互联网女王 Mary Meeker 340页的人工智能现状及趋势报告

近日发现Mary Meeker 又重新开始发布她每年一次的《互联网趋势报告》，只不过这次开始叫《人工智能趋势报告》了，整份报告有 340 页，非常详细的分析了AI领域的现状。

这篇内容就找几个报告里的有意思的页面分析一下，之后还有我用NotebookLM总结的详细文本内容，我还翻译了一份报告的双语版本，文章最后可以下载。

先介绍一下Mary Meeker和她的《互联网趋势报告》：

Mary Meeker是美国风险投资家，曾就职于摩根士丹利和凯鹏华盈，2018创立了自己的风投公司邦德资本（BOND）。

她主要专注于互联网与新技术领域投资，现为旧金山风投公司 BOND 的创始人和普通合伙人。Meeker被誉为”互联网女王”。

Meeker的《互联网趋势报告》曾是科技投资者最为期待的年度报告之一。自 1995 年她担任摩根士丹利科技分析师起，直至 2019 年，她每年都会发布这份报告。

该报告包含塑造互联网的主要趋势、消费者行为及文化变迁的数据与分析。 该报告最后一次发布是在 2019 年 Vox/Recode 的 Code 大会上，这次终于回归了。

看几页有意思的

这是美国计算相关专利授权数量的一份报表，可以看到第一次加速是在1995年网景公司IPO的时候，标志着互联网时代的开始，专利数量开始急剧上升。

之后从2004年就开始放缓，标志的互联网时代的发展也开始变慢了。

然后在2022年ChatGPT发布之后专利数量又一次开始爆发式增长，而且比1995年更猛，短短两年就有6000份。

技术变化周期正在加速，通过更好、更快、更便宜带来了更多的设备和更高的增长速度。

从90年PC时代的3亿设备开始到现在AI移动互联网使得设备增长到了数百亿这个量级。

同时基础设施演变也在变快1960年代至今的主要计算基础是CPU，之后过渡到大数据/云计算，10年以后CPU重要性不断下降，发展也变得停滞，开始转向GPU，同时在GPT发布后彻底爆发。

这张图反映了1950 开始的模型训练计算量（FLOP：（浮点运算）是衡量AI模型训练所需计算能力的基本单位）增长趋势。

可以看到在10年以后开始了爆发式增长，每年的增长率都超过了360%，这意味着计算量每年增长4.6倍，15年累计增长超过10¹⁰倍（100亿倍）这个规模远远超过了摩尔定律。

这是ChatGPT和谷歌在相对时间轴上搜索量的对比。

达到3650亿年搜索量的时间， ChatGPT比Google快5.5倍！用两年的时间就走完了Google 11年才走完的路。

主要的历史背景差异有：

谷歌时代互联网普及率低、需要教育用户什么是搜索引擎、宽带接入有限。

到了ChatGPT时期全球互联网高度普及、用户已熟悉数字工具、社交媒体助力病毒式传播导致AI概念被快速接受。

种种因素导致AI普及的速度远超当时的搜索引擎。

这张图展示了一些著名的互联网产品达到1亿用户所用的时间。

可以看到由于上面说的原因整体大幅缩短，ChatGPT甚至只用了约2.4个月。早期平台（2000-2005）达到1亿用户普遍需要4-10年，而到了AI时代这个速度缩短到了几个月。

摩根大通在投资者服务、运营优化和顾问支持三个核心领域全面部署AI。

预计2年内AI/ML创造的价值将增长65%，显示出强劲的投资回报，既通过新业务创造收入，又通过自动化降低成本和风险，虽然已经看到生产力提升，但仍认为处于”早期阶段”。

