摩根士丹利傳奇分析師Mary Meeker近期發佈了340頁的《AI趨勢報告》，被矽谷譽為“AI時代藏寶圖”，以下是播客與文字精華內容分享01. AI趨勢報告深度解析報告背景與權威性摩根士丹利傳奇分析師Mary Meeker發佈340頁《AI趨勢報告》；這是她沉寂六年後的重磅研究成果。該報告被矽谷譽為“AI時代藏寶圖”，曾精準預言網際網路、移動社交、亞馬遜崛起等關鍵趨勢，馬雲稱其報告為“最重要的情報來源之一”。核心趨勢解讀⬇️⬇️趨勢1：ChatGPT標誌物種級躍遷資料亮點：ChatGPT 17個月使用者即刻破8億，兩年觸達3650億次年搜尋量（Google耗時11年才達到的5.5倍）；顛覆性意義：歷史上首個因“生產力工具”屬性（非娛樂/社交）獲海量使用者的應用，80%呼叫用於寫程式碼、改文案、財務建模等實際工作；本質：人類對“能力增強”的渴望超越娛樂需求，預示“認知能力外包”成為新常態。趨勢2：極端成本分層重構遊戲規則訓練成本：GPT-4訓練需數億美元，僅微軟、Google等巨頭可承擔；使用成本：推理成本較2020年下降超90%，邊緣裝置部署使呼叫趨近免費。啟示：工業革命對比：19世紀需鋼鐵廠、20世紀需晶片廠，如今僅需API Key即可接入頂級智能體；機會窗口：技術分層下，中小企業可低成本呼叫AI，但多數企業仍處觀望狀態。趨勢3：開源模型逼近GPT-4能力邊界代表模型：DeepSeek、Llama 3、千問等開源模型性能接近GPT-4，且完全免費；落地場景：企業可用數千元預算訓練專屬AI（如客服、財務顧問），10天“喂養”出業務專家；即插即用平台（如Perplexity）降低部署門檻，實現“美團式一鍵上線”。趨勢4：新物種企業搶佔生態位案例：Spotify：AI翻譯播客覆蓋29種語言，轉型為“AI內容分發網路”；餐飲企業：AI調度庫存/排班，節省數十億美元營運成本，本質是“AI營運網路”；關鍵區別：非“舊業務+AI工具”，而是徹底重構為AI原生組織。趨勢5：AI架構師成為新時代統治者階層分化：AI消費者：僅會使用ChatGPT的普通使用者；AI統治者：能建構AI系統、調度多模型、設計閉環流程的架構師，應當具備四項核心能力：—— 業務抽象能力—— 多模型調度能力—— 資料治理能力—— 系統閉環思維趨勢6：AI吞噬組織結構而非崗位案例：摩根大通：AI將8層審批流程簡化為“AI篩+人類判例”，效率提升10倍；醫療場景：AI生成電子病歷，醫生產能提升2-3倍。組織重構：傳統架構：老闆→部門→員工；AI時代架構：流程AI為核心，人類按需補位（員工如API介面被呼叫）~行動建議企業：從“AI工具使用者”進化為“AI原生物種”，重構流程而非最佳化舊業務；優先培養/招募AI架構師，建構資料→決策→執行的閉環系統。個人：從“崗位思維”轉向“介面能力”，聚焦不可替代的認知價值；警惕“被系統冗餘”，主動成為AI流程中的關鍵節點；未來已來：這場變革非工具升級，而是組織形態與人類能力的範式轉移。02. 部分匯報的資料與評價情況AI發展速度“前所未有”（Unprecedented）報告以 “Unprecedented” 貫穿始終，強調AI在使用者增長資本投入技術迭代速度上均超越歷史任何技術浪潮 。核心趨勢與洞察1. 使用者與滲透率：指數級爆發ChatGPT 僅用 2個月 達成1億使用者，17個月 突破8億周活使用者（WAU），增速超Netflix（10年）Instagram（2.5年）；中國 DeepSeek 上線 4個月 使用者達 5400萬，34%來自中國，9%來自俄羅斯；美國企業AI滲透率 Q1環比增長21%，AI相關職位增長 448%（非AI職位下降9%）。2. 算力成本：訓練天價 vs 推理成本驟降訓練成本：2016–2024年增長 2400倍，頂尖模型訓練成本 2025年或達10億美元；推理成本：NVIDIA Blackwell GPU 推理效率較2014年提升 105,000倍，推動開發者生態爆發；開源模型激增：Hugging Face 模型數量 16個月增長33倍。3. 商業化路徑：從工具收費到“嵌入式智能”AI醫療裝置（如FDA認證產品）即時定價最佳化等垂直領域率先變現；開源模型衝擊商業壁壘：開發者分散使用多平台（OpenAIAnthropicMeta等），形成“開發者主導的基礎設施飛輪”；AI縮短醫療研發周期 30%-80%（如Insilico Medicine藥物研發）。——————————————————————————#物理世界融合：AI成為“數字大腦”礦業：KoBold Metals 用AI提升勘探效率；農業：Carbon Robotics除草機器人減少10萬加侖除草劑使用；國防：Anduril收入連續兩年翻倍；自動駕駛：特斯拉FSD行駛里程 33個月增長100倍。#開發者生態：全民化與高活躍度AI工具採用率從2023年 44% 升至2024年 63%；GitHub AI開放原始碼專案 16個月增長175% ；Google開發者月處理Token量 1年內增長50倍（9.7兆→480兆）。#地緣競爭：中美雙極格局美國：領先模型創新晶片設計雲端運算 ；中國：國家隊與科技巨頭協同推進，開源生態基建投入使用者信心度全球領先 ；引用Meta CTO觀點：“AI領導力或催生地緣政治領導地位” 。 (毓加有為)

