1. AI 应用落地进行时 演讲人：霍太稳 Kevin 极客邦科技创始人兼CEO

2. 从“炫产品”、“炫功能”到价值绑定

3. 从工具到收益，我们发现了什么？ 从单模竞争到多模竞争 多模态类型的应用效果越 来越好 GPT-4O 、DALL·E 等掀起文生图革命 比如 Lovart发布的全球首个设计 Agent Agent应用的价值收益日 渐明显 Agentic AI 技术纷争 面向全平台的智能代理框架”路线 vs 与现有业务逻辑深度集成的路线 推理成本逐渐降低 国内首个“混合推理模型”Qwen3 发布， 仅需 4 张 H20 即可部署满血版 AI+Data “AI for Data”、“Data for AI” 随着MCP、A2A等被广泛应用，Agent应 用市场繁荣，已有企业赚到第一桶金。 技术+应用 响应速度提升带来交互模 式的变革 成本进一步降低，消除断点式交互，代之 以无缝的实时体验。 企业数据快速就绪 vs 下 一代数据架构 业务侧的需求不再局限于高度复用的场景， 许多一次性或临时性的需求也需要快速响应。

4. B端产品定价逻辑改变：标准化产品定价模式从「功能售卖」到「价值绑定」 标准 化产 品 定制 化产 品 AI功能加入原有定价 计划 原有计划提价 不改变现有定 价结构 …… 免费增值 免费但功能受 限 免费但使用量 受限 有时限免费 快速收集AI功能的使用情况和反馈数据 通常在原有软件包中加入AI功能都会带来原有服务价格的上涨，但对于一些 想要快速收集AI功能使用情况和用户反馈数据，并对定价策略更加谨慎的AI 应用来说，会选择现将AI功能纳入原有定价体系，但不对原有定价体系带来 传统SasS订阅制 月度/年度 用户数量 … 按用量计费（UBP） Token 积分 … 按结果计费 （RaaS） 按成功解决案 例数量计费 线索分成 … 直接API调用 Token资源包 按需收费 优惠时段 定制应用 智能体开发 应用搭建 系统嵌入 定制工具 打包计费 模组计费 …… 定制模型 自研模型 三方模型 开源模型 基础设施搭建 数据数据 算力设施 一体机 明显的价格提升。 推出了商家AI功能，但暂时对原有收费体系没有带来明显价格 上涨，在过程中收集商家对AI功能的反馈，以为之后的功能迭 代或者产品定价提供更多指导 从「功能售卖」到「价值绑定」 一方面中国市场对传统SaaS订阅制的定价模式认可度不高，另一方面按照 用户数量分层的订阅制也不适用于AI应用对于提效作用。在此基础上，部分 AI应用开始探索UBP和RaaS计费模式，以及同传统SaaS订阅制结合的混合 模式。 海外产品SIERRA和Zendesk两家聚焦智能客服场景的AI应 用，先后宣布将按照AI客服实际解决客服问题的频率来进行 收费

5. 企业应用：积极试点，谨慎付费，为成果买单

6. 6个月内得到投资回报可积极推进，验证周期一般不超1.5年 • 在新兴技术的发展初期，企业可以容忍短期低回报率，鼓励内部试点与概念验证（POC）。到了应用落地阶段，核心就是要围绕“价值 导向”做判断。企业更看重短期内能否产生实效，尤其对于成熟技术来说，要看在六个月到一年半内的时间里能否得到可量化的投资回 报，尤其如果在前六个月产生效果会被特别重视，这类项目要占到 80%，超长周期项目则谨慎推进。 行业大模型应用率 追赶者 领导者 金融 汽车 教育 期所需的数据治理高度相同，这为模型训练提供了可直 • 数字化程度高的行业通过长期的业务流程系统化梳理， 形成了结构化的业务知识体系和标准化的操作节点，这 种业务逻辑的显性化不仅便于大模型快速理解行业特 制造 性，更为模型嵌入实际业务流程提供了天然的接口和验 农业 起步者 • 数字化基础建设中的数据治理和打通，同大模型建设前 接复用的高质量数据基础 零售电商 医疗 能源 数字化基础同大模型应用率基本呈现正相关关系 证机制 潜力者 行业数字化基础 数据来源：大模型采用率数据来自InfoQ研究中心2024年7月展开的用户调研，N=1166；行业数字化基础来自中关村信息技术和实体经济融合发展联盟、数字化转型指数报告和中国企业智能化成熟 度报告等公开数据梳理以及专家评估

