本文转载自微信公众号：中信建投证券研究
转自中信智库、中信建投证券研究发展部出品 武超则等著《AI产业全景图谱：技术范式、投资机遇与未来生态》，中信出版集团。
《AI产业全景图谱》新书第三章“应用未来：AI赋能千行百业的趋势与展望”内容节选——AI+搜索与营销：重塑信息入口与人货连接。
从关键词检索到大语言模型驱动的生成式搜索的转变，正在永久性地改变用户行为，催生出“零点击经济”（Zero-Click Economy），并对传统以流量为基础的商业模式构成了生存威胁。以谷歌为代表的行业巨头采取了防御性姿态，通过将生成式AI整合进现有产品，如“AI Overviews”“AI Mode”来维持其市场主导地位。与此同时，新的市场进入者和内容平台，如抖音和知乎，正利用其独特的专有数据和多模态交互能力，对传统搜索格局发起挑战。
传统搜索引擎系统架构由网页爬虫、索引构建、排序（召回、粗排、精排、重排）和用户界面搜索结果页组成。这种搜索系统的核心是关键词匹配，常常无法准确捕捉用户的真实意图，导致搜索体验不佳，用户需要通过多次尝试和浏览大量无关链接才能找到所需信息。语义搜索的出现是理解用户意图的关键第一步。它利用自然语言处理和机器学习技术，不再仅仅匹配字面词汇，而是深入理解查询背后的语境和含义，从而显著提升搜索结果的相关性。
以GPT系列为代表的大语言模型的发布，是搜索领域的根本性转折点。搜索的功能从仅仅检索已存在的信息，演变为能够生成全新的、经过综合处理的答案。这彻底改变了搜索引擎的核心价值主张——从一个信息目录转变为一个知识伙伴。
AI搜索采用检索增强生成架构。该架构结合了两种核心能力：模型检索能力（通常利用语义搜索和向量嵌入技术，从海量数据中快速找到与用户查询最相关的文本片段或文档）和模型生成能力（即大语言模型，负责对检索到的信息进行理解、综合，并生成一段通顺、连贯的回答）。检索增强生成架构的至关重要之处在于，它将大语言模型的生成能力“锚定”在真实、有时效性的外部知识上，从而有效解决了大模型固有的“幻觉”问题，即编造事实的倾向。参考Meta GR-24模型，构建索引 + 排序（召回、粗排、精排、重排）是大语言模型改造的核心环节。据谷歌官方信息，谷歌于2019年10月启用BERT模型进行检索（排序的过程）。
索引+排序环节目前业界主要采用三种技术路径：一是在模型预训练阶段便融入检索机制，使大语言模型具备原生的检索能力；二是通过轻量化的微调来提升大语言模型利用检索结果的效率；三是利用大语言模型的零样本能力，在生成阶段通过精心设计的提示词直接引导模型整合外部信息。这三种路径体现了不同平台在技术投入深度和实现复杂度上的战略选择。
谷歌通过将其最新的Gemini模型深度整合到搜索服务中来应对市场变化。在搜索结果顶部直接提供由AI生成的摘要，即“AI Overviews”。这是一个典型的防御性举措，旨在通过将生成式体验内嵌于其庞大的生态系统，从而应对外部挑战并维护其市场霸主地位。其技术亮点包括处理复杂查询的多步骤推理能力和多模态特性。
生成式AI正在解锁全新的搜索用例，通过提供更相关、更具上下文感知能力的答案，极大地提升了用户体验。这种效用上的阶跃式变化正在提升“信息检索”这一行为本身的价值，推动用户在更广泛的场景（如购物、研究、生产任务）中进行更频繁、更深入的互动。目前，大多数用户仍处于探索使用生成式AI工具进行生产任务和研究的早期阶段，但随着可靠性和实用性的持续提升，预计其应用将扩展到更广泛的人群。
举个例子，当用户输入一个复杂的查询，如“为有孩子的家庭规划一次为期三天的旧金山最佳旅行路线，需包含小众景点和当地美食”，传统的搜索引擎会返回一系列博客文章、旅游指南和论坛链接，用户需要自行筛选和整合信息来制定行程。而借助AI Overviews，搜索引擎如今可以直接在结果页提供一份结构化的、逐日安排的行程，将热门景点、小众宝藏景点和当地餐饮推荐清晰地整合在一起，以一种易于阅读的格式直接满足用户的需求。
