被硅谷奉為「互聯網女皇」的 Mary Meeker 又出手了。

她自 1996 年起連續每年發布著名《互聯網趨勢報告》，記錄了從 PC 到移動互聯網的二十年進化史，是不少投資人和創業者的風口指南針。

作為少數能通過數據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 發布了一份長達 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量都梳理了一遍。

如果你想抓住下一個風口，那么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 億用戶，17 個月后月活躍用戶達到 8 億，訂閱用戶超 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%。

英偉達 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，尤其在推理和編程能力上具備競爭力。

AI 在蛋白質折疊、癌癥檢測、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，并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并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，可直接在公眾號后臺回復「趨勢」即可領取。

用戶裂變速度史上最快，AI 真成新基建了？

ChatGPT 僅用了 2 個月左右的時間達到 1 億用戶，遠遠快于歷史上任何一款產品。

17 個月過后，ChatGPT 月活躍用戶增至 8 億，訂閱用戶超 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。

與互聯網前期是以美國為中心的技術有所不同，ChatGPT 在短短的三年之后，北美之外的用戶普及率就超過 90%，呈現「同步爆發、全球鋪開」等技術特征。

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、英偉達、微軟、Google、亞馬遜、Meta）在 AI 相關 CapEx（資本支出）上持續加碼。

數據顯示，這六家公司大舉投資 AI 基礎設施，如數據中心，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，從而導致用戶越多，平臺收益潛力越大，進而刺激企業加碼 CapEx。

在過去一年里，黃仁勛在幾乎所有公開場合都在重復一個觀點：英偉達不是芯片公司，也不僅僅是一家科技公司，而是一家 AI 基礎設施公司。

由于資本的瘋狂投入，全球數據中心投資在 2022-2024 三年內幾乎翻倍。

其中，英偉達吃下了數據中心預算的「大頭」，眾多初創公司依賴英偉達的硬件和軟件棧加速產品開發。到 2024 年，每 4 美元數據中心投資中，就有 1 美元進了英偉達的口袋，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：蛋白質折疊預測、癌癥檢測、機器人、多語翻譯、視頻生成……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

數據量、參數規模、CPU 集群、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 年訓練成本仍處于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 的數據，從 1950 到 2025 年，AI 模型訓練所需數據集從百萬詞級躍升至萬億詞級，規模年增 260%。

與此同時，所需算力也在大幅增長。雖然 IT 硬件成本持續下降，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」。

英偉達每一代 GPU 架構都大幅提升和優化 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，英偉達 GPU 推理單個 Token 所需的能耗下降了約 105000 倍，幾乎趨近于可忽略的邊際能耗，有利于規?；渴鸷烷_發者接入。

過去，英偉達 CUDA 平臺、GPU 編程模型雖已存在，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涌入英偉達生態。

英偉達用了 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 構建應用的注冊開發者總量也從 140 萬增長至 700 萬，年增幅達 5 倍。

閉源想收割，開源想逆襲，用戶笑而不語

OpenAI 等頭部企業尚未盈利，算力支出高于收入，呈現「高用戶、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 數據顯示，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，已經在推理能力和編程能力等方面的性能逼近頂級閉源模型。

到 2024 年，美國發布超 100 個訓練計算量超 1023 FLOPs 的大語言模型，而中國自 2022 年以后緊隨其后，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 臺，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·圖靈于 1950 年在《計算機器與智能》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 表達更輕松，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、發絲、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 支持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。

數據顯示，ElevenLabs 網站的月訪問量從 0 飆升到接近 2000 萬，音色克隆+實時翻譯已趨近商用級別。

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運營，不再只是停留在測試階段，而是與實時環境緊密結合，截止至 2025 年 4 月，Waymo 自動駕駛出租車在舊金山的市場份額已經占到了約 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。它們會基于無數人類駕齡的數據進行訓練，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 醫療設備與 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 應用于除草，通過計算機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），說明企業對于 AI、機器學習、數據科學、生成式 AI 等相關崗位需求迅猛增長；而傳統 IT 崗位（如基礎運維、通用編程）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，而是真正能干活，比如 Claude 3.5 的 Computer Use 可以直接控制電腦屏幕，自動執行多步驟任務，如在線購物、界面導航等。

各行業（金融、醫療、制造、零售）正用 AI 重塑業務流，提升生產率與客戶體驗。

圖表顯示，企業采用 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、客戶互動優化、新營收機會探索等多個方向。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）