摘要：
AI应用商业化是下一个阶段跟踪的重点。年初至今的大模型浪潮席卷全球，目前随着海外越来越多AI应用的落地商业化，以及国内对C端AI应用监管端的进展，我们认为产业和市场关注的焦点转向大模型是否能够为应用带来增量的商业化价值。我们将AI应用商业化落地的进程分为产品研发、内部测试、规模测试、正式发布、商业定价、落地兑现六个阶段，目前进展较快的产品已有相对明确的定价方案。我们认为AI应用商业化的成功与否一方面决定了应用厂商能否实现更大收入弹性，另一方面又决定了对模型层和算力层能否产生增量需求，因此其决定了本轮AI浪潮的“上限”。
收入端：看好AI赋能下应用软件商业化潜力，C端较B端提价弹性更高。我们观察到AI应用商业化的途径包括AI增量功能定价、间接提价、按量收费等，目前大部分AI应用采用增量功能定价的模式来进行商业化变现，增量提价的幅度也在30%至100%以上不等，其中C端工具类应用的使用场景和生成式AI更为契合，提价弹性相较B端更高。中长期来看，渗透率的提升或持续打开AI应用市场空间。在AI功能推出早期，由于尝鲜效应和前期的试用期，我们对于AI功能推出后第一步的付费率较为乐观；中长期基于一定渗透率假设，我们测算全球主要场景AI应用增量空间或达数百亿美元。
成本端：主要包含模型和算力成本，公有API调用和私有模型部署模式下成本均相对可控。AI应用厂商的成本主要来自模型和算力，成本释放节奏主要与应用厂商对模型的掌控程度相关：1）公有API模式下，应用厂商对模型的掌控程度较低，API调用费用包含模型和算力成本；2）私有模型部署模式下，应用厂商对模型有更大的微调和训练权限，也需要承担模型年授权费用以及算力成本。我们对两种部署方式下AI应用成本进行了测算，从目前API调用价格和私有模型部署价格来看，AI应用厂商的成本端均相对可控，合理定价即可实现较高的毛利率；混合专家模型（MOE）、向量数据库缓存等技术则有望助力实现进一步的模型和算力成本控制。
风险：AI应用定价不及预期；AI应用付费渗透率提升不及预期；行业竞争加剧。
正文：
一、AI应用投资目前已经进入商业落地跟踪阶段
AI应用商业化将是产业和市场下一阶段关注的焦点
本轮大模型掀起的AI应用浪潮开始进入商业落地阶段。年初至今的大模型浪潮席卷全球，行业和市场对于大模型赋能应用也进行了诸多畅想。时至2H23，随着国内外越来越多AI应用的落地商业化，以及国内对C端AI应用监管端的进展，我们认为产业和市场关注的重点已经进入到对于AI应用的产品化、商业化落地的跟踪上，关注的焦点在于大模型是否能够为应用带来增量的商业化价值。
图表1：AI行情演绎的三层逻辑
资料来源：中金公司研究部
AI应用商业化的成功与否也一定程度上决定了本轮AI产业浪潮的“上限”。事实上除了AI应用本身在大模型赋能下能够产生深刻变革，AI应用商业化的成功与否对于模型层和算力层也同样重要。对算力层而言，AI应用逐步落地能否产生的增量推理算力需求；对模型层而言，各模型厂商前期的研发投入能否实现成本回收，均却决于全球产业能否诞生更多大月活以及商业价值可观的AI应用。
海内外AI应用商业落地进度跟踪
从目前行业中的各类厂商进度来看，进展较快的产品已有相对明确的定价方案。我们将AI应用商业化落地的进程分为多个阶段：产品研发、内部测试、规模测试、正式发布、商业定价、落地兑现。对C端产品而言，其与AI功能的融合速度更快，且可以更快地发挥网络效益来聚集吸引“尝鲜”的用户，在商业变现上也更为直接灵活（直接提高表观的功能定价）；对B端企业服务类产品而言，一方面企业客户可能有更为复杂的定制化需求，同时也有私有化和本地化部署考量，另一方面企业用户对于现阶段AI的实用性和风险性可能也仍有顾虑，目前落地应用的深度次于C端。我们注意到海外AI应用由于起步更早，其落地进度相比国内较快。
图表2：海内外AI应用落地进度一览
资料来源：各公司官网，中金公司研究部
商业变现模式决定AI应用能够实现的增量价值。我们认为进入到商业化的阶段不意味着应用成功，商业化过程中提价的方式（直接提价、间接提价）和幅度决定了AI带来的收入弹性，模型部署方式（公有大模型API、私有模型部署）决定了AI不同的成本摊薄节奏。下面我们主要从收入端和成本端两个维度来衡量AI应用商业化落地变现的价值。
收入端：增量功能提价为主，C端较B端弹性更大
短期：当前AI应用商业化的节奏和模式
目前大部分的AI应用都采用增量功能定价的模式来进行商业化变现。我们观察到AI应用的商业化变现主要存在三种方式：1）AI功能增量定价：目前大部分已经推出AI功能的C端和B端应用基本都是用增量功能定价的模式来实现商业化，其增量提价的幅度也在30%至100%以上不等，其中C端提价弹性相较B端更高。2）间接提价：C端和B端AI应用也存在“变相收费”的模式，表现为高价值量的C端会员或B端订阅能够享受AI权益。3）按量收费：按照AI功能的用量（包括问答次数、tokens额度等方式）来收取AI应用的使用费。
图表3：国内外AI应用定价和提价空间一览
资料来源：各公司官网，中金公司研究部