商业化方面，AI搜索并没有蚕食传统搜索的市场规模，而是贡献了更多的增量市场。我们认为AI对搜索市场的侵蚀作用被夸大了。根据SEMrush披露数据，ChatGPT等AI聊天机器人的搜索词长度平均为23个单词，而搜索词的平均长度一般在4个单词左右。另外，在搜索意图方面，只有30%的ChatGPT提示词属于导航、信息、商业和交易等类别（搜索引擎更容易实现商业化）。这反映出AI推动搜索市场扩大，虽然ChatGPT绝对流量规模更大，但其中大多数搜索词与搜索结合难度高，真正可商业化部分仅占30%左右。因此，其实际占据的搜索市场份额仅为2.2%，Perplexity AI则为0.1%（见图3-5）。我们确实看到AI搜索迅速增长，但谷歌的AI Overviews、Google Lens及Circle to Search也在快速渗透。虽然谷歌很难在AI搜索市场维持80%~90%的份额，但增量市场上谷歌仍可以依托搜索引擎的技术和渠道优势维持地位（不至于完全错失AI搜索的机会）。
早期数据显示AI Overviews对搜索市场更多是贡献增量而非瓜分存量。就AI Overviews而言，在美国与印度市场，使用AI Overviews后，用户体验改善带来10%的额外搜索需求（以搜索词计算）。结合Sensor Tower数据，用户下载ChatGPT后，尽管ChatGPT用量和时长在2025年4月同比大幅增长约98%，但这批用户使用谷歌等搜索引擎的时长并未显著下降，仅出现轻微减少。这表明大部分时长和用量的增长都是净新增，至少并非来自存量搜索引擎用量的流失，这与谷歌披露的AI Overviews趋势相符。
因此，我们认为搜索的本质是一款效率工具，比拼的是更快、更准确地匹配信息需求，即便其用户行为反馈的获取速度不如推荐系统，如表3-1所示。谷歌过去20多年不断推动用户行为从文字搜索拓展到复杂语句匹配，以及图片/视频搜索等，搜索引擎也在不断强化用户心智。谷歌高管曾反复提及，目前搜索引擎能满足用户需求的比例仍然相对较低，还有大量需求无法被搜索引擎满足。搜索在解决信息匹配方面的效率高于社交、电商等垂类平台，未来仍然有望受益于技术进步带来的用户心智增强。
结构上，我们需要对比AI搜索与传统搜索的差异。大体上，AI搜索通过改变产品交互形态（从搜索框下方展示8~10个网页链接，转换为AI摘要+附带链接），从而大幅改变用户行为习惯：过去用户以点击网页，尤其是前三个网页为主，逐渐转向阅读摘要；若问题解决则迅速离开或转向下一个问题。因此，搜索结果页的点击率大幅下降，零点击率及转向下一次搜索的比例则有所提升。
谷歌在其2025年开发者大会上提到，AI Overviews实际上提升了用户约10%的搜索请求。根据搜索引擎优化（SEO）机构的研究，谷歌的AI Overviews发布后首个关键词的点击率平均下降34.5%，而所有关键词的平均点击率下降约15.5%，其中非品牌关键词点击率下降约20.0%，而品牌关键词点击率提升18.7%。
Perplexity AI是由OpenAI与谷歌前工程师阿拉温德·斯里尼瓦斯等团队于近年开发的对话式AI搜索引擎。其核心功能是通过多模型集成架构（如GPT-4、Claude 3、Mistral Large等），实现自然语言交互与实时网络搜索的深度融合。它支持用户以日常对话形式提出查询，系统通过语义理解和实时网页抓取生成结构化答案，并自动附上权威来源及引用链接。同时，它提供双模式搜索：快速搜索（生成简洁答案，响应速度<1秒）和专业搜索（深度追问，主动澄清模糊需求）。应用主要覆盖学术研究、商业决策及创意生产场景，支持文件解析（PDF/PPT摘要）、内部知识库集成及团队协作空间，成为挑战传统搜索引擎的AI原生信息获取范式代表。
夸克AI搜索是由阿里巴巴集团推出的新一代智能搜索引擎，以“深度思考引擎”技术为核心。用户可通过文字、语音或图像提问，系统在毫秒级响应内调用教育、健康、办公等垂类工具生成结构化答案。凭借零广告设计与跨终端协同（手机端与PC端无缝流转），2025年5月，夸克月活跃用户数达到1.5亿，连续三个月月活跃用户数位居全球AI产品榜前三，成为重塑AI搜索市场格局的强大力量。
