AI应用发展、目标与产品进展如何？

纯文字到多模态，单一任务到复杂化。

AI应用发展经历了“纯文字-静态图像/声音-动态视频”的过程，赛道也相继发展。随着A!技术的持续发展迭代，底层模型能力提升，对应的产品形态和应用类型也逐步丰富，各类赛道相继成熟，如ChatGPT推出后，纯文字能力达到可用标准，这一阶段出现的赛道主要是A(写作、A1聊天机器人;而随着stable difusion、midiournev等模型生图能力的改进，A1生图、A设计赛道逐步兴起;语音与声音阶段则对应语音对话功能、AI音乐赛道;Sora、可灵等模型的出现，让视频生成赛道的关注逐步提升。A!技术的发展也驱动了AI赛道从“单一模态/单一任务”到“多模态综合/复杂任务”的演变。有一些A!赛道的应用综合了各类功能，随着A1各方面能力的提升逐步丰富其功能。如AI陪伴从单纯的文字对话起步，逐步增加了A|形象、语音对话、乃至视频通话功能，丰富了用户体验;AI办公也从早期单一的的文本写作，丰富到数据处理、PPT制作，乃至调用编程和外部工具完成复杂任务。

AI应用与APP发展的目标都是商业化，因此分析框架也相似。AI应用发展的最终目标是商业化创收，这与移动互联网时代的APP乃至各种软件并无区别，因此评价方式也无本质变化，分析框架也就同样适用“用户获取-用户粘性-用户付费”的路径。产品收入=用户规模*用户粘性*每用户付费，各环节仍有“AI应用发展”下的特点。当前A!模型的能力仍并不完善，并不能充分满足用户的各种需求，因此虽然AI应用的创收同样关注“获客-粘性-付费”三个环节，却也不能完全照搬移动互联网时代APP成长的思路。如在用户获取阶段，优秀的AI产品可以通过突破性的技术和产品体验实现破圈，从而带来快速增长而不一定依赖于流量导入;再如在付费环节，用户仍需要权衡性价比进行购买，产品方也可以通过全新的有效功能，帮助用户发现原本不存在的需求，实现最终的付费转化。

豆包与元宝作为AI原生应用，APP MAU稳居前列。根据2025年4月数据，在国内AI应用中，前五名依次为夸克、豆包、DeepSeek、元宝和Kim智能助手，均为定位为AI助手，其中豆包和元宝分别为字节跳动和腾讯推出的AI原生应用，全球来看MAU也分别位列第3和第6，已经积累了庞大的用户群体。

豆包上线一年，已率先开启视频对话功能，或引领下一轮AI助手交互方式变革。豆包是字节跳动基于豆包大模型开发的A!智能体，于2024年5月15日正式开启对外服务，并逐步丰富各项功能。豆包以聊天机器人的形式回答各种问题并进行对话，帮助用户获取信息;在内容处理方面，豆包不仅支持文本生成，还具备图像生成、语音合成、多语言翻译及多模态交互能力。2025年5月23日，豆包App新增视频通话问答功能，通过摄像头动态获取外部信息，与用户“边看边聊”，豆包能帮助用户进行物体识别、内容创作、生活决策等。

多场景入口矩阵成型，腾讯元宝加速融入腾讯生态。腾讯元宝是腾讯旗下依托于腾讯混元大模型的具备看、听、说等多模态能力的AI助手产品。腾讯元宝APP于2024年5月30日正式上线，并于2025年2月实现重大升级，同时支持腾讯混元与DeepSeek两大模型。面向工作效率场景，元宝提供了A1搜索、AI总结、AI写作等核心能力;面向日常生活场景，元宝提供了多个特色A!应用，并新增了创建个人智能体等玩法。2025年3月13日，腾讯元宝和腾讯文档正式打通;4月16日，元宝入驻微信好友，用户可直接在微信聊天界面中体验AI服务，至此完成网页端、App、小程序及微信联系人的全场景覆盖;5月，腾讯元宝先后接入腾讯新闻和微信读书、起点读书，实现了向知识类垂类场景的拓展。

谷歌发布VEO3，可以实现“音画同步生成”。5月21日，在2025年的1/0开发者大会上，谷歌发布了其最新一代视频生成模型Veo3，该模型的核心功能在于其强大的音效和对话生成能力。它不仅能够生成逼真的视频画面，还能根据场景添加相应的背景音效，例如鸟鸣声、街头交通噪音等此外，Veo3在物理模拟和口型同步方面也表现出色，能确保生成的人物对话与其唇形变化完美匹配。

天工超级智能体结合deepresearch功能，在GAIA能力测试上得分第一。5月22日，昆仑万维发布天工超级智能体(SkyworkSuper Agents产品采用了AlAgent架构和deepresearch技术，能够一站式生成文档、PPT、表格(excel)、网页、播客和音视频多模态内容，具有强大的deepresearch能力，根据2025年5月10日的数据，skywork在Meta和Hugeingiace联合推出的GAIA的评测集上超越了OpenAl Deep Research和Manus，位居第一。

公司产品定位“AIOffice智能体”，可以生成各类形式的结果。公司指出，该产品提供了5个专家级agents(文档、幻灯片、图表、网页、播客)和1个通用agent，能大大提升专业级内容的生成效率和质量，满足用户不同结果形式的要求。