► C端工具类：AI模块收费弹性高，部分产品“间接提价”。总体来看，C端工具类产品的收费模式以AI模块单独收费为主，且定价弹性要大于B端企业服务类软件。我们认为一是因为C端工具类应用的使用场景和生成式AI更为契合，AI所能带来的用户体验价值更大；另一方面也是由于B端企业服务类应用本身价值量较大（应用本身相对更为重型），提价弹性相对较小。我们观察到Notion AI、Microsoft 365 Copilot等AI功能最高提价幅度均达到100%及以上的水平。
► B端企业服务类：AI模块收费弹性相对较低，辅以间接提价和按量收费。相较C端工具类软件而言，绝大多数B端企业服务类软件的AI产品直接提价的弹性相对较低，我们观察其相较原产品提价幅度多数在30%左右，部分产品也会通过仅面向高级别会员用户提供AI功能实现“间接提价”，以及按照AI功能使用量收费等模式实现一定程度的商业化。
中期：AI应用渗透率提升下，数百亿美元增量空间有望逐步打开
对于AI功能未来能够带来的收入端弹性，渗透率的提升节奏也是定价之外的重要考量。在AI功能的定价之外，其在付费用户群体中的渗透率也是测算AI功能收入弹性的重要指标。在AI功能推出早期，由于尝鲜效应和前期的试用期，我们对于AI功能推出后第一步的付费率较为乐观，而后续的付费率走势则与其AI功能真实的实用度密切相关，对于不同类型的AI应用也需要不同程度的渗透率假设。
首批AI应用已逐步开始商业化，中期看增量市场规模有望达数百亿美元。进入到2H23，海内外的第一批AI应用开始进入到商业化的阶段，我们按照目前的AI功能增量定价弹性，对全球主要应用软件赛道的增量价值弹性进行计算，加总后可以测算得当前的AI功能25年中期在全球范围内有望实现超过300亿美元增量市场规模；若实现100%渗透，则能够在全球范围内实现近千亿美元的增量市场规模。
图表4：中期（2025年）渗透率假设下AI带来的增量市场空间
注：25年中期增量空间基于22年的市场规模测算，暂未考虑原有软件市场本身的增速
资料来源：IDC，中金公司研究部
长期：抽成（Take rate）视角下，AI应用商业化仍有较大提升空间
长期来看AI赋能下应用软件有望由生产工具向生产力跃迁，参与生产价值分配。我们在《软件及服务：人工智能十年展望（六）：ChatGPT兴起，创成式AI能否重塑工具软件底层逻辑？》中提出，未来融合AI自主创作能力之后的工具软件有望从辅助人类提效的“生产工具”成为独立的增量“生产力”，从而或能够直接参与生产价值的分配。在AI应用未来能够成为一部分“生产力”的假设下，我们认为可以从收取效率提升“抽成（Take rate）”的角度来衡量其潜在能够实现的增量价值上限。
图表5：理想中AGI带来工具软件价值分配逻辑变化
资料来源：中金公司研究部
目前以抽成（Take rate）来衡量AI应用商业化进度，我们判断仍有较大提升空间。我们参考了BedRock对于AI应用商业化价值的分析框架[1]，对代码开发人员、办公人员、美工人员等用户以及其主要使用的AI工具进行假设分析，将AI应用能够给用户工作带来的增量价值比例与目前相关AI应用的定价进行对比，可以看到目前的定价对应的抽成还非常低。我们认为其体现了AI应用未来仍有较大提升空间，若未来AI应用持续成熟且实用度进一步提升，用户对AI应用的接受程度有望持续增加，假设未来能够普遍达到10%或更高抽成，AI应用的市场空间或将成倍的打开。
图表6：抽成（Take rate）视角下的AI应用提升空间测算
资料来源：Bedrock微信公众号，各公司官网，中金公司研究部
成本端：公有API调用和私有模型部署成本均相对可控
AI应用厂商的成本高低以及成本摊薄节奏与其选择的运营模式有关。AI应用厂商的成本主要来自模型成本和算力成本，这两项成本与AI应用厂商期望对底层模型算法的掌控度有关。对于不寻求底层算法能力掌握的AI应用厂商，则其成本即为调用API的成本（其中包含了模型成本和算力成本）；而对于希望能够对底层算法有更高的掌控、修改和优化权限的AI应用厂商，我们认为其成本构成将更为复杂，其中包括模型私有化部署、微调甚至训练垂类模型的成本，以及相应带来的算力成本（可以采用租赁算力或者自购算力的模式来承担算力成本）。
图表7：不同运营模式下的推理和算力成本构成
资料来源：中金公司研究部
公有大模型API调用模式：目前多数大模型调用成本已经相对较低
公有大模型API调用费用包含了模型和算力成本。该模式下AI应用公司无须承担模型部署和调优以及算力自建或租赁成本，其付出的API调用费用就已经包含了模型成本和算力成本。我们整理了海内外主要大模型的API调用价格，目前来看GPT-4的价格（8K context模型的每千tokens输出价格约为0.44元）明显超出了GPT-3.5和其他国内模型，而大部分国产大模型的API调用价格与GPT-3.5处在同一水平线上。以百度为例，其公有API调用定价为每千tokens仅0.012元，在每个token对应1个中文字符的规则下，输入和响应百万中文字符的成本仅为12元。
图表8：不同大模型API调用价格
注：OpenAI GPT-3.5 turbo和GPT 4模型取输出价格，美元与人民币汇率取1:7.3
资料来源：各公司官网，中金公司研究部
私有或专属大模型部署模式：成本有望快速摊薄
