第4559期三川匯文化科技

近日，被稱為“互聯網女皇”的瑪麗·米克爾（Mary Meeker）在沉寂6年后，再次發布了其標志性的互聯網深度趨勢報告《趨勢—人工智能》，并且在全球科技圈引發熱議。以下是三川匯文化科技提煉的核心內容。回復關鍵詞【互聯網女皇人工智能報告】獲取340頁報告全文。

編審| 時光

編輯| 時光

來源| Trends – Artificial Intelligence 報告

一、開篇引言：變革時代的人工智能

我們正處在一個變革空前加速的時代，而人工智能（AI）無疑是這場變革中最耀眼的驅動核心。正如《Trends – Artificial Intelligence》報告（以下簡稱“報告”）所指出的，“變化似乎比以往任何時候都發生得更快，是的，確實如此。”AI技術的發展速度和滲透廣度，已經遠遠超出了過去的任何技術浪潮。從優化日常任務到重塑產業結構，從賦能科學研究到影響全球競爭格局，AI的影響力無處不在，且日益深遠。

本文旨在對這份由Mary Meeker及其團隊編撰的權威報告進行深度解讀，梳理其核心觀點與關鍵數據，為讀者呈現一幅關于當前AI發展趨勢、核心驅動力、全球競爭態勢、關鍵應用領域以及未來機遇與挑戰的清晰全景圖。我們深信，理解AI的本質及其發展脈絡，對于每一個身處變革浪潮中的個體、企業乃至國家，都具有至關重要的意義。

AI不僅僅是一項單純的技術革新，它更是一種“通用目的技術”（General-Purpose Technology），如同歷史上的電力或互聯網，其潛力在于從根本上改變我們的生產方式、生活模式乃至思維范式。它正在驅動一場深刻的社會經濟變革，其廣度和深度將遠超我們的想象。探索AI的未來，就是探索人類文明的下一個躍遷。

二、AI浪潮席卷全球：前所未有的增長態勢

報告深刻揭示了人工智能在全球范圍內呈現的爆炸式增長，這種增長不僅體現在用戶規模的迅速擴張，更體現在AI應用的廣度與深度，以及隨之而來的海量資本投入。這股浪潮的速度和規模，在人類科技史上堪稱空前。

用戶增長奇跡：從ChatGPT看AI采納速度

以OpenAI的ChatGPT為代表的新一代AI應用，其用戶增長速度創造了歷史記錄。報告指出，ChatGPT用戶數從0增長到驚人的8億，僅用了17個月（截至2025年4月）。這種“病毒式”的傳播速度，遠超歷史上任何一款現象級應用。

△圖1：ChatGPT 用戶增長曲線 (2022年10月 - 2025年4月)。數據來源：OpenAI, Trends – Artificial Intelligence 報告

為了更直觀地理解這一速度，報告將其與其他顛覆性技術達到相似用戶里程碑的時間進行了對比。例如，達到1億用戶，ChatGPT僅用了約0.2年（約2個多月），而Instagram用了2.5年，WhatsApp用了3.5年，Facebook用了4.5年，Netflix更是長達10年。

△圖2：各類技術達到1億用戶所需年限對比。數據來源：BOND, Company Filings, Press, Trends – Artificial Intelligence 報告

若將時間尺度拉近至達到100萬用戶/客戶，ChatGPT僅需5天，而iPhone需要74天，TiVo需要270天，早期的福特T型車則需要近2738天。這種指數級的增長背后，是AI技術在易用性（簡單直觀的交互界面）、實用性（解決實際問題、提升效率）和創新性（前所未有的能力與體驗）上取得的巨大突破。

△圖3：各類產品/服務達到100萬用戶/客戶所需天數對比。數據來源：Heartcore Capital, CNBC, Various Historical Archives, Trends – Artificial Intelligence 報告

AI使用普及化：跨越年齡與地域的滲透

AI工具的普及并非僅限于科技愛好者，而是迅速滲透到社會各個年齡段和不同地域的人群中。以美國為例，報告引用Pew Research和Elon University的數據顯示，ChatGPT等AI工具在成年人中的使用比例持續上升，尤其是在年輕群體中更為顯著。截至2025年1月，18-29歲年齡段有高達46%的人使用過ChatGPT。

△圖4：美國不同年齡段成年人ChatGPT使用比例。數據來源：Pew Research Center (2024), Elon University (2025), Sam Altman via Fortune, Trends – Artificial Intelligence 報告

用戶粘性也在不斷增強。報告數據顯示，美國活躍用戶在ChatGPT App上花費的日均時長從2023年7月的6.6分鐘增長到2025年4月的19.9分鐘，增長超過200%。日均使用次數和單次使用時長也呈現穩步增長趨勢。

△圖5：美國活躍用戶在ChatGPT App上的日均使用時長和會話統計 (2023年7月 - 2025年4月)。數據來源：Sensor Tower, Trends – Artificial Intelligence 報告

從全球范圍看，AI的采納呈現出與早期互聯網革命不同的特點。互聯網早期主要集中在北美，然后逐漸向全球擴散。而以ChatGPT為代表的AI應用，幾乎是“一夜之間”風靡全球，北美以外地區的用戶占比迅速提升，顯示了AI技術更強的普適性和全球同步性。

