模型效果提升+推理成本下降，為 AI 應用發展奠基。盡管存在關于Scaling Law 瓶頸的討論，但我們判斷大模型性能并未真正“撞墻”。雖然訓練端出現暫時的邊際效益放緩，但通過合成數據和推理階段的創新，大模型的性能增長潛力仍然強勁。未來，伴隨大模型技術的不斷進步，以及推理成本的降低，應用端將會有更多可能性。

 AI 大模型賦能效率工具，提效能力是商業化關鍵。

AI 大模型賦能的效率工具通過輔助內容生成、提效降本和加速決策等途徑，為企業帶來顯著的效益提升，增強其市場競爭力。

AI 大模型賦能業務場景，核心在于提升附加值。AI 大模型正在加速各行業的智能化變革，從具體業務場景看，商業化的核心在于提供更高的附加值。與傳統技術相比，AI 大模型通過強大的數據理解與生成能力，可以重塑客戶管理流程，以及賦能廣告投放、智能決策等場景，為企業創造直接價值。

Agent 是未來發展的重要趨勢。通過人機交互模式的視角來觀察和分析 AI ToB 應用的發展現狀，可以發現不同模式下的應用場景逐漸清晰。

AI Agent 作為智能系統，能夠感知和收集外部數據，識別數據中的模式并做出決策，最終執行所需的操作。而在 B 端場景中，由于業務場景較為明確，有較多的行業知識與數據積累，與 AI Agent 的感知理解、決策執行以及交互等特點較為適配。

因此，Agent 有望成為 B 端應用的未來發展趨勢，應用前景廣闊。

高 ROI 場景將率先實現 PMF。AI 大模型在辦公軟件和創意生成等場景中，處理能力有限，需要人工輔助干預，直接收益較低，對核心業務的貢獻影響難以量化，暫時難以產生革命性的變化。而軟件開發、廣告投放和 CRM 等領域，由于具有較為標準化的任務和對效率提升的明確需求，能帶來可量化的投資回報，因此也能得到更快的市場采納，將率先實現產品市場契合。

附件：AI大模型賦能B端應用,高ROI場景將率先爆發-Agent 有望成為 B 端應用的未來發展趨勢