文｜亿欧智库

关键词：人工智能；AI场景；AIGC；AI商业落地；投资价值评估模型

   人工智能技术作为数字经济时代的重要生产力，市场规模逐年增长，持续助推新兴技术和实体经济的深度融合。中国人工智能经历了“创业高潮?应用部署?技术瓶颈?商业变现”的发展周期，开始迈入大规模商业变现新阶段。目前国内已有较多AI技术落地到实际的商业场景中，下一步的关注重点将从“技术能否落地”转移到“技术落地后能否为甲方企业带来投资价值”。

AI商业落地价值发展现状解析

1. 人工智能发展的周期性变化

（1）中国人工智能将进入大规模商业变现阶段

  伴随技术的成熟落地，中国人工智能经历了“创业高潮（2014?2017年）?应用部署（2018?2021年）?技术瓶颈（2021?2022年）?大规模商业变现（2023年?未来）”的发展阶段。2014?2017年是中国人工智能发展的创业高潮期，4年期间累计成立近4000家企业（数据来源：IT桔子），政策的密集出台和资本的加持，为人工智能的发展创造了有利条件。2019年后创业潮逐渐消退，在政策支持和技术突破的背景下，中国AI技术开始走向应用部署阶段。在AI技术大规模商业落地的过程中，遇到的瓶颈包括以数据质量和数据安全为代表的数据问题，以基础设施建设薄弱为代表的算力问题。2023年爆火的生成式AI成为新契机，商业落地场景持续增加，中国人工智能开始步入大规模商业变现新阶段。

（2）中国人工智能将迎来新一轮上市潮

 企业扩大融资渠道需求和资本市场趋于理性的内外部因素合力推动新一轮上市潮到来。资本市场对于人工智能的投资回归理性，投融资阶段进入中后期。从融资事件数来看，2021年国内AI领域风险融资事件数为832起，达到历史最高水平，2022年受大环境影响投资事件数下降至400起，预期2023年融资事件数会出现回弹趋势。从融资阶段来看，中国人工智能领域的风险投资结构趋于成熟，呈现出“早期投资占比逐年递减，中后期与战略投资占比逐年递增”的结构变化（见图1）。

  人工智能作为技术密集型行业，研发投入占比高，企业长期存在扩大融资渠道的需求。2021?2022年海天瑞声和商汤科技等企业的上市标志着人工智能领域迎来第一波上市潮，近年来资本市场投资结构日益成熟，但企业需要保持融资平稳有序，内外因将共同加速新一轮上市潮的到来。

（3）AI解决方案的投资回报价值成为投资方和甲方客户共同关注的重点

   投资方对于处于不同发展阶段的企业关注重点存在差异（见图2），在企业发展的初创期和早期，投资方主要从“市场需求、商业模式、管理结构和应用部署”等角度对人工智能企业进行分析，在成长扩张和成熟期，重点关注企业的战略规划和投资回报价值。

   甲方企业在选择服务商时的关键决策因素分别是投资回报价值、成功案例、定制化能力和研发实力。投资回报价值关注服务商提供的场景能够给公司带来的实际价值和回报周期，成功案例考查服务商是否给业内龙头企业提供过成功的解决方案，定制化能力考查服务商能否结合业务流程解决碎片化需求，研发实力考查服务商研发团队的构成和技术发展规划。随着中国人工智能行业迈入商业变现新阶段，AI解决方案的投资回报价值将成为影响投资方和甲方客户的关键决策因素。

2. 人工智能商业变现现状

（1）政策端

   政策持续利好，2023年前后国家和地方持续出台各类鼓励性政策，涵盖顶层战略规划、基础层建设、应用层布局和区域性部署等维度，全方位支持AI产业发展。其中《生成式人工智能服务管理办法（征求意见稿）》对生成式人工智能技术的健康发展和应用做出规范，《数字中国建设整体布局规划》提出普及数字生活智能化，打造面向未来的智能化沉浸式服务体验。与此同时北京、上海和深圳等地也颁布了相关保障政策，为人工智能技术的落地实践提供良好土壤。