目前百度在搜索框下方自动嵌入信息摘要卡片，帮助用户快速过滤信息，完成路径规划。但百度AI提供的摘要并未与地图、酒店、餐饮等模块集成，导致用户实际上无法顺利完成从行程规划到预订酒店、餐馆等一系列操作。截至2025年4月，百度35%的搜索结果页中包含AI生成回答，大部分是AI生成摘要。
抖音的AI搜索属于独立页面，类似于单独聊天机器人，提问后会执行全网搜索和抖音生态内容调取。这与百度类似，均缺乏与本地生活模块集成的一站式执行/决策能力，但抖音的优势在于附带生态内容，可以辅助用户决策。
长期以来，传统营销活动受制于以下几大核心效率瓶颈，这些瓶颈限制了其投资回报率和战略灵活性。
其一，传统营销在目标客群定位方面存在模糊性问题。无论是电视、报纸等传统大众媒体，还是早期的数字广告，大多依赖宽泛的人口统计学数据进行受众划分。这种“广撒网”的策略导致大量广告预算被浪费在非潜在客户身上，信息传递效果也因缺乏个性化而大打折扣。
其二，营销效果的归因与衡量一直存在困难。准确衡量营销活动的效果并精确归因转化，一直是营销人员面临的核心挑战。根据《2025中国数字营销趋势报告》，营销效果难以测量和投资回报率难以提升至今仍是广告主面临的前两大挑战。这使得预算优化和证明营销部门的商业价值变得异常困难。
其三，传统营销的内容创作具有成本高、速度慢的特点。从商业摄影、广告文案撰写到视频制作，传统的内容生产流程不仅成本高昂、耗时漫长，而且难以根据不同渠道、地域和用户偏好进行规模化、个性化定制。
其四，传统营销战略存在“反应式”而非“预测式”的局限性。传统营销模式严重依赖历史数据，这使其在面对瞬息万变的市场环境和消费者行为时显得力不从心。例如，突发的宏观事件（如疫情）能在极短时间内颠覆消费模式，而依赖过往经验决策的企业则难以快速响应。
其五，传统营销组织普遍存在运营孤岛化现象。在传统组织架构中，市场、销售和客户服务等部门常常各自为战。市场部门引来的线索销售部门可能无法有效转化，而客服部门处理的投诉本可通过更优的前端引导来避免。这种脱节导致客户旅程的断裂和商业机会的流失。
AI精准切入上述效率瓶颈，推动营销向智能化、精准化和高效化转型，具体表现在以下四方面。
第一，AI技术能够实现规模化、个性化体验。AI算法能够处理和分析海量的用户数据（包括行为数据、交易记录和实时互动信息），并构建动态、颗粒度细化至个人级别的用户画像。这使得企业能够大规模地提供定制化的信息、产品推荐和互动体验，显著提升用户参与度和转化率。
第二，预测性分析正在推动营销决策朝更具前瞻性的方向发展。机器学习模型将营销从“事后复盘”推向“事前预测”。通过预测未来市场趋势、消费者购买行为、客户流失风险和潜在客户的质量，AI帮助企业更科学地分配资源、优化库存管理，并采取前瞻性的干预措施。
第三，全链路自动化显著提升了营销运营效率。AI技术能够自动执行大量重复性、耗时性的任务。这包括客户关系管理（CRM）系统中的数据录入和邮件跟进，全天候响应的客服聊天机器人，以及自动生成搜索引擎优化文章、广告文案、图片和视频等营销素材。
第四，实时优化功能有助于实现投资回报率的最大化。AI使营销活动的实时监控和动态调整成为可能。系统可以根据实时的广告表现数据，自动调整预算分配、优化广告创意和出价策略，从而最大化投资回报率。
针对传统营销的一系列缺点，海内外科技巨头纷纷推出了AI营销新产品。美国及全球平台型巨头凭借生态优势，构建了完善的解决方案。①Adobe：凭借在创意软件（Adobe Creative Cloud）和客户体验管理（Adobe Experience Cloud）领域的领先优势，Adobe将自家的生成式AI模型Firefly深度整合到其产品矩阵中，构建了一个从内容创作、编辑、管理到个性化分发和效果分析的全链路闭环生态系统。②Salesforce：作为客户关系管理领域的巨头，Salesforce通过其AI平台Einstein和新推出的Agentforce，将AI能力无缝嵌入销售、服务和营销的各个环节。其战略核心是利用AI实现销售流程自动化、提供预测性洞察，并通过结果导向的AI代理来革新客户服务。③Figma：作为设计领域的颠覆者，Figma正大举投资AI，其Figma Make功能旨在将自然语言提示直接转化为可用的设计原型，极大地缩短了从创意到产品的路径。Figma的战略是利用AI巩固其在产品开发流程中的核心地位，并吸引更多非设计专业人士使用其平台。
