AI应用ed f有哪些

今天给大家介绍 ai 应用产业链核心企业。二零二五年， ai 硬件是一路高歌，一中天纪、联海组合被市场津津乐道。二零二六年， ai 应用正从概念验证，进入规模商业化阶段。 进入 ai 应用源年，通用大模型企业加速垂直场景落地。生成式 ai 企业通过降本增效，重构内容生产模式， 垂直行业企业依照行业数据壁垒构建 ai 应用护城河三大方向，呈现差异化发展路径。同时，智能体技术的突破正推动 ai 应用从单一功能向全流程赋能引进， 成为核心企业竞争的新焦点。主要企业有一、蓝色光标是 ai 营销领域的商业化标杆。蓝色光标进行凹音 ai 战略， 通过蓝标智脑平台实现 ai 广告营销全链路赋能，是 ai 广告营销进度领先的企业，已孵化大量 ai 智能体，覆盖绝大多数营销场景，与 ceo 企业已经开始广泛的合作， geo 业务与公司的谐同性还在进一步增大。二、万星科技推出万星天幕大模型，实现视频、图片、音频的全模态生成，大幅降低专业内容创作门槛。公司通过接入 openli、 百度等多个外部大模型，构建了从底层模型到应用层的全链条技术体系。 三、昆仑万维凭借 opra 搜索引擎的全球布局优势，通过开源天宫大模型，构建了技术加流量双轮驱动的商业模式。公司大模型覆盖文本、代码、图像多模态，基于 transformer 架构的智能体技术， 支持复杂场景推理、模型压缩技术领先，可在边缘设备实现实时推理。四、一点天下全面升级，其 ai 中台接入了 chat、 gpt、 gemini 等主流大模型， 通过自主调优和多模型融合，显著提升广告创意生成效率，降低推理成本。将服务头部客户沉淀的专业营销能力，通过 ai 技术进行普绘画，助力更多初创期和成长型企业在 ai 时代找到出海增长新路径。 五、金山办公一拖六点六，九亿月活大量企业客户，构建了 ai 办公领域的绝对优势。 wps ai 三点零即灵犀智能体，实现了写作助手、表格生成等核心功能。灵犀智能体支持多模态交互，能理解复杂指令，并执行用户文档数据反哺模型优化，形成数据飞轮效应。 六、科大讯飞的全站自主可控的技术底座，与深入行业场景的落地能力完美结合，它不仅掌握了从芯片到模型的落地能力，还把 ai 真正用在了教育、医疗等关乎国际民生的关键领域。 七、托尔斯作为中文语义理解领域的龙头，通过搜索加内容双轮驱动，构建了垂直领域大模型的差异化竞争优势。公司手握海量政企金融数据，是企业级 ai 核心服务商，中文权威研所与语义理解技术全球领先。 八、汇川技术是工业自动化 ai 控制的领军者汇川技术作为工业自动化龙头，通过 ai 算法升级 plc 逻辑控制，赋能工业机器人、母鸡等设备的智能运动控制与精准操作， 构建了硬件加软件的双重技术壁垒。九三六零一托三六零智脑大模型将深层式 ai 技术深度融入搜索引擎优化环节， 构建了安全加 ai 的 差异化竞争壁垒。公司通过大模型技术优化搜索结果与广告推荐，同时将 ai 安全智能体应用于政企网络安全防护领域。 ai 应用端产业链正迎来黄金发展期。随着二零二六年设备更新政策、医疗 ai 场景指引等政策红利持续释放， 以及 ai agent 多模态融合等技术不断突破， ai 应用端企业将迎来新一轮增长机遇。最后提示一下风险， ai 应用变化太快了，今天领先的应用明天就可能被其他超越，风险很大。 投资者应密切关注具备场景深度加技术广度加数据厚度三重优势的企业。以上仅供参考，不构成任何投资建议。

本次 ai 应用的锚点是什么？答案是十二月底豆包上春晚，火山引擎成为春晚独家 ai 云合作伙伴这件事。而整个国产算力和 ai 应用的炒作也基本是从一月开始， 这代表的意义就和去年的语数机器人上春晚一样，算力数据中心方向，润泽作为字节的核心数据中心供应商，也是在整个数据中心方向表现最亮眼。 ai 应用方向则比较分散， ai 智能的蔚宁 每年等，甚至端侧芯片方向的横旋广核等也纷纷有所动作。但本次的 ai 应用核心必然是围绕国内互联网大厂，特别是围绕字节豆包展开的，因为最终能走出来的 ai 应用产品大概率是大厂出品。 字节虽没有上市，但火山引擎却有众多合作伙伴，下图就是火山引擎的合作伙伴，其他位于第一梯队的大厂还有腾讯、阿里、百度等， 特别是阿里之前的 ai 应用产品，阿福已经下线落地，所以恒生科技方向的预期还是有的。其他国内第二梯队的有昆仑万维、三六零、科大讯飞、皖星科技、中文在线等知名公司，当然这些公司最终能否做出现象级产品 还是未知。现在市场情绪高涨，你只要有点产品的影子，就能潮很长一段时间。但你要知道的是，目前市场最关键的不是最热的商业航天，也不是持续发酵的 ai 应用，而是目前大盘突破三万亿的成交量， 持续的放量意味着资金的活跃，意味着题材的持续性，意味着核心大票的持久生命力。所以目前阶段就是敢于追高的人就有收获，胆小的人反而表现不佳。但你要清楚的是，这也不过是阶段性的市场风格， 而商业航天和 ai 应用不过是时势造英雄罢了。不是这两个题材有多特别，只是目前的时势下，这两个方向成为了资金眼里的英雄罢了。我可以毫不客气地说，如果市场没有这么大的成交量，无论什么题材也走不出这样夸张的高度。 以上是市场客观现象，现象如此，我们也不应该逆势。相比于商业航天的高不可攀， ai 应用方向的潜在空间或许更大一些。最后再讲一下棋手讲解较多的存储方向逻辑，我说了很多次，并不认为有所变化，但市场风格和资金偏好都在商业航天和 ai 应用方向 是客观事实。我没有辅佐那样的机构一手信息，只能讲一些个人对于产业的认知，讲的一些方向确实短期不太受市场待见，这是我的短板。但骑手对于产业题材的认知自认为还算可以吧，如何看待见仁见智吧。

go 到底是什么？他是怎么来的？然后以及他要往哪里去？他对应的是怎样的一个市场？首先呢就是 go 他 到底是什么？嗯， go 其实就是顾名思义就是包括这两天，其实这几天其实那个市场其实也非常热，相信很多的领导其实也学习或者说也去看了一下，就是这个行业或者说到底是什么，以及产品案例到底是什么。那简而言之的话，他其实就是一个广告优化方式嘛？ go 他 其实就也是因应过来 翻译，那，那他对应的他对应的那个以前的一个互联网页台下对应的显示是 seo， 那 不管是 jo， seo 也好， seo 也好，他对应的都是一个广告营销方式，那目的是什么？就是他通过去优化，就是他通过去学习并理解，就是不管是爬虫也好，细胞引擎也好，还是说呃大模型也好，理解他的那样的一个 算法机制。那理解完了之后呢？其实就是基于他的算法机制去优化自己的一个内容，然后进而把自己的内容去优化成那些模型算法所喜欢的，所喜欢爬取的内容的样式，然后最后展现在呃 媒体平台上。呃这是 g o 所做的一个核心的一个核心的事情，那针对就是上上一个时代的时候，它其实就是最开始的移动互联网时代，它其实更多的对应的其实就是 seo， 那 那样的一个优化模式，其实就是在 pc 的 搜索引擎，更多是在百度搜索引擎上优化，最后展现在百度搜索引擎的组合框里面， 那 g o 的 话，其实就是在那个大模型下面去优优化展现出来。所以如果是在，如果是这样的一个对标逻辑的话，其实现在就可以引出来就是第一，呃第一个小点就是 g o 它到底是多少的一个市场空间？那很很简单很明白， 就是那，那比如说以后未来 ai 的 发展，它肯定是会不断的去慢慢去替代现在的一个搜索行为， ai 搜索会替代 pc 搜索，那 市场其实研究机构然后也预测就是二六年传统移动引擎的流量会下滑，那 ai 的 这种搜索它会惨淡传统移动引擎的份额，甚至说到二零二八年百分之五十的搜索引擎份额会被 ai 搜索蚕食， 那其实第一个就是呃 g o 核心的就是第一阶段的一个成长，它其实来自于传统的移动引擎下优化方式的体量的一个替代，那传统的优化方式它是大概体量是多大呢？ 其实呃也市场也很多机构其实也有得到，就是一些那个就是呃行业的一个规模大小，它其实是一个五百亿的市场， su 是 一个五百亿的市场，那基于替代的逻辑来看的话，那 g o 可能第一个阶段也是一个五百亿的一个市场，但 go 真的 会止步于五百吗？或者说它仅仅是五百吗？那显然不是，因为因为明显就是其实其实这仅仅是一个第一个阶段的一个增长逻辑，那第一个阶段它其实整个行业的发展，它其实是一个动态往前发展的，那其实其实其实如果解释如果那第一个阶段的发展，其实呃梳理完之后，其实就看后面是如何发展的， 那其实很明显这个线索也很明显，那我们去哪里找线索呢？就是我们其实还是看媒体平台的变迁以及流量的变迁，去找他未来发展的一个线索。那这个线索到底是什么？其实就是 用户他的行为发生了变化，然后以及媒体平台也发生了变化，进而它里面的很多的一些广告形式以及优化形式，其实只有只是其中的一个小分点，其实也都发生了一个变化。那这个，那这个大背景是什么？其实这个大背景就是整个的一个信息时代，互联网时代第一个 最具聚合集中的一个流量入口，其实是 pc， pc 互联网下的搜索引擎，这个搜索引擎里面就是其实在那个一呃零几年的时候，或者说一几年的时候，搜索引擎其实百度占了八成的一个份额， 那这样的一个搜索引擎市场，那后面搜索引擎又又又又下一个阶段是什么？其实是移动互联网。移动互联网里面其实会偏分散一点，它里面的流量格局的话，其实是短视频、抖音、快手啊、抖音，然后或者说像腾讯系的这样的一个视频流量可能占比比较 多，但其他其实都分散，分散到了无数的可能很多的一些中长尾，包括甚至游戏，包括中长尾的互联网平台。那其实移动互联网就是其实整个的一个广告主预算其实 迁移到了整个移动互联网平台。那再往后看的话，其实就是展，就是其实就是呃解释，那我再往后看，其实呃广告市场，或者说营销市场，或者说这样的一些优化市场，它会成长多大？很明显现在就是在往第三个阶段去走的一个过程。这三个阶段是什么？ 其实就是 ai 成了互联网的新线，以及 ai 的 这样的搜索框，它越来越不断的成为了新的流量入口一个聚集，现在是现在在走这样的一个趋势。 那其实我们可以看到就是为什么为现在 ai 的 那个搜索，它现在流量是多大？其实刚才也给领导汇报了，就是现在传统的 pc 的 搜索流量在不断的下滑，那与此同时呢，就是 ai 它这样的一个搜索框，它的流量其实在持续的增长，它其实是走一个替代的一个过程。那在这样的一个替代的过程中， 就是他现在的过程中，他其实不仅仅就是整个搜索框，他不仅仅承担的是搜索的行为，那未来的话，其实整个的一个媒体平台的话，他可以就是就是用户可以可以畅想一下用户可以在豆包里面做什么？他不仅仅是搜索搜索问题，他 其实可以用豆包，或者说用豆包手机，用中心手机，用那个用豆包的那个入口去让他做一切事情，甚至说订机票啊，订外卖、点外卖， 然后让他给他推荐视频各种，所以他其实最终这样的一个非常聚合的一个平台，他会成为一个最大的媒体 平台。那最大的媒体平台他对应的广告市场应该是多大？他其实就绝对绝对绝对不仅限于之前的风控引擎市场，也绝对不仅限于之前的 seo 的 五百亿，他 其实对应的是整个的互联网广告市场的规模，那互联广告市场规模是多大的？