海外AI应用产业链及主要厂商布局 [page::1]

• 海外科技厂商围绕算力层（芯片、服务器、终端）、基础设施层（大模型、云厂商、安全、数据库）、应用层（办公、工作流、编程、CRM、广告）展开全栈布局。

- AI技术已渗透数字化业务全链条，驱动企业数字化转型。

多Agent架构与定制化Agent成为AI应用趋势 [page::2][page::3][page::13]

• 供应商聚焦低代码/无代码定制化AI Agents，融合企业数据及知识库。

- 多代理构建策略包括点对点连接代理和多层级调度代理，支持长链复杂任务。

• 多Agent协作分解大型任务，提升整体效率，是当前解决复杂用户需求的主流方式。

主要AI场景进展及代表产品对比 [page::3][page::5]

• 办公场景：Microsoft 365 Copilot与Glean基于知识库搜索和文档撰写，提升办公效率。

- 编程场景：Cursor、GitHub Copilot、Windsurf等工具支持代码自动补全、错误修复，实现异步任务+同步辅助发展方向。

• CRM场景：Salesforce Agentforce利用多RAG模型提升推理准确性，实现多种灵活的收费模式。

- 广告场景：AI广泛赋能广告定位、投放自动化及素材生成，零售媒体广告的AI渗透持续加深。

AI应用渗透率挑战及效益路径 [page::7][page::8][page::10][page::11]

• 企业大部分处于AI应用的规模化探索阶段，收益较低，未来收益曲线有望快速抬升。

- 挑战包括算力成本高、模型精度不足（幻觉率约15%）、模型与业务匹配难度大、企业数据治理复杂等。

• Microsoft Copilot通过A/B测试显示可节省员工约11分钟/天，理想ROI可达206%。

AI芯片定制化趋势与云厂商部署现状 [page::8][page::9][page::15]

• AI ASIC因功耗低、成本优势，将逐步替代部分通用GPU。

- 市场规模预计从2023年66亿美元增长至2028年554亿美元，年均复合增长率53%。

• 主要云厂商谷歌、Meta、亚马逊、微软等均推出多代AI定制化芯片，显著提升算力和能效。

AI广告市场高速增长，自动化投放和精准推荐趋势明显 [page::7][page::14][page::15]

• 零售媒体广告占数字广告比重持续上升，预测2028年将接近25%。

- Google Advantage+与Performance Max购物广告平台渗透率稳步提升，后者已在中等规模零售广告主超过50%。

• 隐私限制环境下，具备第一方数据和领先AI算法能力的大平台具备显著优势。

AI未来发展阶段与投资重点 [page::11][page::12][page::13]

• AI仍处于技术萌芽与期望膨胀临界阶段，未来将进入稳步复苏和生产成熟期。

- 当前看好基础设施层（云迁移、数据治理、安全）及AI编程的投资机会。

• 多Agent模式、异步任务处理等技术突破将是关键方向。

报告风险提示 [page::16]

• 技术进步不及预期可能延缓AI融合效率。

- 下游客户需求和IT支出波动带来不确定性。

• 产品同质化和市场竞争加剧或压缩盈利能力。

中金全球研究《海外AI应用渗透到哪了？》研究报告详尽分析

---

一、元数据与报告概览

报告标题：《海外AI应用渗透到哪了？》
作者：袁佳妮、杨子捷、夏依琳、杨鑫（CFA）等，中金公司全球研究团队
发布日期：2025年6月24日
发布机构：中金公司研究部
研究主题：聚焦海外重点AI应用的进展，分析生成式AI及大模型在各行业场景的渗透情况，探讨AI应用发展趋势、产业链布局及相关风险。

报告核心论点与主题信息：

• 2023年ChatGPT等生成式AI推动了AI技术快速渗透至各行业多场景。

- AI应用嵌入办公、编程、客户关系管理(CRM)、广告等垂直细分赛道，深度融合前中后端系统。

• 产业链从算力（芯片、GPU、ASIC）到基础设施（大模型、云服务、安全、数据库），再到细分应用层级，形成全栈生态。

- AI应用规模化部署仍处于探索阶段，产出效益尚未完全释放，需突破算力成本、模型精度、数据治理、投资回报率(ROI)等瓶颈。

• 未来趋势看好AI基础设施（Infra）层机遇，多Agent定制化和工作流协同呈爆发趋势，广告AI及AI ASIC芯片技术路径明确。

- 报告末尾点明风险包括技术进展不及预期，下游需求不足及行业竞争加剧。

报告旨在向投资者、技术开发者展示海外AI应用的现状与趋势，提供产业链全景视角及关键技术与市场动态，为理解AI商业化和投资机遇提供专业判断。总体持审慎乐观态度，重点看好下游产业链多环节长期价值[page::0,1]

