AI应用发展现状与未来方向是什么？

API 价格快速下探+ DeepSeek 开源，大幅降低 AI 应用开发成本。

1.数十年技术浪潮持续叠加，当前已来到 AI 应用关键时刻。

AI 发展的先决条件已成熟。自 1960 年代半导体产业兴起伊始，人类在信息技术领 域的探索就在不断加速。经过数十年的浪潮堆叠式积累，现已具备强大的算力、高速网 络传输能力、大数据、渠道以及人才储备，这一切都将信息技术推向 AI 这一“最终幻 想”。当 AI 落实至传统产业中，应用带来的是历史性机遇、颠覆性变革，迅猛程度远超 以往任何一次技术浪潮。

 大模型使用成本快速下滑

API 价格快速下探+ DeepSeek 开源，大幅降低 AI 应用开发成本。自 2023 年 API 首发以来，ChatGPT 经过多次迭代，目前 token 处理价格目前已降至$2/百万 token（输 入端，GPT-4.1）、$8/百万 token（输出端，GPT-4.1）。DeepSeek 开源后模型训练成本大 幅下滑，R1 模型商用 API 价格仅￥0.5~2/百万 token，输出仅￥8/百万 token。基础大模 型成本快速下探，显著优化 AI 应用开发成本、加快国内 AI 应用发展速度。

AI 应用使用量持续上行

大模型的不断成熟，用户数量与月活均呈加速上升趋势。GPT 自 2022 年 11 月发布 后，5 日内用户数量突破 100 万，至 2023 年 11 月 WAU 达 1 亿，2024 年 8 月 WAU 达 2 亿，2025 年 2 月 WAU 达 4 亿，第二轮翻倍时间较第一轮缩短 3 个月；DeepSeek 上线 20 天即斩获 1000 万用户，上线 2 个月 MAU 达 2 亿。以 GPT 与 DeepSeek 两大最热门 大模型来看，用户数量与使用数量均呈现加速上升的态势。

大厂持续加码资本开支，AI 应用收入验证

大厂资本开支持续发力，AI 应用收入&盈利能力逐渐凸显。 （1）大厂 Capex：全球 2025 年企业 AI 支出规模预计达到 2024 年的 3 倍，其中 42%的资金将投向生成式 AI 产品；2024 年谷歌、微软、亚马逊、Meta 合计 Capex 预计 达到 2504 亿美元，同比+63%，2025 年 Capex 预计达 3400 亿美元，同比+35%，AI 算 力需求持续扩张；

（2）AI 应用收入情况：全球收入靠前的应用目前主要集中于大语言模型（ChatGPT、 Grok、Claude 等）、套壳类文本生成（ChatOn、Chatbot 等）、音视频生成（Suno、Hula、 Invideo 等）、垂直化应用（Speak、Plaud、Speechify 等）、图片增强（FaceApp、Remini、 AirBrush 等）。当前 AI 应用盈利能力较上一阶段已出现显著好转。

2. AI 应用的未来：去向何方？

我们认为 AI 的价值将在应用层面得以实现，AI 应用才是“星辰大海”。传统应用 产品中，从应用类型来看，终端应用（包括 Tiktok、Zoom、Airbnb、Palantir 等）占据软 件市场的最大版图。从 AI 应用的视角来看，当前终端应用仍处在相对蓝海时期，尽管 2025 年以来空白市场相对缩减，但仍存在海量机会。传统应用中，应用层占据了软件行 业收入与现金流的顶层，我们认为，这一趋势同样将在 AI 领域复刻。

凯文·凯利在《未来 5～10 年，AI 改变世界的四大路径与机会》主题演讲中，从两 个维度出发对未来 AI 应用的形态进行展望：一方面，从智能的生物存在形态来看，既 有可能是一种通用智能，又有可能是一系列智能的集合（规划、判断、注意力、记忆、 推理、演绎等）。从这个角度来看，人工智能既可能指向通用智能，又可能指向专用智 能；另一方面，从智能的应用端口来看，人工智能既可以是中心化的集中式计算，又有 可能是去中心化的端侧计算。因此我们结合这两个方面的智能形态，认为 AI 应用未来 可能走向“四象限发展格局”。

