播客內容由listenhub生成，懶得看的話也可以聽

昨天發現Mary Meeker又重新開始發布她每年一次的《互聯網趨勢報告》，只不過這次開始叫《人工智能趨勢報告》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里的有意思的頁面分析一下，之后還有我用NotebookLM總結的詳細文本內容，我還翻譯了一份報告的雙語版本，文章最后可以下載。

先介紹一下Mary Meeker和她的《互聯網趨勢報告》：

Mary Meeker是美國風險投資家，曾就職于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）。

她主要專注于互聯網與新技術領域投資，現為舊金山風投公司 BOND 的創始人和普通合伙人。Meeker被譽為"互聯網女王"。

Meeker的《互聯網趨勢報告》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，她每年都會發布這份報告。

該報告包含塑造互聯網的主要趨勢、消費者行為及文化變遷的數據與分析。 該報告最后一次發布是在 2019 年 Vox/Recode 的 Code 大會上，這次終于回歸了。

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，標志著互聯網時代的開始，專利數量開始急劇上升。

之后從2004年就開始放緩，標志的互聯網時代的發展也開始變慢了。

然后在2022年ChatGPT發布之后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設備和更高的增長速度。

從90年PC時代的3億設備開始到現在AI移動互聯網使得設備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，之后過渡到大數據/云計算，10年以后CPU重要性不斷下降，發展也變得停滯，開始轉向GPU，同時在GPT發布后徹底爆發。

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年以后開始了爆發式增長，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101?倍（100億倍）這個規模遠遠超過了摩爾定律。

這是ChatGPT和谷歌在相對時間軸上搜索量的對比。

達到3650億年搜索量的時間， 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：

谷歌時代互聯網普及率低、需要教育用戶什么是搜索引擎、寬帶接入有限。

到了ChatGPT時期全球互聯網高度普及、用戶已熟悉數字工具、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索引擎。

這張圖展示了一些著名的互聯網產品達到1億用戶所用的時間。

可以看到由于上面說的原因整體大幅縮短，ChatGPT甚至只用了約2.4個月。早期平臺（2000-2005）達到1億用戶普遍需要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、運營優化和顧問支持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，但仍認為處于"早期階段"。

所有 AI 公司的收入倍數都遠超傳統軟件公司。

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，當然這么搞也是有代價的，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

人工智能技術的演進速度和范圍是前所未有的，數據支持了這一點。變革的速度比以往任何時候都要快。

支持論據

用戶增長速度對比

• 人工智能用戶和使用趨勢的增長速度比互聯網快得多
• 人工智能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于2022年11月發布，其極其易用/快速的用戶界面使其大型語言模型（LLMs）"找到自由"

歷史性突破

• ChatGPT基于用戶/使用/變現指標，是歷史上最大的"一夜成功"（成立九年后）
• 人工智能驅動的信息訪問和流動演進速度快得多
• ChatGPT在2年內（2024年）達到了3650億年搜索量，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的公開發布為標志）被視為AI的"iPhone時刻"，ChatGPT創下了獨立產品用戶增長最快的記錄（5天達到100萬用戶）
• 人工智能是互聯網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采納
• 技術的永恒"啊哈"模式——成本下降+性能提升→采用率上升——正在人工智能領域重演

人工智能用戶 + 使用量 + 資本支出增長 = 前所未有 核心結論

人工智能的用戶、使用量和資本支出（CapEx）增長是前所未有的，這得到了呈"右上"趨勢的用戶、使用量和收入圖表的支持。

支持論據（用戶/使用量）

用戶增長速度

• ChatGPT用戶在十七個月內（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）在其當前用戶群中達到了90%的覆蓋率，而互聯網（截至2022年）達到同樣比例的用戶覆蓋用了23年

用戶規模對比

• ChatGPT達到1億用戶用了0.2年，遠快于TikTok（0.9年）、Instagram（2.5年）、Spotify（4.5年）和Netflix（10.3年）
• ChatGPT達到100萬用戶用了5天，遠快于iPhone（74天）、TiVo（1680天）或福特Model T（約2500天）

市場滲透率

• 美國人工智能時代達到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
• 人工智能的使用正在消費者、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并加快了工作速度
• 美國18-24歲的學生主要將ChatGPT用于研究、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

用戶參與度

• 美國活躍用戶在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（衡量上周用戶本周再次使用的比例）在二十七個月內為80%，高于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的應用程序增長了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480萬億
• 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100萬億
• 有超過7萬家企業和數字原生公司正在使用Azure AI Foundry