---

二、逐节深度解读

2.1 报告摘要与投资要点

• AI嵌入多维场景，解锁全栈生态

AI技术正深入办公（日常文档、知识库构建）、编程（代码自动补全）、CRM（历史数据整合与潜客挖掘）、广告（自动投放与素材生成）等垂直赛道。

• 核心趋势：多Agent与定制化Agent的构建提高个性化适配和效率；高质量场景数据是高产出的基础，数据治理和整合的重要性上升；东西向工作流（跨企业系统）与差异化AI能力成为大型软件厂商竞争焦点。

- AI部署阶段及瓶颈
处于规模化探索期，投入与产出尚不均衡，企业期待技术突破算力成本、模型高精度、数据治理与客户ROI预期的达成。

• 投资聚焦方向

云迁移、数据治理、安全、AI ASIC芯片、基于多Agent的AI工作流及广告AI，尤其AI基础设施环节业绩更可见。

整体定位为勾勒AI应用产业链发展全貌，辨识关键价值驱动和业绩兑现可能，为投资决策提供实用框架[page::0]

---

2.2 海外AI应用产业链及主流产品现状（产业链图解）

• 产业链层级划分：

- 算力层：主要玩家包括NVIDIA、AMD、Qualcomm、Broadcom等芯片厂商；服务器/存储由Dell、Micron主导；终端设备和交换机厂商包括Apple、Samsung、Cisco、Marvell。
- 基础设施层：涵盖大模型（ChatGPT、Claude、Gemini等）、云厂商（AWS、Google Cloud、Microsoft Azure）、安全（CrowdStrike、Palo Alto等）、数据库及数据分析公司（Snowflake、Databricks）。
- 应用层：涵盖办公（Microsoft 365 Copilot、Glean）、IT服务管理（ServiceNow，Atlassian）、编程辅助（Cursor、GitHub Copilot）、CRM（Salesforce、Monday）、广告（Meta、Google）。

• 解析

图表1清晰展现了AI从底层算力、基础模型到具体应用的产业链布局，体现出产业链的跨层次合作与深度融合趋势。大型云厂商和AI模型驱动者（如OpenAI ChatGPT）是天然的连接枢纽，同时专业垂类软件厂商深耕不同业务环节形成细分市场优势[page::1]

---

2.3 AI+ 后端工作流：东西向与南北工作流对比与多代理趋势

• 东西向工作流聚焦跨企业系统间的协同（ERP、CRM、HRM等统一整合）。

- 南北工作流专注垂类系统AI功能增强（如研发系统中的AI代理）。

• 差异点

大型云厂商偏重东西向，力求平台化与跨系统整合；而垂类厂商则巩固单领域深度。

• 多代理构建核心

以微软Microsoft Azure AI Foundry为例，支持多代理系统，可横跨HR、IT、营销，形成多层级、结构化调度，实现长链复杂任务分解执行——这有助于满足企业多样且复杂的AI工作流需求。

• 应用产品对比重点（图表2&3）：

- ServiceNow：提供涵盖IT、HR、CRM的自动化AI Agents，支持无代码定制。
- Atlassian：主攻企业内部知识搜索与自动摘要功能（Confluence、Jira嵌入）。
- Microsoft：多代理构建、安全能力强，API灵活，价格策略多元化。

产品定价显示微软高端市场定位，差异化服务支持其AI战略布局。三者均强调知识库整合和低代码定制，展现企业客户对AI自动化和可定制性的核心需求[page::2,3]

---

2.4 AI+ 办公场景：知识库搜索与日常办公辅助

• 两个典型产品：

- Microsoft 365 Copilot：结合微软Office生态和GPT模型，实现文档撰写、数据分析、会议摘要、问答等。深度生态融合和快速准确响应是其核心优势。
- Glean：专注企业内部数据整合和AI增强搜索，搭载RAG（检索增强生成），提高答案准确率，支持员工权限与知识库深度匹配。