其实一个一一万五千亿的一个市场，这是二位之前在二零二四年的一个一个一个一个一个广告数据，一个 一个咨询提供的一个数据。对，那在这样的一个非常大的一个市场里面，其实也可以去畅想，就是未来 g o 他 是一个多大的一个市场？嗯，其实其实我们可以看一下整个一个流量格局，还有广告平台的格局。那流量格局的话，其实 如果只看搜索引擎的话，他其实如果在一九年之后啊，其实他在那个一二年就是移动互联网时代，搜索引擎他其实是最大的一个流量平台，然后他上面的那个，呃，他上面的那个广告的话，其实也是最最多的，然后他在整个市场 互联网广告市场里的占比其实是占了三成，甚至三成以上，最高的甚至是接近四成。那里面的一些公司的话，其实最多的是是写的，其实那个百度嘛，百度占了八成，那其实下一个阶段是那后面直到一五年的话，事情发生了变化，因为用户都靠手机了，然后甚至说一六年之后抖音质量了，大家都去投 自己跳动了。所以这个时候其实搜索引擎的市场其实也是用艾瑞咨询的数据啊，就是一九年到二三年，甚至说二四年不到二三年，他的那个市场份额已经缩减到了呃，两成，就是两成以内只占了百 两成，那其实整个搜索引擎市场的两成的一个规模，然后去去，其实去在其实如果是对标或替代的一个逻辑的话， ai 搜索他绝对不可能只 只替代一个搜索引擎，它其实替代的是所有的互联网媒体嘛。其实按照前面的那个逻辑逻辑推演下来，所以它其实要比搜索引擎的市场，它在网上起码是浮五倍以上，甚至是六到七倍。如果如果按照这个比例来算的话，那进而而言之，其实 那 b o 呢？它市场对你的市场是多大呢？ b o 它对你的市场那绝对不仅仅是替代一个 seo 的 市场，它起码也要比 seo 的 市场去上浮， 有可能是上浮六到七倍。就如果按照这个逻辑推演下来的话，所以他其实对应的是一个非常非常星辰大海的市场，他对应的是一个一点五万亿的一个广告市场里面，他能做什么？所以其实这样的一个空间其实是被大大打开了。这个这个这个点呢，其实也是就是前面市场上可能会去 理解有一些有有一些偏差的一个点，就是可能市场之前只理解为一个简单的一个替代，但绝对不是他只是第一个阶段，只是第一个阶段的一个小阶段，但往后的话他绝对是一个整个网络平台的一个一个一个进程，是一一整个网络平台的一个逻辑。其实 这个事情其实最后对应的就是搜索框搜是就是用户的那个行为的变化，然后以及媒体的变化，然后以及媒体平台美 用户行为变化之后所带来的广告主预算牵引的变化，其实底层逻辑是这个，对，那那其实其实以上的话，其实回答的就是 g o 到底是什么？ 他的空间到底是怎么走的？到底应该怎么去展望他未来的发展。那那接下来的话，其实那这是，这是其实是，呃整篇报告的第一个核心要点， 那第二个核心要点是什么呢？就是在经历了这一个阶段的推演之后，那哪些公司他能做出来，然后以及他里面蛋糕到底是怎么分的？他格局到底会怎么样的一个推演。那这个事情其实又涉及到就是市场上可能目前会存在一些认知差，或者是说预期差的一个部分，就是我这么大的一个一点，五万亿的一个 星辰大海这样的一个市场里面，那到底有哪些人，或者说哪些用户，哪些公司怎么去分这个蛋糕呢？其实前面市场上也有，就是也有一个关键的一个点，就是大家会觉得就是因为大模型它未来会去做广告商业化嘛？因为现在目前的目前的市场上大模型其实是没有广告商业化的， 甚至比如说像，尤其是像国内，像豆包这些，它上面都没有广告。那像海外的话，它其实整个大模型商业化的进展，目前其实像那个叉 g b t， 像 open ai， 它其实现在已经在开始慢慢的进行广告变现，然后包括它自己的一些预测或者市场预测，也是说它未来会慢慢在里面去插入广告，甚至有预测预测到三十年是不是可能在新产品里面能够占两成的一个广告，占两成的一个比例。它其实这个点呢，其实市场也也也是在去 反复不断的去质疑这个点，就是未来，整个未来，如果未来就是有一个情况，就是整个市场，就是整个市场，就是 大模型开始广告商业化之后，其实是不是 gu 就 没了啊？大家会觉得这种广告优化方式就没了，甚至是一个受损的一个逻辑。其实其实这也是为什么就之前就是大家反反反复复，其实这几，其实我们推 gu 其实就是跟大家聊了其实很久了，但是大家反反复复，其实在质疑这些点，那其实这个点的话，其实 其实也可以得到很好的一个解决，就是这个事情其实是去理解整个信息流的逻辑以及广告插入的逻辑的一个事情。怎么理解呢？就是其实，嗯， 再举个例子，就是我举个例子，就是比如说媒体平台上，我把整个媒体的信息流去进行拆分，那拆分完其实信息流只有两种，一种是商业化的信息流，其实是广告。另外一种的话其实 是男生的内容拍的信息流，他不是广告，他其实只有两种，就是要么是广告，要么不是广告。呃，信息流，所有的一切的媒体平台他都可以把里面的内容去拆分成这两种形式，那那广告份额是多少？举个例子，这个例， 举个例子，我假设做一个合理假设，假设，呃，一个媒体平台上他上面的信息流，一百条信息流里面，他可能的一个非常极端的一个非常极限的一个加载率是百分之三十。百分之三十是什么意思？就是我在我看了一百条信息里面，然后三十 三十条是广告内容，其他的七十条是非广告的内容，这可能是一个比较极端的一个形式，因为广告一旦内容过多全是广告的话，因为这个平台他上面的生态有可能会会会会会会会崩溃掉。 那如果假设三十条内容里面他到底是怎么拆分的？因为这因为因为最后投广告这个这个广告内容拆分其实也是涉及到蛋糕的拆分，就是整个广告市场怎么拆分？这是举个例子吗？比如说三十条广告里面，他有很有可能就是比如说二十条 是平台卖的广告，剩下十条也是原生内容的广告，那平台卖的广告怎么理解呢？就是比如说我假设啊，就是比如说在抖音上二十条广告是上面贴了那个广告标签呢？是是是真正的广告主也好再自己挑一个， 我点击那个中彩后台，然后我能够去买到广告为您那标价的这个二十条是这样这样产生的。那剩下的十条是什么？剩下的十条是内容广告 点什么是内容广告呢？就是就就举个例子，就是就这这个，这这是剩下的十条，其实就是 g o 这些优化公司他们所需要去做的事情，也就是说十分之一或者说十分之一往上一点 是 g o 公司要做的，他他要做的事情就是把自己的内容伪，就是广告伪装成内容，然后进而被大模型，或者说进而被那些爬虫算法所爬取，然后最后出现在用户的展示框里面。对他们真正做的是这一部分的事情，其实可以把剩下的来看，其实我们就现在是在切蛋糕吗？切行业规模的一个过程，就是 整个的一个外溢的广告市场，它里面可能是百分之呃，可能大部分，可能是呃大部分他其实是那个他自己卖的，就是 最后被平台所吃掉了，然后剩下的小部分他其实是那个就可以被被伪装，就是他自己没有卖那个广告，但实际上是广告，最后用户那边其实是广告，就整个广告市场其实是这样出来的。那举个例子就是比如说像那个最后的就是护肤品一百一， 然后里面三十，然后一个呃二十，是那个明码标价十条是没有广告的，那其实对应的比例的话，其实是呃，那个是如果按照那个万一的广告市场的话，可能大部分都是被媒体品牌吃掉了，剩下的部分其实就是自由市场。但是如，如果如果按账来算的话，剩下部分自由市场万一的广告里面， 其实你你随便随便算一下吗？我，我是十个点的份额也好，还是二十个点的份额也好，他都是一个，他都是一个几千亿的市场，他绝对不仅仅限于就是之前市场上所理解的就是仅仅 s u 的 那个市场的一个逻辑，所以这是市市场上之前就是之所以是对 g o 其实存在非常大的认知，差的一个非常关键的一个点，就是这个市场的规模，蛋糕到底是怎么来的，一个到底是怎么切的？那，那接下来我我再回来一个问题， 是大模型他开启商业化之后，他是不是会吃掉？这个事情也是去做一个推理猜测，就是其实我刚才其实已经解释了，就是大模型开启商业化之后，他其实并不会就是把所有的 ceo 的 市场都吃掉，因为剩下的那部分，比如说剩下的那个一百条信息流里面的里面的十条他其实 伪装成内容的广告啊，他其实并不是他明码标价的，也就是说他不管怎么样去优化他的算法，总会有很多的一些营销股商，或者市场上千千万万的或者万千的那样的一个内容机构，他会不断去优化自己的内容，会出现在大模型的数据库里面，进而被他筛选出来。所以 这个事情是大模型的算法所不可能避免的，也是绝对无法避免的，他会不断的随着大模型的算法而迭代，两边是 一起一个共生，甚至说一个共生的一个关系不断往前去发展的，这这部分市场会永远存在。对，那剩剩下的一部分市场是什么？剩下一部分其实就是假设合理，假设大模型广告商业化之后，那广告商业化之后，那这部分的市场那他 会怎么变？然后这部分的市场的话，他会不会就是他自己独吃，或或者里面能不能有其他人来切这一部分的市场？我们接下来来看这样的一部分市场到底是什么？ 那其实其实现在也其实这样确实是偏想象力的一个阶段，但是也可以按照目前的一个业态我们做一个合理的推演。那比如说假设就是现在就是大摩羯，我上面真的 发贴片广告了，他应该是怎样的一个商业流程？我举个例子，就比如说还是按照以前的互联网平台，或者说现在的信息流平台举例子，现在信息流平台他是，他是怎样的一个商业链路呢？我举例 就是比如说像抖音啊，抖音，他会把他上面的所有或者字节跳动，他会把他下面所有的产品体系里面所有的那个广告位都会集中在他的中台里面，他的他的一个非常大的一个中台叫做聚量引擎 里面去他的中彩上，呃，去集中了他所有的内容也好，广告也好，包括广告位也好，他有所有的数据，然后有用户的数据，而且他会把他的广告位给卖掉，他卖给谁呢？他其实不可能会自己直接去对接市场上更多的那个 千千万万的行业，千千万万的广告主，他不会，他其实更多中间会通过一个叫营销服务商的这个环节，营销服务商把他的广告位买买过去， 那把就把那个广告位再再再再卖出去，他其实中间还会还，中间还是会经过一个，呃，举个不恰当的例子叫经销商吧，他也是会经 把他的那个广告流、广告流量、那个广告贴片去卖，经过那样的一个经销商的环节，他其实是会经过这个环节的，那那中间的经销商或是是做什么，他其实也就是一个赚差价呢？卖卖卖，卖便宜的、卖贵的，其实就是类似于一个赚差价的一个环节。就哪怕是真的发展到比较中局的情况， 他你不行，他自己都很难去对接那么多的广告主，因为不所有的行业，不同的行业他都有不同的 no 号，他绝一定是定制化的多样化，他绝对不是会是千篇一律，也绝对不会是一个简简单单的 ai 生成，就会去覆盖所有的行业，或者说覆盖所有的用户，他一定是非常千人千面的，因为用户是分众的，用户不会用 ai， 他不会理解所有用户的分需求，用户一定是尊重的，所以所以他们中间的这个环节他会长期存在，他会对不同的行业，就是我假设就是有有有的营销活动，他 也是女装，下面他有非常多的类目，有的是那种小女生啊，有的是白领，有的是比如说中年，有的是中老年，他会他是一个非常非常尊重的市场，就整个的一个广告市场他其实是非常尊重的。 然后然后中间营销股商这样营销股商他也不可能会集中化，因为那所有的呃行业他其实都有一定的一个理解，或者说有一定的一个弄号的地垒在里面啊。