生成式 AI 应用按应用领域可以分为工具型应用、通用软件、行业软件、智能硬件四大类，从产品形态上将沿着 AIGC（内容生成）、Copilot（智能助手）、Insight（知识洞察）、Agent（数字代理）四个重要的方向演进。1）工具型应用：包括聊天机器人、搜索引擎、文本工具、AI 作画以及代码工具等，主要集中在 C 端，产品的同质化程度较高，对于大多数文本、图像、视频、代码、3D 模型等 AIGC 工具，模型/算法的能力决定了产品的受欢迎程度，对底层模型特别是 GPT-4 存在高度依赖。目前行业进入第一轮洗牌期，竞争优势的构建来自于差异化的产品定位以及持续训练更强大的底层模型和算法。2）通用软件：包括办公软件、企业服务、IT 运维、软件开发、网络安全、数据智能等领域，各领域头部厂商均已出现标杆产品，最常见的产品形态主要是 AI智能助理（Coplilot），代表有 Office 365 Copilot、Salesforce Einstein GPT 及Adobe Firefly。目前各个赛道竞争格局变化不大，各个赛道的龙头厂商依然率先受益于生成式 AI 所创造的新的产品功能，未来的竞争关键在于 AI 与场景/工作流的深度融合，目前通用软件头部厂商预计将在四季度进入商业化落地的关键阶段；3）行业软件：涉及金融、医疗、教育、工业、游戏、法律等多个行业，生成式AI 在游戏、法律、教育、电商等 C 端场景有较多的结合，而在医疗、金融、工业等 B 端场景下生成式 AI 产品的成熟度仍然偏低。AI 助手（Copilot）同样得到了广泛应用，而未来在金融、医疗、工业等领域，最具前景的应用来自于数据分析和知识洞察（Insight）工具。同时，目前各行业头部厂商也在开始自建垂类大模型，包括彭博社的金融大模型 Bloomberg，以及 Meta 蛋白质大模型ESMFold，当前垂类大模型在其专业领域的性能普遍超过通用大模型。4）智能硬件：包括智能汽车、机器人、智能终端等，目前生产式 AI 与智能硬件的结合主要分为两个方面：一是语音助手，应用场景包括智能座舱、智能音箱、家用机器人等各类智能终端，相较于过去的语音交互模式，大模型和生成式 AI 技术提升了感知和生成能力，进而带来了用户体验的提升，但是总体而言产品门槛相对较低，另一类则为数字代理 AI Agent，主要应用包括自动驾驶、智能机器人等，具备更加广阔的应用空间。目前 AI Agent 在感知与决策能力上仍存在瓶颈，未来应用空间打开的关键在计算机视觉、具身智能等底层技术的突破。生成式 AI 产品目前的商业模式主要包括功能订阅、按量付费、产品销售等，其中 C 端应用以功能订阅和按量付费为主，商业化已经趋于成熟，而 B 端应用则主要为功能订阅、解决方案和产品销售，即将进入全面商业化阶段。