所有 AI 公司的收入倍数都远超传统软件公司。

OpenAI的年化收入是92亿美元，但是估值高达3000亿美元，收入倍数达到了33倍。

Perplexity 是最猛的收入和估值比例达到了tmd 75倍，投资者更看重增长潜力而非当前收入，当然这么搞也是有代价的，最近一轮融资明显困难了很多。

目前AI投资就是高收入增长 + 高现金消耗 + 高估值 + 高投资水平。

整个PPT 8个部分的详细总结

用NotebookLM总结了一下整个PPT内容，同时做了一个网页来展示：https://www.youware.com/editor/7b962bc0-da28-4550-9d10-9c8532135d4c

变革速度似乎比以往任何时候都快？是的，确实如此

核心结论

人工智能技术的演进速度和范围是前所未有的，数据支持了这一点。变革的速度比以往任何时候都要快。

支持论据

用户增长速度对比

• 人工智能用户和使用趋势的增长速度比互联网快得多
• 人工智能正在以前所未有的方式快速提升知识及其分发水平
• OpenAI的ChatGPT于2022年11月发布，其极其易用/快速的用户界面使其大型语言模型（LLMs）”找到自由”

历史性突破

• ChatGPT基于用户/使用/变现指标，是历史上最大的”一夜成功”（成立九年后）
• 人工智能驱动的信息访问和流动演进速度快得多
• ChatGPT在2年内（2024年）达到了3650亿年搜索量，而Google达到这一数字用了11年（2009年）

技术里程碑

• 生成式AI（以2022年11月ChatGPT的公开发布为标志）被视为AI的”iPhone时刻”，ChatGPT创下了独立产品用户增长最快的记录（5天达到100万用户）
• 人工智能是互联网基础设施之上的复合层，使得易用的广泛兴趣服务能够快速被采纳
• 技术的永恒”啊哈”模式——成本下降+性能提升→采用率上升——正在人工智能领域重演

人工智能用户 + 使用量 + 资本支出增长 = 前所未有

核心结论

人工智能的用户、使用量和资本支出（CapEx）增长是前所未有的，这得到了呈”右上”趋势的用户、使用量和收入图表的支持。

支持论据（用户/使用量）

用户增长速度

• ChatGPT用户在十七个月内（2022年10月至2025年4月）增长了8倍，达到8亿
• ChatGPT移动应用在3年内（截至2025年5月）在其当前用户群中达到了90%的覆盖率，而互联网（截至2022年）达到同样比例的用户覆盖用了23年

用户规模对比

• ChatGPT达到1亿用户用了0.2年，远快于TikTok（0.9年）、Instagram（2.5年）、Spotify（4.5年）和Netflix（10.3年）
• ChatGPT达到100万用户用了5天，远快于iPhone（74天）、TiVo（1680天）或福特Model T（约2500天）

市场渗透率

• 美国人工智能时代达到50%家庭渗透率可能需要3年，这遵循了每个技术周期所需时间大致减半的模式
• 人工智能的使用正在消费者、开发者、企业和政府中激增

工作场景应用

• 超过72%的受访美国在职成年人表示使用AI聊天机器人极大地/非常大地帮助提高了工作质量并加快了工作速度
• 美国18-24岁的学生主要将ChatGPT用于研究、解决问题、学习和获取建议
• 美国成年人中使用ChatGPT或其他AI工具的比例在所有年龄段都在上升，尤其是在18-29岁和30-49岁人群中增长显著

用户参与度

• 美国活跃用户在ChatGPT应用上每日花费的时间在二十一个月内（2023年7月至2025年4月）增长了202%
• 同期，每日会话次数增长了106%，平均会话时长增长了47%
• ChatGPT的留存率（衡量上周用户本周再次使用的比例）在二十七个月内为80%，高于Google Search的58%