7. 金融大模型应用场景总结：智能交互与内部运营先行，研究辅助正在快速落地 • 结合金融客户旅程和细分行业场景，我们将大模型在金融行业的应用分类为客户交互、研究交易、内部运营、风控四大类。 智 能 交 互 与 服 务 先 行 内 部 运 营 先 行 智能交互与服务 数字员工/智能机器人 智能投顾 客户 交互 大模 型 保险方案规划 智能客服 营销内容生成 智能外呼 资讯整理 资讯分析 内部 运营 大模 型 研究辅助与智能交易 研 究 交 易 正 在 试 点 投资交易决策 投资策略设计 研究 交易 大模 型 大宗商品交易 实时情报分析 金融领域专家智能体 量化策略分析及优化 报告生成 市场情绪分析 智能产品解读 交易执行监控 智能助手 智能风控 员工培训辅助 知识问答 竞品动态分析 文档智能解析 会议助手 内部知识库 智能编码 浅 应 用 风控 大模 型 员工行为异常检测 信用评估及预测 市场风险预警 欺诈检测与预防

8. 汽车大模型应用场景分总结：售后、营销、用车先行，辅助研发，生产场景仍在探索试点 • 结合汽车整体产业链，我们将大模型在汽车行业的应用分类为研发、生产、售后&营销、用车四大类。研发场景虽然对汽车行业至关 重要，但受限于技术成熟度，大模型仍然以研发知识管理或辅助决策等辅助作用为主。生产场景而言，大模型在该环节的提效相较于 传统AI尚未明确，因此仍在探索试点应用。 售 后 & 营 销 先 行 智能售后&营销 营销方案设计 售后 & 营销 大 模型 汽车市场分析专家智能体 智能客服 营销物料生成 销售话术生成&培训 用户需求研究 竞品分析研究 智能助手 用 车 先 行 用车 大 模型 司机&乘客安全检测 智能行车规划 智能座舱多模态交互 座舱个性化功能推荐 座舱娱乐助手 研 发 仍 以 辅 助 为 主 生 产 仍 在 探 索 智能研发 设计方案推荐 研发 大 模型 高阶自动驾驶算法研发 端到端自动驾驶决策模型 智能驾驶辅助决策 仿真路测数据生成 研发知识管理 数据自动标注 智能制造 生产 大 模型 智能排产&智能制造 生产流程优化方案推荐 工业质检

9. 零售电商大模型应用场景总结：零售电商场景核心升级点围绕效率提升与体验优化 • • 总体来看，在零售电商行业的大模型应用正推动着从前端用户体验到后端运营效率的全面革新。围绕效率提升和体验优化，为零售行业 带来了深刻的变革。 实体零售的重点在于空间限制下的体验升级与库存动态管理，而对于电商而言则是从“流量争夺”到“需求创造”，大模型让平台进化为用 户与商品的智能匹配中枢。 用户和商家的智能伙伴 重塑空间价值和即时体验 AI买手 基于Agent的平台商家助手 线下 零售 虚拟模特试穿图生成 动态库存优化 库存营销活动建议 电商 动态虚拟货架 大 模型 品牌标识设计 用户需求挖掘 门店数据分析 基于Agent的智能投放 产品背景图调整 品牌标识设计 大 模型 用户需求挖掘 营销物料/话术生成 数字人导购/主播 商品智能推荐 运营话术训练 多语言商品文案调整 社群内容智能生成

10. 基础大模型的能力在向上、向下延展

11. AI大模型的核心技能栈也在发生变化

12.

13. 企业 AI 产品力建设的趋势和模型 2025 年企业 产品力建设的趋势 智能化 技术驱动 用户价值 驱动 不断涌现具备六边形 能力的超级员工 扁平化、敏捷 组织迭代 从AI+逐渐 过渡到AIx AI产品经理 商业思维不断加持

14. 企业级 AI 产品经理能力建设内容矩阵 AI 产品经理正从「技术实施者」转变为「价值架构师」，其核心能力在于用 AI 杠杆撬动企业线性增长，创造指数级价值 传统产品经理 如大模型工程师、架构师等技 术背景人员 转型 转型 AI 产品经理 传统产品经理转型 AI产品经理的痛点 AI思维和能力掌握不足 AI技术应用的场景挖掘能力有限 数据建模、模型监控等能力薄弱 工程师转型 AI产品经理的痛点 商业洞察不足 过于关注技术实现，缺乏产品思维 不熟悉产品方法论及协作流程

15. 立足上海，服务长三角地区，推动 AI 产业发展 上海年服务用户 297万 人 工 作 年 限 上海合作客户 972 家 行 业 占 比 上海 TGO 会员 500+ 位 职 位 占 比 极客邦科技年度主题：AI应用落地

16. AI 落地的终极考验，不是算法的狂欢，而是价值的沉淀。 当技术穿透商业本质的瞬间，产业升级的基准线才被真正重新定义。 探索 AI 应用边界 Explore the limits of AI applications