昨天發現Mary Meeker又重新開始發佈她每年一次的《網際網路趨勢報告》，只不過這次開始叫《人工智慧趨勢報告》了，整份報告有 340 頁，非常詳細的分析了AI領域的現狀。這篇內容就找幾個報告裡的有意思的頁面分析一下，之後還有我用NotebookLM總結的詳細文字內容，我還翻譯了一份報告的雙語版本，文章最後可以下載。先介紹一下Mary Meeker和她的《網際網路趨勢報告》：Mary Meeker是美國風險投資家，曾就職於摩根士丹利和凱鵬華盈，2018創立了自己的風投公司邦德資本（BOND）。她主要專注於網際網路與新技術領域投資，現為舊金山風投公司 BOND 的創始人和普通合夥人。Meeker被譽為"網際網路女王"。Meeker的《網際網路趨勢報告》曾是科技投資者最為期待的年度報告之一。自 1995 年她擔任摩根士丹利科技分析師起，直至 2019 年，她每年都會發佈這份報告。該報告包含塑造網際網路的主要趨勢、消費者行為及文化變遷的資料與分析。 該報告最後一次發佈是在 2019 年 Vox/Recode 的 Code 大會上，這次終於回歸了。看幾頁有意思的這是美國計算相關專利授權數量的一份報表，可以看到第一次加速是在1995年網景公司IPO的時候，標誌著網際網路時代的開始，專利數量開始急劇上升。之後從2004年就開始放緩，標誌的網際網路時代的發展也開始變慢了。然後在2022年ChatGPT發佈之後專利數量又一次開始爆發式增長，而且比1995年更猛，短短兩年就有6000份。技術變化周期正在加速，通過更好、更快、更便宜帶來了更多的裝置和更高的增長速度。從90年PC時代的3億裝置開始到現在AI移動網際網路使得裝置增長到了數百億這個量級。同時基礎設施演變也在變快1960年代至今的主要計算基礎是CPU，之後過渡到巨量資料/雲端運算，10年以後CPU重要性不斷下降，發展也變得停滯，開始轉向GPU，同時在GPT發佈後徹底爆發。這張圖反映了1950 開始的模型訓練計算量（FLOP：（浮點運算）是衡量AI模型訓練所需計算能力的基本單位）增長趨勢。可以看到在10年以後開始了爆發式增長，每年的增長率都超過了360%，這意味著計算量每年增長4.6倍，15年累計增長超過10¹⁰倍（100億倍）這個規模遠遠超過了摩爾定律。這是ChatGPT和Google在相對時間軸上搜尋量的對比。達到3650億年搜尋量的時間， ChatGPT比Google快5.5倍！用兩年的時間就走完了Google 11年才走完的路。主要的歷史背景差異有：Google時代網際網路普及率低、需要教育使用者什麼是搜尋引擎、寬頻接入有限。到了ChatGPT時期全球網際網路高度普及、使用者已熟悉數字工具、社交媒體助力病毒式傳播導致AI概念被快速接受。種種因素導致AI普及的速度遠超當時的搜尋引擎。這張圖展示了一些著名的網際網路產品達到1億使用者所用的時間。可以看到由於上面說的原因整體大幅縮短，ChatGPT甚至只用了約2.4個月。早期平台（2000-2005）達到1億使用者普遍需要4-10年，而到了AI時代這個速度縮短到了幾個月。摩根大通在投資者服務、營運最佳化和顧問支援三個核心領域全面部署AI。預計2年內AI/ML創造的價值將增長65%，顯示出強勁的投資回報，既通過新業務創造收入，又通過自動化降低成本和風險，雖然已經看到生產力提升，但仍認為處於"早期階段"。所有 AI 公司的收入倍數都遠超傳統軟體公司。OpenAI的年化收入是92億美元，但是估值高達3000億美元，收入倍數達到了33倍。Perplexity 是最猛的收入和估值比例達到了tmd 75倍，投資者更看重增長潛力而非當前收入，當然這麼搞也是有代價的，最近一輪融資明顯困難了很多。目前AI投資就是高收入增長 + 高現金消耗 + 高估值 + 高投資水平。整個PPT 8個部分的詳細總結用NotebookLM總結了一下整個PPT內容，同時做了一個網頁來展示：https://www.youware.com/editor/7b962bc0-da28-4550-9d10-9c8532135d4c變革速度似乎比以往任何時候都快？是的，確實如此核心結論人工智慧技術的演進速度和範圍是前所未有的，資料支援了這一點。變革的速度比以往任何時候都要快。支援論據使用者增長速度對比人工智慧使用者和使用趨勢的增長速度比網際網路快得多人工智慧正在以前所未有的方式快速提升知識及其分發水平OpenAI的ChatGPT於2022年11月發佈，其極其易用/快速的使用者介面使其大型語言模型（LLMs）"找到自由"歷史性突破ChatGPT基於使用者/使用/變現指標，是歷史上最大的"一夜成功"（成立九年後）人工智慧驅動的資訊訪問和流動演進速度快得多ChatGPT在2年內（2024年）達到了3650億年搜尋量，而Google達到這一數字用了11年（2009年）技術里程碑生成式AI（以2022年11月ChatGPT的公開發佈為標誌）被視為AI的"iPhone時刻"，ChatGPT創下了獨立產品使用者增長最快的記錄（5天達到100萬使用者）人工智慧是網際網路基礎設施之上的復合層，使得易用的廣泛興趣服務能夠快速被採納技術的永恆"啊哈"模式——成本下降+性能提升→採用率上升——正在人工智慧領域重演人工智慧使用者 + 使用量 + 資本支出增長 = 前所未有核心結論人工智慧的使用者、使用量和資本支出（CapEx）增長是前所未有的，這得到了呈"右上"趨勢的使用者、使用量和收入圖表的支援。