开发者生态系统

• 开发者使用量正在上升。每代币推理成本下降正在推动开发者使用量的增长
• NVIDIA AI生态系统的开发者数量在四年内（2021-2025）增长了2.4倍，达到600万。AI初创公司增长了3.9倍，达到2.7万。使用GPU的应用程序增长了2.4倍，达到4千
• Google AI生态系统的全球开发者数量在一年内（2024年5月至2025年5月）增长了5倍，达到700万
• Google产品和API处理的月度代币数量在一年内增长了50倍，超过480万亿
• 微软Azure AI Foundry处理的季度代币数量在一年内（2024年第一季度至2025年第一季度）增长了5倍，超过100万亿
• 有超过7万家企业和数字原生公司正在使用Azure AI Foundry

开发者工具采用

• 在开发过程中使用AI的开发者比例从2023年的44%上升到2024年的63%
• GitHub上的AI开发者仓库：在十六个月内（2022年11月至2024年3月）增加了约175%

支持论据（资本支出）

基础设施投资

• 技术超大规模运营商的资本支出预算日益向专用芯片、液冷和前沿数据中心设计倾斜
• 2019年，AI只是一个研究特性；到2023年，它已成为资本支出的一个主要项目

支出增长趋势

• 美国六大科技公司的资本支出在十年内（2014-2024）年均增长21%
• 六大科技公司的资本支出加速增长，从2023年到2024年同比增长63%
• 六大科技公司的资本支出占收入的比例在2024年为15%，而十年前为8%

具体投资数据

• 亚马逊AWS用于AI/ML基础设施建设的资本支出占收入的比例在2024年为49%，而2013年用于初始云基础设施建设的比例为27%
• 全球数据中心支出在2024年达到4550亿美元，并且还在加速
• 美国数据中心年度私人建筑价值在两年内（2022年1月至2024年12月）年均增长49%，加速于之前八年的28%年均增长

数据中心容量

• 美国数据中心容量：新建容量（已预租或在建）在四年内（2020-2024）增长了16倍，而现有容量（新增填充）增长了5倍
• 技术资本支出的主要受益者是NVIDIA。NVIDIA数据中心收入在2024年占全球数据中心资本支出的25%且呈上升趋势

财务支撑

• 六大科技公司拥有大量现金和自由现金流可用于AI和资本支出
• 自由现金流在十年内增长了263%，到2024年达到3890亿美元
• 资产负债表上的现金在十年内增长了103%，到2024年达到4430亿美元

训练成本

• 训练成本极高且快速上升，目前每个模型的训练成本通常超过1亿美元
• Anthropic首席执行官Dario Amodei指出，目前正在训练的模型成本更接近10亿美元，而100亿美元模型的训练可能在2025年开始
• 前沿AI模型估计训练成本在八年内（2016-2024）增长了约2400倍

推理成本趋势

• AI总支出中越来越多地转向推理。推理持续发生，涉及数十亿次的提示、查询和决策，而模型训练是周期性的
• 亚马逊首席执行官Andy Jassy指出，推理将占未来AI成本的绝大部分
• 单位推理成本的降低正在推动总体支出的增加。随着推理变得更便宜，AI的使用量增加；随着AI使用量增加，总基础设施和计算需求上升，再次推高成本

人工智能模型计算成本高/上升 + 推理成本每代币下降 = 性能趋于一致 + 开发者使用量上升

核心结论

人工智能模型的计算成本高且正在上升，而每代币的推理成本正在下降。这导致性能趋于一致，开发者使用量上升。

支持论据（计算成本高/上升）

• 训练最强大的LLMs已成为人类历史上最昂贵/资本密集的工作之一。训练成本极高且快速上升，目前每个模型训练成本通常超过1亿美元
• 前沿AI模型估计训练成本在八年内（2016-2024）增长了约2400倍
• Anthropic首席执行官Dario Amodei估计，100亿美元模型的训练可能在2025年开始