• 办公场景挑战：

- 企业数据整合难度大
- 知识库与权限匹配复杂
- 上下文理解和第三方应用集成难度高

• 结论：AI办公赛道的发展集中在解决企业数据孤岛问题和深度语义链接上，实现员工工作中智能辅助和知识便捷获取[page::3]

---

2.5 AI+ 编程辅助：编程任务效率与云厂商竞争利器

• 主流产品：Cursor、GitHub Copilot、Windsurf、Google Jules，各有特点

- Cursor在上下文理解和Tab键智能补全功能广受好评，且支持丰富对话功能。
- GitHub Copilot开源后生态更丰富，覆盖不同语言和场景。
- Windsurf聚焦复杂任务拆解和Agent+Copilot双模结合。
- Google Jules突出异步任务处理和多步计划生成。

• 用户体验关注：上下文管理能力及自动补全精准度是关键。

- 未来趋势：异步任务+同步实时辅助，支持云端或离线的复杂任务解决及实时代码编写反馈。

• 商业意义：$\mathsf{A l+}$编程具备高客户粘性和大模型tokens消耗需求，是云厂商提升PaaS层锁客户的重要入口。

图表3细致对比核心功能、优势客户数及价格层次，反映市场竞争格局和开发者偏好[page::4,5]

---

2.6 AI+ 客户关系管理（CRM）与AI+ 广告

• CRM发展：

- 代表厂商为Salesforce、Microsoft、Hubspot、Monday等。
- Salesforce Agentforce依托于数据云+集成多RAG模型的Atlas推理引擎，实现结构化与非结构化数据的精准分析与推理，支持个性化Agent。费用可灵活按使用量计费。
- Microsoft Dynamics 365中的Copilot辅助销售团队数据分析、收入预测和潜在客户挖掘。
- Monday CRM整合多应用数据，AI助力邮件智能撰写，提升销售效率。

• 广告赛道：

- 近年来效果广告需求增长加速，由于宏观环境及短视频兴起，精准、效果导向广告份额上升。
- AI赋能广告投放定位、多模态数据处理增强推荐能力。
- 生成式AI助力广告素材生成和千人千面精准投放，有效降低成本提升用户体验。

图表5显示零售媒体广告支出不断增长且占比提升，反映AI带动广告变革的市场趋势浓厚[page::6,7]

---

2.7 AI应用渗透瓶颈与突破路径

报告基于IDC对大模型收益曲线的引述（图表6）指出：

• 当前企业多处于规模化探索阶段，投入大收益有限，处于盈亏平衡前沿。

- 突破瓶颈重点：
1. 算力成本：超大规模云厂商AI数据中心向AI ASIC转型趋势明显。ASIC相较通用GPU在价格、功耗和性能方面优势突出，有助降低硬件部署成本。图表7预测2023-2028年ASIC芯片市场规模将高速增长，复合年增长率达53%。ASIC应用场景涵盖内部云服务、SaaS和IaaS，有望逐渐深入。
2. 模型精度与场景适配：87%企业反馈模型精度不符合业务需求，幻觉问题（事实性、逻辑性错误等）严重影响准确度。解决方案包括RAG、对抗训练与架构创新。多模型和DIY（微调和场景定制）是当前趋势。
3. 数据治理：有效数据治理是训练高质量AI的前提，68%企业强调内部数据资产管理需求。数据湖和知识管理体系建设显著提升企业可用数据价值。
4. ROI落地：AI投资周期长，初期用户习惯和培训成本抬高ROI兑现难度。微软Copilot数据显示理想ROI可达206%，但前期存在时间成本摊销过程。

图表11及11页具体展开了Copilot节省员工时间场景分析，明确AI办公软件提升效率的真实效用[page::7,8,9,10,11]

---

2.8 AI产业发展阶段与技术成熟度

• 根据Gartner 2024年8月技术成熟度曲线（图表12），生成式AI处于期望膨胀和泡沫破裂低谷临界点，市场存在分歧但技术进步确定。

- AI整体发展将经历技术萌芽、泡沫与调整、稳步复苏以及成熟期，未来大规模落地和商业应用需经历供应链稳定、数据治理完善、模型业务匹配度提升多个阶段。

结合以上框架，报告认为当前AI基建层面（包括算力、数据治理、安全、云迁移）业绩兑现更为确定，企业对定制化模型、数据库和安全服务需求旺盛。大型云厂商及相关软件提供商是优质投资标的[page::11,12]