支援論據（使用者/使用量）使用者增長速度ChatGPT使用者在十七個月內（2022年10月至2025年4月）增長了8倍，達到8億ChatGPT移動應用在3年內（截至2025年5月）在其當前使用者群中達到了90%的覆蓋率，而網際網路（截至2022年）達到同樣比例的使用者覆蓋用了23年使用者規模對比ChatGPT達到1億使用者用了0.2年，遠快於TikTok（0.9年）、Instagram（2.5年）、Spotify（4.5年）和Netflix（10.3年）ChatGPT達到100萬使用者用了5天，遠快於iPhone（74天）、TiVo（1680天）或福特Model T（約2500天）市場滲透率美國人工智慧時代達到50%家庭滲透率可能需要3年，這遵循了每個技術周期所需時間大致減半的模式人工智慧的使用正在消費者、開發者、企業和政府中激增工作場景應用超過72%的受訪美國在職成年人表示使用AI聊天機器人極大地/非常大地幫助提高了工作質量並加快了工作速度美國18-24歲的學生主要將ChatGPT用於研究、解決問題、學習和獲取建議美國成年人中使用ChatGPT或其他AI工具的比例在所有年齡段都在上升，尤其是在18-29歲和30-49歲人群中增長顯著使用者參與度美國活躍使用者在ChatGPT應用上每日花費的時間在二十一個月內（2023年7月至2025年4月）增長了202%同期，每日會話次數增長了106%，平均會話時長增長了47%ChatGPT的留存率（衡量上周使用者本周再次使用的比例）在二十七個月內為80%，高於Google Search的58%開發者生態系統開發者使用量正在上升。每代幣推理成本下降正在推動開發者使用量的增長NVIDIA AI生態系統的開發者數量在四年內（2021-2025）增長了2.4倍，達到600萬。AI初創公司增長了3.9倍，達到2.7萬。使用GPU的應用程式增長了2.4倍，達到4千Google AI生態系統的全球開發者數量在一年內（2024年5月至2025年5月）增長了5倍，達到700萬Google產品和API處理的月度代幣數量在一年內增長了50倍，超過480兆微軟Azure AI Foundry處理的季度代幣數量在一年內（2024年第一季度至2025年第一季度）增長了5倍，超過100兆有超過7萬家企業和數字原生公司正在使用Azure AI Foundry開發者工具採用在開發過程中使用AI的開發者比例從2023年的44%上升到2024年的63%GitHub上的AI開發者倉庫：在十六個月內（2022年11月至2024年3月）增加了約175%支援論據（資本支出）基礎設施投資技術超大規模營運商的資本支出預算日益向專用晶片、液冷和前沿資料中心設計傾斜2019年，AI只是一個研究特性；到2023年，它已成為資本支出的一個主要項目支出增長趨勢美國六大科技公司的資本支出在十年內（2014-2024）年均增長21%六大科技公司的資本支出加速增長，從2023年到2024年同比增長63%六大科技公司的資本支出佔收入的比例在2024年為15%，而十年前為8%具體投資資料亞馬遜AWS用於AI/ML基礎設施建設的資本支出佔收入的比例在2024年為49%，而2013年用於初始雲基礎設施建設的比例為27%全球資料中心支出在2024年達到4550億美元，並且還在加速美國資料中心年度私人建築價值在兩年內（2022年1月至2024年12月）年均增長49%，加速於之前八年的28%年均增長資料中心容量美國資料中心容量：新建容量（已預租或在建）在四年內（2020-2024）增長了16倍，而現有容量（新增填充）增長了5倍技術資本支出的主要受益者是NVIDIA。NVIDIA資料中心收入在2024年佔全球資料中心資本支出的25%且呈上升趨勢財務支撐六大科技公司擁有大量現金和自由現金流可用於AI和資本支出自由現金流在十年內增長了263%，到2024年達到3890億美元資產負債表上的現金在十年內增長了103%，到2024年達到4430億美元訓練成本訓練成本極高且快速上升，目前每個模型的訓練成本通常超過1億美元Anthropic首席執行官Dario Amodei指出，目前正在訓練的模型成本更接近10億美元，而100億美元模型的訓練可能在2025年開始前沿AI模型估計訓練成本在八年內（2016-2024）增長了約2400倍推理成本趨勢AI總支出中越來越多地轉向推理。推理持續發生，涉及數十億次的提示、查詢和決策，而模型訓練是周期性的亞馬遜首席執行官Andy Jassy指出，推理將佔未來AI成本的絕大部分單位推理成本的降低正在推動總體支出的增加。隨著推理變得更便宜，AI的使用量增加；隨著AI使用量增加，總基礎設施和計算需求上升，再次推高成本人工智慧模型計算成本高/上升 + 推理成本每代幣下降 = 性能趨於一致 + 開發者使用量上升核心結論人工智慧模型的計算成本高且正在上升，而每代幣的推理成本正在下降。這導致性能趨於一致，開發者使用量上升。支援論據（計算成本高/上升）訓練最強大的LLMs已成為人類歷史上最昂貴/資本密集的工作之一。訓練成本極高且快速上升，目前每個模型訓練成本通常超過1億美元前沿AI模型估計訓練成本在八年內（2016-2024）增長了約2400倍Anthropic首席執行官Dario Amodei估計，100億美元模型的訓練可能在2025年開始支援論據（推理成本每代幣下降）每代幣成本的下降使得新技術進步變得越來越強大、易於獲取且經濟上可行NVIDIA的2024年Blackwell GPU生成每代幣所需的能量比其2014年Kepler GPU前身低105,000倍面向客戶的AI推理價格（每100萬代幣）在兩年內（2022年11月至2024年12月）降低了99.7%推理成本正在快速下降。