这些事情，那这样的一个地垒他其实是经过非，比如说十几年、二十年，这些营销股商跟着涨，然后不 在这个过程不断的去适应新的流量平台的变身，他一定是这样不断的去成长的，对，一定是这样的一个过程。所以哪怕最后就是大模型真的开启广告化之后， 中间仍然还是会有这样的一个环节，那最后其实业务格局演变成了什么呢？仍然还是在一个假设想象的一个阶段，就是这些营销扶商，他 一方面仍然是帮这些呃大模型厂商，帮他们去卖卖卖广告位嘛，去抬卖广告位，然后同时他去帮那些就是千千万万的那个行业，但是中间可能营销 扶商非常分众。就比如说女装的有女装下面不同类目的，有不同类目的，他们各自有自己的能力圈，然后知道就是这些行业他的广告处需求是什么，然后以及 对相关的用户的需求是什么，然后去做，然后甚至去学习模型的算法，然后去做自己广告的优化。然后一方面就是做 geoc， 可能可能做那个小一点的市场，做 geoc， 然后另外一方面呢就是帮 去去通过采买广告位的方式，然后把他的那个广告投到那个平台里面，就是走那种官方的方式，有可能最后整个整个市场格局会变成这样，就中间非常多的服务商， 然后可能可能也不会非常集中化。对，然后但是他们各自各有各自的能力圈，可能最后会变成这样的一个一个一个一个一个市场格局为什么会这样？市场格局其实还是能看，就是因为因为两分呢，一端是媒体，另外一端是那个广告主，广告主是非常非常尊重，因为广告主是适用于所有的行业，所有的 凡是一切想要去推广，想要去营销自己的那个产品，不管是什么产品也好，就凡是有这样的需求的公司，中小企业、大企业，他都是广告主，这这这包含的是整个的一个世界，或者说整个国内整个世界 所有的企业，所以所以这个，所以这个市场是非常非常分散的，他不可能集中进而他也中间的这个环节，就服务商他，他就是各自都有各自的一个能力圈，各自都有 这个能力才能够搞定不同的客户，能够去搞定不同的收租，其实会是这样的一个格局。然后最后其实其实刚才就讲这个事情可能花的时间比较长，这个方便就是呃给给各位领导去解释，就是为什么未来会是这样的一个格局，以及为什么一套服务商或者说 g o 他 其实并不是一个容易会被就直接会消失的一个市场， 是为了解释就是这个行业为为什么我们去之前那样去判断，就整个行业其实是一个是一个，是一个走大趋势的一个行业，其实其实是为了回答，回答，回答这样的一个问题， 对，然后以上呢就是整体，就是其实呃整篇报告的话，其实以上就是呃基本上都是解释了，就是那 g u 到底是什么？然后他到底做的哪些事情，然后以及就是他的行业到底是怎么来的？以及行业规模不同的阶段他到底对应的是怎样的一个规模？以上回答的是这样的一个问题， 对，然后然后接下来的话，就是接下来的部分的话，其实就落实到一些标的，或者说落实到一些这种营销服务商里面，那到底应该怎么选？那其实 其实这第二第二个部分的话，其实就是类似偏选票的一个环节，其实刚才那选票的话，其实我们，我们，我们我们要怎么选票呢？其实要么就是第一就是看不同的公司， 或者说在这个行业里面去看他们的特性，哪些公司他可能有更多的竞争壁垒，哪些环节有更多的竞争壁垒，然后以及可能我们去合理预测未来他能够去取得更大的市场，他能够取得更大的一个利益。那这是第一点，然后第二点的话就是去看就是整个行业那 那格局到底是怎么走的？然后进而去选出一些比较特正的公司。那那接下来在选票环节的话，其实我们再回到就是刚才其实讲过的那个上上一上上一章曲讲过的那些事情，就是整个行业市场是这样的格局，是讲那格局到底取决于什么？ 其实刚才已经解释过了，就是就是这个格局的话，其实还是要从整个行业，或者说整个的营销服务商，或者说整个 g o 的 这些公司它的一个商业逻辑去去去理解，就是格局会怎么走的一个过程。因为整个营销服务商也好，或者说 g o 的 公司也好，他 来和媒体测试这些广告主这个事情刚才已经解释了，媒体测它会比较集中，然后广告主测会非常的分散。 那媒体测他取决于什么呢？媒体测其实是一个技术学，就是技术的一个问题，其实是一个理解，他解释理解会算作他的一个避雷的一个问题。那什么是理解的一个避雷呢？就是就是在广告主测 啊，不是，就是在技术测，他其实更多的事情就只有他本质上其实就是去理解大模型的算法，进而去呃，举个不恰当的例子，就叫欺骗大模型的算法，他其实做的是这个事情， 那那所以他其实理解或者对那大模型算法的理解其实形成他的核心壁垒，但这个事情他本质上到底有没有壁垒呢？其实 其实其实我我自己研究下来，这个事情其实壁垒有，但是并不高，那为什么？为什么这个事情他的壁垒并不高呢？是因为 g o 这个事情就是说算法测这个事情，他其实他其实就是他是随着人员流动而流动的， 这怎么理解呢？就是就是整个 g o 的 那个理解，就是其实谁就是就是我们再去设想一下，就是整个市场上谁是最懂大模型的？肯定是设计大模型的人，就举个例子，就谁最懂 deepstack， 肯定是 deepstack 的 创始人，然后以及他核心的算法工程师。那这这这这可能这几个人是最理解最最了解大模型算法的，那 其实市场上就是真真正正的懂大模型，最懂大模型算法，已经能够随时随地知道大模型到底在怎么调整，算法怎么调整呢？其实整个市场呢，可能只有非常少数的人，而且这少数人不会流流通到市场上，那剩下的流通道市场上或者市场上的人到底是怎么去研究这个事情呢？那大概率是通过一些 说核心团队的算法工程师的流动，甚至说算法工程师身边或者说市场上基于一些理论的知识的学习去理解他的算法，甚至或者说在大家用大模型的过程中，一些通过一些经验去累积下来的一些经验的这样的一些东西， 所以这一测他永远构不成非常核心的地雷，因为真正懂的人他不会出来。然后市面上的人呢？就是他都是研究学习，这个事情呢，其实就是会通过人员的流动去抹平，所以所以在人员测或者算法的理解测他，他永远他不会有真正的 地雷。就是就是就是随着模型算法的变动，然后市场上会发现，就比如说呃营销工程师，或者说就是就是算法过程，或者说营销不上，他会发现，哎，好像好像模型算法经过有有了调整了，于是他也会 从而会去跟着去调整自己的方法。他是一个在不断动态变化，随着大模型的算法在变化，他自己的一个策略在不断的动态变化的一个过程，其实这一侧是这样的一个发展，所以说这一侧他不存在真正的一个壁垒。那另外一侧是什么？另外一侧其实刚才在给领导汇报第一章的时候，其实也讲了另外一侧其实就是基于一些对行业 或者说对品牌主，对对对对对很多广告主的一个 logo 的 一个理解，那这个理解反而是需要非常多年去不断的去去去理解，然后去积累，然后从而去不断的去做。因为因为所有广告品牌主、 营销服务商，他其实都是跟很多的一些品牌主形成了很强的粘性，非常多年去去进行服务的，就比如说去写推文也好，或者说去营销某个产品品类也好，他也非常的知道就是 到底哪些关键词，到底哪些行为去处，甚至到底怎么拍照片，模特到底应该怎么动作，应该怎么摆，然后以及就是就是就是这些事情他其实都形成了非常多的一些 偏经验的一些积累。那除此他其实是一个非常细节的一个事情，或者说是一个非常偏人力密集型的一个事情，那剩下来的事情到那剩下来的事情是什么呢？就是除，就除了除了这个事情之外的话，就是他们也会不断的去，就是去可能会去拓展一些新的行业，这种 是相对来说，他是相对来说就基于自己的核心能力上去不断的往外去拓展更多的一个行业的过程。那这个事情反而这边就是跟着用户主年性不 断的跟用户就是往品牌主不断的去累积他的年薪，这这一段反而会形成更多的一些经验上的一些别类。所以所以最后其实就落实到选票层面的话，就到底应该怎么选票，其实就是 或者说格局到底会怎么走，其实就是格局还是会分散，因为因为品牌主，因为最终最最终都是决，因为最终就是整个市场，或者说整个市场他取决于什么？取决于品牌主的预算品，取决于品牌主会把他的广告投在哪里。那其实就是一个流动的一个过程。从从从从跟着用户流动的一个过程，就是会从传统的 媒体平台，从传统的 pc 的 搜索引擎，或者说从传统后面会从一些手机上的一些 app， 然后会不断的慢慢的流动到就是 ai 的 大模型的做框，它其实是这样的一个流动的过程，那其实在这个流动过程中，其实不同的品牌主也好，不同的广告主也好，它有不同的那个 理解的一切能力圈。然后在这样的一个过程中，那些服务商或者说只有服务商它其实也有各自的能力圈，所以其实它是一个偏偏偏向的市场，它的分散度可能 可能会比，就是，但是如果说从技术层面的话，因为现在是一个新市场嘛，技术层面的话可能先做的 geo 的， 或者说先挖到更核心的人的，他可能对这个方面有更强的一个地位，他能够提前 享受到这样的一个一个技术优势，或者说行业成长的一个红利，那所以来说他有可能就是会比原来的服务商市场可能会偏更加集中一点，但是他终极的话不会是一个一个头部垄断，也不会是一个集中商，他还是会是一个分散的市场，格局仍然还是会这样。 所以，所以，所以最后就是落实到选票的层面的话，其实其实就能看到就是一个是就是行业非常快速的人，他是一个非常 非常非常欣赏大海的一个一个一个市场，因为他对应的是一点五万亿的广告市场，但是营销服务商的话，他能够在里面可能能够对应到一个几千亿的一个一个市场，能够让他去做事情。但是现在的营销服务商的话，比如说先布局的，类似加上的公司先布局的，他肯定会享有更多的一个 先发优势啊，然后能够在这里面去分到他的，他的比较比较早的路 是就是就是红利。对，所以最后其实落实到标的层面的话，其实就是呃营销服务商的话，确实是比较值得就是领导去继续关注的。那其实龙头的话，像上周的涨 涨跌伏，按上周涨跌伏来去选龙头的话，其实也比较能够去看到像引力传媒，像那个一点，像这种互联这些其实已经是市场选出来的龙头了。那其次的话就是其实按照逻辑来看的话，其实有 和广告主粘性比较强的，然后又又做头流生意的，他其实都能够去迅速的去补足，就是大模型理解的这块短板，就就通过学习以及挖人这种 这样的流动其实是相对来说容易补足的。那其实一旦一切做营销服务，一切做头流生意的这些有有自己比较粘性比较强的广告主的这些商人公司其实都受益。那除了营销服务商之外的话，其实也包括像 像淘宝生态下的那些，那比如说像大运营那，那他虽然做的不是那个大拇指的那个，但他其实也是做的一样是，而且他有自己的一些呃，一些品牌主对 其实相对来说也可以去类似做一个能力迁移。然后然后包括就是那其次还有还有还有一类的投投资标的是什么？是一些垂直媒体平台，为什么？因为，因为，因为因为这其实是涉及到大模型算法的层面，因为大模型算法他需要去去去他 想要去做的事情就是识别一些比较好的内容，然后他会在一些比较好的内容里面去有他自己的一个权重，比如说在一些，比如说就是就是一些相对来说比较值得信任的一些媒体平台，他会有更多的权重。那像这样的一些垂直媒体平台的话，可能他上面的一个流量可能在这样的一套体系下，可能就是 他上面的一些流量可能能够享有一些溢价，所以这样的一些垂直媒体平台也相对来说就是也有一定的一个一一个价值。对，然后，呃， 然后以上就是这篇报告的一个核心内容吧。对，然后简单总结一下，就是 d o 其实并不是大家想象的就是只是取代传统的 pc 搜索引擎下的那个 seo 的 那一部分小几百亿的市场，他只是面对的是一个非常星辰大海，然后他所面面对的趋势是 整个互联网流量的千玺，带动整个的营销预算的千玺其实是一个非常非常大的一个市场，然后在这样非常大的市场里面，只有他做的可能是其中一小部分，但是营销确实确实可以做非常非常多的事情，整个营销整个的一个市场其实非常大，然后最后其他其实也会去 推申出那个，那个那个就不错的，能够享有行业红利的公，然后也就跟着大模型共同成长的这样的一些相关的公司。对，然后以上就是这个篇报告的一个核，呃，一个逻辑和核心的内容。对，看看线上的各位领导有没有什么问题可以直接开麦提问。

