瑞承：从技术突破到应用探索，AI时代迎来全新的劳动变革

过去一年，AI对现实世界的“入侵”已成为常态。从OpenAI的视频生成模型Sora的横空出世，到GPT-4o的多模态处理能力，再到诺贝尔奖对AI研究的认可，AI技术的飞速发展令人瞩目。然而，在光环背后，AI行业仍面临诸多挑战与机遇。

同时，AI行业在多个领域取得了显著进展。OpenAI发布了新模型o1，其基于思维链和强化学习的新训练和推理方法，展现了超出传统模型的复杂推理能力。同时，多模态技术成为热点，AI能够实现文本、图像、音频、视频等多种模态之间的互相理解和转换。此外，开源世界也表现不俗，Meta的Llama 3.1和中国的Qwen-2、DeepSeek等项目赢得了众多用户。

然而，AI行业在商业化进程中仍面临诸多难题。科技巨头和VC们在AI领域押注重金，但投入与产出并不成正比。AI大模型行业目前仍处于严重亏损阶段，商业化进程仍有巨大提升空间。云厂商作为AI供应链的核心承载方，虽然掌握着庞大的商业生态和技术资源，但也处于重金投入阶段，是供应链中最主要的风险承担者。

在应用领域，AI应用按照目标客户可分为ToC、ToB和ToP三大类。目前，ToP应用展现出强大的市场潜力，通过帮助专业用户提升工作效率、增强智力和激发创造力，成为AI应用市场的核心推动力。ToB应用虽然取得了一定进展，但由于需要嵌入企业内部流程，其发展路径相对复杂。而ToC应用则面临更大的挑战，短期内难以对现有头部公司构成有力竞争，且商业化进展缓慢。

在AI应用领域，Copilot和AI Agent是两种主要的技术实现方式。Copilot旨在增强用户能力，适合拥有先发优势的大厂；而AI Agent则试图替用户执行任务，适合有足够创新能力的创业公司。对于中国的AI应用来说，出海是一个合理且明智的选择，北美和欧洲市场贡献了全球AI移动应用内付费收入的三分之二，且客单价高、对创业公司友好。

在2025年，AI行业有望迎来新的突破。大型语言模型（LLM）的产品化将面临诸多挑战，包括模型能力提升、算力、算法与数据的协同、以评测为中心的体系构建等。同时，行业后续的发展要点将包括大型基座模型能力的优化与提升、世界模型与物理世界融合的推进、AI的多模态融合、AI模型的可解释性与安全性，以及AI在专业领域的深化应用。

特别值得一提的是，AI智能体（AI Agent）的概念正逐渐变为现实。海外区块链领域的Truth Terminal案例展示了AI Agent在现实世界中实现自主融资和市场运作的潜力，为未来AI Agent的发展提供了参考。

在人类劳动的未来图景中，劳动形式正在逐步“软件化”。脑力劳动和体力劳动都将被抽象为可调用的软件服务，劳动能力像“即插即用”的工具一样易于获取。这将为社会创造更多机会，也为劳动形式带来更多可能性。

AI时代已经到来，我们身处其中，既是见证者也是参与者。面对充满探索与创新的新时代，让我们共同追寻属于人类的星辰大海，发现更多AI带来的可能性。