---

2.9 多Agent应用及生态趋势

• Agentic AI实现从工具向智能体升级，具备自主拆解任务、维护上下文和多轮交互能力。

- 两类Agent布局：全能单Agent与多Agent协同，后者通过分布式和协同实现复杂任务分解，提升流程灵活度和执行效果。

• 先进框架代表如MetaGPT基于SOP运营多Agent协作，Azure AI Foundry、AWS Bedrock支持多代理配置。

- 多Agent支持无代码定制，用户可以灵活方式搭建适配自有业务的多Agent协作系统，成为AI应用落地的重要趋势。

此阶段打破单模型和单Agent瓶颈，AI工作流向复杂多样场景适配的智能体系统迭代[page::13]

---

2.10 广告AI升级与效果广告趋势

• 数据隐私政策（如苹果ATT，谷歌隐私沙盒）限制了第三方数据追踪，第一方数据价值凸显。

- 成功广告平台具备大规模第一方数据、先进AI预测能力、和自然的转化驱动力。

• Google Performance Max与Meta Advantage+ Shopping Campaign为典型成功产品，增强AI自动化投放和购物广告转化能力。

- 图表13与14详细展示这两类产品在广告主中渗透率稳定提升趋势，反映AI广告正推动数字营销结构性变革。

此趋势凸显以AI为驱动的广告精准投放和自动化大势[page::14,15]

---

2.11 AI ASIC发展路线与各大云厂商芯片布局

• ASIC因功耗低、定制化强，成为超大规模云计算数据中心的发展趋势。

- 谷歌TPU系列、Meta MTIA、亚马逊Trainium系列、微软Maia 100、苹果Baltra芯片均聚焦AI训练和推理优化，性能与功耗水平显著提升。

• 图表15对比五大芯片算力、内存及功耗，展现头部云厂商技术实力和芯片迭代速度。

- 预计ASIC市场规模快速扩张，生态逐渐完善，未来数据中心AI芯片应用率持续提升。

此环节释放硬件成本优势，为AI应用规模化提供底层动力[page::15,16]

---

2.12 风险因素评估

• 技术进步不及预期：模型迭代或遭遇瓶颈，制约下游AI产品进步速度，影响客户付费意愿及估值。

- 下游需求不足：客户的真实AI采购需求受宏观经济和ROI预期影响，可能推迟或减少采购。

• 竞争加剧：AI应用市场日益拥挤，产品同质化风险上升，可能导致价格战及利润率下降，同时损害客户决策效率和创新动力。

报告提示投资者需关注技术突破及市场推广进度，警惕周期性调整风险[page::16]

---

三、图表深度解读

1. 图表1（产业链梳理）：

展示了算力、基础设施及应用层AI相关企业的品牌归属及细分领域，反映产业全景与技术生态互补。该图支持文中论述AI全栈整合发展，强调跨层合作必然性。

1. 图表2&3（后台工作流产品对比）：

细致对比ServiceNow、Atlassian与Microsoft在AI代理、知识库整合、核心优势和价格策略，体现各家不同定位和服务策略，支撑“多Agent”和“低代码定制”趋势重点。