推理代表了一條新的成本曲線，它不像訓練成本那樣向上，而是向下彎曲推理服務正變得廉價。過去花費數美元的工作現在可能只需要幾美分，而過去花費幾美分的工作可能很快只需要幾分之一美分支援論據（性能趨於一致）輸出質量在不同玩家之間趨於一致，差異化變得更加困難性能趨於一致正在改變模型選擇的考量。頂級前沿模型與更小、更高效的替代模型之間的差距正在縮小LMSYS Chatbot Arena上頂級AI模型的性能隨時間推移呈現趨於一致的趨勢（2024年1月至2025年2月）模型性能對比封閉源模型與開源模型的性能差距正在縮小，中國正在崛起。DeepSeek R1（中國）在2025年1月的MATH Level 5測試中得分93%，而OpenAI的o3-mini得分95%阿里巴巴、Meta和DeepSeek的模型在各種推理和知識基準上表現出與OpenAI和Anthropic競爭的性能多模態發展多模態AI模型正在出現，整合文字、圖像、音訊、視訊和感測器資料大型多模態模型發佈的數量在兩年內（2022-2024）增加了1150%大型語言模型發佈數量增加了420%，圖像模型同比增長109%，語音/音訊模型同比增長367%，視訊模型同比增長120%AI性能突破AI性能在2024年超越了MMLU基準測試中的人類精準度和真實感水平在2025年第一季度的圖靈測試中，73%的AI回應被測試者誤認為是人類生成的AI生成的圖像、音訊翻譯/生成越來越逼真支援論據（開發者使用量上升）開發者使用量正在上升推理成本的崩潰（降低99.7%）使得實驗成本低廉、迭代快速、產品化可行，幾乎任何人都可以實現對開發者而言，原始能力、定製化和成本效率比精緻的產品體驗更重要。開發者正傾向於使用低成本、高性能的開源模型基礎模型生態基礎模型的激增（OpenAI、Meta、Mistral、Anthropic、Google、Microsoft等）創造了新的靈活性，減少了供應商鎖定，並賦予了開發者權力在開發過程中使用AI的開發者比例從2023年的44%上升到2024年的63%GitHub上的AI開發者倉庫：在十六個月內（2022年11月至2024年3月）增加了約175%平台使用增長Google AI生態系統：處理的月度代幣數量在一年內（2024年5月至2025年5月）增長了50倍，超過480兆。使用Gemini進行開發的全球開發者數量在一年內增長了5倍，達到700萬微軟Azure AI Foundry：處理的季度代幣數量在一年內（2024年第一季度至2025年第一季度）增長了5倍，超過100兆Meta Llama下載量：在八個月內（2024年8月至2025年4月）增長了3.4倍。Llama 4發佈後短短十周內下載量超過12億Hugging Face上可用的AI模型數量：從2022年3月的約3.5萬增加到2024年11月的116萬，增長了33倍人工智慧使用量 + 成本 + 虧損增長 = 前所未有核心結論人工智慧的使用量、成本和虧損增長是前所未有的。支援論據（成本/虧損增長）訓練成本持續攀升訓練成本仍然極高且快速上升。前沿AI模型估計訓練成本在八年內增長了約2400倍（2016-2024）OpenAI的計算支出在2024年估計為負50億美元通用LLMs的經濟效益看起來像具有風險投資規模消耗的商品業務融資與估值部分私人AI模型公司（OpenAI、Anthropic、Perplexity、xAI）迄今已融資約950億美元，而年化收入僅為110億美元以上（截至2025年5月）這些公司具有較高的估值與收入比倍數（例如，OpenAI 33倍、Anthropic 31倍、xAI 75倍）OpenAI估計的企業價值/未來12個月收入倍數（30倍）相較於其他上市科技公司的中位數6.9倍顯得昂貴大型科技公司財務影響六大科技公司的資本支出上升（2023-2024年同比增長38%至63%），自由現金流利潤率下降（Microsoft -10%、Amazon -8%、Alphabet -8%、Meta <1%）歷史燒錢案例對比歷史上的積極燒錢和虧損例子，最終實現了盈利：．亞馬遜在第一個淨收入為正的年份之前，在27個季度內虧損了30億美元．優步在2016年至2022年期間燒錢170億美元．特斯拉在2009年至2018年期間燒錢92億美元這些公司最終建立了大規模資料驅動的網路效應和技術驅動的競爭優勢人工智慧變現威脅 = 競爭加劇 + 開源模型勢頭增強 + 中國崛起核心結論人工智慧變現面臨來自競爭加劇、開源模型勢頭增強以及中國崛起的威脅。支援論據（競爭加劇）市場競爭態勢科技巨頭、新興競爭者和主權國家之間的競爭正在加速更多傳統科技公司已將其大部分可觀的自由現金流導向人工智慧全球競爭激烈，尤其是中美科技發展之間的競爭競爭激烈程度前所未有的競爭來自眾多由創始人驅動/協助（例如蘋果）且市值超過1兆美元、毛利率超過50%並擁有自由現金流的公司，它們在相對透明的世界中同時爭奪同一機會，再加上中美兩大強國之間的高風險競爭通用LLMs的經濟效益看起來像具有風險投資規模消耗的商品業務競爭前所未有技術競爭表現隨著推理變得更便宜，LLM提供商在延遲、正常執行階段間和每代幣成本方面的競爭加劇基礎模型（OpenAI、Meta、Mistral、Anthropic、Google、Microsoft等）的激增各種模態的大型AI模型發佈數量快速增加（多模態：兩年內增長1150%；語言：兩年內增長420%；視覺：同比增長109%；語音/音訊：同比增長367%；視訊：同比增長120%）市場份額競爭網站存取量：OpenAI