（2）技术端

     2023年中国人工智能行业新兴技术快速迭代更新和落地，以AIGC和元宇宙为代表的现象级技术创新频出，持续助推“弱人工智能”向“强人工智能”迈进。

   AIGC即生成式人工智能，是基于GAN（生成对抗网络）、预训练大模型、多模态技术融合的产物，能够通过已有的数据寻找规律，并通过泛化能力形成相关内容。AIGC具有重塑数字内容生成和消费方式的能力，可以生成文本、音频、图像、策略和代码等内容，赋能营销、传媒、泛娱乐、金融和医疗等行业，为AI落地提供了新思路。以“实时性、可创造性、兼容性、可连接性”为特征的元宇宙，持续助推商业场景重构，落地了数字虚拟人、虚拟办公室、虚拟工厂、NFT数字藏品等应用场景。

（3）应用端

  中国AI市场已经从“技术导向”迈向“价值导向”阶段，AI技术行业渗透率持续上升，各细分领域开始出现成熟度较高的场景，规模性复制的成熟落地场景一般具有起步时间早、技术相对成熟和能够给下游客户带来较高综合使用价值的特征。

  零售领域的精准营销、互联网领域的智能推荐、金融领域的智能客服、泛娱乐领域的虚拟人、汽车领域的智能座舱、智慧城市领域的智慧安防、医疗领域的电子病历和制造领域的智能质检都是细分领域中涌现出的成熟落地场景。

AI商业落地投资价值评估模型及场景分析

1. AI商业落地投资价值SCE评估模型

   亿欧智库从新的市场环境出发，从“战略价值、降本增效、创收创利”三个维度构建投资价值评估体系，搭建SCE（Strategic Value-Cost Value-Economic Value）价值评估模型（见图3），以零售、互联网、金融等8个领域为研究对象，评估AI商业落地场景给下游甲方企业创造的综合投资价值。以调研问卷、专家访谈、企业官网、亿欧数据和研究报告等为基础，为不同领域的细分场景进行打分，场景综合得分=战略价值得分×30％ +创收创利得分×35％ +降本增效得分×35％。

2. 不同领域高投资价值场景分析

  以SCE评估模型为基础，从重点关注的8个领域中，评选出数十个能够给下游客户带来高价值回报的细分场景（见下页图4）。不同领域中高价值场景的核心发展驱动力有所差异，汽车、智慧城市、医疗和制造等领域在政策推动的背景下引入AI技术，关注落地场景带来的战略价值；零售、互联网、金融和泛娱乐等领域自主引入AI技术的能动性较高，关注落地场景的经济和成本价值。

（1）AI +零售

  以消费者为核心的行业属性决定细分场景的本质需求为优化客户体验，零售领域的高投资价值场景包括精准营销、智慧运营和智能客服。

  精准营销：创收创利是该场景为下游客户创造的核心价值，通过提高产品曝光率、提升营销转换率、提高营销活动质量、拓展营销渠道和实现全域获客的方式帮助客户实现用户和销量增长。

  智慧运营：以降本增效为主要手段，帮助客户降低人力成本、决策成本和交易风险，提升产品流通和运营管理效率。以AI赋能零售行业的全流程运营管理，推动“人?货?场”全链条智能化转型，构建零售伙伴生态圈并实现全域场景联动，帮助客户实现销量增长。

  智能客服：降本增效是该场景为下游客户带来的关键价值，智能客服的引入能够有效降低人工成本和服务成本，提升响应速度，降低客户咨询积压率，助力整体运营效率的提升。24小时应答的智能客服，能够实现全渠道客户咨询的统一响应和管理，显著提升消费者体验。

（2）AI +互联网

  细分落地场景多，成本价值和经济价值双轮驱动高潜场景发展，互联网领域的高投资价值场景包括智能搜索及推荐、内容生成、图像处理和语音处理。

  智能搜索及推荐：创收创利是该场景能够为下游客户创造的核心价值，通过提升搜索质量、精准客户触达和精准内容推荐，实现用户活跃度和留存度提升，最终带来内容推荐转化率提高和用户收益增加的效果。