私有或者专属大模型部署需要应用厂商自负模型和算力成本。部分应用厂商出于希望对模型有更大的掌控度，可能会选择大模型私有化部署并在其基础上进行微调训练的模式，成本主要包括：1）私有化部署大模型的模型成本，在百万元至千万元级不等，比如智谱ChatGLM模型的12B/32B/66B/130B本地私有化定价分别为180/680/1,680/3,960万元每年；二是私有部署模型后的算力成本，多数情况下应用厂商会选择租用公有云上的算力资源，小部分应用厂商也会自行采购或租赁算力进行模型部署。
本地私有化部署模式下，模型和算力成本同样可控。类似地，我们测算了本地私有化部署（假设部署智谱130B模型）模式下，一个千万日活的文字生成应用的模型和算力成本。同样我们假设单次输入20字+输出对应300字（在智谱模型中对应178 tokens），每天进行20次问答响应（相当于每天进行近6,000字的文字输出，基本对应比较重度的文字输出场景），对应每天3,500个tokens或每月约10万tokens消耗量。在租用算力模式下，应用年租用算力成本和模型成本约3亿元（其中模型成本近4,000万元，算力租用成本约为2.6亿元），人均年成本仅为30元左右，且成本的主要构成项为算力租用成本；在构建算力的模式下，在以上假设下千万月活量级AI应用需要的购置的算力成本仅为3-4亿元，算力成本同样可控。
图表9：本地私有化部署模式下，模型和算力成本测算
注：假设私有化部署智谱130B模型，私有化定价为每年3,960万元，1 token对应1.8个中文字符
资料来源：智谱AI官网，中金公司研究部
成本端综合讨论：API调用和本地部署成本均相对可控
在公有API调用和私有大模型部署两种模式下，AI应用厂商在成本端的投入均相对可控。从公有API调用的价格来看，目前大模型厂商的定价相对温和，即使是GPT-4也只有0.44元每千tokens，我们判断大模型API调用仍然具有一定的价格优化空间；如果本地部署私有模型，我们认为更多的还是短期的模型投入，长期来看也会随着用户的使用而被快速摊薄，从我们的测算模型来看在以年维度的考察周期内算力成本是私有部署模式下的主要成本，而后期的推理成本在算力租用模式下与用户的真实用量正相关，高毛利下更多的算力成本意味着更成功的AI功能和更大的商业成果。
模型和算力成本之外，AI应用厂商在研发端也将有一定投入。对于AI应用厂商而言，应用本身的打磨以及应用与大模型的打通融合都需要投入一定研发力量；而更进一步的自有大模型训练则需要投入更多研发。另一方面根据我们的调研，多数AI应用公司在AI研发方面的人员主要来自于内部资源调配，我们判断这类厂商在短期研发人员扩张节奏或相对平缓，研发费用对增长对利润端压力有限。
混合专家模型（MOE）+向量数据库缓存（Cache）有望进一步压缩算力成本。目前基于大模型推理运算对算力要求仍然相对较高且tokens生成速度较慢（具有较高的时延），采用混合专家模型（Mixture of experts）可以通过调用参数量相对较小的模型（如7B至13B参数量的模型）减少对高算力的依赖。如WPS AI计划基于LLaMA等开源模型训练自研7B-13B的“小模型”（包括表格操作、公式生成、文生图等细分领域模型）来提高应用响应效率，同时公司也会考虑采用向量数据库作为Embedding Cache来扮演大模型“内存”的角色，通过存储之前响应的问题和指引来减少重复的AI模型调用，从而降低总体的算力成本。
图表10：AI应用的潜在架构
资料来源：a16z，中金公司研究部
应用定价：权衡收入和成本，合理定价即可实现较高毛利率
综合考虑价值与成本，AI应用的定价应当大致在怎样的合理范围？综合我们上面对于收入端和成本端的讨论，我们认为AI应用的商业化定价主要应该考虑下面几个方面：1）用户体验与付费意愿，需要将定价放在合理的范围内，以保证一定的用户覆盖率与付费率，短期的“薄利多销”或许是不错的选择；2）AI应用所会产生的成本，由于应用软件厂商原本较高的毛利率，其在AI应用推出并进行定价后，也希望将毛利率继续维持在较高的水准，因此其定价也会充分参考单用户所会产生的成本。我们认为大部分AI应用的定价都会结合两方面的考量，最终落在厂商和用户双方都能够接受的区间内。
无论公有API调用还是本地大模型部署，合理的定价可带来较高的利润空间。在文字生成的场景下，我们假设单次输入20字+输出对应300字（在文心一言模型中对应320 tokens），假设用户每天进行20次问答响应（相当于每天进行近6,000字的文字输出，基本对应比较重度的文字输出场景），对应每月约20万中文字符的输入和响应量，在公有API调用模式下，月定价10元即可实现75%左右毛利率；在本地模型部署+算力租赁模式下，对千万日活的AI应用而言，我们测算月定价10元亦可实现75%左右毛利率。我们对月定价和月均输出字数对毛利率的影响进行了敏感性测算，结果如图表11和图表12。
图表11：不同定价和月均输出字数下，公有大模型API调用模式的毛利率敏感测算
注：假设调用百度文心一言模型，百万中文字符输入输出价格为12元；毛利率计算口径为（月定价-月输出消耗的API成本）/月定价
资料来源：百度官网，中金公司研究部