開發者工具采用

• 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%

基礎設施投資

• 技術超大規模運營商的資本支出預算日益向專用芯片、液冷和前沿數據中心設計傾斜
• 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占收入的比例在2024年為15%，而十年前為8%

具體投資數據

• 亞馬遜AWS用于AI/ML基礎設施建設的資本支出占收入的比例在2024年為49%，而2013年用于初始云基礎設施建設的比例為27%
• 全球數據中心支出在2024年達到4550億美元，并且還在加速
• 美國數據中心年度私人建筑價值在兩年內（2022年1月至2024年12月）年均增長49%，加速于之前八年的28%年均增長

數據中心容量

• 美國數據中心容量：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數據中心收入在2024年占全球數據中心資本支出的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于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，推理將占未來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

人工智能模型計算成本高/上升 + 推理成本每代幣下降 = 性能趨于一致 + 開發者使用量上升 核心結論

人工智能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。這導致性能趨于一致，開發者使用量上升。

支持論據（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

• 每代幣成本的下降使得新技術進步變得越來越強大、易于獲取且經濟上可行
• 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

• 輸出質量在不同玩家之間趨于一致，差異化變得更加困難
• 性能趨于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于一致的趨勢（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，整合文本、圖像、音頻、視頻和傳感器數據
• 大型多模態模型發布的數量在兩年內（2022-2024）增加了1150%
• 大型語言模型發布數量增加了420%，圖像模型同比增長109%，語音/音頻模型同比增長367%，視頻模型同比增長120%

AI性能突破

• AI性能在2024年超越了MMLU基準測試中的人類準確度和真實感水平
• 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、音頻翻譯/生成越來越逼真

• 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、定制化和成本效率比精致的產品體驗更重要。開發者正傾向于使用低成本、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，并賦予了開發者權力
• 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%

平臺使用增長

• 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480萬億。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100萬億
• 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發布后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

人工智能使用量 + 成本 + 虧損增長 = 前所未有 核心結論

人工智能的使用量、成本和虧損增長是前所未有的。

支持論據（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）相較于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：
• • 亞馬遜在第一個凈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數據驅動的網絡效應和技術驅動的競爭優勢

人工智能變現威脅 = 競爭加劇 + 開源模型勢頭增強 + 中國崛起 核心結論

人工智能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。

支持論據（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能
• 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1萬億美元、毛利率超過50%并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、正常運行時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模型發布數量快速增加（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/音頻：同比增長367%；視頻：同比增長120%）

市場份額競爭

• 網站訪問量：OpenAI ChatGPT領先（2025年4月全球網站訪問量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月期間全球網站訪問量環比增長294%，是增長最快的AI助手
• 產品發布節奏密集：Google、微軟、Anthropic和OpenAI在2025年5月19日當周發布了大量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

開源技術普及

• 開源普及使得新技術進步變得越來越強大、易于獲取且經濟上可行
• 開源模型正在復興，因為它們成本較低、能力不斷增強，并且開發者和企業更容易獲取
• Hugging Face等平臺使得下載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
• 在消費者月活躍用戶（MAU）方面，封閉源模型占據主導地位（OpenAI ChatGPT和Google Gemini份額較大），但開源模型（DeepSeek、xAI Grok、Perplexity、Anthropic Claude）也擁有龐大的用戶群

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，而且速度快于許多人的預期
• 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：開發者傾向于低成本、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

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"中國制造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能力支撐著戰場后勤、目標識別、網絡作戰和自主決策平臺等國家戰略領域
• AI已整合到非作戰支援功能（軍醫院），并致力于戰略技術的"自主創新"

技術發展

• 根據發布的大型AI模型數量，中國在開源競賽中領先（2025年有三個notable的發布）
• 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持（華為向受NVIDIA出口限制影響的客戶供應先進AI芯片）
• 中國工業機器人安裝基數高于世界其他地區總和。這一數字在2014年至2023年間顯著增長

用戶市場

• 中國消費者AI使用情況：用戶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均擁有數千萬用戶
• 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，用戶主要集中在中國（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的凈益處明顯更樂觀（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制造業回流并與盟友合作以減少對中國供應鏈的依賴
• 臺灣臺積電（TSMC）至關重要，生產全球80%-90%的最先進半導體
• 美國知識產權仍然面臨風險，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杠桿