支持论据（推理成本每代币下降）

• 每代币成本的下降使得新技术进步变得越来越强大、易于获取且经济上可行
• NVIDIA的2024年Blackwell GPU生成每代币所需的能量比其2014年Kepler GPU前身低105,000倍
• 面向客户的AI推理价格（每100万代币）在两年内（2022年11月至2024年12月）降低了99.7%
• 推理成本正在快速下降。推理代表了一条新的成本曲线，它不像训练成本那样向上，而是向下弯曲
• 推理服务正变得廉价。过去花费数美元的工作现在可能只需要几美分，而过去花费几美分的工作可能很快只需要几分之一美分

支持论据（性能趋于一致）

• 输出质量在不同玩家之间趋于一致，差异化变得更加困难
• 性能趋于一致正在改变模型选择的考量。顶级前沿模型与更小、更高效的替代模型之间的差距正在缩小
• LMSYS Chatbot Arena上顶级AI模型的性能随时间推移呈现趋于一致的趋势（2024年1月至2025年2月）

模型性能对比

• 封闭源模型与开源模型的性能差距正在缩小，中国正在崛起。DeepSeek R1（中国）在2025年1月的MATH Level 5测试中得分93%，而OpenAI的o3-mini得分95%
• 阿里巴巴、Meta和DeepSeek的模型在各种推理和知识基准上表现出与OpenAI和Anthropic竞争的性能

多模态发展

• 多模态AI模型正在出现，整合文本、图像、音频、视频和传感器数据
• 大型多模态模型发布的数量在两年内（2022-2024）增加了1150%
• 大型语言模型发布数量增加了420%，图像模型同比增长109%，语音/音频模型同比增长367%，视频模型同比增长120%

AI性能突破

• AI性能在2024年超越了MMLU基准测试中的人类准确度和真实感水平
• 在2025年第一季度的图灵测试中，73%的AI回应被测试者误认为是人类生成的
• AI生成的图像、音频翻译/生成越来越逼真

支持论据（开发者使用量上升）

• 开发者使用量正在上升
• 推理成本的崩溃（降低99.7%）使得实验成本低廉、迭代快速、产品化可行，几乎任何人都可以实现
• 对开发者而言，原始能力、定制化和成本效率比精致的产品体验更重要。开发者正倾向于使用低成本、高性能的开源模型

基础模型生态

• 基础模型的激增（OpenAI、Meta、Mistral、Anthropic、Google、Microsoft等）创造了新的灵活性，减少了供应商锁定，并赋予了开发者权力
• 在开发过程中使用AI的开发者比例从2023年的44%上升到2024年的63%
• GitHub上的AI开发者仓库：在十六个月内（2022年11月至2024年3月）增加了约175%

平台使用增长

• Google AI生态系统：处理的月度代币数量在一年内（2024年5月至2025年5月）增长了50倍，超过480万亿。使用Gemini进行开发的全球开发者数量在一年内增长了5倍，达到700万
• 微软Azure AI Foundry：处理的季度代币数量在一年内（2024年第一季度至2025年第一季度）增长了5倍，超过100万亿
• Meta Llama下载量：在八个月内（2024年8月至2025年4月）增长了3.4倍。Llama 4发布后短短十周内下载量超过12亿
• Hugging Face上可用的AI模型数量：从2022年3月的约3.5万增加到2024年11月的116万，增长了33倍

人工智能使用量 + 成本 + 亏损增长 = 前所未有

核心结论

人工智能的使用量、成本和亏损增长是前所未有的。

支持论据（成本/亏损增长）

训练成本持续攀升

• 训练成本仍然极高且快速上升。前沿AI模型估计训练成本在八年内增长了约2400倍（2016-2024）
• OpenAI的计算支出在2024年估计为负50亿美元
• 通用LLMs的经济效益看起来像具有风险投资规模消耗的商品业务

融资与估值

• 部分私人AI模型公司（OpenAI、Anthropic、Perplexity、xAI）迄今已融资约950亿美元，而年化收入仅为110亿美元以上（截至2025年5月）
• 这些公司具有较高的估值与收入比倍数（例如，OpenAI 33倍、Anthropic 31倍、xAI 75倍）
• OpenAI估计的企业价值/未来12个月收入倍数（30倍）相较于其他上市科技公司的中位数6.9倍显得昂贵