中国的AI营销生态主要由阿里巴巴、百度、腾讯等科技巨头主导。
①阿里巴巴：依托强大的电商和云计算基础，阿里巴巴的AI战略深度服务于其商业闭环。核心产品包括阿里云AI平台（PAI）和大模型服务百炼，自研的通义系列大模型，以及面向商家的AI设计工具Pic Copilot和智能客服机器人阿里小蜜（AliMe）。②百度：作为一家以“AI-first”（AI优先）为核心战略的公司，百度的AI能力围绕其基础大模型文心构建。文心大模型不仅驱动着百度核心的搜索引擎，还支撑着百度智能云以及包括百度地图、文心智能体平台在内的庞大应用生态。③腾讯：作为国内社交和游戏领域的领军企业，腾讯已将其混元大模型整合到微信、腾讯云等核心业务中。其营销解决方案腾讯广告（Tencent Marketing Solution）和面向零售、时尚等行业的AI工具（如虚拟试衣），都充分利用了腾讯庞大的用户触点和社交数据。
一个核心的观察是，AI+营销领域的竞争护城河正在从“拥有最先进的算法”转向“拥有最佳的工作流整合能力和最丰富的专有数据”。尽管OpenAI等公司的前沿模型性能强大，但开源模型的快速发展正在使基础AI能力逐渐商品化。可持续的竞争优势，正由Adobe、Salesforce、阿里巴巴等平台型公司建立。它们不仅提供AI功能，更是将AI无缝嵌入客户既有的、不可或缺的核心工作流程中（如创意设计、客户管理、电商运营）。这种深度整合创造了一个强大的“数据飞轮”：平台利用其核心业务中积累的海量专有数据来微调模型，使其在特定任务中表现更优；而用户在平台内使用这些AI功能又会产生新的、独特的交互数据，进一步反哺和优化模型。这形成了一个正向循环，创造了极高的用户黏性和难以被新进入者复制的壁垒。
AI有望深度赋能营销行业，为行业带来新的发展机遇。人类与AI的三种交互方式——Copilot模式、嵌入式模式和智能体模式——在交互机制、任务执行方式及自主性水平上存在显著差异。我们认为，智能体模式或将引领客户关系管理行业发展。①Copilot模式：需用户提供明确指令，通过实时交互辅助完成任务，如编程助手或销售策略生成工具。其核心价值在于提升人类效率，但决策权仍由人类掌握，适用于标准化程度高的场景。②嵌入式模式：AI作为后台系统集成到现有流程中，如搜索引擎推荐算法或客户关系管理系统自动化规则。用户几乎感知不到AI的存在，产品主要通过结果优化来提升用户体验，体现的是对现有业务的增强而非颠覆。③智能体模式：具备自主决策与多任务执行能力，可独立规划并调用工具链完成任务，如自动处理客户咨询或供应链优化。其核心特征是“数字劳动力”，能突破人类能力边界，代表AI交互的终极形态。我们认为，智能体通过重构人机协作范式与商业模式，正在推动客户关系管理行业从“功能竞争”转向“数字劳动力竞争”，未来智能体或将成为客户关系管理工具的重要变革以及未来趋势，有望带来行业的“效率革命”与商业模式革新。
以Service Agent（服务智能体）为例，其对传统客服市场的降本增效及行业定价模式的重构，反映了AI技术对商业逻辑的颠覆性影响。Service Agent通过自然语言处理与知识图谱技术，实现了客户咨询的自动化响应。这种效率跃升源于AI代理的边际成本趋近于零，支持7×24小时服务且无须额外人力投入。以Salesforce Service Agent每次对话收费1~2美元计算，相较于传统客服环节，可节省约80%的单次对话成本。传统订阅制（如按席位收费）逐渐被结果导向型定价（OBP）取代。Salesforce Agentforce按对话次数收费（2美元/次），ServiceNow则采用“价值抽成”模式，保留客户增量价值的10%作为收益。这种模式将软件价值与业务成果绑定。
