行业投资评级 - 报告对AI应用行业持积极态度 投资评级为看好 [4] 核心观点 - AI应用Tokens消耗量大幅增长体现落地进展加速 大模型实现大规模商业化且收入向头部集中 OpenAI年化收入达到120亿美元 [4] - AI视频工具已迈入1亿美元ARR台阶 大规模商业化节点即将到来 [4] - AI编程为最热门融资方向 商业模式已跑通并加速兑现收入 Anysphere实现5亿美元ARR [4] - 企业级AI软件商业化偏慢 但具备坚实应用场景的AI法律 招聘 客服等领域已渐次兑现收入 [4] - 互联网巨头通过AI推荐系统升级和AI应用孵化推动商业化 META业绩已体现生成式推荐系统效果 [4] AI应用总览 - 大模型API调用量2025年后增长明显 OpenRouter平台显示谷歌Gemini Anthropic Claude OpenAI GPT等模型竞争格局高波动 [11] - 互联网公司AI Chatbot成为核心算力消耗场景 ChatGPT周活跃用户达8亿 谷歌Gemini月活用户达4.5亿 [14] - 微软Tokens消耗量从2024Q1的20万亿增长至2025年3月的400万亿 谷歌Tokens消耗量从2024年5月的9.7万亿增长至2025年7月的980万亿 [13] - 初创公司商业化进展分化 OpenAI估值3000亿美元 Anthropic拟以1700亿美元估值融资 xAI估值1130亿美元 [16] - AI视频工具Runway ARR达8400万美元 Synthesia ARR达1亿美元 Midjourney年营收预计3亿美元 [16] - AI编程工具Anysphere估值99亿美元 ARR达5亿美元 Replit估值30亿美元 ARR达1.4亿美元 [18] - 垂类AI应用Scale AI年营收预计20亿美元 Surge AI年营收超10亿美元 ElevenLabs ARR达1亿美元 [22] 互联网巨头进展 - 生成式推荐架构正替代传统DLRM模型 META GRs 快手OneREC 字节HLLM等方案推动推荐系统升级 [34] - META生成式推荐系统使Facebook用户使用时长提升7% Instagram提升6% 广告转化率提升5% [42] - 谷歌AI搜索功能AI Overview月活用户超20亿 AI Mode月活达1亿 Gemini月活达4.5亿 [47] - OpenAI年化收入120亿美元 其中C端订阅55亿 B端订阅36亿 API收入29亿 [53] - Anthropic年化收入50亿美元 其中API收入31亿（60%来自编程工具） 编程工具Claude Code ARR达4亿美元 [53] AI编程领域 - AI编程工具ARR总和超30亿美元 GitHub Copilot用户达2000万 Cursor ARR从1亿快速提升至5亿 [61] - 应用层公司仍需完成代码库感知 编辑器整合 UI优化等工作 具备独立竞争壁垒 [65] - Cursor通过VS Code集成 影子工作区验证 多模型智能路由等技术实现出色用户体验 [68] - 长期看AI编程可能演进为UGC应用程序平台 降低开发门槛并丰富应用生态 [73] 企业级AI软件 - 企业级AI部署前期需3-18个月完成数据清洗 工作流结合等工作 大规模落地节点或在2026年后 [80] - 定制化AI平台更适合企业落地 ServiceNow AI ACV订单达2.5亿美元 指引2026年达10亿美元 [77] - 竞争壁垒来自数据获取能力和行业Know-how Palantir Snowflake ServiceNow SAP等公司具优势 [85] - Palantir通过数据层归一化 逻辑层模型结合 行动层人工审核等构建企业AI操作系统 [91] 内容生产工具 - AI视频工具Runway Synthesia ARR接近1亿美元 但文本忠实度等仍有提升空间 [96] - 设计软件市场分化 Adobe面向专业设计者市场 Figma Canva面向传播者市场 [99] - Figma高价值客户数量高速增长 超过1万美元ARR客户达11107家 超过10万美元客户达1031家 [101] - 多邻国Max会员渗透率达8% 定价29.99美元/月 高于Super会员的12.99美元 [109] 国内AI应用 - 2025H1中国大模型公有云服务Tokens调用量达537万亿 2024全年为114万亿 [112] - 互联网公司通过推荐系统升级 AI Chatbot和云业务推动AI落地 [115]