大型科技公司财务影响

• 六大科技公司的资本支出上升（2023-2024年同比增长38%至63%），自由现金流利润率下降（Microsoft -10%、Amazon -8%、Alphabet -8%、Meta <1%）

历史烧钱案例对比

• 历史上的积极烧钱和亏损例子，最终实现了盈利：
  • 亚马逊在第一个净收入为正的年份之前，在27个季度内亏损了30亿美元
  • 优步在2016年至2022年期间烧钱170亿美元
  • 特斯拉在2009年至2018年期间烧钱92亿美元
• 这些公司最终建立了大规模数据驱动的网络效应和技术驱动的竞争优势

人工智能变现威胁 = 竞争加剧 + 开源模型势头增强 + 中国崛起

核心结论

人工智能变现面临来自竞争加剧、开源模型势头增强以及中国崛起的威胁。

支持论据（竞争加剧）

市场竞争态势

• 科技巨头、新兴竞争者和主权国家之间的竞争正在加速
• 更多传统科技公司已将其大部分可观的自由现金流导向人工智能
• 全球竞争激烈，尤其是中美科技发展之间的竞争

竞争激烈程度

• 前所未有的竞争来自众多由创始人驱动/协助（例如苹果）且市值超过1万亿美元、毛利率超过50%并拥有自由现金流的公司，它们在相对透明的世界中同时争夺同一机会，再加上中美两大强国之间的高风险竞争
• 通用LLMs的经济效益看起来像具有风险投资规模消耗的商品业务
• 竞争前所未有

技术竞争表现

• 随着推理变得更便宜，LLM提供商在延迟、正常运行时间和每代币成本方面的竞争加剧
• 基础模型（OpenAI、Meta、Mistral、Anthropic、Google、Microsoft等）的激增
• 各种模态的大型AI模型发布数量快速增加（多模态：两年内增长1150%；语言：两年内增长420%；视觉：同比增长109%；语音/音频：同比增长367%；视频：同比增长120%）

市场份额竞争

• 网站访问量：OpenAI ChatGPT领先（2025年4月全球网站访问量51亿次），但DeepSeek和xAI Grok也在上升（2025年4月分别有1.96亿和4.8亿次访问）
• xAI Grok在2025年2月至3月期间全球网站访问量环比增长294%，是增长最快的AI助手
• 产品发布节奏密集：Google、微软、Anthropic和OpenAI在2025年5月19日当周发布了大量AI产品，凸显了竞争的激烈程度

技术颠覆规律

• 历史表明，早期经历了狂热、资本形成、残酷竞争，最终出现了明确的赢家和输家
• 赢家不总是拥有最好技术的人，而是那些能清楚预见行业或市场发展方向的人
• 如果没有进入壁垒，先发优势很容易丧失

支持论据（开源模型势头增强）

开源技术普及

• 开源普及使得新技术进步变得越来越强大、易于获取且经济上可行
• 开源模型正在复兴，因为它们成本较低、能力不断增强，并且开发者和企业更容易获取
• Hugging Face等平台使得下载Meta的Llama或Mistral的Mixtral等模型变得无障碍

开源生态发展

• 开源AI被描述为现代科技时代的”车库实验室”：快速、混乱、全球化且协作激烈
• 在消费者月活跃用户（MAU）方面，封闭源模型占据主导地位（OpenAI ChatGPT和Google Gemini份额较大），但开源模型（DeepSeek、xAI Grok、Perplexity、Anthropic Claude）也拥有庞大的用户群

性能差距缩小

• 性能差距缩小：开源模型的性能正在缩小差距，而且速度快于许多人的预期
• Llama 3和DeepSeek等模型表现出具有竞争力的推理、编码和多语言能力
• DeepSeek R1（中国）在2025年1月的MATH Level 5测试中得分93%，而OpenAI的o3-mini得分95%