图表12：不同定价和月均输出字数下，本地大模型部署+算力租赁模式的毛利率敏感测算
注：假设应用达到千万日活，底层部署智谱130B模型，沿用图表9中的算力需求测算假设；毛利率计算口径为（AI带来的增量年收入-AI应用年总消耗成本）/AI带来的增量年收入
资料来源：智谱AI官网，中金公司研究部
二、C端：新兴AI应用或缺乏粘性，AI赋能下部分传统工具软件提价接近翻倍
C端工具软件的商业模型基于量（付费用户数）和价（ARPU），而付费用户数又取决于用户基础和付费转化率，因此现阶段，我们主要从用户数、付费率、APRU三个维度进行跟踪讨论。同时，LLM兴起后，2C工具类AI应用主要分成两类，一类是原生于LLM浪潮中的新兴应用，一类将LLM能力融入传统软件中。我们观察到，虽然部分新兴AI应用快速流行、周度访问量达到千万次以上，但从用户数变化趋势和用户单次访问停留时长角度，用户粘性和付费意愿等仍然有待验证，而传统工具软件用户基础稳固，我们更看好其融合AI有望带来的客单价和付费率提升空间。
原生于LLM时代的AI应用起量迅速，但应用深度和用户粘性欠缺
生成式AI浪潮催生众多新兴的2C类AI应用，落地兑现迅速、访问量可观。年初至今，LLM浪潮推动下，以ChatGPT为代表的海外新兴AI应用快速流行，我们通过SimilarWeb对海外流行的C端AI应用的网页端访问数据进行跟踪，观察到截至9月中下旬，周度访问量在千万次以上的应用共有4个，分别为ChatGPT、Character.ai（定制化角色扮演聊天软件）、Notion（智能轻文档）和Poe.com（一个集成GPT3.5/4、Claude等并提供统一交互界面的网站），其中ChatGPT遥遥领先，而其他AI应用的周访问量也能达到百万量级。
大多海外新兴AI应用访问量有企稳回落趋势，但智能轻文档、模型库、集成式智能搜索引擎类应用表现稳健。2月至今的趋势显示，Character.ai等现象级应用6月以来周度访问量有一定回落趋势，ChatGPT回落后9月以来随着功能迭代更新又重回增长趋势，同时HuggingFace（开源模型社区，AI领域的“Github”）访问量表现较为稳健、Perpelxity（集成大模型能力的智能搜索引擎）增长势头迅猛，我们认为这一定程度上说明了工具实用类的AI应用相比日常娱乐类的AI应用用户粘性更高。
图表13：周度访问量在千万次以上的应用共有4个，其中ChatGPT遥遥领先
资料来源：SimilarWeb，中金公司研究部
图表14：其他AI应用的周访问量也能达到百万量级
资料来源：SimilarWeb，中金公司研究部
新兴AI应用的用户单次访问停留时长较短，商业变现前景仍有待观察。根据SimilarWeb，除了Character.ai（角色扮演、多轮对话）外，绝大多数新兴AI应用网页的月均单次访问停留时长在15分钟以内，从今年4-7月份的变化趋势来看基本持平或微降。虽然可能存在某些应用如Notion的用户主要通过APP而不是网页端访问的情况，但网页端访问停留时长的数据趋势仍然一定程度上说明了，这些由LLM驱动的新兴AI应用，在应用深度和用户粘性上都有所欠缺的，后续进一步商业化变现的成效仍有待观察，后文我们列举了几个典型案例供读者参考。
图表15：AI应用网页的月均单次访问停留时长
资料来源：SimilarWeb，中金公司研究部
相比新兴AI应用，传统工具软件+AI赋能是我们更看好的方向。除了原生于LLM时代的新应用，传统C端工具类软件如Adobe PS、MS Office等亦积极探索将生成式AI能力融入到产品功能中以增质提效，而其经过数十年的发展已积累了千万甚至上亿用户数量，我们认为在后续AI商业落地方面的前景和进展可能会更加顺利。
传统工具软件用户基础庞大且稳固，AI融合有望提升付费率和ARPU
传统工具软件用户基础稳固，融合AI有望带来客单价和付费率提升。对于以Office、PS为代表的传统C端工具软件，其用户基础庞大且稳固，融合生成式AI能力后，将为用户提供增量的功能价值，以期进一步提升付费渗透率、打开单客户价值量天花板，因此我们重点关注其AI功能的商业定价策略及对付费率的潜在影响。目前大部分传统的工具软件厂商均已开始尝试将现有的工具软件产品与LLM能力进行融合，并探索商业落地变现的途径。
图表16：传统工具软件用户基础稳固，融合生成式AI提供增量价值，以期提升付费率、打开单客户价值量天花板
资料来源：微软公告，各公司官网，Simple.ink[2]，中金公司研究部
目前传统工具软件厂商的AI功能定价有两种形式。我们观察到，目前传统工具软件厂商融入AI能力后主要提价方式为：1）直接提价，即在原来的会员基础之上针对AI功能额外收费，目前以每个月收取固定费用为主，未来还有可能根据用量收费；2）变相提价，将AI功能融入到一些特定的产品版本或功能权益包中，如福昕PDF只有云端版本可以使用AI功能，通过AI功能引导付费用户转向厂商更想要推广的高价值量产品版本。
图表17：传统工具软件厂商的AI功能定价的两种形式
注：图中为约数表示增长趋势不代表具体幅度
资料来源：各公司官网，中金公司研究部