我们认为，AI 智能体时代，头部客户关系管理企业凭借其核心生态、数据、客户等优势有望强者恒强，市场份额集中度或进一步提升。AI 智能体时代，客户关系管理行业正从“功能竞争”转向“生态+数据+AI”三维竞争。Salesforce凭借技术整合能力、行业专精度及生态协同优势，有望在未来三年内持续提升市场份额，巩固其全球客户关系管理市场绝对领导者地位。主要客户关系管理公司AI相关布局如表3-2所示。
随着AI广告的发展，快手外循环信息流广告有望从中受益。AI对快手广告业务的带动，主要体现在对外循环信息流广告的影响。在日均使用时长方面，AI有助于机器自动理解视频内容并打上更精细的标签，让用户刷视频时获得更加匹配、沉浸的体验，有望增加单用户日均使用时长。2025—2026年市场一致预期的时长稳定在129~130分钟。假设AI对时长有5%~10%的带动效果，则2025—2026年单用户日均使用时长有望分别达到135分钟、143分钟。在eCPM（每千次展示广告收入）方面，AI算法可提升推荐精准度，进而提高广告用户的投资回报率，为广告平台带来更大的收入提升空间。以2025年为例，快手的eCPM为15~16元，假设AI对广告收入有5%~10%的带动效果，则2025—2026年eCPM有望分别提升到15.75元、17.6元。
Meta应用AI改造业务的首要方向仍然是推荐系统，其次是提升用户互动/内容生态。就推荐系统而言，目前Meta的主要路线是对大语言模型进行改造以适用于视频推荐；未来目标是利用单一模型为Meta所有视频生态提供系统支持。从2025年在线测试情况来看，流量增长9.4%，互动率提升18.6%。因此，其增收逻辑为：推荐系统更个性化→用户体验更好→用户使用时长增加→广告库存增加/广告点击率提升→广告收入提升。就内容生态而言，Meta主要引入聊天助理/信息流助手，以提升用户交互体验。例如，用户无须跳转至谷歌搜索即可在站内获取更多信息，也无须翻阅历史聊天记录就能查询过往信息。这一逻辑的增收效果不明显，其价值更多是提升用户体验。
推荐系统分为索引、召回、粗排、精排、重排，Meta提出的策略主要优化了特征处理（索引阶段）并间接影响后续的召回排序。①索引阶段是为视频打标签，以匹配用户标签或兴趣。②系统基于用户特征和项目特征的初步匹配，快速生成一个较大的候选集。特征抽取的质量直接影响召回的效率和效果。③粗排阶段会使用较为简单的模型和特征交互方式，以缩小候选集的规模，去除明显不相关的项目。（算力需求小。）④精排阶段使用更为复杂的模型（如深度学习模型）来进行精确的排序。（算力需求大。）⑤重排阶段考虑更多业务规则和策略，以保证推荐结果的多样性和新颖性。
Meta的GR-24预计能带来约9.4%的流量增长（相比于没有AI的流量），此前AI算法的提升幅度在6%~7%。流量增长意味着广告收入增长，按四年计算，投入资本收益率（ROIC）约为22%（AI 资本性支出包含了部分广告技术的投入，实际生成式推荐系统的ROIC更高）。此外，尚未被合理估计的是点击率或互动率提升（本轮AI算法提升约18.6%，可能带动广告转化率的提升）。
Meta在2024年第二季度财报电话会议中指出，通过引入脸书全屏视频，并采用统一模型推荐所有App的视频信息流，其用户互动（点击率、观看时长）的提升幅度，已经超过了此前从CPU向GPU过渡时所实现的提升。
2025年，国内AI行业渗透率在5%~10%。广告主的AI采用主要集中于内容生成，例如《2025中国数字营销趋势报告》提到“54%的广告主每周使用AI工具”，是AI内容占比提升的基础。广告主首先将AI作为提高生产力的工具，用于生成文案、图片等基础素材，这自然会推高AI生成内容在整体营销素材中的比例。在一些关键渠道，AI内容的占比已有明确数据支撑。以百度为例，2025年4月，其移动搜索结果中已有35%包含AI生成的内容，而这一比例在年初时还仅为22%，呈现出极快的增长速度。这表明，在头部平台的推动下，用户接触到的信息正被AI深刻重塑。