2.1. AI 应用的四象限发展格局

我们认为未来 AI 应用将向着四个不同的象限发展。其中 x 轴指向通用化/专用化， y 轴指向端侧计算/集中式计算。四个象限分别有他们的代表应用： 第 I 象限（专用/端侧）：各行各业的专用/垂直应用； 第 II 象限（通用/端侧）：Tesla FSD 等； 第 III 象限（通用/集中）：ChatGPT、DeepSeek 等；第 IV 象限（专用/集中）：AI Agent 等。

2.1.1. 通用/集中：通用大模型实现全场景的大模型平权

我们认为，未来通用大模型的发展将逐渐走向基础设施化。通用人工智能已进入第 三代研究，成本呈对数级增长，但边际性能提升区域平缓，无法确定“模型越大、性能 越好”的规律是否会持续演绎，想要通过一个通用大模型解决千百业的 AI 应用问题， 在可预见的将来或难以实现。前文提到，在基于通用大模型的基础上，叠加行业的垂直 化数据可以打造出有深度的行业 AI 应用。因此我们认为，未来通用大模型可能成为一 种 AI 应用的基础设施，通用大模型的探索依然具有价值，但或不值得投入指数级增长 的成本以获得式微的边际产出，持续优化算法、降低训练成本、易于行业化改造或成通 用大模型的发展关键。

2.1.2. 专用/端侧 AI 应用：垂直大模型是 AI 应用的房梁

通用大模型作为根基，垂直大模型是构建在通用大模型底座上的“房梁”。当前 DeepSeek 开源+市场主流大模型 API 价格持续下降，算法已几乎实质上实现平权，而通 用大模型本身在成本、通用性、专业性“不可能三角”的限制下只有两种清晰的发展路 径：ToC（如用户直接向 DeepSeek 提问），或成为垂直大模型底座——大模型平权背景 下，真正能将 AI 渗透进专业领域应用场景的是垂直领域的 AI 应用：在已有大模型的基 础上叠加特定应用场景的垂直数据，才能真正将 AI 实现从通用大模型训练成垂直大模 型，成为 AI 应用的房梁。而在此过程中，大模型并非稀缺资源，而是律所判例、客服对话、企业知识图谱这类外界无法轻易复制的数据资产。

2.1.3. 通用/端侧大模型：以 Tesla FSD 为代表的跨领域通用大模型

特斯拉 FSD 是一种典型的通用+端侧大模型。采用纯视觉+Transformer 大模型的感 知+决策一体化架构，通用性：涵盖物体检测、轨迹预测、占用网络、路径规划等多任务 功能；端侧计算：特斯拉车内的 FSD 计算机（HW4）搭载专用 AI 芯片，算力高达约 144 TOPS，支持在本地处理多摄像头传感器数据，实时决策，无需依赖云；同时，车辆 数据回传+Dojo 超算训练，形成自循环优化模型，成为通用+端侧计算大模型的标志性产 物。

2.1.4. 专用/集中：AI Agent 或称为新时代的数字代理人？

Agent 或将成为未来技术发展的重要趋势之一。目前业界尚未对 Agent 形成统一定 义，但最恰当的理解方式或许是将之视为一种交互接口。当用户与人工智能系统对话时， 其本质上就是在与代理进行交互。然而，代理并非孤立存在，而是构成了一个协同运作 的代理网络体系。用户可能仅与某个表层代理直接对话，而该代理会在后台与其他功能 代理进行交互，这些次级代理则分别承担着不同的专业化任务。换言之，整个系统通过 代理网络的分工协作机制，实现复杂功能的有机整合。 Agent 的价值不仅在于信息查询，更体现在处理多环节的复杂任务链上。以票务服 务为例，理想的代理系统不仅能提供票务信息，还应能完成从查询、预订到改签的全流 程服务。这就要求代理系统具备任务分解、责任传递和专业化操作的能力，能够自主协 调完成包含纠错机制在内的复杂操作流程。虽然构建此类具备责任链管理能力的系统存 在显著技术挑战，但其潜在价值同样巨大。目前，Nvidia、OpenAI、Google 等科技企业 都在积极推进相关研发工作。尽管尚未出现成熟的代理系统，但预计在未来五年内，这 一技术有望取得实质性突破。