ChatGPT的出現，代表著AI時代出現了“iPhone時刻”，機器學習達到了全新的高度;隨后，ChatGPT又從原先的文本，逐漸向計算機視覺、語音交互、音頻視頻等多模態進階;AI Agent的爆火，各式各樣的“助手”層出不窮，又進一步改變了人類和計算機交互的模式。技術的突破，一定要落地到應用場景，于是大家又在關注AI應用的落地。

      但大模型發展至今，一直都沒有出現“殺手級”的AI應用。到底是何原因?昨天與一位業內二級市場的大咖交流，他的一席話道破了目前AI應用發展的現狀。

      “到底是AI應用還是應用AI?誰會為了這個產品買單?”

       AI應用VS應用AI我們先來搞清楚AI應用和應用AI，這兩個概念。AI應用指的是將人工智能技術轉化為應用的過程。簡單來講，就是創造一個新的AI產品。

       而應用AI指的是利用人工智能技術進行應用的升級。簡單來講，就是在原有應用上增加AI的能力，提升體驗。

       先說大咖的結論：大部分場景應該是應用AI，只有少部分有愿意付費客戶的場景是AI應用。

       為什么大部分場景是應用AI?

       從場景角度。移動互聯網發展至今，現有產品和應用基本已經滿足了人們“衣食住行”等各類場景的需求。AI應用只是在移動互聯網各類場景應用的基礎上提升了體驗、提高了效率。但如今的移動互聯網產品，不僅僅提供的是單一產品，已經發展成了線上+線下的完整服務體系。

       比如，現在很多做AI文旅的應用產品，可以幫你出攻略和安排行程計劃，但它做不到幫你訂機票、訂酒店、訂門票，因為它沒有積累全國的機票、酒店和景區的能力。而攜程這種平臺，如果做了應用AI，不僅僅能幫你規劃，還能幫助你把規劃中涉及到的交通、住宿、景區門票等服務全部預訂好。

       所以做AI應用，還必須要積累移動互聯網產品應用的基礎設施的能力，否則解決不了用戶的根本需求。AI應用面臨兩個選擇：要不就合作、要不就再重做一遍。但往往這些掌握客戶、數據和服務體系的大廠，自己也要做，為啥和你創業公司合作呢?自己重做一遍基本不現實。

       從成本角度。假設AI應用重新搭建了一套和移動互聯網產品完全一樣的產品+服務體系，成本結構上也不具備任何優勢。

       成本主要兩方面：數據+獲客。

       AI應用都是從0開始，需要大量的場景數據來優化模型，數據清洗、數據標注，這要花大價錢，投資人燒的也心疼。

       對于AI應用的新產品，獲客成本也是大頭，通過什么方式來獲客，成本都不會低。

       然而做應用AI的，數據是現成的，客戶是現成的，都不用再花重復的錢，把這些錢投到AI的升級上去。這成本確實沒法比，何況人家做應用AI的原有產品還有持續不斷的現金流進賬，家中有糧心中不慌。

       2024年中國移動端AI應用MAU榜單中的前6名，都是應用AI的頭牌。

　　那也有人也說了，創業公司組織結構扁平，決策速度快，能夠快速響應市場變化。大廠的創新業務面臨“老板有限的注意力”和“對資源的競爭約束”，不一定能做好。

       不是說AI應用沒機會，而是要避開大廠的優勢陣地，避開數學加減法的題目都算不過來賬的陣地。

       少部分有意愿付費的AI應用

       做AI應用，最終要走向商業化落地，如果沒有客戶愿意付費，那終究走不長遠。那我們就要從這波大模型能力最能大幅提升客戶體驗、提高效率、降低成本的場景出發。

       比如AI金融風控。對于信貸業務來說，金融機構對客戶的信用風險評估是至關重要的。AI大模型現在能做到識別各種貸款詐騙，比如偽造身份、團伙騙貸、冒用申請等。通過AI將風控能力提升，幫助銀行降低信貸的壞賬率，你幫他節省10個億，他就愿意給你1一個億。

       比如AI創新藥的研發。傳統藥物研發面臨著“雙十定律”——平均耗時10年、耗資10億美元，其中靶點發現與分子篩選環節效率低下尤為突出。現在AI的能力，可以通過模擬分子間的原子級相互作用，精準地篩選出僅最有希望的分子進行實際合成，最終得到指標優秀的分子，極大縮短了研發進程，精確篩選出最有潛力的分子。一款新藥的研制成功，都以幾十億美金來計算的，醫藥廠商肯定愿意為了提升效率和降低成本付費。

       無論AI應用還是應用AI，最終落腳點還是為用戶創造價值，并有用戶愿意為價值付費。