哈喽，我是欧阳，本期我们聊聊 ai 应用的分类。各位，我之前解读 ai 智能体的时候啊，重点讲到了按照大的分类，要把 ai 应用细分为阿里系、智捷系、华为系和出海系。您看，今天阿里系就全面爆发， 当然还得多一个加分选项，就是国资最近爆发啊。自洁系，原因是今年春晚豆包将成为首个登台的 ai 助手。 那么出海系呢，则是因为国内付费观念太低，同类产品海外更容易获得利润。 华为系呢，则是以华为鸿蒙为主了，这都是老题材啊。 deepsea 系则可以看我一月十号发布的 deepsea 微四的视频，现在又多了一个 mini max 合作概念，家人们学不完，根本学不完，而且还有很多小的分类， 什么 ai 金融、 ai 医疗、 ai 传媒、 ai 广告、 ai 税务、 ai 电商等等，全部都是过去三年时间炒过的。家人们， 本轮 ai 爆发将是一轮巨大的行情，会反复的滚动向上，也会走出多个三到五倍的大牛新高，一定会创，只是热度 太高的时候啊，需要压一压，先别急，先别急着追啊。呃，咱们把思绪理顺，后面机会还有很多很大。点赞关注加分享下期更多精彩！

有朋友让我梳理一下 ai 应用十家硬核公司，今天我们就好好聊一下。大家好，我是虔诚。第十位是金山办公，这家公司大家应该不陌生，它的 wps office 可以 说是国民级办公软件了， 它的优势呢，就在于把 ai 能力深度集成到了文字、表格演示这些日常办公场景里。比如说，你可以用自然语言直接生成文档，做复杂的表格分析，甚至自动美化 ppt。 它的核心竞争力在于拥有海量的用户和文档数据，能够不断训练和优化自己的 ai 模型，让办公变得更智能、更高效。 在国产化替代的大背景下，它的地位可以说是相当稳固。第九位我们来聊聊科大讯飞，这家公司可以说是国内 ai 语音领域的元老了，它的特点非常鲜明，就是以智能语音和自然语言处理技术为核心，在教育、医疗、办公等多个赛道落地。 比如他的智能学习机、听说课堂，还有讯飞星火认知大模型，都是直接面向消费者的产品。他的优势在于长期的技术积累，特别是在语音识别、合成和交互方面技术壁垒比较高。近期呢，他也在不断推动大模型在行业里的深度应用。第八位是恒生电子， 这家公司可能普通消费者接触不多，但他在金融科技领域绝对是重量级选手。他的主要业务就是为证券公司、基金公司、银行这些金融机构提供软件和网络服务。 他的 ai 应用呢，就聚焦在智能投研、风险管控、智能客服这些专业领域。他的竞争力在于对金融业务的深刻理解，能把 ai 技术和复杂的金融业务流程紧密结合，客户粘性非常强，基本上处于行业领头的位置。 第七位是同花顺，说到炒股软件，同花顺几乎是无人不知。它的优势就是拥有庞大的活跃用户群，海量的财经数据和用户行为数据。 它的 ai 应用主要体现在智能投顾、量化交易辅助、市场情绪分析这些方面。你可以理解，它为投资者提供了一个 ai 助手，帮忙分析信息，提示风险。它的特点在于产品迭代快，紧跟市场热点，用户体验做得不错，在个人投资者当中影响力很大。第六位是广联达， 这家公司是数字建筑领域的服务商，简单说就是为建筑工程的设计、采购、施工、运维全流程提供数字化解决方案。它的 ai 应用呢？比如在造价环节的自动化算量、施工环节的进度和安全管理。 它的优势在于深耕建筑行业多年，形成了深厚的行业知识库和数据积累， ai 技术能实实在在地帮建筑行业降本增效， 专业性避雷很高。第五位是海康威视，全球安防领域的龙头企业，它的 ai 应用早已从传统的视频监控拓展到互联网解决方案和智能物联。它的优势在于硬件设备上的巨大优势， 结合其自研的 ai 开放平台，能将视觉 ai 算法快速部署到各种复杂的场景中，比如城市治理、交通管理、 企业生产等等。它的竞争力在于软硬件一体化的能力，以及遍布全球的销售和服务网络。第四位是大华股份，和海康威士一样，也是安防领域的全球主要供应商。 大华在 ai 赋能方面同样投入巨大，特别是在智慧物联领域，提供了从硬件到软件平台的全站式解决方案。 它的特点是在一些细分行业，比如智慧养老、智慧社区等方面有比较深入的布局，其竞争力体现在较强的技术研发实力和相对灵活的解决方案能力。第三位是润禾软件，这家公司主营业务是向国际国内客户提供软件技术服务。 它的特点在于很早就布局了开元鸿蒙和开元欧拉生态，在国产基础软件和 a i o t 也就是人工智能互联网领域有比较深的积累。 它的 ai 应用呢，主要是结合其软件能力，为金融、能源、工业互联网等行业客户提供智能化解决方案。它的优势在于技术布局有前瞻性，恰味了国产化软件发展的重要方向。 第二位是浪潮信息，说到 ai 就 离不开算力，浪潮信息是国内领先的服务器厂商， ai 服务器的市场份额在国内是数一数二的。 它的优势非常直接，就是为各类 ai 应用提供底层算力支撑。无论是互联网公司训练大模型还是企业部署 ai 应用，很多都需要采购它的服务器。它的核心竞争力在于规模化的研发和生产能力，以及与上游芯片厂商紧密的合作关系，是 ai 基础设施建设的关键一环。 第一位是托尔斯，这家公司可能大众知名度没那么高，但在羽翼智能领域却是专业的。它的主要业务就是做文本、大数据和羽翼智能技术，为政府、媒体、金融等机构提供大数据分析、知识图谱、虚拟数字人等服务。 它的 ai 应用特点非常垂直，专注于处理和分析非结构化的文本数据，技术门槛很高。它的优势在于多年积累的羽翼理解核心技术和庞大的行业知识库， 在特定的政务和商业智能领域有着很强的不可替代性。好，以上就是所有的内容，我是前程，感谢所有点赞、收藏、关注的朋友，感谢大家！

ai 应用成长最快的十家企业。第十，凯英网络扣费净利复合增长百分之十八点四三公司亮点，凯英网络自研游戏垂直大模型，聚焦动画生成、场景构建、数值设计、代码生成等五大方向， 形成 ai 工业化管线，全面赋能游戏开发自动化。第九，核核信息扣费净利复合增长百分之二十三点三五、公司亮点，核核信息的 ai 训练平台，实现无感知的模型训练和部署服务， 为客户提供越用越好用的智能文字识别服务。第八，顶尖数值扣费净利复合增长百分之十三点一八公司亮点，在应用方面，顶尖数值结合大语言模型，打造了 chat file 高管、 ai 数字助理等通用型 ai 应用。第七，值得买扣费净利润复合增长百分之十三点九三公司亮点，值得买基于值得买消费大模型研发的 ai 购物助手，小值 为一个融合了感知、分析、推荐和执行能力的 agent 产品。第六，同花顺扣费净利润复合增长百分之二十八点九三公司亮点，同花顺以 ai 加金融为核心，靠自研大模型 智能体平台与全站 ai 能力，贯穿零售与机构金融全场景，实现服务智能化与效率跃迁。第五，新智软件公司亮点，新智软件积极推动人工智能大模型在行业应用的落地， 以新智、新智人工智能平台为核心底座，结合行业实际情况，推出各行业应用机器人。第四，斗神教育扣费净利润复合增长百分之一百一十九点八，六、公司亮点，斗神教育目前以基于微软 grafrag 的 能力 推出 ai 智能学习产品斗神 ai 是 集 ai 智能互动讲解、 ai t 整链系统的语文垂类大模型产品。 第三，福星软件公司亮点，福星软件的部分产品涉及了对人工智能语义识别及协助处理的技术研发。第二，巨人网络扣费净利复合增长百分之十八点二三、公司亮点，巨人网络陆续搭建了一系列 ai 工具平台， 含盖视觉、语音、大语言模型等技术方向，对游戏策划、美术生产、程序开发、宣传发行、 客户服务等业务环节进行赋能。第一，成都仙岛扣费净利复合增长百分之一千五百六十三点九四公司亮点，目前基于 ai 技术的分子骨架跃迁系统已经在成都仙岛多个内外部药物研发项目上进行应用。 在有些药化项目上可以看到， ai 分 子生成加 s b、 d、 d、 d 可以 明显地缩短 d d、 t、 a 循环周期。

更新一下我们对于整个 ai 应用啊，最新的观点啊，因为我们确实看到这个近到二零二六年以来啊，最近这一周多啊，尤其是上周五到今天，我们看到整个 ai 应用行情还是非常火热的啊，我们应该也是在刚刚，在昨天就是这周日啊， 昨天上午十一点啊，再次去做了这个推荐游戏和 ai 应用啊，以及相关的推荐的标记梳理的啊，这个线上撸眼会议啊，那那么今天我们看到确实 ai 应用的行情 啊，最近一段时间，我觉得是我们应该说前面啊，很长时间持续对于 ai 应用啊，去推荐布局。那么 啊，在最近这一一周多啊，尤其最近这两天行情得到集中的体现啊，今天传媒的 etf 都涨停了啊，确实啊，那很多标的呢，在最近的这一很快很短暂的时间就都涨上来了啊，所以 啊，那也相信很多投资者啊啊，可能会也会比较关注，就是说那都涨到这个位置呢，这个行情后续怎么看，以及还有没有 啊，就可以再去布局这个位置。如果啊，对于传媒对于 ai 应用还没有持仓的话啊，还有没有可以再去布局的方向和标的啊，可以买的标的啊，所以那今天晚上我们这个传媒周一谈 六二会议啊，那我们也想在集中的去解答回答一下这个问题，也是对，就我们的最近的系列的相关的报告，还有路演啊这个核心观点， 然后再做这样的一个啊，书啊，这个再次的我们这个这样的一个梳理的同时，那么面向就是当下啊，今天这个讲完之后啊，还有哪些新人方向可以去布局啊？可以去买，那么我们再做个汇报啊，那首先直接给别人的话，我们觉得首先第一个这个位置，我们认为啊，游戏版它依然是可以坚定的去布局的 啊。那么呃，因为，呃我们因为从这个十一月开始啊，我们推 ai 应用啊，推 ai 广告， ai 慢剧，然后十二月份开始我们重点推游戏啊，其实当时我们更多的首先就是不管 ai 应用它有没有一些，呃，催化啊，事件催化，主题催化啊，有没有被打行情 就只是从游戏板块自身的基本面和对应到当时的一个估值水平来看，就是低估的啊，低估的，然后有这个， 呃基本面上的一个月份开始，寒假加二月份春节啊，这个假期的旺季啊，游游戏流水数据往边际走好啊，推动整个啊，这个这个业绩预期上休和估值修复啊，所带来这波机会啊。基于这样的一个逻辑， 那其实，呃板块走到这个今天吧，游戏板块啊，当然也跟着 ai 应用作为 ai 应用的一个非常重要的，具有估值和基本面的这样一个区分板块，那么游戏板块跟着 ai 应用 其实也啊最近这一周多也也也涨了一些啊啊，但是我们认为就是接下来的这个寒假春节的旺季因素，因为他毕竟还没有到来啊，就是游戏的这个数据啊，尤其是我们认为其实在 呃就包括像最近的这个市场大盘行情，以及二五年以来这个行情，整体上，呃这个还是比较不错，就是比较具有赚钱效应啊，对于很多啊股民啊，投资者来讲，那这种效应明显，其实我们我们自己觉得也会 在进步的，带动在春节假期，大家可能会啊，刺激大家在游戏里的这样的一个消费啊。