2025AICon全球人工智能开发与应用大会-上海站：AI应用落地进行时

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从“炫产品”、“炫功能”到价值绑定从单模竞争到多模竞争GPT-4O

、DALL·E

等掀起文生图革命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”Agent应用的价值收益日

渐明显随着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。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。

从工具到收益，

我们发现了什么？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。多模态类型的应用效果越来越好比如

Lovart发布的全球首个设计

Agent技术+应用定制化产品AI功能加入原有定价

计划免费增值传统SasS订阅制按用量计费（UBP）按结果计费（RaaS）直接API调用定制应用定制工具定制模型基础设施搭建原有计划提价免费但功能受限月度/年度Token按成功解决案

例数量计费Token资源包智能体开发打包计费自研模型数据数据不改变现有定

价结构免费但使用量

受限用户数量积分线索分成按需收费应用搭建模组计费三方模型算力设施有时限免费………优惠时段系统嵌入开源模型一体机标准化产品

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」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。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明显的价格提升。快速收集AI功能的使用情况和反馈数据从「功能售卖」到「价值绑定」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企业应用：

积极试点，

谨慎付费，

为成果买单汽车

零金融售电商农业

起步者教育医疗能源制造数字化基础同大模型应用率基本呈现正相关关系•

数字化基础建设中的数据治理和打通，

同大模型建设前

期所需的数据治理高度相同，

这为模型训练提供了可直

接复用的高质量数据基础•

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

性，

更为模型嵌入实际业务流程提供了天然的接口和验

证机制

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。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行业大模型应用率行业数字化基础追赶者领导者潜力者 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。数字员工/智能机器人智能投顾保险方案规划

智能客服营销内容生成智能外呼资讯整理资讯分析智能产品解读投资交易决策

投资策略设计大宗商品交易

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交易执行监控智能风控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智能交

互

与

服

务先行内部运营先行研

究交易

正

在试点

浅应

用竞品动态分析文档智能解析员工培训辅助

知识问答会议助手智能编码研究辅助与智能交易智能交互与服务内部知识库风控

+研究交易智能助手客户交互大模型大模型大模型大模型内部运营+ 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。营销方案设计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设计方案推荐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助手司机&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智能制造二

智能排产&智能制造生产流程优化方案推荐工业质检研

发仍以辅助为主生产仍在探索售后&营销先行用车先行售后&营销大模型智能售后&营销研发

+大模型大模型大模型智能研发用车生产+

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。AI买手基于Agent的平台商家助手虚拟模特试穿图生成基于Agent的智能投放产品背景图调整品牌标识设计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动态库存优化库存营销活动建议动态虚拟货架品牌标识设计用户需求挖掘门店数据分析重塑空间价值和即时体验线下零售大模型大模型用户和商家的智能伙伴电商十基础大模型的能力在向上、

向下延展AI大模型的核心技能栈也在发生变化

企业AI产品力建设的趋势和模型扁平化

、敏捷

组织迭代从AI+逐渐

过渡到AIx2025

年企业产品力建设的趋势不断涌现具备六边形能力的超级员工AI产品经理商业思维不断加持智能化技术驱动用户价值驱动扫码了解方案详情上海年服务用户297万

人工作年限上海合作客户

972

家行业占比

立足上海，

服务长三