变现落地核心在于AI功能是否提供了超出用户付费意愿“阈值”的价值。我们认为后续AI赋能的变现潜力主要取决于AI新功能是否真正为用户提供增量价值、能够从“好奇尝鲜”转化为“日常刚需”，能够让用户产生意愿付费的功能需要具备高频性（使用频率高，占据用户更多的使用时长）和复杂性（过往没有AI的帮助使用门槛较高）这两个特征。
如何判断一个C端AI应用功能是否具有“高频”和“复杂”特征、具有良好商业化前景？从高频性角度看，传统工具软件在过去数十年的经营中已经验证了其产品功能的日常刚需，并占据了用户固定的使用时长；从复杂性角度看，重型的深度应用软件如Excel、PS有比较高的学习门槛，我们认为生成式AI带来的自然语言交互等能力将大幅提升其易用性、让用户挖掘出原先因为复杂性而弃用的复杂功能的价值。因此，我们更看好AI赋能传统工具软件尤其是其中重型复杂应用的变现落地前景。
图表18：能够让用户产生意愿付费的AI功能需要具备“高频”和“复杂”的特征
资料来源：中金公司研究部
ARPU有望翻倍增长，中长期视角下AI功能付费渗透率有望过半。ARPU角度，海外已经落地的办公软件龙头AI功能提价幅度基本都在50%以上，C端AI功能提价空间可观；创意软件领域则仍处于商业化早期，Adobe PS的AI功能定价相较原价提升24%且仍有进一步上行空间。付费率角度，还需要等待更多事实业务数据反馈，我们推测在商业化早期，“尝鲜”心理有望快速驱动10-20%的用户付费。中期维度，随着AI能力的不断迭代，我们认为40-60%的付费渗透率假设是较为谨慎的。长期来看，AI功能或将进一步打开收入天花板。
图表19：ARPU有望翻倍增长，中长期视角下AI功能付费渗透率有望过半
资料来源：中金公司研究部
办公软件类：海外龙头AI商业化策略已定，提价幅度100+%超预期
Microsoft Copilot：行业风向标，AI模块定价超预期、整体涨幅100+%
Microsoft 365 Copilot定价落地，产品小范围测试客户反馈良好。自今年3月微软正式官宣Microsoft 365 Copilot以来，市场高度关注其产品发布、定价进展。微软在7月19日召开的Microsoft Inspire活动中首次透露商业版Office Copilot的定价计划为每账号每月30美元，单独付费，适用于Microsoft 365 E3/E5/商业基础版/商业专业版，个人版的定价目前尚未公布。微软同时表示，从5月份开始，Office Copilot就已经在全球600家头部企业客户中投入测试使用[3]，并且收获了良好的客户反馈，后续将继续推进大规模商业化的落地工作。2023年9月21日，微软宣布11月1日Microsoft 365 Copilot将面向企业订阅用户正式发布，且Windows Copilot早期版本将与9月26日免费升级至Windows 11中[4]。
Copilot增量价值提升幅度100+%，超市场原先预期。商业版Copilot采用增量定价方式，如果参考Microsoft 365商业基础版/商业专业版/E3/E5四个版本原先12.5/22/36/57美元的定价，则提价的幅度分别为240%/136%/83%/53%。同时考虑到目前Microsoft 365主要的订阅版本是以商业基础版、专业版为主，E5的占比较低，实际的ARPU在100美元左右，因此我们判断此次AI增量提价整体幅度在100%以上，超出市场先前预期的20美元/月左右的水平。
图表20：商业版Office Copilot的定价计划为每账号每月30美元，超市场预期
注：提价幅度截至2023年9月价格计算
资料来源：Microsoft Inspire，中金公司研究部
WPS AI：产品加速迭代、扩大测试范围，商业化落地空间可期
WPS AI产品快速迭代并逐步扩大测试范围，对标Copilot后续空间可期。4月18日，WPS AI正式官宣，首次展示了轻文档中的AI融合功能。5月中旬WPS AI上新，将AI能力融入重文档、表格、演示文稿、PDF全线产品。6月初，WPS AI开启小范围灰度测试。7月初，面向广大用户开放测试资格申请。7月底，WPS AI海外版上线公测。9月，WPS AI正式面向国内用户公测参考海外Microsoft Copilot定价，我们认为WPS AI后续商业化空间可观。
福昕软件：ChatGPT融合功能配合产品组合调整，助推订阅制转型
海外ChatGPT+PDF上线支持在云端使用，同步进行产品组合调整，助力订阅制转型。4月25日，福昕PDF Editor Cloud正式接入ChatGPT，迭代至今已经能够实现对PDF文档内容总结、改写、翻译、问答、内容解释和拼写语法纠错等功能。目前尚未额外收费，订阅云端产品会员后获得一定AI功能使用额度。同时，5月公司进行了产品组合和会员体系调整，将PDF Editor Cloud、eSign打包升级为PDF editor Suite，个人版和企业版定价分别为129/159美元/年，相较原先的79/99/149美元/年的三档定价有一定变相提升。
GitHub Copilot：AI大模型赋能代码创作场景
