一｜榜單全貌：AI 進入多極化競爭新階段2025 年 8 月，a16z 發佈「全球 Top100 消費級 GenAI 應用榜單」。這是迄今最全面的消費級 AI 流量圖譜。Top100 中，美國和中國合計佔據前 16 席，形成‘雙極主導’格局；ChatGPT 依舊穩居全球第一；Google Gemini 牢牢佔據第二；中國 AI 力量全面崛起，DeepSeek、豆包、夸克、Kimi、通義千問均入圍前 20；Grok 借助新模型和 AI 伴侶頭像高速逆襲。👉金句：AI 不再是“百模大戰”，而是“百強分層”。二｜移動端 vs 網頁端：不同的戰場移動端榜單：更貼近 C 端流量入口。豆包拿下全球第 4，美圖、百度 AI 搜尋等齊聚前列，顯示中國團隊在工具類與場景類 AI的優勢。網頁榜單：更偏向 AIGC 重度使用者。DeepSeek 全球第 3，Kimi、通義千問齊聚前列，顯示中國在長文字對話與知識增強 AI上快速突破。👉金句：移動端看使用者量，網頁端看使用深度。三｜中國力量：從追隨到並肩網頁榜 Top20：中國公司佔 5 席，DeepSeek、豆包、Kimi、夸克、通義千問。移動榜 Top20：豆包全球第 4，美圖系貢獻五席，百度 AI 搜尋進入前 10。特色：偏重場景化突破 + 視訊圖像方向優勢。👉金句：在移動網際網路缺席的賽道，中國 AI 正在用“場景優勢”彌補“底層差距”。四｜Google流量曲線：矩陣打法浮現a16z 公佈的 Google AI Properties Traffic 資料，為我們提供了一個動態的流量切片。不同產品之間，形成了一個類似“投資組合”的矩陣：Gemini：月活突破6 億，穩居全球第二。定位全能旗艦，是Google的藍籌股。NotebookLM：從零到2 億，代表知識管理 + 學術工具的爆發需求。屬於高成長股。Google Labs：半年內快速爬升至3 億，作為實驗性入口，承擔孵化與前沿試錯功能，相當於遠期期權。AI Studio：流量不足5000 萬，主要面向開發者群體。雖然不是大眾流量池，但作為底層基建，具備戰略必需性。📊投行邏輯解讀Google的 AI 佈局，不再依賴單一產品突破，而是形成了 “藍籌 + 成長 + 期權 + 基建” 的完整組合。它既能穩住基本盤（Gemini），又能捕捉未來潛在爆發點（NotebookLM、Labs），同時為生態提供底層工具（AI Studio）。👉金句：Google的 AI 戰略，不是單點爆破，而是投資組合。這與 ChatGPT 的‘單點爆破’形成鮮明對照。五｜新概念崛起：氛圍程式設計與 AI 伴侶氛圍程式設計（Vibe Coding）：Lovable、Replit 入榜，代表“寫程式碼”開始被“氛圍式生成”替代。AI 伴侶：Grok 借 AI 頭像功能突圍，Character.ai、JanitorAI 等穩定在前列。👉金句：AI 不只是生產力工具，也在成為“情緒入口”。六｜“全明星”公司：連續五期未缺席的十四家在 a16z 發佈的五期 Top50 網站榜單中，有 14 家公司從未缺席，被稱為“全明星陣容”：ChatGPT、Gemini、Perplexity、Claude、Character.ai、Suno等。這些公司已經構成全球消費者 AI 行為的底層習慣，它們的地位類似投行邏輯裡的“核心資產池”。👉金句：判斷未來格局，先看“誰從未掉隊”。七｜結語：贏家分層，而非贏家通吃AI 百強告訴我們：單點爆破（ChatGPT、DeepSeek）與矩陣打法（Google系）、場景突圍（豆包、美圖、百度 AI 搜尋）正在並存。👉金句：未來格局不是一家獨大，而是不同類型玩家在不同層級並存：有人是藍籌，有人是成長，有人是期權。贏家，不再是通吃，而是分層。 (方到)

