本报告导读：

本文构建了一套标准来帮助我们勾勒AI技术在应用端的潜在落地场景，这套体系包括技术边界、商业边界以及对不同场景下AI 商业价值归属的探讨。

摘要：

技术可实现性：寻 找现阶段AI 的“技术能力边界”。我们以微软对GPT-4 的测评作为基础寻找现阶段AI 落地的“技术边界”。在现阶段AI 技术的各种局限性当中，我们认为最核心的掣肘仍然是AI 能力的不可解释性，当某个问题存在标准答案、这个答案无法被找到，且我们对于错误难以容忍时，AI 是难以落地的；此外，AI 的知识边界来自于人类已知的知识边界，这就意味着AI 无法进行真正意义上的创造性工作。

商业可行性：在技术可实现的前提下，寻找AI 落地的商业价值边界。在技术可实现的前提下，我们尝试勾勒AI 落地的商业价值边界。技术可实现性并不意味着商业可行性，我们通过“帮客户赚钱”和“帮客户省钱”的划分方式分别讨论了B2B2C 场景和B2B 场景下AI 落地的商业价值。

在B2B2C 场景中，我们认为AI 商业落地潜力在于其技术差异是否能够被终端用户所感知并进一步影响消费行为；在B2B 场景中，我们认为AI的商业落地潜力取决于原场景中可被AI 替代的任务比例。整体上看，我们认为B2B2C 场景优于B2B 场景。

商业价值归属：着重关注场景是否开放和商业价值是否为新增。我们根据“市场的大小”、“场景的开放程度”两个指标构建了场景矩阵，进而得出两个结论：第一，开放场景中后来者更容易通过被大模型赋能实现“弯道超车”；封闭场景中，更可能是小模型时代的领先者利用大模型实现“自我迭代”。第二，对于非巨头企业而言，由于大模型出现而“新增”的商业价值或将更多来自“长尾场景”而非“头部场景”。

继续推荐金山办公、科大讯飞、杰创智能、凌志软件。金山办公：公司是国产办公软件龙头，全力发力AI 战略，加大AI 人才投入力度，预计在2023H1 推出AI 新品，与微软有直接映射关系。科大讯飞：采用“1+N”架构，将大模型落地于教育、医疗、人机交互、办公等多个行业，大模型将率先赋能讯飞听见、学习机，5 月6 日产品级发布。杰创智能：AI 技术可以帮助提高公司公共安全产品性能，降低成本，且外销一带一路国家。

凌志软件：公司长期服务日本金融市场，目前已有GPT 相关应用落地（自动生成招股书），也可通过GPT 实现内部最高75%降本。

风险提示：AI 技术落地不及预期、AI 大模型受到政策强监管