开发者偏好

• 开发者AI模型活动：开发者倾向于低成本、高性能的开源模型
• Meta Llama下载量在八个月内（2024年8月至2025年4月）增加了3.4倍
• Hugging Face上可用的AI模型数量从2022年3月到2024年11月增加了33倍

支持论据（中国崛起）

地缘政治竞争

• 全球竞争激烈，尤其是中美科技发展之间的竞争。AI领导力可能带来地缘政治领导力
• 自2015年”中国制造2025″倡议以来，中国在机器人、电气化和IT/AI等战略性领域的实力显著加速发展

战略应用

• 中国的AI能力支撑着战场后勤、目标识别、网络作战和自主决策平台等国家战略领域
• AI已整合到非作战支援功能（军医院），并致力于战略技术的”自主创新”

技术发展

• 根据发布的大型AI模型数量，中国在开源竞赛中领先（2025年有三个notable的发布）
• DeepSeek CEO承认中国AI在原创性方面与美国存在差距，但强调需要从跟随者转变为贡献者

性能追赶

• 中国的AI模型正在追赶美国模型的性能。DeepSeek R1（中国）在MATH Level 5测试中得分93%，而OpenAI的o3-mini得分95%
• 中国的模型（阿里巴巴Qwen 2.5 72B、Meta Llama 3.1 405B、DeepSeek）在各种基准测试中表现出具有竞争力的性能

成本效率

• 中国的LLMs正在以较低的训练成本实现高性能
• 百度ERNIE 4.5 Turbo比竞争对手便宜得多（DeepSeek V3的40%，GPT-4.5的0.2%），同时在多模态任务中匹敌或超越GPT-4.1和GPT-4o

产业基础

• 中国的LLMs越来越多地由本地半导体支持（华为向受NVIDIA出口限制影响的客户供应先进AI芯片）
• 中国工业机器人安装基数高于世界其他地区总和。这一数字在2014年至2023年间显著增长

用户市场

• 中国消费者AI使用情况：用户正在大规模转向本地模型
• 中国MAU排名前十的AI应用均为国内开发
• DeepSeek、Kimi、Nami AI和ERNIE Bot均拥有数千万用户
• DeepSeek移动应用：在四个月内（2025年1月至2025年4月）增长到5400万MAU，用户主要集中在中国（33.9%）和俄罗斯（9.2%）

市场态度

• 中美公民对AI益处的看法对比：中国公民对AI的净益处明显更乐观（2024年中国为83%，美国为39%）

供应链与贸易

• 更广泛的中美经济贸易紧张局势因对战略技术输入（稀土元素、半导体）的控制权竞争而升级
• 美国优先考虑半导体制造业回流并与盟友合作以减少对中国供应链的依赖
• 台湾台积电（TSMC）至关重要，生产全球80%-90%的最先进半导体
• 美国知识产权仍然面临风险，中国公司正试图”提炼”美国领先AI公司的模型
• 技术发展被视为国家韧性和地缘政治力量的战略杠杆

全球市场地位

• 全球公共市场市值领先者：美国占据主导地位（2025年5月排名前30的公司中有83%来自美国，而1995年12月为53%），但中国已崛起，在排名前30的公司中有2家（腾讯和工商银行）
• 全球科技市场市值领先者：美国也占据主导地位（2025年5月排名前30的公司中有70%来自美国，而1995年12月为53%），中国已崛起，有3家公司（腾讯、阿里巴巴、中国移动）
• 中国的AI响应时间比1995年的互联网快得多

