（精選報告來源：幻影視界）
AI 本質是生產力技術，套用側為奇異點落地範式
AI 本質是生產力技術革命，核心是替代甚至超越人工 AI 本質是生產力革命，核心是對人工的替代， AI 套用落地會分為輔助人工、替代人工、超越人工三個階段。
AI 套用落地需要考慮成本和泛用性困境
人工智慧發展的首要壓制因素是相對成本，技術突破的本質是泛用性的提升。 對於 ToC場景來說，如何能夠更加擬人/類人化靈活陪伴/提升效率是關鍵；對於ToB場景來說，如何讓企業衡量相對成本，定量衡量提升效率情況，認為值是關鍵 人工智慧公司發展面臨的一大難點是盈利能力較弱，主要系：
成本端人員成本、研發投入無法在細分場景中共攤，導致成本居高不下；
收入端客戶為技術付費意願較低，投資報酬率低。成本的相對高昂導致客戶無法堅定使用相關技術及產品提升企業或個人效率，同時技術提效的有限性導致客 戶付費意願較低。大模型的出現提升了而模型底座的復用性，有望實作規模化落地分攤。另一方面，套用端企業進入壁壘大幅下降，如何憑借數據和場景 Knowhow構建公司自身不可替代的壁壘，成為重中之重。
大模型出現有望改變核心矛盾：成本和生產力
AI 研發範式發生變化，泛用性提升，平攤底座成本： （ 1）第一階段範式：從頭開始訓練模型——AI套用企業做大需要=海量數據（各行各業）+大算力基礎+AI人才團隊，無法產生規模效應 （2）第二階段範式：預訓練+微調訓練的遷移學習——從相似性出發，尋找部份領域共性，遷移學習實作基座部份領域重復利用，AI套用企業做大需要=海量數 據（部份行業）+一定算力基礎+AI人才團隊 （3）第三階段範式：基礎大模型+提示學習——基座模型能力得到絕對突破，走向AGI，透過套用提示實作差別，AI套用企業做大只需了解產業專屬prompt
奇異點型落地範式造就非線性爆發
AI
套用落地遵循奇異點型非線性爆發
一次奇異點：新技術在現有場景落地，並對傳統 AI 技術進行顛覆，吞噬原有市場的同時帶動擴容；
二次奇異點：細分場景實作人工替代，供需構建飛輪效應，場景迎來二次爆發性擴容；
三次奇異點：實作對人類全面超越，場景迎來全面重構。
AI 套用與傳統套用的差異：如何解決不確定性
不確定性何解： 與傳統用用相比， AI套用的核心問題是要面對不確定性，產品是機率分布的，因此產品的叠代流程也需要發生變化。
商業化奇異點較晚： 與過去的技術革命相比， AI的商業化奇異點的到來較此前互聯網等技術革命更晚，因為AI套用是替代關系，需要至少做到人類智慧的水平才具備 商業化價值。
大模型時代，模型能力與數據是核心壁壘
在大模型時代，我們認為模型能力與數據是核心壁壘。模型能力決定產品上線，而數據壁壘定義產品的安全區。
報告原文內容節選如下：
本文僅供參考，不代表我們的任何投資建議。 幻影視界 整理分享的資料僅推薦閱讀，如需使用請參閱報告原文。