生活服务AI应用 - 某外卖平台内测生活Agent"小美" 实现一句话完成外卖下单全流程 支持复杂需求处理和消费偏好记忆 [1] - 该服务将传统"搜索浏览比价下单"链路简化为"我说它做"高效模式 基于消费行为实现个性化决策 [1] - 高德地图"扫街榜"覆盖全国300多城 专注帮助用户发现美食 与外卖平台形成"让想去"和"帮买到"互补 [1] - 未来两者打通将形成"发现决策下单履约"服务闭环 AI将围绕人的需求调动各类资源 [1] 办公协作AI转型 - AI办公工具从简单工具升级为"职场搭子" Notion AI和飞书等可根据自然语言一键生成项目计划和会议纪要 [2] - Canva和Beautiful.ai等工具自动完成排版 大幅降低非设计师创作门槛 [2] - 大模型能直接读懂表格并用自然语言解答业务问题 如"销售利润率为何下降" [2] - 办公AI从"听话执行指令"转向"理解上下文会推理能提建议" 重构企业人力结构和岗位职能 [2] 医疗健康AI升级 - AI医疗从"诊后辅助"走向"诊前陪伴" 海外医学大模型在专业考试中达到人类医生水准 [3] - AI应用贯穿诊疗全流程：诊前分诊风险评估 诊中辅助读片避免漏诊 诊后智能随访用药提醒 [3] - AI可能成为个人健康管家 降低诊疗门槛并为医生释放宝贵时间 特别有利于医疗资源分布不均地区 [3] 内容创作AI变革 - 谷歌图片生成大模型可几秒内渲染图文分镜角色 通过多轮对话微调效果 [3] - 作家可用AI推敲情节写初稿 视频博主可生成分镜脚本配音台词 设计师可快速尝试多种风格 [3] - AI大幅降低内容创作生产力门槛 释放创造力长尾供给 使每个人都能成为内容创作者 [3] AI进化趋势与投资逻辑 - AI正从被动工具转变为能主动理解规划执行任务的"通用智能代理" [4] - 平台核心竞争力转向"谁的AI最懂用户" 数据壁垒从流量数据转向行为偏好上下文 [4] - AI应用投资分三阶段：可用阶段关注铲子股和快速落地应用 好用阶段关注流程贯通公司和垂类一体化公司 替代阶段关注新流量入口和场景运营企业 [4]

AI技术应用场景拓展 - 外卖平台内测生活Agent“小美”实现一句话完成下单全流程并记忆用户消费偏好 [1] - 高德地图“扫街榜”覆盖300多座城市专注于帮助用户发现美食场所 [1] - 办公协作工具Notion AI、飞书可一键生成项目计划/会议纪要/市场调研报告 [1] - 设计工具Canva和Beautiful.ai自动完成排版降低非设计师创作门槛 [1] - 大模型能直接解读表格数据并用自然语言回答业务问题（如销售利润率下降原因） [1] AI医疗领域升级 - 谷歌医学大模型在专业考试达人类医生水平 AI助手已落地多地社区医院 [2] - 诊前阶段协助患者分诊/风险评估/科室推荐 诊中辅助读片/防漏诊/生成病历 [2] - 诊后提供智能随访/用药提醒/康复建议 未来可能成为个人健康管家 [2] - 有效降低医疗资源不均地区诊疗门槛 同时为医生节省时间 [2] AI创作能力突破 - 谷歌图片生成大模型实现秒级渲染图文/分镜/角色 支持多轮对话微调效果 [2] - 作家可用AI推敲情节并撰写初稿 视频博主一键生成分镜/配音/海报 [2] - 设计师借助AI快速尝试多种风格 数分钟内产出数十个创意方案 [2] - 显著降低内容创作生产力门槛 释放创造力长尾供给 [2] AI产业演进趋势 - 从生活/办公/医疗/创作领域全面从被动工具转向主动理解的通用智能代理 [3] - 平台核心竞争力转向“AI理解用户能力” 数据壁垒从流量数据转为行为偏好上下文 [4] - 生态模式从“用户找服务”升级为“AI调度服务” [4] 投资阶段划分 - 当前处于辅助可用阶段 重点关注“铲子股”和快速落地应用 [4] - 辅助好用阶段需关注流程贯通的全面性公司及垂直行业模型闭环企业 [4] - 替代阶段核心看流量与运营能力 聚焦新流量入口和场景运营类企业 [4]