生成式AI正在重新定義軟體工程師這個職業！剛剛，吳恩達發表了一篇深度文章，詳細剖析了一個正在快速崛起的新職業——GenAI應用工程師。這群人不僅能用AI積木塊快速搭建強大應用，還能借助AI程式設計助手以前所未有的速度開發軟體系統。值得注意的是，這個職業的技能要求和傳統軟體工程師有極大的不同。AI 時代的樂高玩具吳恩達用了一個絕妙的比喻來解釋AI 積木塊的概念。如果你只有一種樂高積木，你能搭建的結構很有限。但如果你擁有各種各樣的積木，你就能快速組合出複雜而實用的結構。軟體框架、SDK和其他工具就像這些積木塊。如果你只會呼叫大語言模型（LLM）API，這是個好開始。但如果你掌握了更多積木塊類型——提示詞技術、智能體框架、評估工具、防護欄、RAG、語音棧、非同步程式設計、資料提取、嵌入/向量資料庫、模型微調、圖資料庫與LLM結合使用、智能體瀏覽器/電腦使用、MCP、推理模型等等——你就能創造出更豐富的組合。強大的AI積木塊數量還在快速增長。雖然新積木塊不斷湧現，但許多一兩年前的積木塊（比如評估技術或向量資料庫使用框架）今天仍然非常重要。AI 程式設計的生產力飛躍AI 輔助程式設計工具讓開發者的生產力實現了質的飛躍，而且這些工具正在快速進化。Github Copilot在2021年首次發佈（2022年全面推出），開創了現代程式碼自動補全的先河。但很快，新一代AI驅動的IDE如Cursor和Windsurf提供了更好的程式碼問答和程式碼生成功能。隨著LLM的改進，基於它們建構的AI輔助程式設計工具也在不斷進步。現在我們有了高度智能化的程式設計助手，比如OpenAI的Codex和Anthropic的Claude Code（吳恩達特別提到他非常喜歡使用Claude Code，對其能夠自主編寫程式碼、測試和偵錯多次迭代的能力印象深刻）。在熟練工程師手中——那些不只是「憑感覺寫程式碼」而是深刻理解AI和軟體架構基礎、能夠引導系統朝著精心選擇的產品目標前進的人——這些工具使得以前所未有的速度和效率建構軟體成為可能。吳恩達發現，AI輔助程式設計技術的淘汰速度比AI積木塊快得多，一兩年前的技術已經遠離今天的最佳實踐。部分原因可能是，雖然AI建構者可能會使用幾十種（甚至上百種？）不同的積木塊，但他們不太可能同時使用幾十種不同的程式設計輔助工具，因此工具之間的達爾文競爭力量更強。鑑於Anthropic、Google、OpenAI和其他玩家在這個領域的大規模投資，這種瘋狂的發展速度預計會持續下去。額外加分項：產品技能在某些公司，工程師被期望按照像素級完美的產品設計圖編寫程式碼實現。但如果產品經理必須指定每個細節，這會拖慢團隊速度。AI產品經理的短缺加劇了這個問題。吳恩達觀察到，如果GenAI工程師也具備一些使用者同理心和基本的產品設計技能，團隊會進展得更快。這樣，在只獲得高層次指導的情況下（「一個讓使用者查看個人資料並更改密碼的使用者介面」），他們可以自主做出很多決策，至少可以建構一個原型來迭代。面試GenAI應用工程師的關鍵問題在面試GenAI應用工程師時，吳恩達通常會詢問他們對AI積木塊的掌握程度和使用AI輔助程式設計的能力，有時也會考察他們的產品/設計直覺。他發現有一個問題特別能預測他們的技能水平：「你如何跟上AI的最新發展？」因為AI發展如此迅速，那些有好的學習策略的人——比如閱讀The Batch、參加短期課程😃、定期動手實踐建構項目、有一個可以交流的社區——真的能保持領先優勢。相比之下，那些主要依賴社交媒體獲取AI 資訊的人（通常缺乏必要的深度）就會落後。網友熱議Andrew Ng (@AndrewYNg)的這篇文章引發了網友們的熱烈討論。Oboe (@oboelabs)提出了一個關鍵問題：AI輔助程式設計工具正在民主化複雜軟體開發的存取權，這很令人著迷。但軟體設計中人類判斷力和創造力的重要性呢？Faruk Guney (@farguney)認為術語使用很準確：完全正確的術語：生成式AI工程師，而不是籠統地使用AI工程師。