行业与公司 - 行业涉及人工智能（AI）应用领域，特别是智能驾驶（L1-L4）、AI加视频、军人智能、AI加教育等赛道[1][3][11] - 公司提及特斯拉（主导L3级别算法）、Robert TAXI模式企业及国内算法提供商（从几十家减少到十几家）[8][9] 核心观点与论据 AI商业化落地趋势 - 国内AI模型能力提升且成本降低，预计一年内开启商业化，海外已实现货币化[1][5] - 商业化分三阶段：辅助人工（关注落地速度）、替代人工（关注厂商竞争力）、超越人工（赢者通吃）[4] - 大模型时代实现规模经济，降低定制化需求，推理成本每年大幅下降[5][6] 智能驾驶领域进展 - 短期投资重点：L1-L3自驾领域（如特斯拉主导的L3算法）[3][9] - 技术驱动：FSD订阅模式推动市场向头部集中，L4算法降低运营成本（低于传统出租车）[8] - 数据闭环：特斯拉通过transform架构优化Bev空间物体检测，提升行业门槛[9] 技术差异与护城河 - AI与传统应用区别：泛用性提升（解决不确定性任务），核心竞争力依赖模型能力和数据壁垒[10] - 护城河构建：差异化数据闭环和强大模型能力是关键，目前缺乏自主进化学习能力[10] 政策与市场影响 - 国内政策加码推动下半年AI应用落地预期显著变化[2] - 海外厂商发展通用应用，国内聚焦垂直类应用（如生成式AI）[11] 其他重要内容 - 多模态技术：推动模型更接近人类任务处理方式，教育赛道（强交互需求）有望爆发[6][11] - 投资优先级：选择落地快、成本效益高的项目（如AI加视频、军人智能），关注教育、智驾等潜在爆发赛道[11] - 成本数据：国内凭借工程优化使模型成本快速下降，海外因人力成本高更早实现AI替代[5] 数据引用 - 国内算法提供商数量变化：从几十家减少到十几家[8] - 商业化时间窗口：国内市场预计一年内开启货币化[5] - 成本趋势：每年推理成本大幅下降[5]