猜你想问
这份研报主要讲了什么内容？
这份研报主要探讨了前沿大模型与开源模型的商业变现、智能体在工作流中的应用、世界模型在物理AI中的作用、垂直领域AI应用、基础设施重构以及2027年的风投预测。报告指出，前沿大模型将占据高价值工作负载，开源模型主导日常任务，变现模式正从按席位收费向按用量、交易、结果演进。智能体将进化为工作流执行者，适用于输出可验证、责任清晰、动作可逆的场景。世界模型学习环境动态与物理因果关系，为机器人、自动驾驶等提供安全护栏。金融、法律、保险等行业AI价值源于专有数据、领域模型与合规集成。基础设施正从“以人为本”转向“以机为本”，Vercel成为智能体基础设施核心。报告还预测了2027年模型能力突破、Agent渗透全企业工作流、AI加速科学发现等趋势。
AI行业未来发展趋势如何？
AI行业未来发展趋势呈现多维度演进。首先，模型能力分层将加剧，前沿大模型占据高价值工作负载，开源模型主导日常任务，预计12-18个月将承接90%推理Token量。其次，智能体将进化为工作流执行者，从辅助工具升级为流程自动化核心，特别适用于输出可验证、责任清晰、动作可逆的场景。第三，世界模型将学习环境动态与物理因果关系，缓解物理AI数据瓶颈，推动机器人、自动驾驶等应用。第四，垂直领域AI将深化应用，金融、法律、保险等行业通过专有数据、领域模型与合规集成实现AI价值。第五，基础设施将重构为“智能体优先”，Vercel成为智能体基础设施核心，实时数据库替代传统平台。最后，AI将加速科学发现、机器人部署、网络安全防御升级，并颠覆传统SaaS市场。
研报重点分析了哪些方向？
研报重点分析了六个方向：一是模型能力分层与商业变现，指出前沿大模型将占据高价值工作负载，开源模型主导日常任务，变现模式正从按席位收费向按用量、交易、结果演进。二是智能体进化与工作流重塑，强调智能体将进化为工作流执行者，适用于输出可验证、责任清晰、动作可逆的场景。三是世界模型与物理AI新纪元，提出世界模型学习环境动态与物理因果关系，为机器人、自动驾驶等提供安全护栏。四是垂直领域应用与通用模型分化，指出金融、法律、保险等行业AI价值源于专有数据、领域模型与合规集成。五是基础设施向“智能体优先”重构，强调基础设施正从“以人为本”转向“以机为本”，Vercel成为智能体基础设施核心。六是2027年风投核心预测，包括模型能力突破、Agent渗透全企业工作流、AI加速科学发现等趋势。
当前AI市场现状如何判断？
当前AI市场现状呈现多方面特征。在技术层面，前沿大模型与开源模型分工明确，前者占据高价值工作负载，后者主导日常任务，预计未来12-18个月开源模型将承接90%推理Token量。在应用层面，智能体正从辅助工具进化为工作流执行者，特别适用于输出可验证、责任清晰、动作可逆的场景。在基础设施层面，正从“以人为本”转向“以机为本”，Vercel成为智能体基础设施核心，实时数据库替代传统平台。在商业模式层面，变现模式正从按席位收费向按用量、交易、结果演进，头部平台捕获生产力红利。在垂直领域，金融、法律、保险等行业通过专有数据、领域模型与合规集成实现AI价值。此外，物理AI算力消耗高，驱动算力供需紧平衡，世界模型学习环境动态与物理因果关系，为机器人、自动驾驶等提供安全护栏。
研报提示哪些风险？
研报提示的风险主要集中在技术、市场与基础设施层面。技术风险包括模型能力分层可能导致开源模型垄断日常任务，头部平台捕获过多生产力红利，而中小企业难以参与。市场风险涉及智能体应用场景有限，仅适用于输出可验证、责任清晰、动作可逆的场景，其他场景难以替代人工。基础设施风险在于物理AI算力消耗高，可能导致算力供需紧平衡，影响机器人、自动驾驶等应用发展。此外，垂直领域AI应用需依赖专有数据、领域模型与合规集成，中小企业难以构建护城河。最后，AI基础设施重构过程中，传统平台可能被实时数据库替代，对现有基础设施厂商构成挑战。