那么我们前面有解释过，像游戏的消费，他其实有非常典型的因为他是精神消费啊，他又是属于那种啊，这种 啊，不是大家说所谓的这个生活的必须啊，但是呢，他呃他自身这个能够满足用户这个情绪的消费的需要啊，提供愉悦啊，他本身这种消费又呃 具备一定的情绪化的特点啊，所以啊，尤其是对于像这种啊，比如说这个通过啊，这个股市啊，还有像啊一些可能 学生他过年这个压岁钱红包啊，还有包括可能有部分啊，就是可能这个参加工作的，他在这个年终奖这些一次性的奖励性质的这样的一些收入来源啊，就是非非呃非这种可能正常工资性，而是靠这种投资啊，奖励性的收入来源这里面 啊，这种收入，他其实在游戏里面的这种消费的，根据情况我认为是比较高的啊，所以呃，总结下来就是包括，呃，我们如果去看历史上确实在股市行情比较好的时候，比如说二零一五年啊，二零一五年， 然后一六年这样子，然后包括像这个，那二零这个一九年啊，二零二零年啊，啊，那么这些期间 啊，那么其实甚至包括二零二三年的上半年啊，那么整个呃就是股市好的时候呢，整个市场游戏的这个消费啊，其实也都是有一定的正相关啊，所以我们认为就是接下来的这个寒假，这个春节啊，期间咱们对游戏的消费倾向，我们认为还是比较乐观的啊， 那么这些因素我们目前还没有体现啊，甚至是市场对这一块我就预期还不够充分啊。那么另外的话，就是有些游戏公司那么也会在这个时间点啊，在这个时间点去啊，这个 对游戏加大一些运营推广的活动啊，就包括像新春的一些新版本啊，新的一些活动， ip 的 一些联动 啊，包括有些游戏有周年庆啊等等啊，那么呃同样在春节啊，就假期可能也会啊，推动一些，比如说推出一些稀有的道具物品啊，推动一定程度上就是游戏类的这个道具物品的通账啊，就是它的涨价啊，那这个其实在每年春节都有体现，那么今年我们认为可能也会体现的更加 明显一些啊，那么呃可能上上一波就是暑期啊，暑期可能对于一些年轻用户来讲，可能啊有有一些游戏他的呃这个 推出的一些稀有的道具，吸引了大家一波付费。那么在暑期之后的这大半年的时间，很多游戏我们看到其实他的运营活动是相相的比较少啊，可能呃也会比较集中在这个寒假加春节啊，春节，所以我们认为就是 呃手上有大跌 u 长进游戏的这些公司，他们这种，他们的这些游戏在今年的呃接下来的这个一月，呃现在已经开，呃一月中旬嘛，一月 中下旬开始到二月份，整个月的这个寒假春节这个月啊，那么呃头部的这些，他呃核心就是产品的流水，再创新高的概率都比较还是比较大的啊，那么也有望这些春节期间以那叫亮眼的游戏，整体的游戏的行业的数据啊，所以这些也会进一步推动游戏 啊，整体的业绩预期和啊这个估值的上休啊啊，那么啊，另外一点，我们觉得还游戏作为 ai 应用的重要方向啊，也是 ai 社交，我们认为是非常核心的这个方向，那么也看到就是包括像 mini max 上市这，呃，连续两天大涨啊， 啊，上周五是翻了一倍多啊，那今天最高也是涨了百分之三四十，收盘也是涨了百分之十几啊，这次再次大涨啊，包括另外智浦啊，另外一家就是也是上周 ipo 的 港股的这个啊， 大模型啊，应用公司，他今天也是大涨，那么啊，进一步的我们就提振了整个 ai 应用，包括游戏板块的估值，那么从复盘历史上看，就包括像无论像二零年这种，就是当时游戏行业啊，因为这个疫情大家宅家红利的这种 高景器啊，还是，呃，说像二三年啊，因为这个 ai 啊，这个硬啊，这个叉七一出现大模型，出现 ai 啊，应用的第一波啊，主题贝塔行情，那么都将游戏板块的估值啊，推到在对应当年的三十倍以上啊，但是这一次我们觉得跟包括跟二三年，二三年 啊，还不太一样，就是二三年，可能大家更多看到的是 china 的 gdp 啊，海外的 ai 大 模型和应用啊，这个很强，然后带来的这个映射，但是啊，大部分比如说游戏，国内游戏他接不了这个啊， china gdp 其实 感受不到太多，这个海外的 china gdp 在 国内的这个应用啊，但是这一次包括 mini max， 包括智普，它是代表着我们国产啊，中国的大模型和应用啊，而且包括像 mini max 它啊， 大部分收入来自于海外啊，推动啊，推出的是海外的这种 ai 的 啊，角色扮演游戏啊，聊天社交这些应用 啊，向全球扩张啊，他其实讲的是这个中国的自演模型和自己的这个啊，中国的 c 端的 ai 社交应用啊，国际化啊，走向国际化的这样的趋势啊，所以市场我们看到给到呃， 就是相对比较高的一个估值，也是对啊，这样的中国的啊，这个大模型和应用这种认可，那么 其实游戏来讲，也是我觉得具有非常强的跟 ai 大 模型和应用人在深入结合并，并且具有比较强的社交属性，同时啊，也是具备就是非常强的出海竞争力啊，也是成为中国啊，跟这个 ai 的 社交陪伴应用一样啊，就是游戏也是中国啊，文化啊，出海，产品出海啊，非常重要的一个代表啊，是有拥有啊，国际化的这样一个趋势啊。所以啊，这些因素，我们认为至少游戏板块的估值啊，能像二零年和 二三年啊，就至少修复到我们，我们看好这一波至少修复到三十倍以上啊。那当然，其实我们看到二五年的啊，九月份啊，二五年的六到九月份，游戏也是经历一波明显的上涨之后，那其实九月份啊，一些标的啊，我看到当时对应当年的这个 当时的 pe 估值，对应二五年 pe 估值也已经到了三十倍甚至四十倍这样的一个估值啊，所以无论怎么看啊，在现在整个市场这个啊， 风险偏好上升啊，我们看到大盘也在啊，就是连续很多天这个上涨啊，这一个整体的推动之下，那么游戏板块其实的估值还啊目前还明显低于像二零年，还有二三年的二五年九月份这样啊，一个水平。那么但是整个的 ai 应用对游戏里的一个影响 啊，以及包括 mini max 估值上市带来的一个估值的提振的因素啊，我们也是之前具不具备的啊，所以啊，我们认为在 这个，特别是马上到来的这个春节假期，有这样的一个啊，这个游戏数据啊，一些核心产品的比较好的一切推动之下， 那么春节前游戏板块的估值是有望并不像三三十倍以上这个修复啊，所以站在这个位置去看啊，游戏确实还是我们的传媒和 ai 应用里面，依然还是具备比较强的估值性价比啊，比较高的估值性价比和相对啊低位可以去布局，同时也有游戏 etf 啊，这种 被动指数基金带来的这个增量基金啊，以及有限公司的这些啊，整体的市值相对比较大，也是适合一些啊，比如机构啊，或者是偏场中中长线和规模大的体量的基金去啊配置啊，所以就是今天我们认为就是这个点， 看 ai 应用还有哪些可以买，我们第一个所当其中还是推荐这个游戏啊，建议再次建议大家啊，各位投资者可以去啊，这个位置可以可以坚定去布局啊，那么啊，游戏因为是非常具有版板块效应的，再加上我们刚提到的游戏 etf， 可能会成为很多场外基金啊，包括很多啊散户参与的这个 啊，有传媒和 ai 应用的非常重要的方式啊，所以啊，那么作为游戏 etf 带来的增量基金，那么这里面的权重股，那我们认为啊，它都会 啊，在基本面和这个分量资金推动之下，应该继续的固执的修复啊。大家，这里面如果春节期间有潜在爆款数据啊，爆款游戏呢，带来比 较亮眼数据，甚至数流水超预期的，那么这些标的我们认为弹性可能也会更大啊，相对更有阿尔法啊，所以这里面我们也是一直重点推荐一下巨人网络啊，有这个 套现行动组啊，作为这样的一个头部啊，已经被验证为长青游戏啊，那么在二五年的暑期啊，流水表现非常亮眼啊，二五年的国庆期间，再次 dau 创新高的情况之下，那么在接下来寒假春节可能会迎来就是 dau 和流水的双新高啊，那么啊，以及二六年会有有了比较大的业绩 弹性啊，所以继续推荐这个私人网络，那么另外也继续推荐我们就是之前一直重点推荐的这个标签套，就是新公司啊，那么 嗯，那么新东公司啊，这这当下的话，我们逻辑其实包括昨天，包括我们最近啊，七路也都反复去讲啊，就是 新东小镇一月八号上线海外地区之后，确实啊，登顶二五十多个国家和地区免费榜啊，在用户量，下载量方面有超一些表现啊，那么接下来的话，新东小镇无论是海外还是国内啊，国内春节这样一个阖家欢的假期， 基于它的这个大 dau 强社交属性以及深度的一系列运营活动啊，那么它的流水应该也是有非常有望，有非常亮眼的表现啊，进一步带来这个业绩弹性啊，那么心动的话，因为现在还没有到这个九月份的这个高点啊，我们 按照就是整个游戏和它的 app 以及孵化出来的 a d n 广告业务来分别来看的话，对应下来的估值算下来，它其实在二六年依然目前依然有非常大的一个空间啊， 那么，呃，就是心动啊，那么另外的话，呃，另外的收益标地，像三七户渔，我们也建议从这个点击关注啊啊，那么三七户渔的话啊，之前的这个生存三十三天的小程序游戏啊，登顶排行榜啊，已经是一个验证的爆款的小程序游戏啊，那么从这个一月份到二月份，它的 呃小生存三十三天的 r o s 三的 app 游戏啊，以及二月十五号啊，是呃除夕的前一天，那么啊，它的 呃甚至三十三天的 app 游戏也将登陆安卓端啊，那么啊，包括公司三七以它突出的这个买量运营能力，那么 也预期甚至三十三天在这个寒假和春节假期也是有一望啊，取得非常亮眼的表现啊，那么呃，加上三七本身的一个估值上看，其实在板块里里面也是被比较强的一个估值的也比较高的估值，性价比也是啊，这个游戏 etf 啊，重要的权重股啊，所以我们 也是啊，建议积极的关注啊，收益标的三去互余，那么另外还包括啊，继续我们继续推荐的，像凯银网络啊，还有包括啊，其他的一些啊，游戏的一些收益标的，像数据华通啊，像港股的这个金山软件啊，这些啊，我们都建议布局在这个位置啊， 从配置游戏板块角度来讲，那么这些标记我们觉得都是非常值得在自己去配置的啊，那么这个是游戏啊，那么另外的话，就是啊，我我们认为就是啊， ai 的 这个社交啊，社交方向啊，那么除了这个 mini max 把这个固执空间打开之后， 那么出海社交啊，包括像 ai 的 音乐啊， ai 的 这种啊，聊天类的啊，或者是一些角色扮演的这种社交应用和工具，那么啊，因为确实是中国的 这种出海社交，现在在全球看啊，就跟我们的游戏跟我们的短剧类似，也是啊，现在越来越强，因为我非常强的全球竞争力 啊，然后因为 mini max 现在把这个布局空间打开了，那么同样其他的啊，具备呃也依然比较高成长性的啊，布局海外的 ai 啊，社交应用的公司啊，像昆腾万五的，像分频网络啊，那么我们就当下去看啊，如果从这个他们自身的这个 ai 呃社交应用产品，海外的 a r 二，呃，就是年化收入和增长趋势看啊，然后包括跟 mini max 对 标来看，按照这个呃 ps 固执去对标，那么其实也是具备非常高的一个配置性价比啊， 那么所以这个位置，你像这个昆仑万维啊，还有包括盛天网络啊，那么我们也是这个啊，这个，呃，这个建议同学小 c 积极的关注啊，也是属于 ai 社交应用里面，目前当下来看啊，这个依然是，呃，这个当下这个位置还是比较核心的受益标的啊。