移效率，未来云厂商在 AI 开发领域的差异重心有望从通用资源走向具体 场景。
通过将成熟的 AI 能力封装为 API 接口，云厂商加速 AI 在不同行业场景中落地。云厂商同 时将成熟的 AI 功能封装成标准化的 API，例如语音识别、图像识别、文本翻译等，企业可 通过网络直接调用，无需搭建训练环境或调优模型。据百度智能云官网介绍，其智能图像 识别 API 植入滴墨社区 APP 后，通过智能打标分类图片代替人工分类，效率提升 5 倍，并 通过社区内容推荐使社区活跃度增长 30%、用户停留时长增长 20%；据微软官网信息，携 程旗下 Trip.com 已将微软的 Azure OpenAI 与认知服务以 API 形式集成进将客服、搜索、 行程规划等功能，节省训练和架构部署时间、快速完成多场景业务升级，机酒核心业务的 整体自助率达 70%。此外，API 集成过程中云厂商也会提供 SDK、示例代码和多种语言支 持。据 Gartner 预测，到 2026 年，超 80%的企业将使用生成式 AI 的模型或 API，或者在 生产环境中部署支持生成式的应用。我们认为，AI 功能以 API 等形式普及，有望带动整体 市场 AI 渗透率提升；同时，头部云厂商通过构建 API 生态占据流量入口，有望在后续 API 服务及行业解决方案中获取更佳的定价能力与生态位。 公有云与私有云通过不同收费方式适配 AI 项目需求。公有云厂商通常采取按量计费，对于 AI 模型训练使用的算力、存储、带宽等资源，一般提供按月、按日、按分钟等不同程度的“随 用随停”付费方式，企业无需为峰值负载配置大量长期闲置硬件；对于 AI 封装的 API 功能， 通常按实际使用时的调用次数、输入 token 数、识别图片数或模型端点时长等指标计费。 私有云或定制 AI 服务的解决方案通常制定较长周期的合同或订阅费用，初期涉及资本投入 和固定成本，如硬件采购、机房运维、专门支持团队等，或者硬件、软件、支持服务捆绑 提供给客户。因此在定价上，公有云通过折扣、赠送容量等举措提升客户基数以改善资源 使用率，私有云可能捆绑提供硬件、软件和支持服务等以实现更高客单，但公有云也可通 过用户积累后的规模效应实现相对可观的利润水平。 云平台提供 AI 训练的海量数据存储与管理方案。据中国信通院《MaaS 研究框架与应用研 究报告》，AI 大规模训练与微调需要 PB 级（约 100 万 GB）或近 EB 级（约 100 亿 GB） 数据集以支撑模型训练与验证。公有云提供具有水平扩展能力的对象存储服务，例如 AWS S3 平台、Google Cloud GCS、阿里云 OSS 等，能够按需承载 EB 级数据。各大云厂商目 前已具备针对大模型训练、推理、数据治理等工作负载量的“AI 原生存储”系统，相比于 传统储存方案，能够进行数据高性能状态保存恢复、容错监控、热数据与冷数据自动分层 存储等功能，降低长期存储成本。云端的数据湖与分布式计算平台也在存储的同时整合数 据预处理、特征工程训练，以缩短从数据到模型落地的周期。
在云赋能 AI 的同时，AI 算法通过智能预防、智能研判和智能响应提升云端运营效率。据华 为《云计算 2030》，AI 通过分析大量历史数据、日志记录和海量威胁情报预测异常；基于 图神经网络等技术，针对恶意行为建模，预测未来一段时间内潜在威胁的攻击类型、目标 和手法，帮助云厂商提前采取针对性防护措施，弱化安全风险。例如，据 AWS 官网，其 GuardDuty 云中威胁检测服务可使用机器学习来发现账户与工作负载中的可疑行为；其新 增的 Extended Threat Detection 功能以 AI/ML 识别“攻击序列/阶段”以发现未知的多阶 段攻击。发现异常后，大模型通过学习历史告警，用 RAG（检索增强生成）实时检索知识 库，自动生成精准威胁结论，有效降低误报率，同时将来自不同数据源的异常与警报关联 起来，识别多阶段或跨源攻击并生成可调查的高价值事件，进行自动化响应。 在云计算环境中，传统静态配置和基于经验的资源调度方式难以满足动态业务的需求，用 户往往无法准确预估应用所需的资源量，从而导致资源浪费与性能波动。向云平台引入 AI 技术或能够在资源管理、用量预测、成本优化与效率提升等方面实现高水平智能化，如通 过机器学习模型分析历史资源用量，可预测未来资源需求并提前分配；成本管理方面，AI 通过识别低利用率资源并建议合适的关停，提高整体资源利用率。因此，云厂商平台运营 的降本增效需要由 AI 驱动的动态资源调度。
整体而言，云基建通过算力、工具链与存储三方面全方位降低了 AI 开发与部署的门槛。我 们认为，弹性云算力突破了本地硬件投资与利用率不足的限制，支持从单卡到大规模集群 的快速扩展，有效压缩训练成本和时间；工具链方面，主流云平台已形成涵盖数据标注、 训练、部署、监控的一站式解决方案，并通过 API 标准化封装加速 AI 在不同行业的普及 应用；存储层面，AI 原生存储体系为 PB/EB 级数据的高效管理和处理提供保障，结合数 据湖与分布式计算，缩短了从数据准备到模型上线的周期。整体来看，云基建的持续完善 一方面提高了 AI 研发效率，另一方面也优化了投入产出比，有望加快产业级 AI 的渗透。
阿里：以 AI 为中心重塑云智能全栈技术，基础大模型持续升级
阿里云拥有全球领先的全栈云计算体系，推动大模型应用落地。云计算的架构处于不断的 升级和演进中，从 IaaS、PaaS 到 MaaS，以模型为中心的产品与服务成为云计算创新的焦 点。阿里云打造全栈 AI 基础设施，力求树立起全新的标准，重塑技术架构，服务大模型的 创新技术，为 AI 应用提供稳定、安全、高效的算力支持。MaaS 层面，模型服务平台阿里 云百炼能够提供高可用、高性能、高性价比的大模型 API 调用服务和低使用门槛、高交付 效果的大模型应用服务。PaaS 层面，阿里云拥有集模型训练与推理的一站式人工智能平台 PAI，完整覆盖 AI 标注、开发、训练、推理一体化全链路，为用户提供高可用、低门槛、 高性能的云原生 AI 工程化能力。IaaS 层则由云服务器 ECS 与容器计算服务 ACS 等产品与 服务构成。整体来看，阿里云自上而下已形成较为完整的云计算服务链路。