ChatGPT領先（2025年4月全球網站存取量51億次），但DeepSeek和xAI Grok也在上升（2025年4月分別有1.96億和4.8億次訪問）xAI Grok在2025年2月至3月期間全球網站存取量環比增長294%，是增長最快的AI助手產品發佈節奏密集：Google、微軟、Anthropic和OpenAI在2025年5月19日當周發佈了大量AI產品，凸顯了競爭的激烈程度技術顛覆規律歷史表明，早期經歷了狂熱、資本形成、殘酷競爭，最終出現了明確的贏家和輸家贏家不總是擁有最好技術的人，而是那些能清楚預見行業或市場發展方向的人如果沒有進入壁壘，先發優勢很容易喪失支援論據（開源模型勢頭增強）開源技術普及開源普及使得新技術進步變得越來越強大、易於獲取且經濟上可行開源模型正在復興，因為它們成本較低、能力不斷增強，並且開發者和企業更容易獲取Hugging Face等平台使得下載Meta的Llama或Mistral的Mixtral等模型變得無障礙開源生態發展開源AI被描述為現代科技時代的"車庫實驗室"：快速、混亂、全球化且協作激烈在消費者月活躍使用者（MAU）方面，封閉源模型佔據主導地位（OpenAI ChatGPT和Google Gemini份額較大），但開源模型（DeepSeek、xAI Grok、Perplexity、Anthropic Claude）也擁有龐大的使用者群性能差距縮小性能差距縮小：開源模型的性能正在縮小差距，而且速度快於許多人的預期Llama 3和DeepSeek等模型表現出具有競爭力的推理、編碼和多語言能力DeepSeek R1（中國）在2025年1月的MATH Level 5測試中得分93%，而OpenAI的o3-mini得分95%開發者偏好開發者AI模型活動：開發者傾向於低成本、高性能的開源模型Meta Llama下載量在八個月內（2024年8月至2025年4月）增加了3.4倍Hugging Face上可用的AI模型數量從2022年3月到2024年11月增加了33倍支援論據（中國崛起）地緣政治競爭全球競爭激烈，尤其是中美科技發展之間的競爭。AI領導力可能帶來地緣政治領導力自2015年"中國製造2025"倡議以來，中國在機器人、電氣化和IT/AI等戰略性領域的實力顯著加速發展戰略應用中國的AI能力支撐著戰場後勤、目標識別、網路作戰和自主決策平台等國家戰略領域AI已整合到非作戰支援功能（軍醫院），並致力於戰略技術的"自主創新"技術發展根據發佈的大型AI模型數量，中國在開源競賽中領先（2025年有三個notable的發佈）DeepSeek CEO承認中國AI在原創性方面與美國存在差距，但強調需要從跟隨者轉變為貢獻者性能追趕中國的AI模型正在追趕美國模型的性能。DeepSeek R1（中國）在MATH Level 5測試中得分93%，而OpenAI的o3-mini得分95%中國的模型（阿里巴巴Qwen 2.5 72B、Meta Llama 3.1 405B、DeepSeek）在各種基準測試中表現出具有競爭力的性能成本效率中國的LLMs正在以較低的訓練成本實現高性能百度ERNIE 4.5 Turbo比競爭對手便宜得多（DeepSeek V3的40%，GPT-4.5的0.2%），同時在多模態任務中匹敵或超越GPT-4.1和GPT-4o產業基礎中國的LLMs越來越多地由本地半導體支援（華為向受NVIDIA出口限制影響的客戶供應先進AI晶片）中國工業機器人安裝基數高於世界其他地區總和。這一數字在2014年至2023年間顯著增長使用者市場中國消費者AI使用情況：使用者正在大規模轉向本地模型中國MAU排名前十的AI應用均為國內開發DeepSeek、Kimi、Nami AI和ERNIE Bot均擁有數千萬使用者DeepSeek移動應用：在四個月內（2025年1月至2025年4月）增長到5400萬MAU，使用者主要集中在中國（33.9%）和俄羅斯（9.2%）市場態度中美公民對AI益處的看法對比：中國公民對AI的淨益處明顯更樂觀（2024年中國為83%，美國為39%）供應鏈與貿易更廣泛的中美經濟貿易緊張局勢因對戰略技術輸入（稀土元素、半導體）的控制權競爭而升級美國優先考慮半導體製造業回流並與盟友合作以減少對中國供應鏈的依賴台灣台積電（TSMC）至關重要，生產全球80%-90%的最先進半導體美國智慧財產權仍然面臨風險，中國公司正試圖"提煉"美國領先AI公司的模型技術發展被視為國家韌性和地緣政治力量的戰略槓桿全球市場地位全球公共市場市值領先者：美國佔據主導地位（2025年5月排名前30的公司中有83%來自美國，而1995年12月為53%），但中國已崛起，在排名前30的公司中有2家（騰訊和工商銀行）全球科技市場市值領先者：美國也佔據主導地位（2025年5月排名前30的公司中有70%來自美國，而1995年12月為53%），中國已崛起，有3家公司（騰訊、阿里巴巴、中國移動）中國的AI響應時間比1995年的網際網路快得多人工智慧與物理世界的快速發展 = 快速 + 資料驅動核心結論人工智慧與物理世界的發展既快速又資料驅動。人工智慧在物理世界的勢頭和變現尤其引人注目。物理世界代理（physical agents）正在興起。