嗯，那么 另外除此之外的话，我们觉得像 ai 营销，虽然确实是这一波 ai 应用了，我们看到的它的一个核心主线啊，有这个 g u 啊，深层式引擎优化这样全新的啊，这个 ai 营销的这样的一个 啊，这个模式的变化啊，为了带来整个营销代理公司啊，帮助品牌网络主席建立自身的啊，这些啊，语料数据，用户标签和这种啊文案库去啊，更好的引导模型啊，大模型啊，回答问题就是搜索，针对搜索回答的问题，引导指向自身的品牌， 那么这种方式下，确实会有望进一步的去呃，改变，现在就是，呃，在营销产业链里面啊，对这样的一个格局分配啊，对于营销啊，广告营销代理公司作为中间服务商来讲啊，那么有望啊，去在这个阶段啊，大家提升他们的一个价值啊，他们提升在产业链里面的一个分配价值， 从而带来他们自身的这样一个价值重复啊，所以那这里面我们当然也还是会觉得一些头部的啊，这个啊，规模挺大的啊，那么以及啊，跟重要的 ai 搜索入口啊，这样啊，包括像豆包啊，当然豆包 和那火山云啊，那么赞助今年的春晚，那么也有望预期说整个春晚啊啊，借助于全国每年啊最盛大的一个盛会啊，是有望进一步推动豆包他的 下载量啊，快速增长啊，啊后推动整个豆包这个作为 ai 的 模型和应用啊，实现啊，成为国民级的这个应用的一步跨越啊，实现全国的火热出圈，那么其实也有望推动就是围绕豆包后续的啊，广告电商这些产业的 这个商业化变现啊，这块也是后续有望逐步展开，那么进而也进一步拉动相关的啊，围绕季节性的这些广告的服务商啊，给他们带来这个新的这个增量啊，增量的成长的这个业务， 所以这这个因素，我们这也会进一步推动整个 ai 营销的啊，这个公司进一步价值重估啊，那么考虑到春节这个豆包这个因素，所以啊，我你觉得这个整个 ai 营销的行情啊， 实际的角度来讲，是有可能能够跨越这个春节啊，从春节前啊，直至到春节之后的这个啊，春节躁动这个期间啊，那么这里面来讲，确实因为现在也已经 涨上来，所以我们认为后续啊，如果板块出现分化的话，那么还是建议从这个啊，进一步的聚焦龙头啊，聚焦 ai 营销龙头和围绕季节豆包产业链的一些核心的广告代理公司啊，那么 那么以及包括啊，在出海方面啊，基于自身的体系化广告平台啊，业务啊，有自身核心竞争力，并且已经在验证，就是 ai 广告营销对于自身的业绩上啊，带来规模效应啊，推动自身收入高增和利润提升逻辑已经在验证的啊，这些东西。 所以啊， ai 营销板块啊，这个我不太看好它行情持续的同时啊，那我们建议啊，因为行情越持续，大家涨得越高嘛，大家，如果啊，就是 呃有这种追高的，就是可能在这种啊追高过程中，如果要去做选择的话啊，我们也是建议投资者啊，这个位置是可以更聚焦啊，以这些龙头和核心的标的啊，那么包括我们重点推荐的营销的这个辉亮科技啊，那么包括 a a 股的 的龙标啊，收益标的，包括 a 股的龙头公司，像这个啊，蓝色方标啊，利欧股份，像啊，这个啊，这个啊，盈利传媒等等，然后啊也包括像这个啊，出海的啊，这个啊，一点天下啊等等。嗯， 那么呃，最后的话，我们觉得这个位置，然后如果再去看 ai 应用领域啊，有没有，还有没有一些，呃，相对的挖地吧，相对挖地就是估值上还是相对比较便宜，然后从行情演绎到现在这个角度来讲啊，相对涨得少的， 那我从这个角度，我们也建议同志可以去关注一下这个出版板块啊，那么出版的它的这个啊，引料啊逻辑，在这个 deo 时代来讲，我觉得也会进一步啊，就是发挥，就是啊，出版公司啊，一些公司，它所储备的啊，这些啊， 这个图书知识和线上的一个数据库内容啊，在这个 guo 时代，在啊这个啊营销通过用户的搜索引导大模型指向这个答案和用户品牌的过程之中，那么帮助品牌广告主去建立这样的一个知识图谱啊，这样的一个品牌，这个 这个内容资源数据库的过程中，那么出版公司的啊，包括一些核心网站的这个数据引料啊，那么我们这个还是会发挥他性格的价值 啊，所以这些我们觉得也是有望进一步给出版公司啊带来一些业务拓展的一些增量的可能性和 啊，进一步带来他们的这个价值啊，就这块业务所对应的一个啊，价值上的一个重估，我们可以考虑到出版公司啊，本身啊，就因为高股息和自身业务的相对稳定性啊，就是 地位比较高的这个防御和安全边际啊，所以我们认为这个啊，后续以及包括从可能从板块冷冻啊，资金的角度来讲，那么突然板块那么也有望啊，在这样的一个，就是一个 一道数据，在这样的一个评估过程中啊，我们呢迎难进一步的这个估计修复啊，那么这里面一些收益标的，包括像南方传媒啊，中国客场啊，凤凰传媒等等啊，这些我们觉得，对于可能就是啊， 觉得就是有些板块可能已经涨的比较多的情况之下，那么这个我们的啊，出版这个相对低位啊，啊，那么也是值得去重点关注的啊，以及啊一些受益的标的啊。那 啊，那么这个就是我们今天晚上吧，就站在呃，这个时间点啊，就站在今天这个航体表现啊，就这样的一个节点上啊，再去给各位推这个去梳理的。接下来对于 ai 应用啊，当下还有哪些可以去布局啊，建议去布局的训练方向和一些重点推荐和收益降低啊，啊，那么再可以做一个汇报啊。

家人们 ai 应用彻底爆了！今天给大家整理了五大高景气赛道的核心标地，都是有真东西的硬通货。 先看弹性最大的 ai 营销，蓝色光标作为龙头，不过 ai 覆盖全链路，二零二五年三季度净利直接飙涨百分之两百六十五，这弹性谁看了不心动？ 还有一点，天下跨境 ai 营销玩的六日均广告请求两千两百一次，海外增速超百分之五十，潜力十足。 再说说确定性强的 ai 办公，金山办公的 wps ai 太实用了，写作、 ppt 表格全搞定。 wps 三六五收入同比增长七十一，百分之六，这增长速度杠杠的。 万星科技也不错， ai 赋能视频剪辑和绘图，创作者工具出海很给力。 ai 金融壁垒高，同化、顺德问财和智能投顾机构 arpu 增长百分之三十。鹏生电子的 light、 gbt 和沃尔曼智能助手在金融机构落地效果显著。 医疗 ai 刚需爆发，科大讯飞的薪火大模型和制衣助理辅助诊断超八亿次，壁垒绝对高。 为民健康的临床 ai 决策和影像判读，医院渗透率正在提升。工业 ai 降本增效，中控技术的流程，工业 ai 优化能降低能耗百分之十五到百分之二十，订单也在提速。看得信息的制造业全列录 ai 方案 服务，三一、徐工这些大厂，确定性有保障。记住啊，优先选有订单有收入有利润的标的，避开纯概念炒作。 营销看订单爆发，办公看付费率提升。金融看机构落地，医疗看政策催化。工业看降本数据。想了解更多详细信息和最新动态，赶紧点击下方链接关注兔哥投资日记，带你把握 ai 时代的投资机遇！

应用当然也有赚钱的公司，所以玩业绩预增，给大家梳理了十家一月年报窗口期，可以关注。第一家，新制软件，业绩增幅预计在百分之一千三百零二点四九，专注金融和司法上的 ai 解决方案，用自主研发的超大模型处理银行保险的核保 理赔业务，还做了法院用的法官助理，已经服务了几十家金融和司法机构。第二家，开乐股份，预计业绩预增大概在百分之五百零三、 传统制造业转 ai 的 成功例子，重点做算力基础设施和定制垂直行业 ai 解决方案覆盖政企 私有云和医疗 ai 工具，正好搭上了国家 ai 加制造的政策。顺风车。第三家，杰顺科技，预计业绩增幅大概在百分之四百七十二点九八，深耕智慧停车和社区运营场景。 ai 技术主要用于 车牌识别、车位导航等方面，还拓展到了智能催缴物业费和资产数字化创新性业务，收入占比已经突破了百分之五十五。那第四家，汉宜股份，预计业绩增幅大概在百分之四百五十六，国内字体设计领域的技术先行者，那通过 ai 大 幅度地提升了字体生成效率， 同时构建 ai 营销内容平台，为品牌客户提供了合规物料一键生成服务，客户包括了华为、小米等科技巨头。那第五家，引力传媒，预计业绩增长大概在百分之四百二，数字营销服务商， 深度融合了字节跳动豆包大模型，实现短视频脚本 ai 生成与广告投放的智能优化，在春节期间承接了大量品牌订单，显著提升了广告投放。 r o i 第六家，东软集团，那预计增速大概在百分之三百九十四。医疗影像 ai 领域的资深玩家， 将 ai 算法嵌入 ct 核磁共振设备，产品落地已经超过一千家医院。第七位，世纪华通，预计业绩增幅超百分之三百七十二。通， 通过 ai 技术降本增效，旗下传奇世界接入 deepsea 大 模型，实现智能 npc 交互、攻略查询、剧情自动生成及自动化测试等功能。那第八家，红景科技，预计业绩增长超过百分之三百五。为建筑工地提供 ai 视觉监控方案， 可以自动识别违规操作，监测设备风险，并延伸到楼宇智慧能耗管理，斩获了多个智能建造项目。第九家，风尚文化，预计业绩增幅超百分之三百四十八。大型的活动策划商，运用 ai 动作捕捉和智能渲染技术， 将舞台特效制作周期从两个月缩短到两周，承接了多项国家级别的经典项目。第十家，奥比中光，预计业绩增幅超过百分之三百二。 人体视觉感知技术提供商，他自研的芯片赋予了机器人精准的距离识别和避障能力，相当于为服务机器人安装眼镜。合作伙伴覆盖了百余家头部机器人厂商。

面试被问 s f t r l h f d p o 怎么选？你是不是只能答出定义？其实面试官真正想听的是，你知道他们各自的适用边界吗？比如 d p o 虽然快，但是在高风险场景下， 为什么大厂还在死磕 r l h f？ 这期视频，我们就用一套清晰的框架拆解 s f t r l h f dpo 的 真实边界。无论你是想快速落地 mvp， 还是准备高薪面试，这期内容都能帮你少走些弯路。本期视频一共分为五个部分，第一部分，我会讲清楚 s f t r l h f d p o。 的 技术原理，让你真正理解它们的目标差异。第二部分，直接上数据对比，谁稳、谁安全、谁省钱。第三部分，重点讲一个三甲医院的真实项目，怎么靠这三种方法把有害回答从百分之五压到百分之零点三， 还能每周快速更新。第四部分，给你一张选型指南，电商、金融、小样本场景分别该怎么选，不踩坑。最后我会送你一套面试答题模板，看你下次被问到相关问题的时候，答得又快又专业。我们先从最基础的技术原理开始来，一层一层拆解。先来看第一个 s f t， 也就是监督微调。这个名字听起来有点学术， 其实它特别像我们在教一个学生做题，你有没有过这样的经历，比如孩子写作业，老师给他一道题，然后告诉他这个答案是错的，正确的应该是这样，他反复练习几遍，就能够掌握这类题型了。 s f t 就是 这么个逻辑，它基于一个已经训练好的大模型，用人工标注的输入输出队去训练它。比如说用户问 糖尿病怎么控制饮食，我们给他一个标准回答，模型就学着模仿这个回答。他的核心目标很简单，让模型在特定任务上更准、更快的给出正确答案。本质其实是延续语言建模的目标， 只是把任务变得更加具体了。你看这里有一个损失函数，虽然公式看起来比较复杂，但是他的意思就是让模型预测出的答案越接近真实，标注的越好。所以只要数据够多，哪怕只有万级样本，他也能快速见效。优点也很明显，训练稳定，不容易崩， 直线简单，工程门槛低，数据效率高，一万条左右就能够看到效果。但是也有短板，他只能够照本宣科，没法理解人类真正的偏好。比如一个病人问他，我能不能吃一点糖，他可能会照办。