Trinity (@Gh4nder)則表達了一種擔憂：AI將在3個月內取代這些人。Shady (@ShadyAlii0)提出了一個深刻的觀點：但我覺得不斷追逐工具對工程師和僱用他們的企業來說都不可持續，特別是對像我這樣的年輕工程師和學生。因為正如你所說，許多僅僅一兩年前的工具現在已經過時和低效，我認為新工具會以更高的頻率出現，因為進步幾乎每隔幾周就會到來。CGW (@cgw888)預測了一個更激進的未來：這種「新型GenAI工程師」最終會被能訪問所有工具和框架的AI取代。最後剩下的工作將是一種產品經理，一邊與不明就裡的利益相關者交談，另一邊與AI交談，但自己既不瞭解所有細節，也沒有銷售或成為VP的軟技能。Pol Avec (@pol_avec)分享了他的見解：非常同意。剛剛做了一個關於「AI是新UI」的演講——解釋了許多技能可以轉化但需要適應。就像從網頁到移動端的轉變一樣，當我們用AI更新當前技術時，還有很多領域需要覆蓋。與現有專業知識結合時，AI知識是一大優勢。Gaurav Chande (@gauravmc)總結道：💯「GenAI應用工程師」感覺就像是創業公司多年來追求的產品工程師的2025年韌體升級版。具有行動偏好和強大產品直覺的通才野獸。那些既關心為什麼又關心如何的開發者。他們的積木塊已經擴展了：智能體框架、MCP、評估、向量資料庫……讓他們能夠更快地交付。產品感不是加分項。它是將所有這些樂高積木變成使用者真正想要的東西的關鍵。 (AGI Hunt)

「 Google什麼都想要 」Google可以說是當下GenAI大模型服務最多的公司，別家有的他也有，別家沒有的他還有。但是到目前為止，真正有口碑的，也就一個NotebookLM。對大模型AI產品的定位再模糊點，也只能再加入一個Colab。這導致每次Google官方牟足勁宣傳新產品的時候，AI頓悟湧現時總會緊張：不會又不好用吧！5月21日，Google I/O 2025全球開發者大會準時炸場。這次與以往一樣，又發不了大量大模型產品，特別是面向開發者服務的AI產品全家桶更新，更是讓人感動到雙眼噙滿淚花。首先是小模型Gemma3n，參數量有5B和8B兩個版本，讓人最心動的是，其能在2GB記憶體的裝置上運行，低配智慧型手機甚至是物聯網裝置都能跑！還有文生視訊模型Flow，全新的圖片生成模型Imagen 4，Google搜尋即將全面升級的AI模式，Gemini也直接整合進Chrome瀏覽器！還有會前公佈的AI Coding產品Jules。最後一項比OpenAI還誇張的訂閱服務，Google AI Ultra直接將價格拉到了249.99美金每月！不太理解這個服務的意義。賣不出去該多尷尬！除此之外，再看開發者服務，Google將自己對標Anthropic MCP的A2A協議，升級到了v0.2版本。新版本著重最佳化了智能體間的通訊驗證，大幅減少了冗餘互動。聽起來，有了這個基礎，普通API就有動力升級為A2A協議，方便智能體呼叫。實用性不評價，還是要看後續是否好用。說不定未來會成為AI智能體開發者重要的交付手段。接下來還有ADK開發工具包，Google不僅升級推出了Python ADK v1.0.0，還誠意滿滿的拿出了Java ADK v0.1.0，惠及更多開發者。簡單總結下來，新服務就這麼多。不過每項仔細盤下來，更新著實不少。這次Google開發者大會，可以明顯看出：Google在用盡一切心思打造好用的小功能，然後意圖依賴這些小功能贏得市場口碑。大即便是當下市場正朝著多模態融合方向狂奔，Google也更願意將不同模態垂直模型分開發展，而不是打造驚豔世人的大而全產品。究其核心，還是Google的使用者體量實在是太大了！Google搜尋長期霸佔全球搜尋市場份額90%以上，Gemini AI應用剛剛公佈的月活資料已經來到4億！