同时核心是你可以添加任意的上下文，上传文件也行，选择你的 Notion 指定数据库也可以，还能 添加多个 Notion 数据库。 Notion 应该是传统互联网工具产品 AI 转型最成功的一个。 昨晚，他们更新了 Notion 3.0，现在的 Notion 可以看作一个你有所有上下文的通用 Agent 产品， 而且你可以在这里用所有顶尖模型完成任务。 我早上研究了一下，发现这玩意会相当强大，所以顺便写一篇内容介绍一下现在的 Notion AI 能 力。 首先是基础的 AI 能力，你可以在Notion左侧的 Notion AI 看到一个跟其他 AI 产品差不多的页面。 支持选择所有现在的顶尖模型，比如 GPT-5 或者 Claude 4.1。 如果你觉得上面给 AI 的上下文还不够的话你还可以选择通过 Notion 链接很多其他软件获取上下 文，比如海外常用的 Gmail、开发协作的 Github 和 Linear 等。 而且现在的 Notion AI 不知可以回答问题和写作也可以帮你生成和修改你需要的数据库表格格式， 比如我这里查询了一下未打款内容，他在查完之后还问我要不要帮我创建一个逾期的视图。 比如我这里 ...

而且，你很快将从一个个人 Agent 转变为一个完整的自定义 Agent 团队，以自动化不同的工作流程： 这不是一个提供通用建议的人工智能聊天机器人。你的 Notion Agent 能够处理实际工作，因为它理解 你的工作并能采取行动。 它可以一次完成多个操作，直接在你的工作区中创建完成的页面、数据库和 报告。只需分配任务，你的代理就会完成工作。 Notion 今天宣布推出 Notion 3.0 版本，官方说这是 Notion 迄今为止最大的一次进化，这个版本的核心是 AI Agent，特别是 自动化工作流程 这块。 Notion 说，Notion 1.0 版本为你的文档和知识引入了一个协作画布，而 Notion 2.0 带来了数据库和集成来 帮助你管理各种工作。 现在 Notion 的 Agent 可以完成人在 Notion 中可以做的所有事情，它可以同时在数百个页面上执行长达 20 分钟的复杂多步骤操作，比方说创建和编辑页面，管理数据库，并跨多个工作区组件开发执行计划。 现在，Notion 3.0 版本中，他们教会了 Notion AI 使用这些构建块，以便你的 Agent 能够完成实际工作。 上下文、协作 ...

AI发展现状与挑战 - AI发展速度超出想象 企业面临如何在高速迭代中抢占先机的挑战而非是否拥抱AI的选择 [3] - 早期入局企业收入增速达同行1.5倍 但多数企业仍深陷团队适应与AI转化核心生产力的困境 [3] - 前沿规模AI模型发布量自2022年实现5.6倍增长 GPT-3.5级模型运行成本18个月内降280倍 [3] - AI普及速度达桌面互联网的4倍 技术变革加速形成企业竞争新赛道 [3] OpenAI五大核心实施步骤 - 对齐（Align）：统一AI战略认知 通过明确愿景与企业级目标使员工理解AI对战略的重要性 [4][6][7] - 激活（Activate）：推动员工AI实践 通过结构化培训与实验机会解决近半数员工缺乏培训支持的问题 [4][11][12] - 扩大（Amplify）：规模化AI成果 通过知识枢纽与案例分享打破团队壁垒复用成功经验 [4][16][17] - 加速（Accelerate）：推动项目落地 通过简化工具审批与优先级机制实现AI项目快速规模化 [4][20][21] - 治理（Govern）：平衡速度与风险 通过轻量化准则与定期审查避免治理成为进展阻碍 [4][26][27] 对齐阶段实践策略 - 设定AI愿景 明确其对追赶竞品/响应需求/维持增长的关键意义 通过有思考的原因建立员工信任 [7] - 设定企业级可衡量目标 