支援論據自動駕駛領域自動駕駛車隊（Waymo、特斯拉FSD）正在創收，通過日益自主的軟體循環記錄了數百萬英里的自動駕駛里程特斯拉累計完全自動駕駛里程在三十三個月內（2022年6月至2025年3月）增加了約100倍埃隆·馬斯克指出，FSD版本12用神經網路取代了C++程式碼，並認為特斯拉可能是世界上AI推理效率最高的公司Waymo發展Waymo全自動駕駛汽車：在二十個月內（2023年8月至2025年4月），其在舊金山叫車服務市場的份額從0%增長到27%Waymo致力於建構一個端到端的、非常強大的、多模態基礎系統，用於感知、規劃和預測汽車智能化Applied Intuition（車輛智能）：服務於汽車、卡車、建築和國防領域2024年為全球前20大汽車原始裝置製造商（OEM）中的18家提供服務其AI驅動的工具、自動駕駛軟體和車輛作業系統正在加速被傳統OEM採用國防AI應用Anduril（美國國防AI）：AI賦能的自主系統其收入在過去兩年（2023財年、2024財年）同比增長2倍認為目前的國家安全挑戰離不開AI賦能的系統和大規模自主技術AI採礦勘探KoBold Metals（AI驅動的採礦勘探）：正在扭轉勘探效率低下的趨勢利用機器學習模型和各種資料集來識別潛在礦點其發現礦點的效率（每10億美元勘探支出）高於行業平均水平農業AI應用Carbon Robotics（AI驅動的農業現代化）：LaserWeeder利用AI深度學習模型和電腦視覺軟體來清除雜草截至2025年5月，累計雷射除草面積已超過23萬英畝這防止了超過10萬加侖的草甘膦使用該技術解決了農民面臨的勞動力挑戰智能放牧Halter（AI驅動的智能放牧）：使用AI驅動的項圈進行放牧管理2024年新增合同項圈數量同比增長150%旨在為牧場主帶來更高的生產力和可持續性技術變革人工智慧將資本資產轉變為軟體端點智能，一旦侷限於螢幕，現在變得具有動能人工智慧從一開始就推動的全球網際網路使用者增長 = 前所未有的增長核心結論人工智慧從一開始就推動的全球網際網路使用者增長是我們從未見過的。支援論據新使用者上網機會得益於低成本的衛星網際網路（如Starlink）的興起，目前未上網的26億人（佔世界人口32%）有機會上網的可能性正在增加新使用者上網時可能不會遇到瀏覽器和搜尋框，而是直接從AI開始，使用他們的母語進行互動技術架構變革代理優先的網際網路體驗可能顛覆現有的科技層級結構贏家將是那些擁有介面的公司，而不是擁有應用程式的公司全球網際網路普及全球網際網路使用者：在過去三十三年裡實現了驚人的增長，達到55億使用者全球網際網路普及率在2024年達到68%，高於十九年前的16%除南亞和撒哈拉以南非洲外，所有地區普及率均超過70%城市普及率（83%）高於農村（48%）全球網際網路使用者在2024年同比增長6%，並且還在加速AI應用全球擴張ChatGPT移動應用：在二十三個月內（2023年5月至2025年4月）達到5.3億MAU顯示出在全球範圍內的增長主要使用者國家包括印度（13.5%）、美國（8.9%）和印度尼西亞（5.7%）DeepSeek移動應用：在四個月內（2025年1月至2025年4月）達到5400萬MAU，使用者主要集中在中國（33.9%）和俄羅斯（9.2%）衛星網際網路發展新的網際網路使用者增長得益於AI和衛星技術SpaceX Starlink在全球軌道/衛星發射市場份額中不斷上升Starlink擁有超過500萬使用者，在3.2年內實現了202%的年增長其覆蓋範圍正在全球擴張Starlink在人工智慧時代為偏遠社區、學校、火車和船舶等各種用例解鎖了以前無法訪問的網際網路連接人工智慧與工作演進 = 真實 + 快速核心結論人工智慧與工作的演進既真實又快速。人工智慧正在從根本上改變我們的工作方式。支援論據認知自動化興起除了物理自動化（機器人、無人機）的興起，認知自動化（AI系統能夠推理、創造和解決問題）也在興起AI認知能力的提升速度令人驚嘆；自ChatGPT在2022年11月發佈以來，其推理能力已從高中生水平提升到博士生水平工作影響範圍依賴結構化歷史資料並輸出基於規則的決策和判斷的職業，正完全處於生成式AI的核心能力範圍內勞動力單位可能從人類工時轉向計算能力歷史表明，技術進步提高了生產力和效率，並創造了新的就業機會，但這次發生得更快未來工作模式在一個極端的代理（agent）未來中，人類的角色轉向監督、指導和訓練（例如，教機器人複雜的動作，為RLHF提供人類反饋）Physical Intelligence和Scale AI等公司正在基於人類負責訓練和最佳化機器的觀點建構業務企業AI應用實例Shopify的AI轉型Shopify CEO內部備忘錄：反思性地使用AI已經成為一個基本期望AI是一個思維夥伴、深度研究員、評論家、導師和結對程式設計師這是他職業生涯中工作方式變化最快的轉變有效使用AI是Shopify每個人的基本期望；選擇不學習AI技能是不可行的Duolingo的AI-first戰略Duolingo CEO全員備忘錄：Duolingo將成為AI-first的公司AI不僅提高了生產力，還幫助他們大規模建立內容（例如，國際象棋等新課程）成為AI-first意味著需要重新思考工作方式AI的使用將成為招聘和績效評估的一部分只有當團隊無法進一步自動化工作時才會增加人員大多數職能部門將從根本上改變其工作方式企業採用趨勢美國企業對AI的採用正在上升在2025年第一季度，使用AI的美國企業比例達到約7%，環比增長21%AI應用目標僱主正在採用AI來提高生產力公司AI/LLM計畫的目標包括：．提高員工整體生產力（例如Copilot）．節省特定工作者的勞動並提高生產力（例如聯絡中心、簡化財務流程）．驅動額外收入的客戶應用．提高客戶滿意度的客戶應用．降低組織內部風險．