GitHub Copilot通过AI赋能编程，加速代码开发。GitHub Copilot是2021年6月微软和OpenAI共同推出的一款基于GPT-3模型的AI赋能编程工具，可以自动推荐或生成代码供程序员使用，2022年6月正式上线（定价为10美元每月或100美元每年）。根据GitHub CEO介绍，GitHub发布以来通过自动注释和代码生成，参与编写了46%的新代码，帮助开发者代码编写速度提升55%[5]。
GPT-4赋能下，升级版GitHub Copilot X全面赋能开发全流程。2023年3月22日，GitHub推出Copilot X计划，将GPT-4大模型融入IDE，通过对话和终端交互界面，在代码编写过程中支持对话式代码编写、修正、解释、语音生成等；在开发常用的代码拉取（Pull requests）、命令行使用、知识文档搜索等领域，Copilot X也能够实现深度赋能，助力开发者全流程提效。目前Copilot X尚未公测，订阅Copilot的开发者可以通过加入候选名单排队等待试用。
创意软件类：Adobe PS融合AI成效显著
AIGC浪潮下创意软件新兴公司大量涌现，基于大模型提供多模态生成能力。全球范围来看，创意软件领域中小型厂商众多，22年随着 CLIP、Diffusion大模型的诞生与开源，DALL·E 2、Stable Diffusion 模型落地进一步推动，文本生成图像等跨模态应用快速涌现，海外应用层在此基础上催生出Midjourney、ChilloutMix、Controlnet等精调模型和插件，不断提高生成图像质量，逐步推动AI图片创作商业化。总体来看这些新兴公司基本按照使用量付费，我们认为新兴公司应用或难以培养较强客户粘性，融合AI的传统工具软件或具备更优商业化前景。
Adobe：PS融合AI大模型实现文生图和生成式填充
Photoshop融合大模型，展现出色的创成式编辑能力。在图片创意、视频创意等领域，Adobe始终在这个占据有明显优势，在本轮LLM的浪潮中Adobe积极拥抱，产品端进展积极：1）2023年3月，Adobe发布Firefly文生图应用，并将其集成至Photoshop、Illustrator等图片创意软件中，能够实现文生图、文字指令修改图片风格等功能；2）2023年5月，Adobe进一步推出Generative Fill功能并在Photoshop Beta版本中提供试用，其能够与Photoshop实现更加深度的集成，对图片区域进行选定并实现更为细化的AI生成能力。我们认为融合AI之后的工具软件或具有更强大的创意编辑功能，较原生AI应用或具有更大粘性。
Generative Fill：AI与图片编辑的深度融合。Adobe于5月23日在PS测试版本中（24.6及以后版本）推出Generative Fill（创成式填充）功能，目前Photoshop订阅用户可以在Creative Cloud上免费升级使用。创成式AI生成功能需要联网使用，盗版Photoshop将无法使用最新的AI功能。与先前发布的Firefly相比，Generative Fill将图片生成能力与Photoshop更加深度集成，结合选框、套索等选择工具进行灵活地AI生成填充，我们认为Adobe的快速反应一定程度上消解了市场对Midjourney、Stable Diffusion等文生图的新兴AI应用可能会颠覆Adobe的担忧。目前Generative Fill主要支持四大功能：
► 生成对象：在图像中选择一个区域，通过文本描述来添加或替换相应内容；
► 生成背景：选择主体后面的背景，通过文本提示生成新的背景；
► 扩展图像：展开图像画布并选择空白区域，在没有文本提示的情况下将创建场景的自然延伸，或者通过文本提示添加相应的内容；
► 移除对象：选择要移除的对象，不加文本提示的情况下点击生成，即可移除。
商业化：Firefly和Generative Fill单独收费，提价空间24%。Adobe管理层在2023年第二财季业绩交流会上介绍了未来对生成式AI的商业化考虑：1）Firefly将会作为增值模块提供给C端客户，也将提供企业版本；2）管理层期待生成式AI拉升公司Photoshop等旗舰产品的用户基数、ARPU、续费率；3）对于增量需求，公司将会为生成式AI功能提供点数包供用户订阅；4）为开发者社区提供Firefly API来创建私有化功能。2023年9月13日，Adobe正式发布Firefly定价，订阅用户可以获得25个点数，支持以4.99美元每月的价格购买100个点数，每次文生图、生成式填充等功能消耗1点数，每月底点数清空重置。以Photoshop每月20.99美元的订阅价格作为基准，我们计算Firefly的提价空间约为24%。
图表21：Adobe Firefly定价计划
资料来源：Adobe官网，中金公司研究部
三、B端：海外部分B端软件融合AI提价30%，国内处于商业落地早期
产品落地相较C端进度较慢，以AI赋能原有产品为主
B端场景相比C端场景的AI产品落地进度相对较慢。我们观察到除了Glean等新生的企业知识库类AI应用产品外，目前B端AI应用的落地方式更多为大模型赋能原有应用。B端企业客户对于新兴技术的接受和应用趋势相对C端客户会更加保守，B端重型应用的更新迭代速度较慢且客户具有更强的粘性，因此创业公司重塑颠覆原有头部厂商占有的市场格局的难度要比C端更大。目前来看，我们观察到了海外如ERP领域的SAP、Microsoft、Oracle，CRM领域的Salesforce等厂商都已经将AI能力融入了现有的产品体系中。