大语言模型通义千问和视频生成模型通义万相是阿里云的两款基础大模型。通义千问是阿 里云自主研发的超大规模语言模型，据《阿里云产品手册（2025）》，通义千问在复杂指令 理解、文学创作、通用数学、代码理解生成等能力上均达到行业领先水平，能实现多语言 多模态理解。通义万相是由通义实验室自主研发的视觉生成大模型，以统一框架支持图像、 视频等多模态类创作任务。2023 年 7 月，通义万相正式发布，支持文本生成图像、相似图 生成、风格迁移创新能力体验。据阿里云官网，2023 年 9 月，通义千问正式向公众开放。 据阿里云公众号，2025 年 4 月 29 日，通义千问 Qwen3 正式发布，并全部开源 8 款混合推 理模型，包括两款 MoE 模型——Qwen3-235B-A22B、Qwen3-30B-A3B 及六个 Dense 模 型——Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B。
阿里云提供全尺寸、全模态、多场景的通义系列大模型，三款旗舰大语言模型适配不同需 求。据阿里云官网，截止 2025 年 9 月 18 日，阿里巴巴旗舰模型主要为 Qwen-Max、 Qwen-Plus 和 Qwen-Turbo 三款，其中 Max 具备较强推理能力，适合复杂、多步骤的任务， 整体效果最好；Plus 推理效果、成本和速度介于 Max 与 Turbo 之间，适合中等复杂任务； Turbo 为通义千问系列高效率、低成本的模型，适合简单任务。
百度：智能云布局全栈矩阵，开放多款主力大模型在线推理免费调用
百度多年深耕云计算服务与 AI 技术领域，在 AI 全栈矩阵能力已形成较完整布局。百度智 能云构建全栈的 AI 原生云架构，业务涵盖了全面的基础设施、IaaS、PaaS 及应用能力， 通过软硬一体高性能 AI 开发基础设施为企业提供 AI 开发全栈解决方案。在 IaaS 层面，百 度智能云主要通过 AI 计算、AI 储存、AI 加速、AI 容器构建 AI 开发基础设施。据百度智能 云公众号，AI 计算层主要基于百度“太行”弹性裸金属产品为客户提供高性能、多规格、高性 价比的算力服务，拥有丰富的 AI 芯片类型，包括百度自研的昆仑芯片以及行业多规格的商 业 GPU 和 FPGA 芯片，以满足不同场景的 AI 算力需求。单机服务器层面，基于 X-MAN 架构的 AI 超级服务器突破了 CPU+GPU 配比限制，能够提升 AI 计算场景的整体计算能力。
百度多款主力大模型在线推理可免费调用，模型服务效价比较高。据百度智能云官网，百 度针对旗舰大模型 ERNIE 4.5 Turbo、ERNIE 4.5 采用收费制度，截至 2025 年 9 月 12 日， 输入/输出价格最低低至 0.0001/0.0004 元/千 tokens，ERNIE Speed Pro 和 ERNIE Lite Pro 输入/输出价格最低低至 0.0002/0.0004 元/千 tokens。据澎湃新闻 2024 年 8 月 23 日报道， 主力大模型 ERNIE Speed、ERNIE Lite、ERNIE Tiny 均于 2024 年 4 月开始全面免费。 51CTO 2024 年 5 月 28 日报道显示，百度智能云事业群总裁沈抖表示主力模型免费主要是 依托于技术能力，尤其是业界最高效的 AI 异构算力管理平台和“一云多芯”两项硬实力。 我们认为百度开放多款主力模型的目的或是为了鼓励企业加速 AI 技术在各领域的应用探索， 吸引用户使用并巩固自身市场地位，随着用户增多，百度也能收集更多反馈和数据，有助 于进一步优化模型和服务水平。
百度昆仑芯与阿里平头哥展现出不同的产品特性和性能。在技术架构方面，平头哥的含光 800 作为 ASIC 芯片，采用自研架构，针对深度学习中的卷积、矩阵乘、向量计算等核心运 算进行了硬件层面的深度优化。倚天 710 基于 ARMv9 架构，可适配云的不同应用场景。 昆仑芯基于自研 XPU 架构不断升级，据芯之路公众号，昆仑芯 1 代采用 14nm 制程；据创 业圈杂志，昆仑芯 2 代的制程为 7nm 并搭载新一代 XPU-R 架构，持续提升性能。 从产品性能来看，含光 800 在展现性能上表现较好。据量子位公众号，在业界标准的 ResNet-50 测试中，含光 800 推理性能达到 78563 IPS，是英伟达 T4 的 15 倍，是应用最 广的英伟达 P4 的 46 倍。昆仑芯在实际应用中的性能水平出色，据中国信通院 CAICT，2025 年 2 月，中国信通院依托中心开展 DeepSeek 适配测试工作，昆仑芯 P800 单机 8 卡一体 机通过 DeepSeek-V3/R1671B 满血版适配支持性测试，精度与 DeepSeek 技术报告对齐。 2025年4月，百度创始人李彦宏在Create大会宣布点亮全自研的3万卡昆仑芯P800集群， 该集群可以同时承载多个满血版 Deepseek 等千亿参数大模型进行全量训练，亦可支持 1000 个客户同时做百亿参数大模型精调。软件生态和框架兼容性上，平头哥通过 HGAI 软 件开发包支持多种主流深度学习框架。昆仑芯除深度适配 PaddlePaddle 外，也广泛支持 TensorFlow、PyTorch 等主流框架。