医学文献说可以少量摄入，但是忽略了他是一个糖尿病患者这个背景， 甚至可能推荐错误用药。所以 s f t。 能解决对不对的问题，但还不能解决好不好、不安全的问题。那怎么办呢？这就引出了第二个方法， r h f， 也就是基于人类反馈的强化学习，可以把它想象成一个教练带运动员的过程，光靠看教材练动作还不够，得有人告诉他，你这次跳的不错，下次起跳再快一点。 r l h f。 的 流程分为三步，第一步， s f t。 出纸化，先用一个监督微调做一个基础版的模型，相当于打底子。第二步，训练奖励模型 r m。 这时候呢，就需要人类来评判两个回答哪个更好。比如医生看到两个关于用药建议的回答， 选出最优的那一个系统，通过这些对比数据，训练出一个评分器，也就是奖励模型，用来量化什么是好？回答第三步， ppo 强化策略。模型就像一个选手，在这个评分器的指导下，不断调整自己的行为，争取拿到更高的分数。核心目标是什么呢？是把人类的主观判断变成可量化的信号， 让模型学会拒绝承认不确定，避免有害建议，从而提升安全性和人性化程度。但这套流程也带来了挑战， 流程长，步骤多，需要大量高质量的人类标注，成本很高。 p p o。 算法本身很敏感，超餐调不好，就容易训练不稳定。此外是工程难度大，需要经验丰富的团队来支撑。所以 r l h f 是 目前很多高风险领域，比如说医疗、金融的黄金标准， 但它不是人人都用得起的。那么接下来我们要介绍一种更清亮、更高效的方法， d p o 直接偏好优化。如果说 r l h f 是 教练加评分员加运动员，三个人一起干活，那么 d p o 呢？就像是把这三个角色合并成一个， 直接告诉模型，这个回答比那一个好，你就朝着这个方向来改。它的核心思想是把偏好学习转换成一个分类问题，不需要单独训练奖励模型，也不用复杂的强化学习算法，而是通过设计一个巧妙的损失函数， 直接让模型学会优胜，回答的概率更高。你看这一个损失函数，虽然看着很复杂，但是它的作用就是让模型在面对相同问题的时候，更倾向于生成被人类选中的那个回答。 它最大的优势在于训练速度提升了三倍以上，流程极简，没有 r m 和 p p o 的 复杂环节，数据需求量少，类成本大幅降低。 同时呢，还能够保持和 r l h f。 接近的对齐效果。这就好比以前你要请一个专业教练，一个裁判，还要自己反复试错才能够进步。现在只需要一个人告诉你这个更好，你就知道该怎么调整了。当然，它也不是万能的，它依赖于一个高质量的参考模型，通常是 s f t 微调后的结果， 而且在处理多轮对话、复杂交互方面还是要比 r l h f 要差一点点。好了，这一部分我们讲完了三种方法的技术原理，总结一下， s f t 是 起点，教会模型怎么做题，但不会判断对错。 r l h f 是 进阶引入人类判断，让模型学会做人，但是代价不小。 e p o 呢，是优化版，用更加聪明的方式绕开复杂流程，实现高效对齐。那这三种训练方法在实际落地中该怎么选呢？接下来我们就从三个关键维度， 训练稳定性与数据效率、安全与轮椅控制能力、成本与迭代速度。先看第一个维度，训练稳定性与数据效率 s f t。 它的优势在于简单直接，它只依赖于交叉伤损失函数，训练曲线平滑，像坐高铁一样，非常稳， 只要给他一万条左右的数据，就能看到明显的效果，而且他工程风险最低，特别适合快速验证想法。你可以理解为他就像一个老实学生，按部就班的学习标准，答案不会乱来，也不会突然崩溃。第二个， r l h f， 流程复杂得多，他要先训练奖励模型，再做强化学习优化。而强化学习本身有个问题，那就是信号不稳定。 有时候奖励模型会偏心，比如把错误答案误判为好回答，那就叫奖励黑客更糟糕的是， 策略可能突然崩掉，出现策略崩溃现象，所以 r l h f 的 调餐要求极高，监控也必须到位，不然很容易翻车。第三种， d p o。 它巧妙地绕过这些问题。因为它不需要单独训练奖励模型，也不需要采纳和复杂的 p p u 算法，而是直接用分类损失直接优化策略。这样一来，方差显著降低，训练稳定性接近于 s f t， 同时也保留了对齐能力。 想象一下，以前你要开一辆赛车，还得自己装引擎调油门，现在呢，给你一辆自动挡的车，一踩油门就走，还不容易熄火。所以在这一个维度上， s f t 最稳最省心， r l h f 最难搞。 d p o 呢，是折中优选，又快又稳。接下来，我们看第二个关键点，安全与逻理控制能力。 这是很多企业最关心的问题。我的模型会不会说错话？会不会推荐危险内容？能不能拒绝有害请求？好 s f t， 它只能够解决正确性问题。比如你教它糖尿病不能吃糖， 他就会照搬这个结论。但如果用户问我能不能偷偷吃一块巧克力呀？他可能还是会照本宣科的说，可以少量摄入，因为他根本不知道这背后的风险。他只能够复制标注分布，无法主动拒绝回答，或者是识别潜在的风险。 一旦遇到训练级没有覆盖的场景，很容易出错，甚至生成危险内容。 r l h f 呢，是他目前在安全性上面的黄金标准。 通过奖励模型量化安全性，让模型学会拒达成清、自我保护等行为。比如在医疗场景中，它可以把有害率压到百分之零点一以下，几乎是行业天花板水平了。 这就像给模型装了一个道德雷达，让它不仅能答对题，还能判断什么该说什么不该说。而 dpo 能够学到偏好排序，也能提升安全性。但在极端对抗性 prom 上，鲁棒性略弱于 rnf， 因为没有显示的奖励塑形机制，它对刁钻问题的防御能力会稍微差一点。所以我们可以这么总结， sft 只懂对错， r l h f 懂对错，也懂边界， d p o 懂对错也在学边界， 但还需要更多高质量数据去逼进 r l h f 的 安全边界。最后我们来看第三个维度，成本和迭代速度。这关系到项目能不能快速上线，能不能持续更新。好，首先说 sft 标注成本最低，训练耗时按天来算， 非常适合快速 m v p 验证。如果你只是想做一个基础的问答系统， s f t 就 够用了。比如你要做电商客服，只需要告诉模型客户问退换货怎么办，然后给个标准回复就行了，不用太复杂。 r n h f 呢？它的成本最高， 标注加算力的总投入可能达到百万级，训练周期是以周甚至以月来记，迭代很慢，而且每一轮都需要重新调餐监控，人力投入大。像 openai 的 叉 g p t 背后就是靠 r n h f 实现的人性化体验，但它也是烧钱大户， d p o。 它的成本介于两者之间， 但是 gpu 小 时缩短了百分之七十，更新周期可以按天来计算。这意味着你可以每周注入新知识，比如最新的医学指南、法律条文，实现快速迭代。在实践中，很多团队发现，百分之八十的应用场景可以用 sft 加 dpo 的 组合就能做到成本最优， r l h f 只留给高安全预算场景。记住一句话，不是所有项目都需要顶级配置，选择合适的技术比盲目追求最先进的方法更重要。好了这一部分，我们从三个维度全面对比了 s f t， r l h f 和 d p o。 的 优劣势。 在稳定性和效率上， s f t 最稳， d p o 最快， r l h f 最难。在安全和轮椅上，中间这个 r l h f 是 标杆， d p o 接近 s f t 有 局限。在成本和速度上， s f t 最便宜， d p o 最灵活， r i h f 最贵。接下来，我们进入一个真实场景，看看这些技术是怎么在实际项目中一步一步落地的。今天这个案例呢，主要来自某三甲医院构建 ai 问诊系统的项目， 听起来很高端，其实它代表了当前大模型在高风险领域落地的典型路径，既要准确，又要安全，还要持续更新。 我们就来看一下他们是怎么用这三步走策略，把一个会说话的模型变成一个靠谱医生的。这个项目的背景非常明确，要求准确率大于百分之九十五，有害建议率接近于零， 并且要支持每周更新最新的医学指南，这可不是随随便便做一个问答机器人那么简单，这是直接关系到患者生命安全的系统。所以他们的策略是分三步走，第一步， s、 f、 t 快 速达到安全对齐。第三步， d、 p、 o 提速迭代。 实验设置也很清晰，模型底座是 gpt 三六 b， 硬件是一百二十八块 a， 一 百 gpu。 数据量呢？ sft 用二十条对话， i n、 h f 用五百组，偏号对 dpu 是 用两百组。整个过程就像是建房子，先打地基再装修，最后做日常维护。我们来看第一步，上面用了 sft 微调，只花了三小时训练，在测试上的准确率达到了百分之八十二，基本能完成常规的问答任务，看起来不错，对吧？ 大问题来了，医生团队做了盲审，发现了一个致命隐患，有百分之五的回答存在着有害建议，比如说直接复制文献剂量，导致了超量用药。更严重的是，模型根本不会说我不确定，或者是请遵依主，因为他从来没有学过这一类表达，根本原因是什么？ 训练数据里面没有标注拒绝或者是提示风险的样本，模型只能够照搬知识，无法处理不确定性。 s、 f、 t 成功的验证了正确性的上限，但也暴露了一个致命缺陷，对安全维度零感知。这就像你教一个学生背书，他能背的滚瓜烂熟，但是遇到新题型时，只会照搬答案， 甚至可能答错还自信满满。于是第二步就来了， r、 l、 h、 f。 他 们收集了五百组医生标注的偏好数据，训练奖励模型，然后通过 p p o 优化策略。结果怎么样呢？准确率从百分之八十二提升到百分之九十四了， 而有害几率从百分之五降低到了百分之零点三，这是一个质的飞跃，特别是在安全性上，已经逼近行业黄金标准了，但是代价也不小。标注加算力，总成本高达十二万元，消耗一百二十八 gpu 小 时，训练周期长达五天，还需要精细调餐超过十项。 所以我们可以看到， r l h f 的 安全收益确实很显著，但是它也带来了高昂的成本和复杂的工程负担。这种方案更适合那些预算充足、安全性要求极高的场景，比如医疗、金融、政府系统。那么有没有办法既保持安全水平，又降低成本，加快更新速度呢？ 当然有。第三步 dpo， 它们只用了两百组金标编号数据就完成了优化，结果效果持平，准确率百分之九十六，比 r l h f 还高那么一点点。有害建议率百分之零点三，和它差不多， 但是成本降了百分之七十，总成本只要三万元，训练耗时大幅减少，效率还翻了四倍，周度更新只需要三十分钟，而之前用 r l h f 可能要好几天。实践证明， d p o 在 效果、成本、速度三角中找到了最佳平衡点，成为了医院持续运营的首选方案。 你可以想象一下，以前每次更新医学指南都要花好几天时间重新训练模型，现在只要半小时就能上线，真正实现了动态知识库。 ok， 前面我们看了技术原理，做了横向对比，也走了一遍医疗项目的实战路径，现在是时候回答那个最实际的问题了，我到底该用哪种方法？ 其实答案很简单，没有最好的技术，只有最合适的组合。关键要看你的项目处在什么阶段，面对什么风险，有什么资源。 接下来，我们就从三个典型场景出发，看看不同团队是怎么做选择的。最后再聊一聊整个行业的走向，帮你既看清当下，也看懂未来。 很多团队其实一开始的目标不是做到最好，而是先跑起来。比如你是一个创业公司，要做一个电商、客服、机器人，或者你在大厂内部做一个创新 poc， 老板只给你两周时间出 demo， 这时候速度就是生命线。