1. 图表5（零售媒体广告支出）：

体现零售媒体广告向数字广告比例攀升，Remarketing与效果广告占比增长突出，支撑AI广告赛道发展背景。

1. 图表6（大模型收益曲线）：

形象展示了AI从小范围测试至规模化部署产生收益的S型曲线及关键阶段，与行业现状吻合。

1. 图表7&8（ASIC市场规模及厂商部署场景）：

表明ASIC市场高速成长并被重点应用于内部、SaaS及IaaS，强化定制芯片成本和功耗优势为产业价值驱动的逻辑。

1. 图表10（Microsoft Copilot员工节省时间）：

量化了具体办公场景中AI提高效率的程度，为ROI预估提供实证数据支持。

1. 图表12（Agentic AI架构图）：

展示开发者端从设计、工具到生产部署的Agent闭环，增强理解多Agent系统构建的复杂性与价值。

1. 图表13&14（广告AI产品渗透率）：

数据显示显著增长的广告投放占比，印证AI驱动广告转型趋势的实证。

1. 图表15（AI定制芯片规格对比）：

清晰比较各大云厂商AI芯片性能参数，为硬件端技术进步提供具体量化指标。

图表数据精确反映报告关键论点，增强了论述的实证基础和行业权威性。

---

四、估值分析

报告未直接发布具体投资评级或目标价，主要基于产业链和技术趋势判断价值部署方向。估值隐含在对云厂商、芯片厂商、SaaS企业业绩成长潜力的分析中，例如强调AI Infra层业绩兑现度更高，指向云计算、数据治理、安全及芯片制造环节的投资机遇；同时看好多Agent定制及AI广告市场作为下游利润增长点。

估值方法相关内容主要体现在：

• 数据中心硬件及ASIC成本结构分析暗示长远资本支出优势。

- 企业AI办公ROI测算基于用户时间节省与定价模型。

• 广告AI产品渗透率提升则间接对相关广告收入增长形成催化逻辑。

整体估值逻辑靠技术和用户端实证数据，结合未来增长趋势进行判断，欠缺传统DCF等定量估值模型细节披露[page::0-16]

---

五、风险因素评估

• 技术迭代风险：模型更新速度放缓或创新瓶颈会影响AI产品的实用性和市场接受度。

- 下游需求风险：IT支出受宏观环境波动影响，ROI难以兑现可能导致企业采购意愿减弱。

• 竞争加剧：伴随赛道红利吸引多方入局，价格战和产品同质化风险或挤压利润，影响创新动力与市场格局。

报告整体呈现理性风险意识，提示投资者注意AI技术与市场“非线性”演进的不确定性，并指出对策仍需持续观察技术迭代与市场反馈[page::16]

---

六、批判性视角与分析细微之处

• 报告多处强调AI应用处于“规模化探索”阶段，收益尚未释放，时间点判断较为谨慎，符合行业实际，但对AI可能带来的爆发式变化预期较弱，反映了较为保守的判断框架。

- 估值部分缺少明确目标价与敏感性分析，限制了投资决策的直接指导性。

• 风险评估虽有提及，但对监管政策、伦理问题及更广泛社会影响未深入探讨。

- 多Agent及定制化Agent趋势被反复提及，显示报告高度看好该领域，可能存在较强偏向于未来智能工作流的技术蓝图设想。

• 报告明确承认现阶段用户采用受限于资本成本、数据整合壁垒，这反映了AI应用的现实运营挑战与阶段性特征。

整体上，报告结构严谨、内容丰富，但对下游商业模式差异化和监管等非技术壁垒关注不足。

---

七、结论性综合

该报告全面梳理了海外生成式AI和大模型产业链的当前生态布局、技术进展及应用场景，详细说明了AI渗透办公、编程、CRM、广告等多个行业核心环节的现状和趋势。
重点观察得到：

• 全栈生态：AI应用跨越算力芯片、基础设施大模型到实际垂类应用层，产业链协同发展。

- 技术瓶颈与未来突破关键：算力成本优化（定制AI ASIC）、模型精度及业务场景匹配提升、多样化Agent构建、数据治理体系完善，及AI应用ROI兑现。

• 重点趋势：

1. 基础设施层（云计算、数据治理、安全）业绩兑现确定性强。
2. 多Agent和定制化Agent模式将深刻改变企业工作流和智能体生态。
3. AI驱动的效果广告市场持续超预期发展。
4. AI ASIC芯片成为降低算力成本并提升性能的关键，主流云厂商此方向布局迅速。

• 风险：技术迭代缓慢、需求不及预期、竞争压力加大仍是不容忽视的不确定因素。

报告通过详实的图表数据和案例对比，强化了论述的说服力，为产业链上下游企业及投资者提供了系统性的视野和清晰的市场定位参考。
总体看，AI产业处于非线性快速发展期，当前仍处于关键的规模化探索和技术磨合阶段，但随着硬件成本下降、数据治理完善和多Agent智能体应用稳步推进，2025年及以后AI应用落地与产出释放的拐点值得密切关注。[page::0-17]

---

附：关键图表示例展示

报告