昆仑芯和平头哥商业化进程持续推进，昆仑芯 2024 年中国区数据中心芯片出货量已位居前 列。昆仑芯在 5G 领域实现应用。据中国网，昆仑芯在“5G+AI+工业互联网”方向和飞桨 联合开发了 Yolov3-DarkNet53、SSD-ResNet34，提供的解决方案能供大大提升智能化水 平，帮助企业降低损耗。此外据雷峰网，在电力行业，国网智芯公司基于平头哥的玄铁处 理器研发面向工业应用的高能效、高安全、高可靠的 AI 芯片，用于变电智能巡视、源网荷 储协同调度等场景。达摩院与中国科学院软件研究所合作的“如意 BOOK”基于玄铁 C910 处理器，在 openEuler 操作系统上流畅运行钉钉、Libre Office 等大型办公软件，打通了从 底层芯片到操作系统到商用软件的 RISC-V 全链路。在 5G 领域，据雷峰网 2024 年 3 月 15 日报道，比科奇芯片研发副总裁沈钲表示，“能效比是 RISC-V 的优势，并且得益于玄铁做 好了上层的操作系统适配工作，使用 RISC-V 在客户的层面可以做到几乎无感。” 在外部中标方面，我们认为 2025 年 8 月昆仑芯中标移动 10 亿元级订单从一定程度证明了 其芯片水平，在自研芯片能力的加持下，我们预期百度 AI 云的全栈能力有望得到进一步强 化，将助力其稳定高效地为客户提供相关服务，也有助于其捕获国内市场国产化替代过程 中的旺盛需求机遇。IDC 数据显示，2024 年中国区数据中心芯片昆仑芯的出货量为 69,279 颗，仅次于英伟达和昇腾，位居第三。
在股权架构方面，据天眼查 2025 年 9 月 18 日数据，昆仑芯由百度（中国）有限公司控股 59%，实际控制人为百度（香港）有限公司。昆仑芯于 2021 年 3 月独立融资，首轮估值约 130 亿元。2022 年 6 月进行 A 轮融资；2023 年 3 月进行 B 轮融资；2024 年 6 月进行 C 轮融资。而平头哥暂无外部融资。在收入规模上，我们预计 2025 年昆仑芯外部收入规模与 国内另一龙头厂商寒武纪基本相当（据 Wind 数据，寒武纪的 2025 年收入一致预期为约 67 亿元人民币）。
腾讯：SaaS 工具深入渗透多场景，multi-Agent 工具可期
我们认为，腾讯云依托社交生态构建高频触达场景，核心抓手在于以社交+AI SaaS 工具的 平台模式撬动长尾市场，进而打造以数据为中枢的 AI 原生操作系统。腾讯的优势主要集中 在 PaaS 与 SaaS，凭借天然的用户连接与不断强化的工具化 AI 能力，逐步打通业务协同 路径：在中小企业端，以低门槛、集成化的工具包加速 PaaS 应用落地；在 B 端，则依托 社交流量沉淀的用户画像与实时数据，提供精准智能服务，形成数据闭环。与更强调全栈 行业方案的阿里云相比，腾讯云在音视频 PaaS、即时通讯、CDN（内容分发网络）与协同 办公 SaaS 等高频场景中更具适配性，同时 AI 的嵌入进一步强化了实时传输、互动与协同 的智能化底层能力。
腾讯云已搭建起覆盖基础模型、智能体平台与应用产品的完整 AI 生态。底层依托混元大模 型，具备语音、视觉、3D 及交互式内容生成等多模态能力；中间层以智能体平台为核心， 构建面向企业的多智能体框架，并与数据库及知识语料深度对接，实现与业务流程的高效 融合；应用层则形成 C 端与 B 端双线并进的产品矩阵。C 端包括元宝、QQ 浏览器 QBot 等交互工具，支持信息检索、文档解析与智能问答；B 端覆盖营销、医疗等行业方案，推动 垂直场景化落地，其中营销 Agent 通过多 Agent 架构规划全站营销活动，突破了以往仅限 于客服的应用边界，进一步提升变现能力。我们认为，AI 赋能不仅显著增强了产品的易用 性与智能化水平，也拓展了 SaaS 的服务覆盖范围，行业解决方案的扩容有望持续加码增 值服务的商业化潜力。 我们认为，AI 时代腾讯云的核心增量商业化空间在于：多层次 SaaS 整合下的多 Agent 网 络。以营销场景为例，腾讯已具备企业微信、腾讯会议、腾讯文档、代码生成等通用企业 管理与办公工具。随着多 Agent 的逐步集成，工具生态平台价值显著提升：营销 Agent 可 先从企业微信的聊天记录中，提取策划讨论的核心需求；内容 Agent 再结合历史案例与目 标人群偏好，自动生成宣传文案、PPT 与海报；会议 Agent 可在腾讯会议及企业微信内完 成日程排期与人员邀请；代码 Agent 则能为定制化小程序入口自动生成并测试代码。在 SaaS 渗透不断加深的同时，生态联动亦将传导至 PaaS 与 IaaS 层面，进一步释放协同效 应。我们认为，多 Agent 应用将为 SaaS 场景拓展出更多元的变现可能。
字节：C 端流量驱动全栈 AI 原生路径
字节云聚焦 AI 原生的全栈路径，从 MaaS 到开发平台形成完整工具布局，覆盖主流 C 端 应用，并借助 C 端流量反哺 B 端场景。底层依托豆包通用模型及音频、图像、视频生成模 型；中间层以智能体开发平台“扣子”为核心；应用层则布局 Chatbot（豆包）、图像（星 绘、即梦）、视频（即梦）与社交陪伴（猫箱）等多元应用。截至 25 年 5 月，豆包日均 tokens 调用量已达 16.4 万亿；火山引擎 AI 工具调用占比较 24 年 12 月提升 15.4pct 至 30.3%， 同时其 24 年中国公有云大模型调用量份额已达 46.4%（IDC）。我们认为，字节从 AI 底层 基建到 C 端应用的布局已相对完整，普惠性 AI 战略有望持续释放需求增量，推动 AI 云行 业空间与需求不断扩张。
我们认为，AI 对广告行业的核心价值在于，扩大了广告主覆盖面并提升转化效率。多模态 理解的进步正在重塑广告投放全链路：在素材环节，AI 支持的批量生成显著提效；在匹配 与用户转化归因环节，AI 系统能够深度理解视频内容，推动更精准的用户匹配；在出价环 节，ROI 在 AI 加持下显著提升，从而引导广告主预算流向 ROI 更高的平台。 从中短视频平台看，广告推荐效率显著提升，主要得益于 AI 视频理解能力改善，以及自动 化投放效率提高，具体来看：①推荐精度优化，带来用户体验和时长提升；②效果广告中， AI 系统更好地理解用户意图，提升广告匹配效率和 ROI；③谷歌、抖音、快手等平台推出 AI 视频生成工具，拓展了广告素材的 AI 商业化空间。
AI 时代下广告市场变革：搜索与 Agent 重塑流量格局
我们认为，在 AI 时代，广告行业正面临三重颠覆：AI 搜索重塑流量格局，多 Agent 协作 重构全链路营销，AI 工具取代约 30%的广告素材制作。
