AI模型C、B端應用情況如何？

當前，我們在廣告平臺、企 業決策、企業客戶管理 CRM 等領域均看到了 AI 能力迭代的體現。

1. C 端：端側 Agent 時代來臨

盤點 2024，Anthropic、智譜、蘋果、榮耀等多家企業圍繞 Agent 能力都取得了相應突 破。展望 2025，我們認為，AI Agent 功能有望在各家大模型和硬件公司的迭代之下，在 PC、手機以及更多軟硬件場景得到落地和完善。

1.1 電腦端：Computer Use 場景快速落地

2024 年 10 月 22 日，Anthropic 公司發布了全新的大模型——Claude 3.5 Sonnet，被 Anthropic 的產品經理 Michael Gerstenhaber 譽為迄今為止最智能的模型；并推出了一款 新模型 Claude 3.5 Haiku。 Claude 3.5 Sonnet 最引人注目的功能是其計算機使用能力——通過相應 API，電腦可以 模擬人類操作，完成讀屏、移動光標、點擊按鍵、輸入文本等等任務動作。

根據公司官網介紹，這一能力的實現主要依靠如下步驟： 屏幕識別：讀屏能力依然是重要前提。 邏輯推理：針對所識別出的屏幕內容，推理出何時、如何進行相應的操作。 定位執行：準確計算像素定位非常重要：為了正確點擊相應的位置、需要垂直或水 平移動多少像素。 快速泛化并持續迭代：研究團隊觀察到模型泛化非常迅速，在遇到困難的時候還會 自我修正后重新嘗試任務。 在 OSWorld 這一評估計算機使用能力的基準測試中，Claude 3.5 Sonnet 的準確度達到 14.9%，在給予更多步驟的情況下達到 22.0%，位列行業首位。

1.2 手機端：Phone Use 場景成為現實，功能望快速完善

2024 年 10 月 25 日，智譜推出一款創新 Agent 工具 AutoGLM，它能夠接收簡單的文字 或語音指令，模擬人類操作手機，完成一系列復雜的任務。比如，在淘寶上購買歷史訂 單中的商品、在美團點外賣、在 12306 購買火車票等等任務，AutoGLM 都能輕松完成。

根據智譜 AutoGLM 團隊的論文解釋，這一強大功能的實現依托如下核心步驟：多模態讀屏：傳統的 RPA“（機器人流程自動化）中通過 OCR 進行 GUI“（圖形用戶界 面）的識別，但難以被泛化。而大型多模態模型則可以進行模糊匹配和長任務規劃， 因此對 GUI 理解很有幫助。 模擬操作：Behavior Cloning“（行為克、、操作模擬）對于 Agent 訓練非常重要，當 然一個基礎的問題是 agent 可能僅僅是在模仿而非理解。 課程學習（Curriculum Learning）：Agent 任務通常很復雜，因此漸進式的課程學習 非常重要。 獎勵建模（Reward Modeling，RM）和強化學習（Reinforcement Learning，RL）： 相對于過去的特定任務訓練，現在 agents 在所處的開放世界中要進行泛化的任務， 需要有更加泛化的獎勵建模和強化學習。 AutoGLM 之所以如此強大，得益于其兩大核心技術創新： 首先，通過中間界面設計（Intermediate Interface Design），AutoGLM 實現了 任 務規劃”和 動作執行”前后兩個階段的解耦合，這使得智能體在任務規劃和動作 執行時更加精確和靈活。 其次，AutoGLM 采用了 自進化在線課程強化學習框架”來訓練和提升大模型智能 體的能力。這一框架通過自進化學習策略，實現不斷的自我考察、鞭策、提升。

在性能表現上，AutoGLM 在 Phone Use 和 Web Browser Use 上都取得了顯著的提升。 在 AndroidLab 評測基準上，其成功率達到 36.2%，顯著超越了 GPT-4o 和 Claude-3.5- Sonnet 兩者的水平。在 WebArena-Lite 評測基準中，其更是相對 GPT-4o 取得了約 200% 的性能提升。

我們看到 Claude 3.5 Sonnet/AutoGLM 作為 AI Agent 在電腦端/手機端的典型案例，具 備廣泛的應用前景和潛力。我們預期 2025 年會看到更多 Agents 在更廣泛的場景中得到 應用、功能也將更加完善。