  内容生成：内容生成的引入能够通过增强用户黏性、拓展服务类型、丰富增值服务、吸引潜在用户的方式为下游客户创造经济价值。同时帮助企业降低人工和服务成本，满足客户的多样化需求，实现助推人工智能场景创新和落地的战略意义。

  图像处理：结合SCE评估模型，降本增效是图像处理场景中得分最高的价值，场景引入能够帮助客户降低人工和服务成本、实现图像自动处理、提升图像识别准确率和图像处理效率。

  语音处理：降本增效是该场景为下游客户创造的核心价值，通过自动化语音识别和处理，降低人工成本、提升识别准确率和综合运营效率。实时语音识别、智能语音导航、会议纪要实时生成等应用场景的落地，帮助客户不断拓展业务场景，提高品牌溢价。

（3）AI +金融

  金融领域的高投资价值场景包括智能营销、智能风控、智能客服和智能身份识别。

  智能营销：以精准画像描绘为核心手段，帮助下游客户实现新增用户拓展、存量客户巩固、生态圈用户链接、销售转化率提高和营销渠道拓展的经济价值。自动化营销能够有效降低人力和服务成本，提高营销效率，同时也能帮助下游客户实现顺应金融科技转型发展的战略价值。

  智能风控：战略价值是该场景为下游客户创造的关键价值，具体的价值包括助力优化客户体验、构建数据驱动的风控体系、实现精益化风险管理、健全风险管理体系和助力防范化解重大金融风险。

  智能客服：降本增效是该场景为下游客户带来的核心价值，智能客服的引入能够有效减少人工客服的介入并引导客户自主交易，显著降低人工成本和提升工作效率。

  智能身份识别：降低人工核验工作量、降低服务成本、降低识别错误成本和提升运营效率的成本效益是智能身份识别场景为下游客户带来的关键价值。

（4）AI +泛娱乐

   生成式AI的优质落地领域，降本增效为核心驱动价值。泛娱乐领域的高投资价值场景包括游戏开发、虚拟人、影视制作、游戏美术设计和智能采编。

  游戏开发：场景引入为客户带来的成本价值包括降低人力成本、缩短游戏开发周期、提高游戏创作效率和运营效率，同时能够提升游戏设计的新颖性和场景丰富度，最终带来游戏下载量提升的经济价值。

  虚拟人：人力成本降低、服务成本降低和运营效率提升是场景引入为客户带来的关键价值，并能够通过增强社交互动属性和增加流量变现场景的方式为客户创造经济利益。

  影视制作：影视创作的核心成本价值包括降低人力成本、降低创作成本、提高剧本和特效生成效率、缩短影视制作周期和提高影视创作效率，并通过优化内容质量来提高影视剧集的经济效益，帮助客户实现品牌价值提升。

  游戏美术设计：核心成本价值包括减少重复性美术生产工作、缩短美术设计周期和提高美术设计效率，为玩家提供优质视觉体验。

  智能采编：核心成本价值包括缩短采编时间、降低人工成本、降低内容审核错误成本和提高新闻资讯时效性。智能热点话题分析和智能采编能有效提高新闻内容质量，带来点击率增加的经济价值，最终实现助推融媒体智能化转型的目标。

（5）AI +汽车

  国家战略助推场景发展，初期关注战略价值，中后期关注成本和经济价值。汽车领域的高投资价值场景包括智能驾驶和智能座舱。

  智能驾驶（L1?L3）：战略价值是该场景为下游客户创造的关键价值，具体的价值包括提升用户驾驶体验、提高品牌战略定位、推动汽车产业生态重塑和升级、助推绿色中国和平安中国建设。智能驾驶的引入也能帮助客户进行产品升级，提高品牌盈利空间。