颠覆性力量#1：AI 搜索
全球 AI 搜索市场正处于快速崛起阶段，流量格局或将加速重塑。Gartner 预测，2026 年传 统搜索引擎的搜索量将下滑 25%，用户停留时间亦将承压，同时传统搜索网站需要积极转 型 AI+模式。①长期来看，广告主有望重新配置预算，加大对 AI 搜索的投放力度。eMarketer 预计，AI 搜索在美国整体搜索广告中的份额将由 25 年的 0.7%提升至 2029 年的 13.6%。 ②优质内容壁垒依旧是行业核心痛点，夯实内容优势的厂商更有望脱颖而出；AI 搜索在扩 张过程中仍面临幻觉问题，即信息来源与生成结论的可靠性。
我们认为，AI 搜索对搜索行业的冲击不亚于线上媒介取代图书等线下渠道，对信息获取方 式的重塑亦堪比生活经验从熟人传授逐步被小红书替代。
AI 搜索时代下，我们认为广告行业的核心变革争议主要集中于以下几点：
1. AI 搜索加剧了搜索引擎的流量中心化
谷歌与百度相继上线 AI 概览功能，用户获取信息愈发依赖 AI 整理，传统网页的自然流量因 此承压，内容分发与品牌心智逐步转向“被 AI 引用”。我们认为，AI 时代搜索入口在短期 内或呈现分散格局（AI 助手、垂直类 App 搜索并行），但用户行为和注意力最终将收敛至 少数平台的“总结层”，流量具备中心化趋势：①用户将更集中导向核心 AI 搜索引擎，如 ChatGPT、豆包等；②传统搜索引擎中的 AI 概览功能，有望成为另一关键入口。 目前流量中心化趋势已逐步显现。据 Datos 数据，欧美地区谷歌搜索中导向第三方网站的 流量占比持续下滑；同时，Pew Research Center 的调研结果显示，在 AI 搜索场景下，仅 8%的用户会点开结果中的第三方链接，显著低于传统搜索的 15%。
2. AI 搜索使得广告整体流量收缩，但流量集中使得价格具备上行空间
在 AI 时代，搜索流量高度集中，页面可视广告位相应减少，但与此同时，一方面用户搜索 意图更为清晰，推动点击率和转化率显著提升。以微软为例，其于 25 年 8 月披露 Copilot 对话式广告的 CTR 较传统广告提升 73%，转化率提高 16%。另一方面，流量集中强化了 平台方的市场议价力，因而 eCPM 具备上行空间。我们认为，广告价格的提升有望部分对 冲流量减少的影响，广告市场格局或将进一步向头部平台集中，资源与收益加速向行业巨 头聚拢。
3.内容版权或推动平台方探索新的商业化模式
在 AI 搜索链路中，优质内容的稀缺性成为核心，或将催生内容端与搜索平台间的新型商业 模式。一方面，平台可能与头部内容方签订许可协议，授予训练或引用权，并在答案中附 带链接展示；另一方面，中长尾内容平台若希望获得曝光与导流，或需通过付费方式与搜 索平台达成流量分发合作。我们认为，平台方有望借此构建新的导流机制，并获取增量广 告收入。
颠覆性力量#2：AI agent 取代多人协同→驱动全链路自动化
展望未来，广告或将在 Agent 时代迎来新机遇。创意与投放有望通过多 Agent 协作实现一 体化，进而拓展出覆盖全链路的多元商业化路径：
广告投放方式正由单点工具向多 Agent 协作演进。当前 AI 应用仍以单点工具为主，广告主 需分别调用文案生成、海报制作、数据分析等环节。但随着 Agent 能力提升，孤岛效应有 望被打破。我们预期，在初级阶段，广告主仅需下达简单指令，多个 Agent 即可协作完成 任务，例如“设计一则面向中老年人的视频号广告”，音乐与视频 Agent 即可协作生成完整 作品；在高级阶段，广告主可提出复杂目标，如策划系列促销活动，由“数据分析师”“活 动策划师”“媒介优化师”等虚拟专家组成的 AI 团队，将依托最佳实践自主拆解任务并执 行全链路营销。 广告形态正加速向对话式与人格化方向演进。传统的静态落地页逐步被自然语言交互所取 代，AI 搜索与对话式电商亦发展出新的广告入口。在搜索场景中，广告不再局限于页面顶 部或侧边的显性展示，而是以答案的一部分嵌入问答链路，例如 Perplexity 已将推荐链接直 接融合进搜索回复。在电商场景中，以 Amazon Rufus 为代表的智能助手，让用户能够在 自然对话中完成商品检索、比较与决策，广告以推荐选项或相关商品形式无缝融入交互过 程，实现更柔性的触达。 从技术演进看，广告模型正在从单一内容解析走向基于情感计算的多目标优化。未来模型 有望以链式推理串联“曝光—兴趣—点击—转化—复购”的完整链路，并在高速信息流中 捕捉评论语气与用户表情等情绪信号。情感维度有望成为关键调节因子：积极情绪下动态 提升出价与素材组合，负面情绪时则迅速收缩投放。情感感知与共情计算的引入，有望显 著提升 ROI，并强化广告主向腾讯等线上平台集中投放的动力。
颠覆性力量#3：AI 取代 30%广告素材制作市场
广告素材制作环节，AIGC 渗透已深，当前主要通过创作者订阅实现变现，未未来定制化 Agent 有望拓展更大空间。我们认为，AI 有望取代 30%的广告素材制作份额。 文案端，AI 基于垂类语料生成结构化内容，效率与匹配度均已相对成熟；视觉素材端，以 可灵、即梦为代表的视频模型大幅缩短制作周期，简化流程，推动应用普及。现阶段厂商 普遍采取订阅制商业化，但随着模型优化，企业可通过平台构建定制化 Agent，借助自有语 料实现风格统一的内容生产，我们认为广告素材变现模式仍具拓展空间，定制化 Agent 的 飞轮效应亦将增强广告主对 AIGC 产品的依赖与粘性。
广告素材的演进方向在于效果广告的高度自动化。AI 与推荐系统结合，不仅能基于用户画 像精准匹配，还可实时捕捉场景变化，动态生成因人而异的个性化内容素材，千人千面的 投放模式有望持续渗透。
广告行业：精准投放驱动变现优化
广告行业的长链路：各环节 AI 逐步渗透，未来提效空间较大