2. B 端：企業級應用日新月異

AI 模型的迭代、數據的積累，在企業服務場景中作用突出。當前，我們在廣告平臺、企 業決策、企業客戶管理 CRM 等領域均看到了 AI 能力迭代的體現。

2.1 廣告平臺：模型與數據能力助力廣告精準投放

模型的迭代、數據的積累，對于廣告精準投放以及智能出價幫助明顯。以 Applovin 為例， Applovin 的 Axon 廣告引擎以及全生態的數據和信息優勢，對廣告投放和平臺變現帶來 了顯著的驅動。 作為全球領先的移動營銷平臺，Applovin 幫助廣告主觸達應用內、移動端、CTV 等多渠 道的超過 14 億的日活躍用戶，讓業務擁有更多可能，增速更快，并取得實質性的廣告收 入增長。Applovin 主要業務分為軟件平臺和應用程序。其中：1）軟件平臺由公司基于人 工智能的推薦引擎 AXON 提供支持，使廣告商能夠自動化營銷、參與和變現；2）應用程 序包含了以休閑、三消和卡牌為主的 200 多款免費手機游戲。 自推出人工智能廣告推薦引擎 AXON 以來，AppLovin 的軟件平臺收入迅速增長。2023 年 軟件平臺收入同比增長 76%、2024Q3 軟件平臺收入增長 66%。軟件平臺的業務由基于 AI 的推薦引擎 AXON 提供支持，幫助廣告主優化其營銷和變現： 精準匹配：營銷技術的提供使廣告商能夠通過個性化內容接觸到更多最合適的用戶， 從而增加下載并參與其內容的用戶數量。 智能定價：為廣告商提供貨幣化和分析技術，通過獲得每個曝光量的高價來最大化 其廣告庫存的價值。 流程優化：為開發者提供一套優化應用和簡化業務的功能。 AI 模型的迭代、數據的持續積累，對于 AppDiscovery 實現精準投放而言非常重要。 作為 AppLovin 軟件平臺的主要收益來源，AppDiscovery 是一款幫助移動應用觸達大規模優質用戶，并發掘新的增量受眾，促進增長的軟件平臺，由 AXON 的預測算法提供支 持。模型迭代以及數據積累對于該平臺的運作和變現起到關鍵驅動作用： AXON 的升級幫助提升公司變現能力。AXON 的算法賦能精準用戶定向，使廣告商 能夠將他們的應用與更有可能下載的用戶進行匹配，從而提高廣告效果、并推動了 現有廣告商的支出增加，從而進一步推動了 AppLovin 的增長。

公司的應用生態、數據積累反哺 AI 效率提升。從 2018 年初到 2022 年底，公司投 資了近 40 億美元，進行了 29 項戰略收購，并與移動應用開發商建立了合作伙伴關 系。公司的 MAX 聚合平臺、大量的游戲應用為廣告投放積攢了必需的數據和信息優 勢。公司官網表示 AppLovin 已有超過 14 億的日活躍用戶，這些數據和信息優勢反 過來又提高了軟件平臺解決方案的效率和增長。 從實際效果上來看，2024Q3 Applovin 總收入為 12 億美元，同比增長 39%；較 2023 年 公司收入的 17%增速提升明顯。其中， 收入層面，2024Q3 軟件平臺收入增長至 8.4 億美元，同比增長 66%；應用程序收 入為 3.6 億美元，同比增長 1%。軟件平臺收入貢獻了總收入的 70%。 利潤層面，2024Q3 公司實現利潤 4.3 億美元，同比增長高達 298%，調整后利潤率 60%。 在 Applovin 的案例中，通過 AI 驅動的廣告推薦引擎 AXON，AppLovin 不僅提升了廣告 商投放的變現能力，也優化了用戶體驗，帶來了業務增長。 我們看到，更多廣告平臺企業如匯量科技、Unity 等，都有望繼續利用其 AI 模型迭代和 數據積累的優勢，繼續擴大其全球用戶基礎和完善產品生態，進一步為廣告主創造更多 價值。

2.2 CRM：Agentforce 等代理系統賦能 CRM 實現智能交互

在 CRM 領域，AI 模型的應用效果也日益凸顯。以 Salesforce 為例，公司最新推出 AI 代 理系統 Agentforce，通過自動化處理服務、銷售、營銷和商務等任務，提升員工工作效 率和客戶滿意度。 Salesforce 作為領先的企業服務平臺，致力于為企業提供全面的客戶關系管理（CRM）解 決方案。公司通過其強大的 CRM 平臺，為企業提供銷售、服務、營銷和商務智能等領域 的定制化解決方案，幫助企業提升客戶體驗和業務效率。Salesforce 還提供豐富的數據 分析和應用開發工具，幫助企業實現數據驅動的決策優化，推動業務創新和增長。公司 業務主要分為兩個版塊： 訂閱和支持：Salesforce 的核心業務，主要提供基于云的 CRM 軟件訂閱服務，以及 相關的技術支持和維護服務。

專業服務和其它：這一板塊涵蓋 Salesforce 提供的咨詢服務、定制開發、培訓等增 值服務等。 Agentforce 的推理引擎（Agentforce Reasoning Engine）旨在通過多輪對話、主題分類、 指令和操作、知識檢索等功能，增強用戶交互，提供更精準、更有效的服務。Agentforce 在 Salesforce 的客戶實際業務場景中中展現了巨大實際的潛力： 出版公司 Wiley 選擇采用 Agentforce 和 Service Cloud with Einstein AI，來處理新 學期學生使用教育資源時服務請求激增的挑戰。Agentforce 的 AI 智能代理讓客戶能自行解決常見問題，在最初幾周內將案例解決率提高 40%以上。同時，AI 生產力 工具使季節性客服人員入職速度加快 50%，實現 213%的投資回報率； 奢侈品連鎖百貨公司 Saks 利用 Agentforce 進行訂單狀態管理和退單查詢，有效提 供了個性化服務，并加強了客戶關系，提升了奢侈品購物體驗； 團體訂餐服務公司 ezCater 則借助 Agentforce 改變客戶體驗，實現客戶服務自動化， 簡化食品訂購流程。 這些成功案例充分彰顯了 Agentforce 在助力企業利用 AI 功能實現業務升級方面的卓越 能力。我們認為，隨著 AI 能力的迭代，各類代理系統可以賦能企業在 CRM 領域實現更 多的智能交互。