那怎么做呢？ 我推荐组合， sft 打底加 dpo 微调。为什么这个组合特别适合？因为 sft 能在几天内搭出一个能用的机械模型， 再用几十到几百组偏好数据，通过 dpo 快 速调整语气啦、风格啦，甚至加上简单的巨大能力， 整个流程控制在十天以内，成本通常不到五万元。举个例子，用户问你们家退货要多久，你不需要像律师一样严谨，只要跟他说，一般三到七天，具体以物流为准就够了。这种可控、一致、不乱说的表现， d p、 o 完全能够搞定。 所以在低风险、高迭代的场景里面，效率优先，完美靠后。但是有些领域真的不能先跑再说，比如医疗、金融、法律，一旦 ai 给出错误建议，轻则投诉，重则人命关天。 在这种场景下，安全不是加分项，而是底线。这时候哪怕成本高、周期长，你也得上 r、 l、 h、 f。 为什么呢？因为只有它能够系统地把人类价值观编码进模型行为里面，它能够让模型学会。这个问题我不确定，请咨询专业的医生。 它能够把有害的感染率压到百分之零点一以下，这是目前其他方法难以启迪的水平，它也是目前监管机构最认可的技术路径。当然，光有 r l h f 还不够，你还需要加 k l 散度约束，防止遗忘专业知识， 做红队测试，主动攻击模型，找漏洞，建立人工审查兜底机制。所以， r、 l、 h f 不是 一件安全，而是一套工程加算法加流程的综合体系。 但是他值得，因为有些错误一次都不能犯。还有一类很常见的场景，你手头只有几百条数据，但是任务又特别专业。比如说你要做一个法律合同审查助手，或者工业设备故障诊断系统 专家呢，一天只能够标十条，预算也有限，这时候就不用碰 r l h f 了，他吃数据太狠了，五百组偏奥队可能都凑不齐。 更现实的做法是，先用 s f t 把预设模型拉到你的领域，如果发现模型风格不稳定，或者是偶尔会胡说，再加上少量的 d、 p o 偏好队做微调哦。这就像教一个聪明的学生，你不用让他和全班比谁考第一，只要他能够在你的小圈子里面答对题就行了。 核心思路是用最少的数据激活最大的先验知识。那么站在今天看未来，这三种方法会怎么引进呢？我们可以大胆判断，未来三年，百分之八十应用场景将采用 sft 加 dpo 组合，实现成本和效果的最佳平衡， 而 r l h f 会逐渐退守到那百分之二十的高安全强监管领域，为什么呢？ dpo 技术越来越成熟，开源工具链完善，连中小团队都能够用。 企业越来越理性了，不再盲目追求最先进，而是追求最划算。同时监管也在推动可解释对齐，而 dpo 的 损失函数比 ppo 更透明， 所以 dpo 正在成为默认的对齐算法。就像当年 adam 优化器取代嗯 s g d 一 样，不是因为它绝对更强，而是因为它够好又省事， 而我们的 r l h f 会像特种部队一样，继续守护那些最关键、最敏感的阵地。那么我们说完了技术原理、实战案例、场景选型。最后来到最后一个环节，也是很多同学最关心的。当面试官问你怎么对比 s f t， r l h f 和 d p o 时，该怎么答？ 别急着被定义，也别一上来就对术语。真正能打动面试官的是有逻辑、有洞察、有经验支撑的回答。今天我就给你一套四步结构化模板，帮你把复杂问题讲清楚，讲透彻，才能够显得你懂。行。我们来看一下这四个步骤。 第一步，一句话定义，先用一两句话说清楚三者的本质差异。比如说 s f t 是 监督学习，解决的是对不对的问题， r l h f 是 强化学习解决的是能不能安全作对的问题。而 d p o 是 直接优化偏好， 解决的是如何又快又好的做到的问题。这一步的作用是快速建立认知框架，让面试官知道你不是泛泛而谈。第二步，四维度对比， 从这四个关键角度来做量化分析。稳定性 sft 最稳， r l h f 不 稳定， d p o 稳定性介于两者之间。 数据需求嘛，就是 sft 要少， d p o 中等， r l h f 最多。安全能力当然是 r l h f 最强了， d p o 次之， s f t 最弱。最后成本和效率就是 s f t 成本最低， d p o 效率最高， r l h f 最贵。这里一定要用数字说话， 比如说 r l h f 通常需要五百加编号队，而不是只说需要很多数据。第三步，要结合项目经验，这是加分项，不要只讲理论。你可以说你们在做某某项目中， s f t 后，准确率达到多少多少，但是有害建议率达到了多少，后来又用 r l h f 把有害率压到了多少了， 然后训练耗时成本，最终改用 d p o 又是什么情况？这样不仅展示你的工程能力，还体现了你对权衡取舍的理解。第四步，给出选型建议。 最后就是收尾，给出明确的结论，就是我们前面说的什么场景，什么需求，选用什么方案。总结一句核心心法， 用具体数字体现实战洞察，总结 s f t 解决正确， r l h f 解决安全性， d p o 解决效率。不过光有这个结构还不够，还得有点京剧来点亮你的回答。我整理了几个在面试中特别加分的说法，大家可以简单参考一下。最后这一句，我觉得最能够体现工程师的思维， 最终比的不是算法高大上，而是谁能用最少的 g p u 把有害率压到客户无感。这句话什么意思呢？就是说技术不是为了炫技，而是为了解决实际问题。谁能把成本降下来，把风险控住，把迭代速度提上去，谁才是赢家？那么这期视频内容就到这里了。

我最近发现一个神奇的开源项目，只要输入一个抽象的主题，它立马就能生成一段超生动的科普动画。这到底是怎么做到的？今天咱们就来挖一下这个项目看看看这里有个 prompt， 里面 有个 topic 参数。原来主要是用这个 prompt 请求了 gemini 的 api， 生成了一个 html 动画页面。那么我们把这个 prompt 扔给其他大模型， 是否也能实现类似功能呢？咱就用国内编码能力较好的 g l m 四点七试试看。哇哦，效果看起来相当不错。这个项目思路真的很棒，在 ai 时代，抓准 prom， 人人都能做极简应用。

今天我们聊 ai 应用。简单来说， ai 应用就是把人工智能技术变成我们能直接使用的软件或服务，它已经像水电一样渗透到工作和生活里，无论是手机里的智能助手，还是企业用的客服系统，背后都有它的身影。那么这个听起来无所不能的领域，真实的产业途径是怎样的？ 产业链上，哪个环节创造了主要价值？普通人在关注这个方向时，又该注意哪些机会与挑战呢？接下来，我们按上中游、下游的顺序， 一起拆解 ai 应用的产业链。首先看上游，这是整个产业的基础支撑。上游主要提供 ai 模型、算力以及开发工具。 简单说，这里负责提供核心的智能与运行所需的动力。这个环节技术门槛很高，投入也非常大。在上游环节，国内一些领先企业已经建立起比较完整的技术体系，例如百度，它从深度学习框架、大模型到云服务都有布局，构建了一套相对完整的 ai 技术平台。 科大讯飞则在语音与自然语言处理领域长期投入，其技术在教育、医疗等垂直领域有比较深的应用积累。此外，华为的盘古大模型主要面向各类产业场景， 在智能制造等领域提供了相应的解决方案。接着看中游，这是连接技术和具体场景的桥梁。中游主要是 ai 解决方案提供商与技术服务商，他们基于上游的技术模块或标准化方案，比如提供给各类应用的智能语音组建， 或是面向金融行业的反欺诈模型系统。在中游领域，商汤科技在计算机视觉技术方面有长期的积累，为城市管理、商业运营等场景提供相关的平台化技术服务。宏软科技则专注于智能视觉算法，特别是在智能手机影像解决方案方面，与多家中端厂商有深入合作。 最后是下游，也就是最终用户直接接触到的部分。下游是面向具体行业或消费者的 ai 应用产品与运营服务商，他们把技术转化为实际可用的软件、硬件或在线服务， 比如我们日常用到的智能办公工具、企业采购的智能管理系统，都属于这个范畴。在下游市场，金山办公的 wps 集成了多项 ai 功能，为用户提供文档处理与智能分析等辅助，是办公软件领域的代表。在创意工具方面，万星科技旗下的视频剪辑等产品 也引入了智能生成与编辑功能，帮助用户提升创作效。里面向企业服务领域，分享销客等 crm 服务商也在其产品中融合了智能化能力， 协助企业优化客户管理与销售流程。好，我们整体回顾一下，目前 ai 应用产业的核心竞争力正从技术单点突破转向技术理解、行业知识、场景融合与商业闭环的综合能力。 上游扛起基础，但投入周期长。上游推动技术落地，关键在于构建可赋用的能力。下游直面市场考验，需要真正解决实际问题才能持续发展。当前的一个主要挑战在于，不少应用还需要进一步与业务流程深度结合，创造更显著的实际价值。未来的发展会越来越侧重在具体行业中扎根， 比如医疗健康、教育培训、工业制造等领域，这些地方对提质增效有明确需求，需要注意的方面包括技术发展的不确定性，以及各行各业对数据应用的安全合规要求不断提升。 对于关注这个领域的朋友来说，重点可以观察那些能扎实解决行业真问题并形成健康商业模式的团队与企业。好，以上就是所有的内容。

ai 十大应用深度解读，一 ai 营销二 ai 电商三 ai 办公四 ai 编程五 ai 搜索引擎六 ai 医疗七 ai 视频八 ai 语音九 ai 制图十 ai 教育 ai 营销五大龙头，蓝色光标、一点天下、立欧股份、服饰控股、天龙集团 ai 搜索引擎三大龙头三六零昆仑万维、岩山科技。 ai 电商三大龙头，焦点科技，值得买万事利 ai 视频四大核心，当红科技，网达软件、万星科技、新雅达。 ai 办公八大核心，谷应用软件、浪潮软件、顶尖数字，汉德信息、赛意信息、金山办公、福星软件、 致远互联 ai 制图四大核心，万新科技、皱纹互联、视觉中国、正中设计 ai 语音四大核心，科大，讯飞、云从科技、汉王科技、托尔斯 ai 医疗四大核心，润达医疗为您健康万达信息每年健康 ai 教育四大核心，科大讯飞、康冠科技、世纪天红、斗神教育 ai 编程六大核心， 科大，国创、中科创达、科大讯飞、普言信息、近现代、皓云科技、职称科技。

一个视频看懂 ai 应用的十大巨头国外三家巨头国内七家巨头巨头一、微软的 excel gpt 巨头二、谷歌的 game mini 巨头三、马斯克的 crook 巨头四、阿里千问巨头五、 deepsea 巨头六、腾讯元宝巨头七字节豆包巨头八、华为盘古巨头九、清华智普巨头十、 mini max 七代 g p t 四大核心公司， 中科精才主义信息、铝制集团、神州数码、谷歌五家核心公司，中科精才主义、神州数码、谷歌五家核心公司，中科精才、卓越光鲜、男性股份顶尖数字 马斯克三家核心公司，三面科技一个阿里千问四家核心公司实际信息、三江购物、光云科技，值得买！数据港 tipsy 五家核心公司，杭钢股份、安恒信息、每日互动、航景科技、润泽科技腾讯元宝五家核心公司，世纪华创、博斯软件数据港，科华数据、东华软件、字节豆包五家核心公司，蓝色光标、 神广集团、易检天下、中信通讯、润泽科技、华为盘古五家核心公司，润达医疗、酷特智能、柯南软件、高新发展、拓维信息、 清华智谱五家核心公司，电广传媒、凌云光三期、沪渝首都在线、精英科技 mini max 三家核心公司，鸿博股份、掌阅科技值得买！