我们认为，广告行业的上下游链路较长，各个环节 AI 将来都能带来显著的提效空间。在推 荐与投放环节，AI 加持下匹配效率与质量双重提升，ROI 改善后进一步获取广告主预算分 配，间接推动增量商业化变现。当前 AI 赋能的广告引擎主要体现在三方面突破： 1）多模态理解引入，显著提升系统对用户的洞察能力：借助多模态大模型，广告引擎不再 局限于标签层面的浅层识别，而是能够深入解析视频、图片等内容，提炼核心语义，从而 实现对用户偏好的更精准把握，并在此基础上匹配更契合的广告。多模态将用户标签从静 态升级为动态：多模态的出现，推动广告策略从静态人群标签，转向基于用户实时状态的 动态决策，进而实现“一人千面”。在智能供需匹配的驱动下，ROI 仍具备持续提升空间。 2）广告推荐的召回机制（从广告库中筛选出候选推荐广告）更加精准：由传统关键词筛选 转向生成式召回，意图识别更为全面精准。通过对用户历史行为的实时建模与语义理解， 广告引擎能够生成对当前需求的准确描述，并据此检索广告候选集。据腾讯研究院测算， 生成式召回普遍能带来 5%以上转化率提升。 3）广告标签的训练过程持续优化：传统广告引擎训练受限于标签不清、低质数据等问题， 而 AI 的多模态数据解析能力，底层数据优化后可用性更高，进而提升标签拟定和内容理解 的精度。
内容平台率先受益，效果广告优化成效显著
为何内容平台在本轮 AI+广告中率先受益？ 我们认为，AI 技术在广告场景的应用，使内容平台在流量获取、转化效率和广告主扩容等 维度全面受益。核心逻辑体现在以下方面：①内容推荐的精度显著提升，推动平台使用时 长份额持续抬升。多模态理解能力不断增强，使“人、内容、场景”的匹配更为精准，用 户在内容平台的使用市场和会话深度提升；②效果广告的意图识别能力更强，ROI 改善更 为明显。在 AI 结构化处理后，用户意图被转化为可描述性的文字，生成式召回使得广告匹 配更为精准；③内容平台的内循环模式，具备数据一体化优势。视频号、抖音、快手等实 现从曝光到交易的闭环链路，数据完整性保障了 AI 归因稳定性，ROI 提升更为显著；④ AI 创作工具降低中小广告主投放门槛，推动长尾预算加速释放。生成式创意工具与智能投 放系统，帮助长尾广告主实现低成本投放，带来更大的增量预算空间。 素材生成层面：广告创意工具正加速演进，模态形式日益多元，国内外差距逐步缩小，国 内头部厂商已处全球前列。创意生产已逐步迈向涵盖文生图组、图像编辑及首尾帧连贯视 频的一体化工作流。以 Meta Advantage + Creative、腾讯广告妙思为代表的工具，已支持 批量制图与风格迁移，并打通创作到投放的全链路，显著缩短中间环节；而快手可灵、字 节即梦等多模态工具，则凭借影视级专业化的视频生成能力，深度渗透广告行业。效果层 面，腾讯广告妙思的图生图功能已可带来约 15%的点击率提升。整体而言，对比海外，国 内广告创意工具矩阵已趋成熟，在质量与易用性上与海外类似，视频垂类产品如可灵、即 梦已跻身国际领先位置。我们认为，随着创意工具持续完善，广告主投放门槛将进一步降 低，长尾客户的加入有望推动市场扩容。
投放工具层面：国内厂商产品迭代速度较快，但在核心转化指标上仍落后于海外，整体提 升空间依然可期。当前，海内外主要平台均已构建覆盖线索获取、出价优化与受众扩展的 全链路投放体系，技术路径大体相似，如腾讯与 Meta 均依托机器学习和 AI 提升受众定位 精准度与投放效率，然而效果端仍有所分化：Meta 的 Advantage + 可使转化率提升 37%， 谷歌的 Performance Max 平均带来 27%的提升，领先国内水平。我们认为，相较海外， 国内内容厂商在广告效果优化上仍有一定进步空间；在技术路径趋同的背景下，差距有望 逐步缩小。随着 ROI 改善，广告主投放意愿亦将相应增强。 变现模式层面：创意生成工具多采取订阅制（如可灵、海外 Veo3），或与投放端工具深度 集成，采用免费模式，通过优化投放效率吸引更多预算。平台商业化的核心仍在于 ROI 提 升，通过转化率的改善带动预算扩容与份额转移，从而实现广告收入的二次放大。我们认 为，未来广告有望迈向 multi-Agent 模式，凭借 Agent 完成全链条营销的策划与执行，催生 多元化变现路径，B 端订阅的变现空间依然可观。
哔哩哔哩：AI 全方位赋能哔哩哔哩三连平台
B 站三连投放体系已经初具规模。经过多年的发展，B 站已形成广告科学度量、投放工具 和投放场景匹配的完整产品体系。科学度量涵盖哔哩必达、哔哩指数、DMP 数据，形成具 有差异化 15 类特色人群总结。投放工具涵盖之光创意制作，花火 UP 主撮合，三连投放工 具。最终落实投放方法论，选人选内容为平台特色，效果广告能力定量能力加持，多场景 适配投放需求，综合提升广告投放效率。 B 站的定量化的广告能力在显著提升。平台能够结合品牌方和电商平台数据，证明自己投 放的效果是撬动广告主预算的支撑。我们也能看到随着平台一次次升级，平台的定量能力 在提升：
1）电商领域
23 年与淘宝联盟/京东建立了可以进行后链路数据打通和回传的“星火计划”和“京火 计划”。
24 年与电商平台稿件数据 100%回传辅助优化实时投放效果，种草人群二次营销，后 链路筛选达人等。
25 年推出 InsightAgent 投前、投中、投后，提供实时策略诊断。
2）游戏领域
24 年小游戏支持一跳、建站二跳等跳转链路。同时，可基于站内用户行为特征，通过 数据回传持续迭代 B 站的专属付费模型，以此达成客户的目标 ROI。
25 年 B 站升级了从原生竞价、直投深转、搜索广告、直播投流到起飞加热工具协同的 系统性解决方案，《潮汐守望者》通过直播投流工具，24 小时 ROI 对比非直播增长 28%、 7 日 ROI 增长 38%。ROI 测算能力从 24 小时提升到 7 日。
B 站也在积极挖掘 AI 价值，提升平台能力。在内容方面，通过 AI 理解语义提升推荐准确 度，以及通过 AI 工具帮助 UP 主制作内容。在商业化方面，AI 生成广告标题已经落地应用， 后续结合广告推荐系统为广告主/代理商提供千人千面的标题生成暗投能力。
