AI竞争态势与行业冲击差异分析

寻找场景

AI的应用场景即是其销售市场。AI最先涌现的场景是对标搜索网站，随后拓展至独立的AI对话应用（期间通用对话中的幻觉逐渐减弱或被隐藏），进而丰富交互形式，如豆包的语音/视频通话等。虽然通用用户侧产品创新能获取大量用户，但用户付费意愿低或为零，因此需寻找具备付费意愿的AI应用场景。巨头未率先发布openclaw，因其本质是与模型无关的执行框架且本地优先，与巨头侧重模型竞争及云端优先的关注点不符。但openclaw定位为给AI装上手脚，想象空间大，是算力变现的重要路径。各梯队AI公司纷纷推出自己的“小龙虾”，并顺势普及基于predict、coding plan的收费模式。但小龙虾场景在热潮过后暴露出缺陷：相当多用户发现自己没太多事要做，或不需特意养“小龙虾”，且同行间无法通过此占据竞争优势。

对多数用户而言，比较行业性Agent产品的使用体验，能直观感知AI产品间的实力差距。行业性Agent帮助使用者解放脑力与体力，因有明确的价值目标，付费接受度更高。软件开发、金融、法律、财会是Agent产品发力较前的行业。

AI巨头不局限于大模型开发与通用Agent研发，各行业工作场景的Agent化将持续拓展深入，并将碾压以“行业场景+AI”为路线的中小创业者。Anthropic的“巴拿马项目”在斥资购书扫描成电子版后销毁纸质书；同时推动Claude Code与GitHub深度集成，定位为赋能各行业场景的开发工具。OpenAI成立DeployCo公司，收购英国AI咨询公司Tomoro，并以驻场办公方式推动AI在具体行业场景的应用。

拼性价比

AI产品粘性不强，工具切换成本低，用户忠诚度低，更看重性价比。国外工具封锁导致用户被动面临断供风险，被动选择下更看重性价比。在讨论竞品性价比前，各家AI公司需先活下去。当前局面是开源Deepseek以模型更新+极低价格追赶，自家产品能否吸引用户成疑，赢者无奖，输者价值归零。此淘汰机制使头部企业定价谨慎，竞品服务范围与定价相差无几。

AI企业商业服务主要有两种：API调用（按百万token计费），比较单价与模型“智力”；会员服务（开通会员获得Agent通用及专项能力、CLI、token量）。目前20美元档位对多数非深度用户是性价比参考线（较免费版在token上有质变，功能开放；更高档更多是token与性能提升）

分输入与输出，两个矩形一组，上面是输出价格，下面是输入价格

首当其冲的行业

先感知AI冲击或提效的行业特征（一个或多个）：1. 生产到销售工序/环节少；2. 生产过程学科单一；3. 行业临近AI基础研究方法（如翻译、图像生成、特征分析）。符合这些特征且未受影响的行业，只是时间问题。特征符合项越多，冲击越明显。AI在这些行业对供需侧价值传递覆盖更广。

冲击/差异原因

企业管理者AI错落感源于：社交媒体/新闻感受AI提效，企业内部开放态度但无整体提效或结果。AI提效对管理者是整体交付结果视角：1. 交付物不变看投入时间/成本；2. 时间成本不变看交付物质量/数量；3. 投入产出是否双赢。未显性提升则产生错落感。

企业交付物或收入中间环节多。管道效率限制在最窄处，环节越多，局部AI增益越不明显。需整体规模提升才能质变。不同复杂度行业/企业如不同体积天体，对环绕/逃逸速度要求不同。

AI冲击/提效核心

AI解锁人智力、记忆、体力限制，但沟通、认知、判断力仍需人。原有以智力、记忆为核心的团队、流程、优先级被行业Agent消解，影响如NBA建队基石/思路改变。1. Agent端到端覆盖完整性；2. 自主动作连贯性/持续性；3. 角色集成性。越高效率提升越明显。单点AI增效约1-2名对口实习生。

AI工程化使用

无论通用、行业或定制Agent，不能因工具提升而懒惰。如厨艺，需系统性工程化使用。

to be continued