（精选报告来源：幻影视界）
AI 本质是生产力技术，应用侧为奇点落地范式
AI 本质是生产力技术革命，核心是替代甚至超越人工 AI 本质是生产力革命，核心是对人工的替代， AI 应用落地会分为辅助人工、替代人工、超越人工三个阶段。
AI 应用落地需要考虑成本和泛用性困境
人工智能发展的首要压制因素是相对成本，技术突破的本质是泛用性的提升。 对于 ToC场景来说，如何能够更加拟人/类人化灵活陪伴/提升效率是关键；对于ToB场景来说，如何让企业衡量相对成本，定量衡量提升效率情况，认为值是关键 人工智能公司发展面临的一大难点是盈利能力较弱，主要系：
成本端人员成本、研发投入无法在细分场景中共摊，导致成本居高不下；
收入端客户为技术付费意愿较低，投资回报率低。成本的相对高昂导致客户无法坚定使用相关技术及产品提升企业或个人效率，同时技术提效的有限性导致客 户付费意愿较低。大模型的出现提升了而模型底座的复用性，有望实现规模化落地分摊。另一方面，应用端企业进入壁垒大幅下降，如何凭借数据和场景 Knowhow构建公司自身不可替代的壁垒，成为重中之重。
大模型出现有望改变核心矛盾：成本和生产力
AI 研发范式发生变化，泛用性提升，平摊底座成本： （ 1）第一阶段范式：从头开始训练模型——AI应用企业做大需要=海量数据（各行各业）+大算力基础+AI人才团队，无法产生规模效应 （2）第二阶段范式：预训练+微调训练的迁移学习——从相似性出发，寻找部分领域共性，迁移学习实现基座部分领域重复利用，AI应用企业做大需要=海量数 据（部分行业）+一定算力基础+AI人才团队 （3）第三阶段范式：基础大模型+提示学习——基座模型能力得到绝对突破，走向AGI，通过应用提示实现差别，AI应用企业做大只需了解产业专属prompt
奇点型落地范式造就非线性爆发
AI
应用落地遵循奇点型非线性爆发
一次奇点：新技术在现有场景落地，并对传统 AI 技术进行颠覆，吞噬原有市场的同时带动扩容；
二次奇点：细分场景实现人工替代，供需构建飞轮效应，场景迎来二次爆发性扩容；
三次奇点：实现对人类全面超越，场景迎来全面重构。
AI 应用与传统应用的差异：如何解决不确定性
不确定性何解： 与传统用用相比， AI应用的核心问题是要面对不确定性，产品是概率分布的，因此产品的迭代流程也需要发生变化。
商业化奇点较晚： 与过去的技术革命相比， AI的商业化奇点的到来较此前互联网等技术革命更晚，因为AI应用是替代关系，需要至少做到人类智慧的水平才具备 商业化价值。
大模型时代，模型能力与数据是核心壁垒
在大模型时代，我们认为模型能力与数据是核心壁垒。模型能力决定产品上线，而数据壁垒定义产品的安全区。
报告原文内容节选如下：
本文仅供参考，不代表我们的任何投资建议。 幻影视界 整理分享的资料仅推荐阅读，如需使用请参阅报告原文。