AI+视频：B 站正在内测的花生 AI 视频创作工具，只需要准备好文案或录音，AI 就能 自动匹配素材生成完整视频，从输入到成片仅需 3 分钟。
AI+翻译：基于跨模态、多语言协同生成系统的能力升级，平台能够将部分中文视频翻 译为外语的原声风格配音。也就是说，观众现在可以听到“这个人用另一种语言在说 话”，但他的声音、语气、节奏，甚至个性表达都和原片几乎一致，帮助优质内容出海。
AI+广告标题：利用大语言模型技术以及 B 站商业数据，能够让广告主仅需要输入特 定的关键词，即可以生成理论上无穷多的创意标题，并且这些标题能够贴合 b 站的画 风，既提升效率也提升效果。
InsightAgent：B 站商业化数据科学团队搭建的基于 Al 大模型(Deepseek、通义千问、 B 站 Index)的数据洞察智能系统，是一个端到端自动化数据洞察智能体，核心目标是 提升数据洞察生产效率，减少信息损失，获得价值增益。
阿里：技术与数据深厚积累，打造 AI 营销产品矩阵
阿里巴巴在营销产品、营销工具和针对营销领域的 AI 模型方面均有深厚的储备，各产品功 能亦不断迭代。在营销产品方面，以万相台为例，阿里在 2021 年推出万相台，定位“一站 式数智经营操作系统”（据经济观察报）。万相台在营销场景、投放策略、全域营销和数智 经营指标体系方面进行创新，提高商家在投放需求匹配、投放成本优化、投放场景选择以 及投后效果管理的效率；2023 年，万相台升级为万相台无界，打通淘宝全渠道资源，合并 多平台账户和资金；在营销工具方面，以达摩盘为例，据亿邦动力报道，达摩盘对阿里 28 亿人群资产进行深入研究，针对行业特征兴趣、内容偏好兴趣、生活圈层兴趣三个维度， 打造具有内容体系丰富性、定向维度组合性、行为互动高效性、使用规模庞大性优势特征 的人群“兴趣标签”矩阵。我们认为，阿里过往在营销产品和工具的长久发展为 AI 积累了 大量的数据基础，同时，其营销产品和工具本身拥有大量用户基础，在搭载了 AI 功能后有 望使其 AI 能力的渗透规模快速提升。 在 AI 模型方面，阿里针对营销领域研发了多个模型。2024 年阿里推出 LMA 模型，据极客 公园报道，LMA 模型基于阿里自主研发的大语言模型，集成了大语言模型和多模态模型两 方面能力优势，实现了电商场景的超大规模多模态预训练，获得了对图像、文本、视频等 多种模态的高质量表征；并且 LMA 模型通过大量与消费者的互动，对表征进行微调，让表 征更契合消费者行为。在广告营销端，LMA 通过表征提升 CTR 和 CVR 预估模型的准度， 帮助商家更准确地预判投放效果；在消费者端，LMA 结合世界知识和推理能力，可以对消 费需求进行精准预测。在 LMA 基础上，阿里开发了智能营销决策大模型（AIGA），并衍生 出多个应用模型；据阿里妈妈技术公众号报道，通过 AIGA 模型，广告主可使用简单的自然 语言描述实现全部的营销流程。
得益于 AI 模型本身迭代，阿里广告 AI 能力持续提升。LMA 模型已正式迭代至 LMA2，据 阿里妈妈数字营销公众号，2.0 版本整体参数规模较 1.0 版本扩大了 10 倍，达到万亿级； 在投放端，LMA2 拥有对商品的全模态理解能力，同时拥有对消费人群跨越平台与时间的全 场域、全周期兴趣追踪捕获能力，在投放阶段实现人货匹配效率的提升；在推广端，LMA2 持续学习大量消费信息，拥有更强的消费兴趣推理能力，通过前置化详细拆解用户浏览、 下单等行为链路，助力商家投放精准触达消费场景。在基座模型迭代的同时，AIGA 模型及 衍生应用模型能力也得到提升，据阿里妈妈数字营销公众号披露，2025 年“618”前新推 出的 AIGB-R1 模型可根据商品利润空间动态调节出价水位、识别不同营销场景下的核心运 营诉求以及分析历史成交表现与用户行为特征，自动寻找问题解决方案。 AI 模型赋能传统营销产品和工具，使营销产品和工具更加智能。在营销产品中，以“万相 台 AI 无界”为例，AI 与万相台无界的结合提升了产品的交互性能，在引入更符合人机交互 的算法逻辑后，商家简单描述需求就能获得解决方案；同时，AI 的引入使产品分析能力更 强且使用门槛更低。“万相台 AI 无界”升级了“人群仪表盘”功能，在引入 AI 模型后，该 功能会主动对比商家所有投放计划，找到转化效果更好的人群进行投放重点，并且会在计 划中帮商家找到转化效率存在明显异常的人群，剔除无效计划；此外对于每一个计划，AI 赋能的“人群仪表盘”都会给出投放逻辑，帮助商家调优（据亿邦动力）。营销工具中以“达 摩盘为例”，在搭载 AI 模型后，商家可使用达摩盘“AI 圈人”功能高效锚定目标人群，依 托 LLM 模型+消费人群识别能力，打破人群壁垒，提升投放效率（据阿里妈妈数字营销）。
我们认为，阿里自身的 AI 模型能力提升，叠加传统营销产品智能化，正提高商家在营销方 面的投放效率，降低了营销门槛。从效率提升方面看，阿里 AI 产品拥有实时分析和自动调 整能力，提高用户营销策略选择和成本控制方面的效率；从门槛降低方面看，阿里 AI 产品 能主动分析投放效果，在投放各个环节自动优化，且 AI 产品的人机交互功能更强，让商家 可以低成本获得深度的指导，降低商家在营销分析上所需的投入。展望未来，我们认为随 着 AI 持续学习数据样本，模型能力和 AI 营销产品力有望持续优化，进一步提升商家广告投 放效率和效果，从而吸引中小商家加大广告投入方面的支出；从公司层面来看，AI 产品的 持续渗透或有望推动整体客户管理相关收入提升。
百度：智能体融合数字人，打造 AI+广告新型营销工具