人工智能与物理世界的快速发展 = 快速 + 数据驱动

核心结论

人工智能与物理世界的发展既快速又数据驱动。人工智能在物理世界的势头和变现尤其引人注目。物理世界代理（physical agents）正在兴起。

支持论据

自动驾驶领域

• 自动驾驶车队（Waymo、特斯拉FSD）正在创收，通过日益自主的软件循环记录了数百万英里的自动驾驶里程
• 特斯拉累计完全自动驾驶里程在三十三个月内（2022年6月至2025年3月）增加了约100倍
• 埃隆·马斯克指出，FSD版本12用神经网络取代了C++代码，并认为特斯拉可能是世界上AI推理效率最高的公司

Waymo发展

• Waymo全自动驾驶汽车：在二十个月内（2023年8月至2025年4月），其在旧金山叫车服务市场的份额从0%增长到27%
• Waymo致力于构建一个端到端的、非常强大的、多模态基础系统，用于感知、规划和预测

汽车智能化

• Applied Intuition（车辆智能）：服务于汽车、卡车、建筑和国防领域
• 2024年为全球前20大汽车原始设备制造商（OEM）中的18家提供服务
• 其AI驱动的工具、自动驾驶软件和车辆操作系统正在加速被传统OEM采用

国防AI应用

• Anduril（美国国防AI）：AI赋能的自主系统
• 其收入在过去两年（2023财年、2024财年）同比增长2倍
• 认为目前的国家安全挑战离不开AI赋能的系统和大规模自主技术

AI采矿勘探

• KoBold Metals（AI驱动的采矿勘探）：正在扭转勘探效率低下的趋势
• 利用机器学习模型和各种数据集来识别潜在矿点
• 其发现矿点的效率（每10亿美元勘探支出）高于行业平均水平

农业AI应用

• Carbon Robotics（AI驱动的农业现代化）：LaserWeeder利用AI深度学习模型和计算机视觉软件来清除杂草
• 截至2025年5月，累计激光除草面积已超过23万英亩
• 这防止了超过10万加仑的草甘膦使用
• 该技术解决了农民面临的劳动力挑战

智能放牧

• Halter（AI驱动的智能放牧）：使用AI驱动的项圈进行放牧管理
• 2024年新增合同项圈数量同比增长150%
• 旨在为牧场主带来更高的生产力和可持续性

技术变革

• 人工智能将资本资产转变为软件端点
• 智能，一旦局限于屏幕，现在变得具有动能

人工智能从一开始就推动的全球互联网用户增长 = 前所未有的增长

核心结论

人工智能从一开始就推动的全球互联网用户增长是我们从未见过的。

支持论据

新用户上网机会

• 得益于低成本的卫星互联网（如Starlink）的兴起，目前未上网的26亿人（占世界人口32%）有机会上网的可能性正在增加
• 新用户上网时可能不会遇到浏览器和搜索框，而是直接从AI开始，使用他们的母语进行交互

技术架构变革

• 代理优先的互联网体验可能颠覆现有的科技层级结构
• 赢家将是那些拥有界面的公司，而不是拥有应用程序的公司

全球互联网普及

• 全球互联网用户：在过去三十三年里实现了惊人的增长，达到55亿用户
• 全球互联网普及率在2024年达到68%，高于十九年前的16%
• 除南亚和撒哈拉以南非洲外，所有地区普及率均超过70%
• 城市普及率（83%）高于农村（48%）
• 全球互联网用户在2024年同比增长6%，并且还在加速

AI应用全球扩张

• ChatGPT移动应用：在二十三个月内（2023年5月至2025年4月）达到5.3亿MAU
• 显示出在全球范围内的增长
• 主要用户国家包括印度（13.5%）、美国（8.9%）和印度尼西亚（5.7%）
• DeepSeek移动应用：在四个月内（2025年1月至2025年4月）达到5400万MAU，用户主要集中在中国（33.9%）和俄罗斯（9.2%）

卫星互联网发展

• 新的互联网用户增长得益于AI和卫星技术
• SpaceX Starlink在全球轨道/卫星发射市场份额中不断上升
• Starlink拥有超过500万用户，在3.2年内实现了202%的年增长
• 其覆盖范围正在全球扩张
• Starlink在人工智能时代为偏远社区、学校、火车和船舶等各种用例解锁了以前无法访问的互联网连接