  智能座舱：创收创利是该场景为下游客户创造的核心价值，智能座舱的引入能够帮助客户提升产品品质、提供个性化服务、吸引潜在用户、拓展增值服务和提升盈利空间。

（6）AI +智慧城市

  政策助推技术落地，高潜场景具备多维度综合价值。智慧城市领域的高投资价值场景包括智慧安防、智慧政务、智能家居和智慧园区。

  智慧安防：战略价值是该场景为下游客户创造的核心价值，智慧安防场景致力于打造安全的人居环境，通过构建系统化和智能化的管理流程，实现降低犯罪风险、提高居民幸福感、营造安全人居环境和助力平安中国建设的目标。

  智慧政务：战略价值和成本价值共同驱动场景发展，具体价值包括降低人力成本、降低数据处理成本、降低服务成本和提高行政办事效率的成本价值，以及提高居民满意度、提升政府形象和助推数字中国建设的战略价值。

  智能家居：拓宽产品线、拓展业务落地场景、提供定制化服务和打造智能家生活圈是该场景为客户创造的核心价值。

  智慧园区：战略和成本价值共同驱动场景发展，智慧园区的引入能够降低人力成本、降低能源消耗、提高资源配置效率和园区运营效率，同时帮助客户实现提升品牌溢价和推动园区经济与环境协调发展的战略价值。

（7）AI +医疗

  以提高诊疗水平为关键目标，战略和成本价值协同驱动场景发展。医疗领域的高投资价值场景包括电子病历、医疗机器人、医疗影像和AI检验。

  电子病历：降本增效是该场景为下游客户创造的关键价值，具体包括降低人力成本、降低病历仓储和管理成本、降低病历获取成本、降低跨部门沟通成本和提高病历利用效率，电子病历的引入也能有效提升医院诊疗质量。

  医疗机器人：提高患者满意度、优化医疗机构品牌形象和提升医疗可及性是医疗机器人的使用为下游客户带来的核心价值，同时也能帮助医疗机构降低手术并发症风险和提升手术效率。

  医疗影像：降本增效是该场景为客户创造的核心价值，具体包括降低人力成本、减少患者等待时间、缩短阅片时间和提高影像诊断效率，并通过提高诊断准确率和患者接待数量的方式增加医疗机构收入。

      AI检验：成本价值驱动场景发展，AI检验场景的引入可以帮助客户降低检验仪器损耗率和人工成本，有效提升检验效率，最终带来检验通量和检验质量的提高。

（8）AI +制造

  政策推动技术与场景融合，降本与提质为细分场景的关键发展目标。制造领域的高投资价值场景包括智能质检、智能生产、智慧安全管理和智能调度。

  智能质检：成本价值驱动场景发展，智能质检是制造业领域应用最广泛的场景之一，能有效降低人工成本、检测成本和生产成本，提高质检效率，帮助企业实现产品质量提升，助力制造业高质量发展。

  智能生产：成本和战略价值共同驱动场景发展，智能生产可以实现人力、库存及生产成本的降低、生产效率的提高和运营效率的提升，最终实现客户黏性提高、产品落地进程加快和助力制造强国建设的战略价值。

  智慧安全管理：战略价值是该场景为下游客户创造的关键价值，以提高安全生产管理水平为首要目标，帮助客户健全安全管理体系、提升安全管理水平和企业ESG治理水平。

  智能调度：缩短生产周期、降低人力成本、提高生产效率和资源配置效率是智能调度场景为下游客户创造的关键价值。

优秀解决方案分析

1. 双管齐下助力制造业高质量发展

  产品质量提升和安全生产管理水平提高是制造业智能化转型的两个关键目标，制造业领域服务商的解决方案大部分围绕这两个目标展开。玉贲智能是工业安全和视觉检测智能产品及AIoT工业云服务提供商，其技术应用于3C电子、纺织和工业制造等行业，解决企业合格品检测和安全生产监管中的痛点。