如新用例数量/AI工具使用频率/团队实验基准 并纳入公司规划与KPI [7] - 管理层示范AI使用 高管定期分享应用场景如分析市场趋势与解读客户洞察 使使用常态化 [8] - 业务负责人组织专项会议 结合实际工作拆解用例收集反馈 帮助员工理解AI对日常工作的价值 [9] 激活阶段实施方法 - 推出角色专属培训项目 从基础认知过渡到实操应用 聚焦真实工作流所需技能 [12] - 建立AI倡导者网络 培训热情员工作内部导师 通过工作坊与非正式辅导传递知识 [12] - 常态化实验机会 通过每月AI星期五活动或无代码原型会议产生切实可行创新成果 [12] - 关联绩效与职业发展 将AI应用纳入OKR与绩效评估 在晋升表彰中突出AI贡献 [13] 扩大阶段操作方案 - 搭建中心化AI知识枢纽 在协作平台整合培训资源与成功案例供员工访问 [17] - 定期通过月度通讯/网络研讨会/全员会议分享重大突破与日常小成功 并说明实施步骤 [17] - 建立内部社区或AI卓越中心 促进点对点学习与实时协作 由倡导者带动资源分享 [17] - 团队负责人例会聚焦AI成功案例 传递AI实验有价值信号 [17] 加速阶段推进机制 - 简化AI工具审批与数据获取流程 允许员工推荐高价值工具加速应用提升 [21] - 建立透明优先级机制 让团队提交想法获取快速反馈 避免重复劳动 [21] - 组建跨职能AI委员会 由高管支持解决项目阻碍 快速审批高潜力构想 [22] - 奖励创新 为通过AI创造效率与成本节约的团队提供资源或时间支持进一步探索 [23] 治理阶段风险控制 - 制定简易负责任AI手册 文档化可安全尝试与需升级审批场景 避免持续合规审查 [27] - 每季度对AI系统/流程/治理准则进行轻量化审计 确保协议不阻碍团队效率 [27] - 治理准则需随风险/工具/法规更新 避免成为进展阻碍 [31] 企业实践案例 - Moderna要求员工每日使用AI工具20次 明确将其作为运营核心 [8] - OpenAI的CFO频繁分享AI使用经验 推动团队成为公司应用领先者 [9] - Notion通过黑客马拉松催生Notion AI 现已成为核心功能 [13] - 雅诗兰黛建立集中式AI实验室 收集1000+员工想法并进行最佳扩展 [22] - 西班牙对外银行建立中央AI网络 优先处理高价值用例并确保跨部门协作 [22] - Promega追踪团队AI使用情况 对高使用率团队进行进一步投资奖励创新 [24]

AI行业人才需求趋势 - 顶尖科技公司如OpenAI、谷歌DeepMind、Meta和Anthropic正积极招聘开发者、律师及专家以训练AI而非替代人力[2] - 受AI影响行业的工资增长速度是其他行业的两倍 且人均创收高出三倍[4] - 拥有AI技能的员工薪资溢价达56% 较去年25%显著提升[4] 抗AI替代职业类别 - 律师(抗AI指数100/100)、医生及医疗专业人员(93/100)、人力资源经理(87/100)因依赖情感交互难以被自动化[5][6] - 创意类职业如创意总监(年薪14-22万美元)、UX/UI设计师(11-17万美元)因文化创造需求持续繁荣[9][13] - 蓝领技术工种包括电工(中位数年薪7.8万美元)、管道工(7.2万美元)因物理环境不可预测性需求增长6-15%[11][15] 新兴AI混合岗位 - AI提示词工程师(13-20万美元)、AI伦理官(15-22万美元)等五年前不存在的职位现年薪超10万美元[10][14] - 人机交互设计师(14-19万美元)、训练数据专员(11-16万美元)需同时理解人类需求与机器系统[10][14] - AI实施经理年薪达16-24万美元 成为连接AI技术与实际应用的桥梁角色[14] 技能发展导向 - 麻省理工学院EPOCH框架强调共情、临场应变、伦理判断、创造力及领导力为抗AI核心能力[16][20] - 整合AI工具的员工生产力提升30-50% 表明人机协作效率增益显著[17][21] - 可再生能源技术员年薪8.5万美元且需求增长52% 反映绿色能源与AI融合领域的高增长性[15][18]

