本篇报告，我们梳理了海外和国内市场关注度较高的AI应用，并从现阶段AI产业发展趋势的角度，分析各应用场景的受益程度。
通过self-play强化学习提升post-training推理能力，成为现阶段通向AGI的新范式。在去年强调预训练pretraining的scaling law遇到一定瓶颈后，以OpenAI o1模型为代表，AI产业开始转向以post-training的推理为重心，通过self-play强化学习，让AI不断自我交互并优化思维链，以取得在某个环境中的最大奖励。过去selfplay强化学习局限在围棋等细分领域，但如果结合经过预训练大模型的通用性，有望提升其泛化能力。
强化学习需要“奖励目标”的特点/属性，指出现阶段AI应用的受益方向。根据强化学习框架，AI需要在环境中采取动作，并根据“奖励目标”来优化其策略。因此，reward value清晰的应用场景，更有助于AI通过selfplay RL找到最优决策。基于此，由于self-play RL对决策式AI的提升更为直接，我们认为决策式AI的相关应用有望受益；同时，决策式AI与生成式AI结合的应用，或者是同时涵盖了模型pre-training后的生成能力与posttraining后的思考能力的应用，也值得关注，如广告营销、教育、AI Agent等；多模态生成式AI的赋能则会主要在影视、游戏等内容创意向场景。AppLovin和Palantir所在场景都符合self-play RL的应用范式。