加快產品開發（例如藥物發現、模型開發、軟體開發）生產力提升實證AI對勞動力的影響：正在看到生產力提升一項研究顯示，使用AI的客戶支援代理生產力提高了14%就業市場變化就業演進：美國AI職位發佈量在七年內（2018年1月至2025年4月）增長了448%，而非AI IT職位下降了9%全球新增包含AI術語的職位名稱累計數量在兩年內（2022年第二季度至2024年第二季度）增長了200%蘋果在2025年5月有600多個生成式AI相關的招聘崗位歷史生產力資料美國勞動生產率在過去七十七年裡與就業增長同時發生自2000年以來，勞動生產率提高了31%，非農業就業增長了89%行業專家觀點NVIDIA CEO Jensen Huang的觀點："你不會因為AI而失業，但會因為使用AI的人而失業"AI是彌合技術鴻溝的最大機遇，它使那些不懂C++程式設計的人也能"程式設計"AI是歷史上最易於使用的技術之一我們面臨勞動力短缺，AI提供了一個機會，可以將3000-4000萬工人重新投入勞動力市場，從而提高全球GDP建議每個人都利用AI (歸藏的AI工具箱)

被矽谷奉為「互聯網女王」的 Mary Meeker 又出手了。她自 1996 年起連續每年發佈著名《網際網路趨勢報告》，記錄了從 PC 到移動網際網路的二十年進化史，是不少投資人和創業者的風口指南針。作為少數能通過資料講清楚未來走向的老牌投資人，這一次，她將目光投向了 AI。5 月 30 日，Meeker 發佈了一份長達 340 頁的重磅《AI 趨勢報告》，從技術路徑、投資規模到自動駕駛等領域的影響，幾乎把這場浪潮的每一個重要變數都梳理了一遍。如果你想抓住下一個風口，那麼這份報告絕對值得認真研讀。我們也整理了報告中的一些要點：AI 帶來的變化是前所未有的，ChatGPT 短短 2 個月內突破 1 億使用者，17 個月後月活躍使用者達到 8 億，訂閱使用者超 2000 萬，年收入接近 40 億美元。看到 AI 潛力的科技巨頭持續加大對 AI 基礎設施的資本投入，2024 年 AI 相關資本支出已達 2120 億美元，同比增長 63%。輝達 GPU 顯著提升了AI 推理的性能和能效，也因此賺得盆滿缽滿，堪稱這波 AI 浪潮中的最大受益者。AI 模型的訓練成本在短短 8 年內暴漲 2400 倍，單個模型訓練成本可能在今年將達到 10 億美元，未來有可能突破 100 億美元。開源模型（如 DeepSeek、Qwen 等）更是逐步縮小與頂級閉源模型的差距，尤其在推理和程式設計能力上具備競爭力。AI 在蛋白質摺疊、癌症檢測、機器人技術、多語翻譯等領域發展迅速，在圖靈測試中的表現已超越多數人類測試者，並開始滲透到自動駕駛、機器人等物理世界。AI 相關崗位增長 448%，而傳統 IT 崗位需求萎縮，AI Agent 成為新型數字勞動力，能夠執行多步驟任務並重塑各行業業務流程。附上原報告地址：https://www.bondcap.com/reports/tai另外，APPSO 也整理了原報告的中英雙語版本，可直接在公眾號後台回覆「趨勢」即可領取。使用者裂變速度史上最快，AI 真成新基建了？ChatGPT 僅用了 2 個月左右的時間達到 1 億使用者，遠遠快於歷史上任何一款產品。17 個月過後，ChatGPT 月活躍使用者增至 8 億，訂閱使用者超 2000 萬。此外，ChatGPT 年營收接近 40 億美元，是歷史上商業化速度最快的 AI 產品，沒有之一。與網際網路前期是以美國為中心的技術有所不同，ChatGPT 在短短的三年之後，北美之外的使用者普及率就超過 90%，呈現「同步爆發、全球鋪開」等技術特徵。AI 驅動基礎設施投資是本次浪潮的一大亮點。報告提到，我們所熟知的大型科技公司（蘋果、輝達、微軟、Google、亞馬遜、Meta）在 AI 相關 CapEx（資本支出）上持續加碼。資料顯示，這六家公司大舉投資 AI 基礎設施，如資料中心，2024 年已達 2120 億美元，同比上漲 63%，為十年內最高。當然，AI 生態的增長邏輯是，算力投入越大，模型能力越強，產品體驗越好，從而導致使用者越多，平台收益潛力越大，進而刺激企業加碼 CapEx。在過去一年裡，黃仁勳在幾乎所有公開場合都在重複一個觀點：輝達不是晶片公司，也不僅僅是一家科技公司，而是一家 AI 基礎設施公司。由於資本的瘋狂投入，全球資料中心投資在 2022-2024 三年內幾乎翻倍。其中，輝達吃下了資料中心預算的「大頭」，眾多初創公司依賴輝達的硬體和軟體棧加速產品開發。到 2024 年，每 4 美中繼資料中心投資中，就有 1 美元進了輝達的口袋，也讓其成為了這波 AI 浪潮的最大贏家。另外，AI 應用也加速滲透到多個領域：蛋白質摺疊預測、癌症檢測、機器人、多語翻譯、視訊生成……正在重塑行業生態和人類工作方式。某種程度上說，AI 就是新基建的重要驅動力。推理成本下降，但模型訓練越卷越貴資料量、參數規模、CPU 叢集、工程師人力等同步上漲，導致 AI 模型的訓練成本呈現指數級暴漲。正如 Anthropic CEO Dario Amodei 所預測的那樣，2025 年將可能出現單個模型訓練成本達到 10 億美元，甚至未來 100 億美元也不是天方夜譚。報告顯示，前沿 AI 模型的訓練成本在短短 8 年內增長了約 2400 倍，2016 到 2019 年訓練成本仍處於幾十萬到幾百萬美元之間，而到了 2024 年， GPT-4、Gemini 1.0 Ultra、Llama 3 等模型訓練成本高達上億美元。