AI技术发展现状 - 前沿大模型发布数量自2022年以来增长5.6倍 [2] - 运行GPT-3.5级模型成本在18个月内下降280倍 [2] - AI行业采用速度是桌面互联网时代的4倍 [2] - 早期布局AI的企业收入增长速度比同行高出1.5倍 [2] 企业AI战略实施框架 - OpenAI提出对齐、激活、放大、加速、治理五大核心原则 [3] - 涵盖战略规划到团队执行、成果推广及风险管控全环节 [3] 对齐原则实施策略 - 高管需通过讲故事方式锚定AI愿景并明确战略优先级 [7] - 设定全公司可衡量的AI目标并纳入KPI体系 [7] - 领导者以身作则使用AI并分享应用场景 [8] - 职能领导者需搭建AI与团队工作的连接桥梁 [8] - 通过员工调查、进展仪表板和会议频率评估对齐效果 [8] 激活原则实施策略 - 落地结构化AI技能计划使岗位培训贴合实际工作流程 [9] - 搭建AI先锋网络筛选培训内部导师普及AI应用 [9] - 设立固定实验时间推动AI黑客马拉松等常态化探索 [9] - 将AI目标纳入OKR并与绩效评估、晋升机制挂钩 [10] - 通过工具活跃度、培训完成率和实验落地情况验证效果 [10] 放大原则实施策略 - 搭建集中式AI知识中心整合培训材料和最佳实践案例 [11] - 定期通过月度简报和内部会议分享AI成功案例 [11] - 建立内部AI社区或卓越中心促进实时交流协作 [12] - 要求部门负责人在常规会议中分享团队AI价值成果 [12] - 通过案例分享数量、知识中心更新频率和社区活跃度评估效果 [12] 加速原则实施策略 - 确保团队快速获取AI工具和干净数据 [13] - 建立透明项目受理机制并明确优先级判定标准 [13] - 组建跨职能AI委员会加速高潜力项目审批 [13] - 对高价值AI实践团队提供额外资源支持和表彰 [14] - 关注项目从试点到生产的时长和资源分配合理性 [14] 治理原则实施策略 - 制定简洁的负责任AI手册明确安全尝试范围 [14] - 每季度开展轻量化审计跟踪行业治理标准更新 [15] - 通过团队自主应用能力、手册更新频率和项目延误情况验证效果 [15] 行业影响与展望 - AI技术迭代速度以史无前例态势推进 [2] - 多数企业表示难以对AI发展进行有效规划 [2] - 率先拥抱AI的企业将在市场竞争中脱颖而出 [15]

AI发展速度与商业影响 - AI发展速度超越摩尔定律，前沿大规模AI模型发布数量自2022年以来增加5.6倍 [4] - 运行GPT-3.5等级模型的成本在18个月内降低280倍 [4] - AI采用速度比桌面互联网快4倍，早期采用AI的企业收入增长速度比同行快1.5倍 [1][5] OpenAI企业AI应用核心原则 - 提出五项指导原则：协调(Align)、激活(Activate)、扩大(Amplify)、加速(Accelerate)和治理(Govern) [6][7] - 原则涵盖战略对齐、团队激活、成果放大、决策加速和负责任治理 [7][35] 企业AI战略实施要点 - 领导者需明确传达AI计划目标，Moderna公司CEO要求员工每天使用ChatGPT 20次 [9][10] - 建立与KPI挂钩的明确采用指标，如交易速度、客户服务成本或研发周期 [10] - 高管应公开示范AI使用，OpenAI首席财务官定期讨论ChatGPT使用案例 [12] AI人才培养与组织激活 - 近半数员工缺乏AI培训，培训是企业采用AI技术的首要因素 [14] - 圣安东尼奥马刺队通过将培训融入日常工作，使组织AI熟练度从14%提升至85% [15] - 建立"AI冠军"网络分享用例，一线员工可发现工作流程改进机会 [17] 实验与创新机制 - 需创建安全实验空间，Notion通过黑客马拉松催生核心功能Notion AI [19] - 每月分配时间进行结构化试错可带来丰厚回报 [19] - 建立集中式知识中心避免项目冗余，加速规模扩张 [21] 决策流程优化 - 需要轻量级项目审批流程，雅诗兰黛集中式GPT实验室收集超1000个员工构想 [23][24] - 创建由高管推动的AI委员会解除项目阻碍，BBVA银行中央AI网络是成功案例 [26][27] - 追踪团队AI使用情况并对高使用率团队进行投资，如Promega公司做法 [29] 治理与风险平衡 - 需要轻量级且不断发展的安全保障措施 [32] - 建议季度审计和通俗易懂的指导，在速度与安全之间取得平衡 [32] - 合规框架需与工具同步发展，以应对全球监管要求 [33]

