近期的AI應用榜單分析

根據Similarweb截至2025年11月21日的資料顯示，全球AI應用流量正在經歷顯著的分化。通用大模型（General AI）依然佔據統治地位並持續增長，而音樂生成與設計平台表現出強勁的生命力。相反，傳統的教育科技（EdTech）、純程式碼生成工具以及單一功能的圖像生成應用正面臨嚴峻的流量下滑。這種“通用吞噬垂直”的趨勢正在重塑全球算力需求的結構。

一、 強勢崛起：通用模型與多模態創意

1. 通用AI（General AI）：強者愈強，格局未定

通用AI工具依然是流量的絕對核心，且保持增長態勢。

• GoogleGemini的爆發：在截至11月21日的12周內，Gemini的流量激增了 84%，顯示出其在生態整合後的強大爆發力。
• 馬太效應：儘管OpenAI的ChatGPT增長放緩（+1%），但其體量依然巨大；與此同時，Grok也實現了 28% 的顯著增長 。

• 搜尋型AI的崛起：Perplexity 繼續保持高增長，同期增長 32%，表明使用者越來越習慣使用AI進行搜尋而非傳統搜尋引擎。

2. 音樂與視訊生成：多模態的高光時刻

創意領域的AI應用表現出極高的使用者粘性與增長潛力。

音樂生成（Music Generation）：該類股在過去12周內整體增長了 23%。其中，頭部應用 Suno 表現搶眼，增長了 32%。

視訊生成（Video Generation）：儘管整體類股微跌（-4%），但頭部效應明顯。Heygen 逆勢大漲 37%，顯示出在商業視訊合成領域的剛需。Typecast 也錄得 51% 的驚人增長 ，證明了特定場景下的視訊/語音合成需求旺盛。

3. 設計平台（Design Platforms）：工作流整合的勝利

與單一的圖像生成工具不同，整合了AI功能的設計平台表現穩健。

• Canva 在同比（YoY）資料上保持了 26% 的增長 。
• Adobe Express 同比增長 11%。 這表明使用者更傾向於在完整的工作流中使用AI，而非單純為了生成圖片而使用孤立工具。

二、 衰退與洗牌：被通用能力“吞噬”的賽道

1. 教育科技（EdTech）：遭遇毀滅性打擊

這是受通用AI衝擊最嚴重的領域。通用大模型（如ChatGPT、Gemini）解答問題的能力直接取代了傳統搜題與輔導工具。

• Chegg 的流量同比暴跌 68%。
• Coursehero 下跌 60%。
• Mathway 下跌 65%。 這一類股的整體流量呈現出不可逆轉的頹勢。

2. 純程式碼生成與DevOps：泡沫破裂與整合

程式碼生成工具正在經歷劇烈的洗牌，獨立的AI程式設計工具面臨挑戰。

• VO 在過去12周內流量暴跌 71%。
• Bolt 下跌 27%。
• Replit 下跌 17%。 這意味著開發者可能更傾向於整合在IDE中的外掛（如Copilot）或直接使用通用大模型，而非獨立的各種新興程式設計平台。

3. 單一圖像生成（Image Generation）：新鮮感褪去

隨著Midjourney等功能的商品化以及被整合到更大的設計軟體中，單一功能的圖像生成網站流量開始下滑。

• Midjourney 在過去12周內下跌 8%。
• Ideogram 下跌 28%。
• 整個設計與圖像生成類股（Design & Image Generation Total）微跌 1%。

4. 圖片素材庫（Stock Media）：被AI替代

AI生成的普及直接打擊了傳統素材庫。

• Bigstockphoto 同比暴跌 63%。
• Picmonkey 同比下跌 31%。

三、 應用趨勢對算力（Compute）格局的影響分析

結合上述流量資料的變化，我們可以推匯出全球算力需求正在發生以下結構性轉變：

1. 推理算力向頭部集中（Centralization of Inference Compute）

隨著通用AI（Gemini, ChatGPT）和少數垂直頭部（Canva, Suno）的壟斷加劇，分散的小模型推理需求正在減少。

• 現象：通用類AI流量持續增長（+11%），而大量長尾的“套殼”應用或單一功能垂直應用（如由AI驅動的獨立寫作工具，Copy.ai 下跌34% ）流量枯竭。
• 算力影響：算力採購將進一步向Google、Microsoft（OpenAI）、Meta等巨頭集中。中小型AI初創企業的推理算力需求可能因使用者流失而萎縮，導致公有雲GPU租賃市場的長尾需求波動。

2. 多模態算力密度提升（High-Density Compute Demand）

儘管文字類寫作工具流量停滯（Writing & Content total +1% ），但高算力消耗的音樂與視訊應用正在崛起。

• 現象：Suno（音樂）和Heygen（視訊）的增長代表了使用者互動從“文字輸入-文字輸出”向“文字/多模態輸入-音視訊輸出”的轉變。
• 算力影響：生成一分鐘音訊或視訊所需的FLOPs（浮點運算次數）遠超生成文字。因此，即便整體AI應用的使用者增長率在某些領域放緩，**人均消耗的推理算力（Compute per User）**將隨著多模態應用的普及而急劇上升。

3. 即時性與互動性的算力挑戰

• 現象：Perplexity（即時搜尋）的增長（+32%） 意味著使用者需要結合即時網路索引的AI推理。
• 算力影響：這要求算力架構不僅要處理模型推理，還要具備極高的視訊記憶體頻寬和低延遲處理能力，以應對即時資訊的檢索增強生成（RAG）。

4. 邊緣與整合算力的隱形需求

• 現象：設計平台（Canva, Adobe）的增長優於單一生成工具（Midjourney）。
• 算力影響：AI正在從“目的地網站”變為“功能外掛”。這預示著未來算力將更多地以API呼叫的形式嵌入到現有的SaaS軟體中（如Figma, Canva, Notion），而非單純依賴獨立的AI聊天機器人介面。

結論2025年末的AI市場已告別了“百花齊放”的草莽階段，進入了“巨頭收割”與“垂類精品化”的深水區。對於算力市場而言，這意味著低端、同質化的推理需求將減少，而用於支撐超大參數通用模型和高保真多模態生成的高端算力需求將持續井噴。 (老王說事)