全球市場地位

• 全球公共市場市值領先者：美國占據主導地位（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：美國也占據主導地位（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年的互聯網快得多

人工智能與物理世界的快速發展 = 快速 + 數據驅動 核心結論

人工智能與物理世界的發展既快速又數據驅動。人工智能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。

支持論據

自動駕駛領域

• 自動駕駛車隊（Waymo、特斯拉FSD）正在創收，通過日益自主的軟件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用神經網絡取代了C++代碼，并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致力于構建一個端到端的、非常強大的、多模態基礎系統，用于感知、規劃和預測

汽車智能化

• Applied Intuition（車輛智能）：服務于汽車、卡車、建筑和國防領域
• 2024年為全球前20大汽車原始設備制造商（OEM）中的18家提供服務
• 其AI驅動的工具、自動駕駛軟件和車輛操作系統正在加速被傳統OEM采用

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采礦勘探

• KoBold Metals（AI驅動的采礦勘探）：正在扭轉勘探效率低下的趨勢
• 利用機器學習模型和各種數據集來識別潛在礦點
• 其發現礦點的效率（每10億美元勘探支出）高于行業平均水平

農業AI應用

• Carbon Robotics（AI驅動的農業現代化）：LaserWeeder利用AI深度學習模型和計算機視覺軟件來清除雜草
• 截至2025年5月，累計激光除草面積已超過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

• 人工智能將資本資產轉變為軟件端點
• 智能，一旦局限于屏幕，現在變得具有動能

人工智能從一開始就推動的全球互聯網用戶增長 = 前所未有的增長 核心結論

人工智能從一開始就推動的全球互聯網用戶增長是我們從未見過的。

支持論據

新用戶上網機會

• 得益于低成本的衛星互聯網（如Starlink）的興起，目前未上網的26億人（占世界人口32%）有機會上網的可能性正在增加
• 新用戶上網時可能不會遇到瀏覽器和搜索框，而是直接從AI開始，使用他們的母語進行交互

技術架構變革

• 代理優先的互聯網體驗可能顛覆現有的科技層級結構
• 贏家將是那些擁有界面的公司，而不是擁有應用程序的公司

全球互聯網普及

• 全球互聯網用戶：在過去三十三年里實現了驚人的增長，達到55億用戶
• 全球互聯網普及率在2024年達到68%，高于十九年前的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%）高于農村（48%）
• 全球互聯網用戶在2024年同比增長6%，并且還在加速

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
• 顯示出在全球范圍內的增長
• 主要用戶國家包括印度（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，用戶主要集中在中國（33.9%）和俄羅斯（9.2%）

衛星互聯網發展

• 新的互聯網用戶增長得益于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500萬用戶，在3.2年內實現了202%的年增長
• 其覆蓋范圍正在全球擴張
• Starlink在人工智能時代為偏遠社區、學校、火車和船舶等各種用例解鎖了以前無法訪問的互聯網連接

人工智能與工作演進 = 真實 + 快速 核心結論

人工智能與工作的演進既真實又快速。人工智能正在從根本上改變我們的工作方式。

支持論據

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月發布以來，其推理能力已從高中生水平提升到博士生水平

工作影響范圍

• 依賴結構化歷史數據并輸出基于規則的決策和判斷的職業，正完全處于生成式AI的核心能力范圍內
• 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，并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，教機器人復雜的動作，為RLHF提供人類反饋）
• Physical Intelligence和Scale AI等公司正在基于人類負責訓練和優化機器的觀點構建業務

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是一個思維伙伴、深度研究員、評論家、導師和結對程序員
• 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，還幫助他們大規模創建內容（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

企業采用趨勢

• 美國企業對AI的采用正在上升
• 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

• 雇主正在采用AI來提高生產力
• 公司AI/LLM計劃的目標包括：
• • 提高員工整體生產力（例如Copilot）
  • 節省特定工作者的勞動并提高生產力（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、軟件開發）

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的客戶支持代理生產力提高了14%

就業市場變化

• 就業演進：美國AI職位發布量在七年內（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

歷史生產力數據

• 美國勞動生產率在過去七十七年里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++編程的人也能"編程"
• AI是歷史上最易于使用的技術之一
• 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

文件下載

原始的PPT在這里：https://www.bondcap.com/reports/tai

藏師傅翻譯的雙語版本：https://pan.quark.cn/s/317887b53f58

整理和翻譯不易，覺得有用的話可以給個三連，感謝?