B端应用或难以进行量价逻辑拆分，但提价预期亦相对明确。C端应用能够相对清晰拆分量价来衡量AI带来的增量商业价值，相较而言多数B端应用没有明确的标准定价（以项目制合同为主），客户数量可能也较为模糊，因此表面的量价逻辑可能并不清晰。我们认为融合了AI能力后的B端应用一是有望凭借更强的产品力吸引更多客户，二是通过增量功能付费的逻辑进行“提价”，但目前大部分B端场景对LLM能力的应用相比C端较浅（以AI带来交互方式改善为主，主要实现“降本增效”），可能也较难向客户收取较多的增量价值，我们观察海外已有的B端应用（如Salesforce）的增量模块价值基本约为原产品的30%左右。
海外B端AI应用：产品融合进度较快，部分产品提价30%
ERP：Oracle、SAP（均未覆盖）等厂商实现AI和应用模块深度融合
SAP：多款应用中集成生成式AI能力。2023年5月，SAP在其蓝宝石技术大会（SAP Sapphire）上发布了一系列由生成式AI提供支持的人工智能功能，业务范围涉及人力资源、供应链、销售和数据分析等多个领域，多数产品计划于今年可用[6]：
► HCM（人力资本管理）：SAP在SuccessFactors Recruiting产品中集成了生成式AI能力，可助力招聘经理自动创建具有高度针对性的职位描述，包含每个岗位的属性和所需技能，并能够通过借助集成Microsoft 365 Copilot能力的Word进行编辑重新发布在SAP中；此外，该功能还能够快速生成为候选人和相应职位量身打造的面试问题，加快并优化企业的招聘流程。
► SCM（供应链管理）：SAP在Transportation Management产品中的生成式AI能够帮助汽车和制造业公司自动提取交货单信息，避免数据输入错误。在Extended Warehouse Management中，SAP引入智能排档功能，其能够根据产品的特点、需求来优化仓库组织、库存和补货行为，目前该功能已面向客户开放。
► AI数字助理：SAP Digital Assistant为SAP解决方案提供统一的自然语言交互入口，用户能够通过自然语言在AI数字助理帮助下进行日程安排等工作；面向客户层面，销售人员和支持团队可以轻松获得整体洞察、创建建议并自动生成内容，打造个性化客户体验。
看好AI浪潮机遇，SAP计划将AI赋能的ERP产品提价30%。7月20日，SAP在2Q23业绩交流会上表示，将在三季度（秋季）推出全新的生成式AI赋能的云ERP产品并提价30%，并为老客户保留升级到新产品的选项。我们判断本次版本更新将为SAP带来商业模式的进一步优化：1）SAP仅在云版本中提供生成式AI功能，我们判断此或促进本地部署ERP的客户进一步向云订阅版本转化；2）对产品直接提价也展示了SAP对于生成式AI赋能ERP的乐观，或有望持续提升客单价助力业绩增长。
图表22：SAP中AI相关功能汇总
注：蓝色表示生成式AI应用场景
资料来源：SAP官网，中金公司研究部
Oracle：发布HCM新一代生成式AI，完善多场景AI布局。2023年6月，Oracle宣布在其人力资本管理云应用Oracle Fusion Cloud HCM中推出新一代生成式AI功能[7]。Oracle主要与企业级LLM厂商Cohere合作，在其云基础设施远程软件服务（Oracle Cloud Infrastructure, OCI）支持下，HCM的生成式AI模块可帮助HR员工完成编写职务说明和招聘要求、创建绩效目标、生成HR知识库文章、推荐员工成长方案、汇总要点生成工作表现概述等功能。
图表23：Oracle生成式AI赋能人力资本管理场景
资料来源：Oracle官网，中金公司研究部
CRM：Salesforce Einstein GPT为B端AI应用商业化树立标杆
Salesforce推出Einstein GPT赋能CRM全系产品。Salesforce在AI融合CRM上的尝试可追溯至2016年，其在Sales、Service等场景下推出Einstein模块，基于传统的统计机器学习模型实现了数据统计和预测功能。在生成式AI浪潮下，2023年3月Salesforce推出Einstein GPT，最初面向Sales、Service、Marketing、Slack、Apex五大场景；2023年6月，其发布AI Cloud，增加对Commerce、Flow、Tableau三大场景的生成式能力支持，同时推出Einstein GPT信任层，在其支持下能够将敏感数据与LLM分离，满足客户对数据安全的需求。公司预计AI Cloud各个模块将在2Q23至4Q23陆续面世。
图表24：Salesforce AI Cloud针对不同场景推出的AI应用举例
资料来源：Salesforce官网，中金公司研究部
图表25：Sales GPT自动生成适合客户需求的个性化销售电子邮件
资料来源：Salesforce官网，中金公司研究部
图表26：Commerce GPT根据客户数据为买家生成定制化产品描述