GenAI大模型服務極其消耗算力，在沒有明確商業模式的情況下，貿貿然將服務全量投放市場，這麼大的使用者量Google真吃不消。與OpenAI不同，Google作為上市公司要為投資人負責，算力成本必須嚴格控制。特別是GenAI大模型第一個要顛覆的目標，就是搜尋引擎市場，Google更是要謹慎行事，算好帳。畢竟創企有可能通過花小錢服務好一小撮使用者贏得口碑，而Google想扭轉口碑投入成本就要上萬倍！這或許是每次Google大模型服務的宣傳和實際體驗不同的核心原因。近半年，隨著Cursor、MCP的爆火，給了Google四兩撥千斤的啟發：研發出一個個被市場認可的小功能，投入所帶來的市場口碑更加高效。而現在，249.99美金每月的訂閱服務推出，也是Google主動對使用者和服務進行主動分層，管控投入成本的舉措。另一方面，也是Google對自家服務有了自信，只有服務足夠豐富、能力足夠強，才能能賣出這種高價訂閱會員。你看，Google剛發佈的AI程式設計服務Jules，為了狙擊OpenAI Codex就只能直接免會員，每日給5次免費任務。現在的Google，急需挖掘出大量大模型爆款小功能，靠差異化拉高付費資料，度過AI搜尋難關。你看現在Google都開始宣傳AI購物了，接下來應該是要將Amazon一軍，把資本市場的目光從AI搜尋轉移到AI電商。 (AI頓悟湧現時)

一、生成式AI 投資報酬率全景洞察 在科技浪潮的強力推動下，生成式AI 領域投資規模持續攀升，然而市場對其投資報酬率（ROI）的認知卻尚不明晰。摩根士丹利透過建構綜合模型深入研究發現，自2025 年起，生成式AI 有望實現正ROI，至2028年其驅動的收入機會有望接近1 兆美元，為全球科技市場帶來重大變革機會。 從細分市場來看，2025 年生成式AI 貨幣化規模預計超1,530 億美元，其中企業軟體和消費者網路領域分別約590 億美元和940 億美元；資本支出約3,020 億美元，半導體和非晶片資料中心支出分別達1,740 億美元和1,280 億美元；營運成本約1,020 億美元。經核算，2025 年未扣除銷售、研發等費用前的報酬率約510 億美元，貢獻利潤率約34%。至2028 年，貨幣化規模預計將飆升至近1.1 兆美元，企業軟體與消費者網路支出分別達4,010 億美元及6,830 億美元；資本支出成長至5,560 億美元，半導體與非晶片資料中心支出分別為2,800 億美元及2,760 億美元；營運成本達3620 億美元，貢獻 7%。 二、關鍵領域投資機會與動態深度挖掘

2月14日消息，根據Counterpoint Research發佈的最新報告顯示，智慧型手機是我們日常生活中最熟悉的電子裝置。 GenAI與智慧型手機的融合是科技領域的一個令人興奮的發展，有望提高生產效率。然而，這項發展需要在記憶體解決方案上進行變革，並將引發競爭格局的變化。 報告稱，智慧型手機主要用於娛樂目的，因此，頻寬的擴展僅在有限程度上是必要的。隨著智慧型手機對於生產力創新變得越發重要，對頻寬的需求將會增加。然而，這些計算中的大部分將在雲端執行，這在短期內限制了智慧型手機所需頻寬的擴展。 在記憶體內運算（PIM）方面，與由JEDEC 標準化的通用動態隨機存取記憶體（DRAM）不同，PIM 要求記憶體與一到兩家處理器公司的協定相符。因此，不同公司採用PIM 的時間各不相同。 PIM 有可能應用於高階智慧型手機，在不提高速度（提高速度會增加功耗和發熱）和輸入/ 輸出（I/O）數量（增加I/O 數量會增加尺寸和成本）的情況下，實現更高的頻寬。 另外，隨著蘋果Vision Pro 的市場接受度較低，在智慧型手機中使用LLW 的預期也隨之降低。摺疊螢幕手機的出現顯著解決了空間限制問題。