人工智能与工作演进 = 真实 + 快速

核心结论

人工智能与工作的演进既真实又快速。人工智能正在从根本上改变我们的工作方式。

支持论据

认知自动化兴起

• 除了物理自动化（机器人、无人机）的兴起，认知自动化（AI系统能够推理、创造和解决问题）也在兴起
• AI认知能力的提升速度令人惊叹；自ChatGPT在2022年11月发布以来，其推理能力已从高中生水平提升到博士生水平

工作影响范围

• 依赖结构化历史数据并输出基于规则的决策和判断的职业，正完全处于生成式AI的核心能力范围内
• 劳动力单位可能从人类工时转向计算能力
• 历史表明，技术进步提高了生产力和效率，并创造了新的就业机会，但这次发生得更快

未来工作模式

• 在一个极端的代理（agent）未来中，人类的角色转向监督、指导和训练（例如，教机器人复杂的动作，为RLHF提供人类反馈）
• Physical Intelligence和Scale AI等公司正在基于人类负责训练和优化机器的观点构建业务

企业AI应用实例

Shopify的AI转型

• Shopify CEO内部备忘录：反思性地使用AI已经成为一个基本期望
• AI是一个思维伙伴、深度研究员、评论家、导师和结对程序员
• 这是他职业生涯中工作方式变化最快的转变
• 有效使用AI是Shopify每个人的基本期望；选择不学习AI技能是不可行的

Duolingo的AI-first战略

• Duolingo CEO全员备忘录：Duolingo将成为AI-first的公司
• AI不仅提高了生产力，还帮助他们大规模创建内容（例如，国际象棋等新课程）
• 成为AI-first意味着需要重新思考工作方式
• AI的使用将成为招聘和绩效评估的一部分
• 只有当团队无法进一步自动化工作时才会增加人员
• 大多数职能部门将从根本上改变其工作方式

企业采用趋势

• 美国企业对AI的采用正在上升
• 在2025年第一季度，使用AI的美国企业比例达到约7%，环比增长21%

AI应用目标

• 雇主正在采用AI来提高生产力
• 公司AI/LLM计划的目标包括：
  • 提高员工整体生产力（例如Copilot）
  • 节省特定工作者的劳动并提高生产力（例如联络中心、简化财务流程）
  • 驱动额外收入的客户应用
  • 提高客户满意度的客户应用
  • 降低组织内部风险
  • 加快产品开发（例如药物发现、模型开发、软件开发）

生产力提升实证

• AI对劳动力的影响：正在看到生产力提升
• 一项研究显示，使用AI的客户支持代理生产力提高了14%

就业市场变化

• 就业演进：美国AI职位发布量在七年内（2018年1月至2025年4月）增长了448%，而非AI IT职位下降了9%
• 全球新增包含AI术语的职位名称累计数量在两年内（2022年第二季度至2024年第二季度）增长了200%
• 苹果在2025年5月有600多个生成式AI相关的招聘岗位

历史生产力数据

• 美国劳动生产率在过去七十七年里与就业增长同时发生
• 自2000年以来，劳动生产率提高了31%，非农业就业增长了89%

行业专家观点NVIDIA CEO Jensen Huang的观点：

• “你不会因为AI而失业，但会因为使用AI的人而失业”
• AI是弥合技术鸿沟的最大机遇，它使那些不懂C++编程的人也能”编程”
• AI是历史上最易于使用的技术之一
• 我们面临劳动力短缺，AI提供了一个机会，可以将3000-4000万工人重新投入劳动力市场，从而提高全球GDP
• 建议每个人都利用AI

文件下载

原始的PPT在这里：https://www.bondcap.com/reports/tai

双语版本：https://pan.quark.cn/s/966ab58395bb（来自 @藏师傅的翻译）