资料来源：Salesforce官网，中金公司研究部
Salesforce的AI产品融入带来ERP产品售价提升。2023年7月，Salesforce发布公告，计划对旗下Sales Cloud销售云、Service Cloud服务云等产品平均提升9%的定价，新定价将于8月在全球范围内生效，此次提价距上次价格调整已有7年。在此期间，Salesforce已在上述产品中增加了包含AI工具在内的诸多功能。
图表27：Salesforce CRM产品提价情况（以Sales Cloud销售云为例）
资料来源：Salesforce官网，中金公司研究部
Einstein GPT融入原有Einstein模块，或实现付费渗透率提升。23年6月，公司公布其AI Cloud套装基础定价最低为每年36万美元，该版本包含50个CRM、Slack和Tableau无限版（Unlimited）许可证，支持对Einstein模块的访问。23年7月，Salesforce进一步公布Sales GPT和Service GPT的单会员定价，两款产品将分别包含于原有的Sales/Service Cloud Einstein中，企业版（Enterprise）无限版（Unlimited）用户具有使用资格（定价为50美元每账户每月，无限版可以免费使用）。Salesforce计划8月将对旗下Sales Cloud、Service Cloud等产品平均提价9%，企业版/无限版每人每月订阅价格将由150/300美元提升至165/330美元，我们以提价后的企业版测算，Einstein模块隐含30%增量定价。
图表28：Salesforce AI产品商业化策略
资料来源：公司官网，中金公司研究部
ITOM：ServiceNow（未覆盖）解决方案助力AIOps，客单价提升25%
ServiceNow推出AI解决方案助力AIOps。2023年6月，ServiceNow发布了其生成式人工智能产品Now Assist for Virtual Agent。该产品集成在ServiceNow的Workflow产品平台底座Now Platform中，并嵌入了对通用LLM的直接访问权限，能够帮助用户获取内部代码片段、相关知识库文章的摘要等。Now Assist for Virtual Agent由ServiceNow于同年5月发布的Generative AI Controller和Now Assist for Search提供支持，两款AI产品联结微软Azure OpenAI和Now Platform，能够基于知识管理系统以自然语言与员工互动以解答其问题，并帮助员工生成事件总结、与客户的聊天回复等文本，进而助力用户提升工作效率并增强公司Workflow产品能力。根据公司官网，Now Platform的AI增强能力能够为公司带来了40%的升级版产品购买和25%的平均客单价提升。
图表29：Generative AI Controller能够实现文本生成、问答与总结等功能
资料来源：ServiceNow官网，中金公司研究部
图表30：Now Assist for Virtual Agent和平台上原有的低代码工具集成
资料来源：ServiceNow官网，中金公司研究部
国内B端AI应用：重塑交互方式落地轻型应用，商业化处于早期
国内B端AI应用以助理和企业知识库为主，商业落地仍在试点阶段
应用现状：AI助理和企业知识库等轻型应用为主，主要改变交互方式。我们观察到多数国内企业服务厂商推出了轻度融合LLM的相关应用，主要是借助大模型改变用户和产品的交互方式，典型应用如AI助理（协助安排会议、预定流程等）以及企业知识库（基于企业知识，实现交互式问答，提高知识库的应用体验和效率）。OA领域泛微网络、致远互联，ERP领域鼎捷软件、汉得信息、用友网络等均推出了相关应用，部分应用商业化定价已经相对明晰。
图表34：国内企业服务AI应用的商业化落地进展
注：统计时间截至2023年9月
资料来源：各公司官网，中金公司研究部
应用展望：AI赋能ERP全链条，期待AI联合制造业的应用。国内来看，目前大模型在企业服务中的应用仍然相对轻量，功能仍然较为单一且目前主要以AI功能模块收费的模式进行商业化落地。我们认为伴随AI赋能的功能进一步丰富，未来国内企业服务重型应用亦有一定的提价空间，同时AI带来的能力提升有望持续引流新客户，提升客户基数；另一方面，AI与制造业的融合仍然处于早期，我们认为制造业中的AI应用需要深度结合相应行业知识和经验，期待更多AI深度赋能制造业实现降本增效的案例出现。
四、风险提示
AI应用定价不及预期。AI应用的定价决定了其商业化的天花板水平，定价的高低或直接影响收入和利润表现。目前国内主要的C端应用产品定价尚未确定，若定价不及预期，其商业化空间或被压缩。
AI应用付费渗透率提升不及预期。付费渗透率的提升决定了AI应用商业化的节奏，若AI赋能效果不明显导致付费渗透率提升较慢，则AI带来的收入和利润弹性或将压缩。
行业竞争加剧。传统应用软件在AI赋能下有望产生具备更强的粘性，但不排除热门的文字生成、图片生成等AI应用出现导致AI应用商业化进度短期受到压力。
内容链接：https://www.hpaper.cn/12574.html