AI 时代，百度持续探索广告变现的新形式。一方面，针对其成熟的搜索广告业务，百度持 续提升搜索结果中的 AI 生成内容占比，以期为用户提供更加客观而高质量的搜索结果，改 善用户体验。据公司 2Q25 业绩会，截至 2025 年 7 月，64%的移动搜索结果页面都包含了 以结构化和多模态形式呈现的由 AI 生成的内容，这一 AI 转型覆盖了超过 90%的百度应用 的 MAU，其中超过 60%的此类搜索结果页面以丰富的媒体元素（如图片或视频）开头。在 此基础上，2025 年 6 月百度的月活跃用户数达到 7.35 亿，同比增长 5%，2Q25 用户日均 使用时长同比增长 4%。另一方面，百度持续探索以智能体、数字人为代表的新型 AI 广告 工具，已构建起包括文字版、语音版、数字人版等全模态角色矩阵，并通过智能追问和意 图识别能力，实现在多轮对话中主动挖掘和精准筛选高意向用户，引导其完成服务预约或 意向留联等深度转化行为。 智能体使商家在获客能力、客户咨询体验等方面有所提升，提高商家营销效率。据澎湃新 闻报道，百度智能体应用千万级营销对话 COT 思维链，打造智能体“规划大脑”，同时通 过部署数亿行业专精知识学习的“解答专家”，每日主动深度思考上亿次、掌握超十万结构 化销售技巧“激发专家”，自动匹配营销内容的“推荐专家”，形成“1 大脑+多专家”的销 售力系统，通过规划大脑协同多专家模型实现营销链路全局深度思考，帮助商家 7x24 小时 低成本精准获客，提升营销效率。
在数字人方面，百度数字人技术起步较早并有成熟运用平台。据电商派报道，2021 年百度 推出“百度智能云曦灵”平台，发展数字人技术；2023 年百度推出“慧星播”数字人直播 平台，成为行业首个 AI 全栈式数字人直播解决方案。智能体+数字人解决了以往数字人直 播表情动作僵硬等缺点，使数字人工具覆盖更多行业的商家。以服装行业为例，主播通常 需要在镜头前通过大幅度的动作展示商品细节，包括试穿、展示面料等，智能体数字人解 决了传统数字人机械感较重的问题，使数字人工具渗透进入服装直播行业；在降本增效方 面，据电商派报道，在百度“慧星播”平台中，使用数字人直播的商家转化率提升了 31%， 用户满意度提升了 40%，购买决策周期缩短了 25%，同时降低了 80%的直播成本；此外数 字人可以 24 小时直播，增加了直播时长。在降低使用门槛方面，智能体数字人可以主动生 成剧本，并且做到智能化控场调度；此外商家可通过上传视频克隆真人形象，同时还原真 实直播场景，减少了商家对于专业主播和直播场地设备的依赖，降低了开播门槛。
我们认为数字人技术受益于智能体能力的不断提高，未来有望更加拟真，对于真人主播替 代性或增强，有望进一步降低直播成本和门槛。百度已经拥有数字人直播平台“慧星播” 相关技术与应用，随着数字人技术普及，未来入驻商家有望持续增加，平台可在数字人形 象生成、直播间流量分发、平台佣金抽成等方面拓展新收入增长曲线，或有望在中长期将 AI 与数字人技术能力转化为百度营收能力。借助 AI 大模型所具备的强大意图识别能力与交 互能力，我们期待百度通过新型广告工具为商户交付更加稳定的 ROI 表现，在保证用户良 好体验的基础上提高交易撮合效率，并以此修复百度在广告主预算中的份额。
AI+视频：场景渗透逐步深化，B 端变现加速
AI 视频生成市场加速扩张，广告视频率先实现规模化变现。根据 Precedence Research 数 据，2025-2034 年全球 AI 视频生成市场规模 CAGR 有望保持在 35.3%，我们预期至 30 年 全球市场规模有望达 592 亿美元，行业进入高增长阶段，并持续向影视、广告等内容制作 环节渗透。在各类应用场景中，广告视频因标准化程度高、更新频率快且对效率敏感，最 早受益于 AI 生成，成为行业起量的核心驱动力。 影视、短剧与游戏赛道对技术要求更高，但中长期渗透潜力广阔。影视制作环节已在概念 设计、特效和空镜头生成中率先引入 AI；短剧市场高速扩张，具备批量化生产需求；游戏 宣传片和过场动画制作则对降本需求更为迫切。以可灵为例，其已深度参与全球首部 AI 故 事单元剧《新世界加载中》的全流程制作，截至 7 月底，B 端累计覆盖企业与开发者超过 2 万家。整体而言，影视、短剧与游戏等赛道仍具备广阔的商业化替代空间。
产品端，目前即梦、可灵与 Veo3 已居于第一梯队。对比海外同类应用，国内产品已在视 频质量上跻身前列，同时在细化功能与个性化支持方面更具优势。可灵、即梦已具备数字 人生成与驱动能力，可满足电商、营销等高频使用场景需求。同时，国内厂商在多人协作、 镜头衔接功能方面迭代迅速，已能够支撑复杂视频创作。差异化功能的不断完善，使国内 产品在多元垂类场景中更具竞争力。
变现层面，AI 视频生成市场已进入价格收敛+体验差异化并行阶段。随着竞争加剧，全球 主要厂商定价不断下探，高质量 1080p 视频的价格已下降至 0.5–2 元/秒区间。我们认为， AI 视频长期竞争力核心在于模型迭代速度、语义理解能力与生成一致性，目前国内可灵、 即梦已处领先地位。
集成式平台或成为行业新增长点。集成式平台可将素材库、生成工具、剪辑与分发一体化， 实现一站式成片，当前海外 Freepik 已搭建“素材库+AI 工具+企业计划”模式，月均生成 约 30 万条视频，服务用户超 1.5 亿；快手旗下 Kwali 亦在测试“脚本-分镜-剪辑”的全站 模式并嵌入生态。我们认为，未来能够打通生成与分发全链路的厂商，有望率先在 AI 视频 竞争中受益。 国内厂商商业化重心亦有望逐步转向 B 端。随着技术加速融入行业工作流，Runway 与 Netflix、迪士尼开启探索性合作，蓝色光标亦与可灵达成合作，产业对接大型客户、发展企 业化服务模式的实践正逐步落地。同时，AI 视频的商业化模式也在拓展，逐步由 C 端会员 订阅扩展至 API 调用、企业订阅及定制化解决方案，如可灵正规划推出 B 端工作室订阅产 品，并开启视频创作协作工具“灵动画布”测试。我们认为，中期而言 AI 视频产品流水释 放有望提速。
AI+招聘：猎聘积极尝试 AI 产品，渗透率显著提升
猎聘积极拥抱 AI 应用，取得了显著效果。公司从 24 年推出 AI Agent 智能招聘助手，年底 渗透率达到三分之一，截止 25 年中目前渗透率已经超过 70%，较 24 年底显著提升。向人 选产品两小时内推荐率大幅提升至 64%，产品月度重复发起率持续增长并稳定在 60%以上， 充分体现出企业客户对公司 AI 招聘产品的高度认可和使用习惯的持续加深。