根據 Epoch AI 的資料，從 1950 到 2025 年，AI 模型訓練所需資料集從百萬詞級躍升至兆詞級，規模年增 260%。與此同時，所需算力也在大幅增長。雖然 IT 硬體成本持續下降，但模型訓練 FLOP（浮點運算）年增長率高達 360%，AI 模型越來越「燒錢」「燒電」「燒卡」。輝達每一代 GPU 架構都大幅提升和最佳化 AI 推理性能和能效比，這也是 AI 走入現實生活的基礎前提之一。2014 到 2024 十年間，輝達 GPU 推理單個 Token 所需的能耗下降了約 105000 倍，幾乎趨近於可忽略的邊際能耗，有利於規模化部署和開發者接入。過去，輝達 CUDA 平台、GPU 程式設計模型雖已存在，但使用者多集中在科研、高性能計算領域。隨著深度學習、大模型訓練需求暴漲，越來越多的開發者也湧入輝達生態。輝達用了 13 年才做到第一個 100 萬開發者的里程碑，又用不到 7 年時間做到了 600 萬。包括在剛過去不久的 Google I/O 大會上，使用 Google Gemini 建構應用的註冊開發者總量也從 140 萬增長至 700 萬，年增幅達 5 倍。閉源想收割，開源想逆襲，使用者笑而不語OpenAI 等頭部企業尚未盈利，算力支出高於收入，呈現「高使用者、重燒錢、待盈利」的發展階段。不過，情況也正在好轉。2022–2024 年間，Open AI 收入大幅上升，算力支出顯著下降，顯示其 AI 商業化路徑逐漸清晰（如 ChatGPT Plus、API、企業訂閱等）。隨著性價比持續提升，開源模型正在成為閉源模型的強有力對手。知名分析機構 Artificial Analysis 資料顯示，截至 2025 年1 月份，像 DeepSeek、Meta 的 Llama 3、阿里的 Qwen 系列這樣的開源模型，已經在推理能力和程式設計能力等方面的性能逼近頂級閉源模型。到 2024 年，美國發佈超 100 個訓練計算量超 10²³ FLOPs 的大語言模型，而中國自 2022 年以後緊隨其後，模型進入高密度爆發期，不斷縮小中美之間的差距。相比之下，英國、法國、德國、加拿大等國的累計數量尚在 10-20 個區間，跨國協作模型開發增長曲線也比較緩。對比來看，中國在工業機器人部署上具備領先優勢。2023 年工業機器人安裝數量達到 276000 台，首次超過全球其他國家總和。圖靈測試不香了？你可能已經相信 AI 是「人」隨著 AI 模型性能的不斷提升，人類已經越來越難分辨 AI 和真人了。圖靈測試（Turing Test）是著名數學家、邏輯學家、密碼學家艾倫·圖靈於 1950 年在《電腦器與智能》一文中提出的一種測試機器是否具有智能的方法。現如今，GPT-4.5 在圖靈測試中被 73% 的測試者誤認為人類，遠超 GPT-4o 和機器人 ELIZA。在下方的聊天記錄圖片中，左側 Witness A 是 GPT-4.5，右側 Witness B 是人類，相比之下，GPT-4.5 表達更輕鬆，更有人味，而真人的回答反而略顯笨拙。圖像方面的進步在 Midjourney v1-v7 上展現得淋漓盡致，2022 年生成的葵花吊墜質感粗糙，肉眼可見地像玩具，到了 v7 版本，質感直接邁向商品級水平。下圖左側是 AI 生成的圖片，在膚色、髮絲、光線等細節上幾乎毫無破綻，而面對右側真實拍攝的照片，也很難說一眼便能分清 AI 與真人。聲音更是 AI 生成領域的重災區，ElevenLabs 支援多語言語音克隆與翻譯，保留原說話者的音色。功能包含自動轉錄、翻譯、合成一條新音軌。資料顯示，ElevenLabs 網站的月訪問量從 0 飆升到接近 2000 萬，音色克隆+即時翻譯已趨近商用等級。這屆 AI 不只會聊天，開始開車、種地、打工了報告還提出了一個關鍵的趨勢轉變：AI 正從數字世界擴展到物理世界，「物理智能體」正在加速崛起。例如，Waymo 和 Tesla 的自動駕駛系統已投入商業營運，不再只是停留在測試階段，而是與即時環境緊密結合，截止至 2025 年 4 月，Waymo 自動駕駛計程車在舊金山的市場份額已經佔到了約 1/3。Uber CEO Dara Khosrowshahi 也曾表示：再過 15 到 20 年，自動駕駛系統將比人類司機更優秀。它們會基於無數人類駕齡的資料進行訓練，而且不會分心。與此同時，AI 正在快速滲透到各個行業，包括 AI 工廠、AI 機器人、工業 AI、AI 醫療裝置與 AI 農業等部署，正在去取代傳統的人工流程。如 Carbon Robotics 等農業公司則將 AI 應用於除草，通過電腦視覺實現無農藥作業。AI 相關崗位增長 +448%，非 AI 崗位反降 -9%（2018–2025），說明企業對於 AI、機器學習、資料科學、生成式 AI 等相關崗位需求迅猛增長；而傳統 IT 崗位（如基礎維運、通用程式設計）職位需求則相對飽和甚至萎縮。2025 年是 Agent 元年，Agent 正在成為新型數字勞動力。AI 不再只是一個對話工具，而是真正能幹活，比如 Claude 3.5 的 Computer Use 可以直接控制電腦螢幕，自動執行多步驟任務，如線上購物、介面導航等。各行業（金融、醫療、製造、零售）正用 AI 重塑業務流，提升生產率與客戶體驗。圖表顯示，企業採用 AI 的目標正在發生演變：從最初提升整體辦公效率（如 Copilot 應用）出發，快速擴展至特定崗位自動化、客戶互動最佳化、新營收機會探索等多個方向。 (APPSO)