未来AI工具有望拓展至广告投放、用户分析等场景。广告主对AI的最高期待集中在“广告智能投放与优化效率”“用户洞察与数据分析”“产品创新”上。这些场景都与内容紧密相关——无论是优化投放所需的创意素材，还是基于用户洞察生成的个性化信息，都将进一步加速AI内容的生产和应用。
这种从“当前应用”到“未来期待”的转变，揭示了AI营销正从“辅助工具”向“核心决策引擎”演进的清晰路径。秒针系统的数据直观地展示了这一供需缺口：2025年，仅12%的广告主将AI用于广告智能投放和效率优化，却有高达43%的广告主期待AI在此环节发挥更大作用；类似地，2025年仅27%的广告主使用AI进行用户洞察与数据分析，而有41%的广告主将其列为未来的核心期望。这种巨大的期望差，正是AI 智能体等更高级AI应用形态的广阔市场机遇。
AI 智能体的崛起，有望将营销从“人机协同”推向“自主决策”，直接回应广告主对效率和效果的核心诉求。这一趋势将深刻影响不同规模企业的AI采用节奏。根据亿欧智库的预测，大型企业（关键客户）将继续引领AI营销的渗透。其AI 智能体的渗透率预计将从2024年的不足5%增长至2028年的25%。相比之下，中小企业的这一渗透率虽然起步较低（2024年仅2%），但增长同样迅速（增长至2028年的15%）。值得注意的是，大型企业凭借其更高的付费能力和更复杂的业务场景，预计将贡献约79%的业务收入，成为AI营销服务商的核心价值来源。
更重要的是，AI 智能体的普及正在对传统的软件即服务模式进行价值重构。当AI不再仅仅是生成内容的辅助工具，更是能够直接优化广告投放、提升转化率的自主系统时，其商业模式也必然从“按席位收费”转向“按结果付费”。亿欧智库的分析框架指出，这轮变革的核心在于三方面。
第一，定价模式正经历颠覆性变革，以Salesforce的Agentforce和Intercom为代表，按AI成功处理的对话数量或解决问题数量收费的“按结果付费”模式正成为主流。这种模式直接将软件供应商的收入与广告主的营销投资回报率紧密绑定。
第二，商业模式正在向深度合作转型，软件供应商的角色从工具提供方转变为深度参与客户业务流程、共担风险、共享收益的“业务合作伙伴”。
第三，竞争格局正在重构，护城河不再是单一的功能点，而是由“数据飞轮、业务场景和原子化能力”共同构筑的生态系统。拥有海量数据和深度工作流整合能力的平台型公司将建立更强的竞争壁垒。
综上所述，AI在营销领域的渗透率提升，不仅体现在市场规模的扩大和内容生成占比的提高上，更深层次的变革在于其应用场景的深化和商业模式的颠覆。从简单的内容生成工具，到能够自主执行复杂任务并为结果负责的AI 智能体，这一演进路径预示着一个更加智能、高效且价值驱动的营销新时代的到来。
从中长期看，AI+销售/营销有望成长为数千亿级别市场。据艾瑞咨询预测，到2030年，中国AI广告营销业务的市场规模将达到1 278亿元，年复合增长率为10%。其中，2023年，中国广告营销市场总规模高达1.31万亿元。同年，AI广告营销业务规模为656亿元，这意味着AI在整体营销开支中的渗透率仅为约5%。亿欧智库的数据进一步印证了这一点，它预测AI 智能体在大型企业中的渗透率将从2024年的5%快速增长至2028年的25%，中小企业则从2%增长至15%。考虑到整体市场的巨大体量，渗透率每提升一个百分点，都意味着超过百亿元的市场增量。
进一步考虑AI在营销SaaS领域的空间。据弗若斯特沙利文预计，仅营销及销售SaaS解决方案这一细分领域，其潜在市场规模（TAM）将从2022年的1.55万亿元增长至2027年的4.25万亿元。然而，2022年的实际渗透率仅为1.3%，预计到2027年也仅增长至1.8%。因此，2030年前后AI+销售/营销市场规模有望达到2 000亿元。