AI产品经理角色转变 - AI产品经理需从功能搬运工转变为系统设计师 思考如何构建随时间复利的价值系统而非一次性功能[4][12] - 市场奖励的是构建能持续演进学习和优化的AI系统而非单纯增加功能[2][13] AI产品策略核心价值 - 掌握AI产品策略是当下产品经理的首要技能 涵盖从0构建部署到扩展的全流程经验[5] - AI产品策略并非简单了解ChatGPT功能或搭建原型 而是洞察AI定位改变单位经济效益构建价值复利闭环和抵御同质化冲击[13] 护城河设计 - AI领域存在三种核心护城河：数据护城河（产生独特结构化高质量数据）[25] 分发护城河（拥有难以复制的用户渠道和工作流）[30] 信任护城河（确保数据安全合规和输出可靠性）[38] - 数据护城河通过用户互动积累专属数据使产品更智能 如Duolingo拥有十年学习路径数据[26] - 分发护城河依赖现有用户基础实现即时推广 如Notion AI依托数千万日活用户[30] - 信任护城河通过透明度和治理机制建立用户信心 如Microsoft Copilot提供企业级支持Perplexity引用信息来源[38][39] 产品差异化策略 - 差异化需围绕工作流集成（嵌入现有习惯）用户体验框架（减少认知负荷）领域特定上下文（注入专业知识）和社区生态（构建网络效应）展开[47] - 成功案例包括Figma AI将能力植入设计流程[48] Jasper为营销人员提供模板和结构化工作流[51] Harvey基于判例法微调模型[54] Midjourney通过Discord社区沉淀文化护城河[55] 成本感知架构 - AI产品边际成本随用户交互同步增长 高参与度用户可能导致巨额成本 如Perplexity每月推理成本达80万美元[64][65] - 成本控制策略包括分级模型使用（小模型处理简单请求）缓存策略（避免重复付费）和精简提示词（节省30-40%成本）[70] 产品模式选择 - 主流AI产品模式分为Copilot模式（辅助用户工作 如GitHub Copilot）Agent模式（自主执行多步骤操作 如Lindy）和Augmentation模式（无感增强输出 如Grammarly）[72] - 设计需内置防护栏约束输出结构（表格/JSON）表面化不确定性（置信度分数）并构建评估框架（幻觉率/延迟/单位成本）[78] 部署扩展策略 - 扩展需平衡用户增长成本效率和护城河复利 避免因失控成本破产[82] - 有效策略包括从小规模试点开始[85] 控制用户采用曲线（如Canva通过免费点数限制使用）[87] 构建反馈循环（如Duolingo通过用户互动优化模型）[92] 组织领导力转型 - 产品经理需从功能交付者转变为AI系统设计师 推动AI融入公司DNA[96][103] - 赢得高管支持需聚焦ROI（如单位推理成本vs用户收入）商业成果（节省500万美元支持成本）和护城河价值（专有数据增强防御）[105] - 建立结构化实验文化（如两周AI冲刺）并配备专业角色（评估工程师/数据产品经理/AI伦理负责人）[106][109] 行业竞争态势 - 同质化风险极高：GPT-5发布后所有竞争者均可调用相同API 唯一优势在于护城河和差异化系统[42][60] - 缺乏战略的AI投入回报率为零 如MIT研究显示多数组织生成式AI投资零回报[9] 而单次失误可能导致千亿美元市值蒸发（如谷歌Bard幻觉事件）[10] 未来能力要求 - 不具备AI战略能力的产品经理将在5年内被淘汰 AI素养成为基本要求[124][130] - 成功产品经理需构建可持续的护城河驱动系统 而非仅贴AI标签的边缘实验[128][131]