 在工厂安全生产智能监管场景下，公司以“工业安全眼+智能云平台”两类产品为依托打造解决方案，实现精准区分人和物，协同安全生产和高效生产，并通过AIoT互联的方式实现设备远程化运维。在对某制药企业包装线提供的解决方案中，针对包装线区域环境复杂、材料和设备交错放置、工人误闯入风险高的监管痛点，合理部署工业安全眼。当有人员进入监测范围时，工业安全眼会及时检测并立即停止机械臂的工作，现场拍摄到的图片还将通过邮件和小程序等方式发送给管理人员，提高安全管理效率。

  在工业检测场景中，公司自主研发了小样本学习方法，成功克服工业质检领域缺陷样本不足带来的训练难问题，同时依托自主研发的深度模型裁剪压缩工具，降低场景应用的算力需求。在某药企压缩机标签识别解决方案中，以工业检测眼产品为载体配套软件平台，实现自动化质检，识别精度达到99.8%，同时能够通过智能语音实现实时播报检测结果，实现自动记录和实时追踪。

2. AIGC赋能消费品牌数字化营销

  在以提高用户体验为关键目标的零售领域中，众多服务商提供的解决方案围绕精准营销和智慧运营两大场景展开。Whale帷幄是一家专注于消费品牌数字化营销运营的企业，公司以SaaS平台为基础，依托人工智能、大规模物联网络和数据模型等关键技术创新，通过搭建数据分析云、开放云和Marketing GPT产品Alivia，为客户提供数字直播间运营、数字化内容营销和数字化线下门店运营服务。其中Alivia能够实现智能对话、小红书文案生成和营销内容生成，帮助品牌提升营销活动质量。

  在公司的产品体系中门店运营、内容营销和直播营销为主要营销手段。直播营销可以实现引流到店消费，助力提高线下门店销量；线下门店的数字化运营可以将门店客户引流到线上平台实现私域留存；私域客户通过线上内容营销可以导流至线下门店反哺线下客流。三种手段协同配合为客户提供完整的数字化商业增长体验，最终实现线下体验优化、私域留存增长和直播引流增加的目标。

  随着生成式AI的迅速发展，公司积极引入AIGC技术，打造市场营销领域的GPT，为品牌打造数字化营销运营闭环，拓展数字化营销的创作边界，提高营销活动的整体效率。在为某化妆品品牌寻找增长点的解决方案中，通过三步走策略打造专属于消费者的千人千面的精准营销。首先，通过用户内容沉淀来构建精准用户画像，在这个阶段通过收集上百万条UGC内容数据进行建模分析，最终转化为8类精准用户画像，并发掘出具备爆发潜力的关键产品。其次，利用AI技术进行自动化审核，针对第一阶段筛选出的具备爆发潜力的产品，与1000名小红书美妆达人开展PGC内容生产合作。借助AI构建自动审核打分系统对博主发布的内容进行自动审核，最终形成“大量底部内容+部分腰部内容+2篇精品内容”的内容梯队，为高潜产品打造社交声量。最后，借助AIGC解决长尾问题，实现千人千面营销。在该阶段积极引入生成式AI技术，基于给出的细分人群关键词，快速产出以特定口吻描述的营销内容，并生成对应海报等营销素材，实现高精度和低成本的营销，有效提高产品的营销转换率。

AI商业落地的未来机遇与发展举措

1. 未来AI技术发展潜力分析

  边缘AI在短期内（1〜2年）将迎来一轮发展高峰。技术优势凸显和市场需求增加两方面因素共同加速边缘AI发展高峰的到来，边缘AI具有可靠性高、可离线操作、低延时、低成本和高隐私保护的特征，能够赋能智能家居、智能驾驶、智慧零售和智能制造等场景，有效提高用户隐私保护力度、安全监管能力和智能系统稳定性。未来边缘AI技术的发展方向为持续深化场景融合水平、提升隐私保护力度和推动云边端协同建设。