AI 面试对企业效率提升带动显著。猎聘推出的 Doris 在智能面试领域具备独特的技术能力， 覆盖从白领招聘、蓝领招聘到灰领招聘等不同职类的面试需求，且 AI 系统评估结果与资深 面试专家一致性稳定维持在 95%以上，产品的稳定性与可信度为用户体验的提升提供了坚 实的保障。2025 年上半年，该业务专注于多场景的拓展和行业标杆客户的突破。
AI 办公：从基础文档到行业定制，商业化新机遇显现
我们认为，AI 办公软件在表格场景的商业化潜力正在加速释放。当前，国内文档与幻灯片 端的 AI 功能已趋成熟，而表格端仍具提升空间，高强度计算、跨系统集成与自动化流程将 成为关键壁垒。飞书、钉钉等应用在大规模数据分析方面已初步展现差异化，但相较微软 Copilot 在 Excel 端的跨表建模与场景化分析，仍存在差距。我们认为，AI 表格的深化应用 不仅有望显著提升企业效率，同时或将打开订阅制商业化的新增长点。 同时，AI 办公正加速向垂直行业渗透。通用大模型叠加行业知识与工具接口，推动医疗、 营销等领域的定制化 Agent 快速落地，企业对专业化与深度应用的需求加速释放。行业化 方案有望成为厂商打破同质化竞争的关键路径。
基础文档：基础功能完善，AI 表格潜力待发
当前国内基础型文档应用尚未形成完整的 AI 功能套餐，与海外领先厂商仍有差距。具体而 言，国内文字文档和幻灯片的 AI 功能布局较为完善，整体已趋成熟，但在表格端的 AI 计算 能力仍有较大提升空间。
AI 表格需具备稳定的实时计算、高准确度的数据处理和复杂流程的自动化适配能力，对协 同引擎、多模态融合和跨系统集成的要求更为严苛，技术门槛更高，是通用办公 AI 向深度 业务场景延展的关键所在。国内方面，飞书已实现千万级数据的毫秒级响应，支持千人协 同编辑，并通过 AI Agent 节点实现复杂业务的自动化决策；钉钉依托阿里构建的 O-table 可在单表实现百万级行数据的实时更新；企业微信则侧重轻量化场景，能够依托微信生态 提炼客户意向，但在商业智能分析和深度自动化方面仍显不足。 对比海外，微软 Copilot 在 Excel 中已支持自然语言提问，即时给出数据透视、预测与图表 展示结果，具备强大的跨表数据建模和场景化分析能力。我们认为，未来表格层面更高效 的 AI 分析与智能处理，不仅将深化业务赋能，亦有望为订阅制商业化空间加成。
行业垂直方案加速落地，知识库打开新空间
AI 办公正从通用场景延伸至垂直行业。行业大模型对数据和训练成本要求较高，更适合由 大型技术服务商主导，基于 Agent 的具体应用更契合多数企业需求。目前，腾讯企业微信 和阿里钉钉均已推出行业化方案。例如医疗行业中，钉钉上线豆蔻妇科大模型，可回答妇 科问题，准确率达 90%，同时其医药合规助手则整合审批、签章等功能，覆盖医药研发流 程；腾讯企业微信也推出医患服务，为患者建立专属健康档案。依托通用大模型+行业知识 +工具接口，厂商可快速搭建客服、知识引擎、问答系统等 Agent 场景，完成能力复用与快 速部署。 我们认为，行业与企业级定制化 AI 方案正逐步进入需求高速增长期。随着通用办公功能趋 同，差异化竞争将更多依赖垂直行业方案。企业在实际应用中对专业性与深度的需求持续 增强，行业定制化将成为 AI 办公 SaaS 打破同质化竞争的关键。
此外，企业级知识库正成为 AI 办公商业化的重要落地方向。25 年金山办公上线 WPS 知识 库，提供 AI 问答与智能知识分类管理功能；腾讯则推出乐享知识库，支持 102 种格式存储， AI 问答准确率达 92%。 从国际对比看，国内产品更强调多模态兼容与办公场景融合，但整体变现仍处早期，普遍 采取免费使用基础功能的模式。Atlassian 旗下 Confluence 已将 AI 深度嵌入知识检索与文 档生成，并形成标准化订阅体系；ServiceNow 的 Knowledge Management 则突出流程管 理，结合 CRM、IT、HR 等业务场景，定位企业级深度应用，价格以定制化洽谈为主。 整体而言，国内厂商在功能层面已逐步追平，但商业化路径仍以导流与轻度收费为主，尚 未形成规模化订阅体系。未来，随着 AI 在知识检索、业务协同与行业定制场景的加速渗透， 国内知识库有望借鉴海外模式，拓展订阅化与功能付费空间。
AI+图片：AI 功能带动产品付费率提升，美图持续精耕细作
在传统图像领域有卡位优势，布局全面，以 AI 催化付费订阅。美图长期专注图像美化赛道， 拥有 2.6 亿 MAU 流量基本盘并具备卡位优势。其以自研图像大模型为基，打造图像 AI 生 产力工具全生态，通过挖掘垂直场景需求并构建 AI 原生工作流解决生产力痛点。同时以 AI 驱动订阅付费：1、大模型底层能力支持缩短付费功能的研发周期；2、AI 带来多样化效果 挖掘更多的需求付费点；3、AI 提升创作效率，加大用户付费意愿。1H25 公司付费用户数 达 1540 万，yoy+42%，付费渗透率达 5.5%（24 年底为 4.7%），拆分来看其中 1360 万来 自生活场景，180 万来自生产力场景。
AI Agent 产品 Roboneo 自推出后进展迅速。美图 AI agent 产品 Roboneo25 年 7 月中旬 发布，在无推广的情况下迅速破圈，迅速在多个国家 APP Store 登顶。后续展望除了本身 产品能力和商业模式的完善之外，公司还会将 agent 思路深入到美图秀秀等细分产品，助 力付费率突破，Roboneo 有望成为美图生产力场景的重要产品。
阿里合作整体态势向上。大模型层面阿里提供大模型训练支持，提升美图垂类训练效果， 此外云服务亦已经接入阿里云。AI 试衣、AI 商品图功能面向用户和淘宝商家推出，由于生 产力空间充分、付费率远高于生活场景，看好美图与阿里的合作前景。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
来源：未来智库
