近期，OpenAI宣布允许用户无须注册ChatGPT即可直接使用该服务，这个引起大模型热潮的产品终于把使用条件限制取消，这也引起了行业内关于ChatGPT即将取代搜索引擎相关话题的热议。
另外，马斯克在3月中旬宣布开源3140亿参数的大模型Grok-1，昆仑万维开源4000亿参数的大模型天工3.0，有不少公司正在推动大模型开源风潮，有人认为这是在将模型选择的主动权交给开发者，能够加速AI应用的落地进程。
这些事件释放着大模型的“门槛”不断降低的信号，究竟这对AI应用的影响是什么？当前AI应用的场景探索有哪些特点或趋势？在哪些场景下，企业AI应用会率先落地？
无论在toB还是toC方向，AI应用在垂直行业的场景探索越来越多，尤其在教育、法律、金融，这些行业的渗透一定会有所加速。
AI应用在生产力工具领域的应用场景越来越多，聚焦也会越来越细，如代码审计等。
在整个内容生产上，包括无论是音频还是视频的内容。AI的无限供给其实会从供给端解构掉原有的供给结构。
会更注重应用的差异化。随着应用落地的加速，吃螃蟹的企业越来越多，应用也会竞争加剧，大家就会去找差异化，要么是在应用层找到一个更垂直的切入点，要么是寻求多模态（文本/语音/视频）的结合。
AI应用的场景探索上，开源模型和闭源模型各具的特点
开源模型可以帮助企业更好地确定AI应用所需场景，验证过哪些场景有效。
实际落地中，闭源模型更具有优势，因为它可以更好地结合工程、产品和算力等因素，提高推理性能和适配能力。因此，在产品落地过程中，闭源模型比开源模型更具优势。
开源模型适合于预算有限、需要较大定制和可控性的项目，如学术研究、AI底层开发等；闭源模型则更适合于大模型厂商提供的商业化产品，提供完善的商业化和售后服务。在实际应用中，开源和闭源之间并非竞争关系，而是互补关系。
在场景和应用的探索上，开源会更快，因为灵活性会更好。在业务端，当一个开源的方向被尝试出来，大量的组织无论是做底座还是上层应用都会涌入进去。
这些行业/产业或者场景上会率先迎来商业模式的升级或效益的增长
随着音视频大模型的发展，无论是sora还是相似的产品出现，本质上都是在内容供给端不断地解锁新方法，这在广告营销、影视创作上会带来改变。
优先拥抱大模型的行业，主要集中在金融，医疗，汽车等几大行业，这也是因为其本身的数字化转型程度相对较高。而应用的具体场景的范围越来越广，比如代码助手、智能检索等。
从C端和B端两个领域的应用场景来看，C端方面，泛娱乐行业如网文、短剧、动漫游戏等IP创作，AI应用通过降低创作门槛，吸引更多内容创讲者参与，形成生态链。B端方面，AI大模型的应用可以为企业提供生产力工具，帮助企业应对经济下行、采购量下降等问题，提高获客效果，获取更多商机。同时，AI大模型可以帮助企业实现全链路能力的平台，重塑链条里的商业模式。