  具身智能和通用人工智能分别是中期（3〜5年）和长期（5年以上）具有发展潜力的技术。具身智能是能够理解、推理并与物理世界互动的智能系统，是具备自主决策能力的机器智能。大模型快速发展和AI基础技术的成熟为具身智能的快速发展提供了条件，其中大语言模型、机器视觉模型和视觉导航模型的发展，能够助力机器人的智能化发展，计算机图形学和自然语言处理等技术的成熟有效提高了具身智能的主动学习能力。未来具身智能技术将在服务机器人、工业机器人和人形机器人中得到广泛应用。通用人工智能是AI发展历程中的关键目标，依托其“具有类似人类智慧，能够自主决策、学习和执行”的特点，长期以来都是学术界和企业界关注和探索的领域。在高精度模型上探索大脑的通用智能、借鉴人类大脑概念表征和情景处理方面的工作机制是目前业界在探索的通用人工智能实现路径。通用大语言模型已开始具备通用人工智能的特征，为迈向通用人工智能开辟了新路径，加速弱人工智能向强人工智能的发展历程。

2. 提升AI商业落地场景投资价值的主要路径

  数据、算法和算力是供给侧提升解决方案价值的关键突破口。以政府和服务商为代表的供给端应通过提高数据质量、提升算法灵活度和突破算力限制等方式，持续提高AI技术为终端客户带来的综合价值。

  第一，丰富行业数据，构建优质数据集是从数据端提升商业落地场景价值的关键。中国人工智能行业的发展存在缺乏优质数据集和部分行业数据量不足的问题，具体表现在国内数据挖掘和治理的资金投入力度不足、中文开源数据集数量少、部分行业数据采集难度大、数据信息敏感等方面。在未来的发展过程中，首先需要增大数据治理方面的资金投入，加速各地数据交易所建设和运营；其次需要积极发掘潜在高质量数据集，如专业内容和垂类内容平台；最后应该充分利用生成式人工智能合成数据，解决数据获取受限和数据量少的问题。

  第二，引导算法向善和提升算法灵活度是算法端提升商业落地场景价值的有效途径。目前国内存在违规收集用户信息、利用算法实施虚假宣传等算法侵权现象，并且部分服务商提供的是“罐头”算法，下游客户可以开盖即用，但是只能使用一次，不能根据新出现的问题进行迭代优化。因此为了提升场景价值，首先，需要加快多元主体协同治理模式落地，政府发挥主导作用、企业严守法律法规、行业组织积极参与治理；其次，企业在生产经营过程中要坚持算法向善的理念；最后，服务商需要转变传统卖软件的思路，为下游客户提供解决方案，使得算法能够根据场景变化自动迭代，降低下游用户使用成本。

  第三，加大算力基础设施建设投入和引入新型架构，打破传统冯诺依曼架构AI芯片面临困境，是从算力侧提升场景价值的关键。基于算力困境，在未来发展路径的选择中，首先，需要加大对算力基础设施开发的投入，鼓励龙头企业开放技术能力和供应链资源，支持中小企业围绕细分领域延伸，优化产业生态；其次，企业加大研发投入，增强行业间人才交流和商业合作，提高产品竞争力 ；最后，可以引入存算一体架构，帮助实现快速量产和突破AI算力困境。

  全方位布局的发展路径有助于从需求侧提升AI技术的场景价值。需求侧存在AI认知不清晰、业务团队不合理和缺乏落地规划等方面的问题，甲方企业需要从战略制定、团队组建和技术落地评估方案制定等维度入手为AI技术落地和价值提升培育良好土壤。

  一是制定明确的AI发展战略。深度分析业务需求，引入合适的AI技术，同时制定短、中和长期发展战略，确定详细发展目标；将AI规划提到公司发展战略的高度，使其与高管层的目标保持一致，争取关键发展资源 。

  二是建立多元化AI团队。构建多元化跨学科团队，团队成员包括数据科学家、数据建模师和业务工程师等角色；加强内部复合型人才培养，通过轮岗和技术培训等方式，加深技术人员对业务场景的理解，加快业务人员对AI知识的掌握。

  三是制订详细的技术落地评估方案。根据人工智能发展战略制定详细的技术落地情况评估方案；定期评估技术落地效果，结合市场和业务的变化，灵活调整战略方向和实施计划。■

执笔人 杨雨然 孙毅颂