前Google員工出走創立的AI初創公司，一個個都被大科技公司收購了！矽谷吹的這是什麼邪風？外媒總結了一波GoogleAI研究人員創業難的原因，更是「扎心」地給出了一個預言名單，一一點名了眼瞅著就要被大公司收購的企業。 萬眾矚目的AI初創明星公司，才四個月就風光不再了？ 剛剛傳出消息，法國AI初創公司H（原名Holistic），才剛獲得了2.2億美元的種子輪融資，就被曝出聯創出走了！ H的五位聯創中，有三位已經離開了。原因據說是「營運和業務分歧」。

世界智慧財產權組織（WIPO）於7月3日公佈的最新報告指出，近年來隨著生成式人工智慧（Gen AI）的持續火爆，全球Gen AI相關專利的申請量也呈現爆髮式增長，2014年至2023年的十年間累計專利申請量達到了約5.4萬件，但其中約25%都是在2023年申請的。而來自中國的企業在Gen AI相關專利的申請量處於領先地位，比如全球排名前三的騰訊控股、平安保險、百度都是中國企業，這也帶動了中國所擁有的Gen AI相關專利數量位居全球第一，達到了38,210件，佔據了全球約70%的比例，是排名第二的美國的6倍。 生成對抗網路（GAN）領域專利申請量最多 具體來說，WIPO援引EconSight/IFI Claims 的資料，將所有已識別的 GenAI 專利家族都根據專利摘要、權利要求或標題中的資訊被分配到五種不同的模型類型，包括：GAN（生成對抗網路模型）、LLM（大語言模型）、VAE（變分自動編碼器模型）、Diffusion models（主要用於主要用於圖像和音訊生成的擴散模型）、Autoregressive models（自回歸模型）。不過， GenAI 專利家族中的很多都不適合任何特定的模型類型，許多 GenAI 專利在專利摘要、權利要求或標題中不包含有關所用特定模型的關鍵字，而是專注於描述專利的用例，僅對所使用的 GenAI 流程進行一般性描述。這使得尋找專利並將其對應到五個核心 GenAI 模型變得困難，這些模型在內容上也存在一些重疊。因此，自 2014 年以來，只有大約 25% 的所有 GenAI 專利家族出版物可以對應到這五個模型之一上。 在 GenAI 的核心模型中，許多專利家族屬於GAN模型類別。2014 年至 2023 年間，屬於此類模型的專利家族出版物數量接近 9,700 份，僅 2023 年就發佈了近 2,400 個專利家族。VAE模型 和 LLM模型是所申請的專利家族數量第二多和第三多的模型，2014 年至 2023 年間申請的專利家族數量分別約為 1,800 和 1,300 個。

6月1日消息，根據市場調研機構 Counterpoint Research 最新發佈的報告顯示，2024年第一季度，具備GenAI（生成式人工智慧）功能的智慧型手機在全球智慧型手機銷量當中的佔比已經達到了6%，較上一季度的1.3%增長了超過3倍。 Counterpoint Research稱，在2024年第一季度，高端智慧型手機（批發價格 > 600 美元）佔 GenAI 功能智慧型手機銷量的 70% 以上。從機型數量來看，在第一季度期間，具備 GenAI 功能的智慧型手機型號數量就從 16 個增加到超過30個。 從前十大最暢銷的GenAI智慧型手機排名來看，三星Galaxy S24 Ultra以30.1%的份額排名第一，緊隨其後的則是三星Galaxy S24（16.8%）和三星Galaxy S24 Plus（11.5%），即三星Galaxy S24系列合計拿下了58.4%的市場份額。該系列機型的聊天 / 筆記助手、畫圈即搜和即時翻譯等 GenAI 功能受到了使用者的廣泛歡迎。 在三星Galaxy S24系列之後的前十機型分別是小米14（7.7%）、vivo X100（4.9%）、小米14 Pro（4.0%）、OPPO Find X7（3.2%）、OnePlus 12（2.7%）、榮耀Magic 6（2.6%）和GooglePixel 8 Pro（2.2%）。