△圖6：互聯網與ChatGPT用戶北美以外地區占比對比 (標準化起始年份)。數據來源：ITU, Sensor Tower, Trends – Artificial Intelligence 報告 (注: ChatGPT在部分國家/地區不可用)

資本支出空前：巨頭引領的投資狂潮

AI的飛速發展離不開巨大的資本投入。報告強調，全球科技巨頭，包括蘋果、NVIDIA、微軟、Alphabet（谷歌母公司）、亞馬遜（AWS）和Meta Platforms，都在AI領域進行了前所未有的資本支出（CapEx）。這些投資主要流向了算力基礎設施建設（如GPU采購、數據中心建設）、AI模型研發、頂尖人才招募以及戰略并購等。

△圖7：主要科技巨頭資本支出（CapEx）增長趨勢。數據來源：Capital IQ, Morgan Stanley, Trends – Artificial Intelligence 報告 (注: 具體數值為示意，重點展示增長趨勢)

數據中心作為AI算力的核心載體，其投資熱度和建設速度尤為引人注目。報告以xAI公司的Colossus數據中心為例，這個占地75萬平方英尺（約合7萬平方米，相當于418個美國家庭住宅面積）的龐然大物，僅用122天就建成并投入運營，其GPU數量在短短7個月內從0增長到20萬個。英偉達CEO黃仁勛稱之為“AI工廠”，這種建設速度正在成為新常態。

△數據圖8：xAI Colossus AI中心驚人的建設速度，122天建成75萬平方英尺設施。來源：xAI, Trends – Artificial Intelligence 報告

△圖9：xAI Colossus 數據中心GPU數量增長 (2024年4月 - 2024年11月)。數據來源：xAI, Trends – Artificial Intelligence 報告

本節關鍵要點總結

• 用戶增長創紀錄：以ChatGPT為代表的AI應用用戶增長速度遠超以往任何技術，顯示出強大的吸引力和普及潛力。

• 使用廣泛且深入：AI工具正快速滲透至各年齡段和地區，用戶粘性持續增強。

• 資本投入空前：科技巨頭引領AI領域投資熱潮，重點布局算力、模型和人才，數據中心建設高速推進。

三、驅動AI發展的雙引擎：成本結構變革與技術創新

AI浪潮的洶涌澎湃，離不開兩大核心引擎的驅動：一是AI模型成本結構的深刻變革，二是關鍵技術的持續突破與創新。這兩大引擎的協同作用，正在不斷降低AI的應用門檻，拓展其能力邊界。

AI模型成本的“冰與火之歌”

AI模型的經濟學呈現出一種獨特的“冰與火之歌”景象：訓練成本持續高企，而推理（應用）成本則在急劇下降。

1.訓練成本高企與持續攀升

報告指出，訓練最強大的大型語言模型（LLM）已成為人類歷史上最昂貴、資本最密集的努力之一。前沿模型的參數量不斷擴大，架構日益復雜，導致訓練成本飆升至數億美元級別。Anthropic公司CEO Dario Amodei在2024年中期預測，訓練成本10億美元的模型已在進行中，未來甚至可能出現100億美元訓練成本的模型。

“目前[AI模型訓練成本]是1億美元。今天正在訓練的模型更像是10億美元……我認為……100億美元模型的訓練，是的，可能會在2025年某個時候開始。” - Dario Amodei, CEO of Anthropic (Mid-2024)【來源：Trends – Artificial Intelligence 報告】

驅動訓練成本上升的主要因素包括：模型參數規模的指數級增長、對海量高質量訓練數據的需求，以及由此帶來的對尖端算力的渴求。

2.推理成本急劇下降

與高昂的訓練成本形成鮮明對比的是，應用這些模型的成本——即推理成本——正在迅速下降。報告援引數據稱，在2022年至2024年間，運行語言模型的每token成本估計下降了99.7%。NVIDIA公司2024年發布的Blackwell GPU，其每token能耗比2014年的Kepler GPU降低了105,000倍。硬件的飛速進步，加上模型算法效率的突破，共同推動了推理成本的“跳水”。

△圖10：關鍵技術成本相對初始年份變化趨勢 (示意圖)。數據來源：Richard Hirsh, John McCallum, OpenAI, Trends – Artificial Intelligence 報告

推理成本的急劇下降，極大地降低了AI技術的應用門檻，使得個人開發者、小型企業和研究機構也能負擔得起強大的AI能力，從而激發了廣泛的創新和應用落地。“過去需要數美元成本的功能，現在可能只需要幾美分，甚至未來是幾分之一美分。”

3.性能趨同與商業模式挑戰

然而，這種成本結構的變化也給AI模型提供商帶來了新的挑戰。一方面，隨著各大廠商紛紛投入巨資研發，頭部模型的性能開始出現趨同的跡象。斯坦福大學HAI發布的LMSYS Chatbot Arena數據顯示，頂級AI模型之間的性能差距正在縮小。

△圖11：頂級AI模型在LMSYS Chatbot Arena上的性能表現 (2024年1月 - 2025年2月)。數據來源：Stanford HAI, Nestor Maslej, Trends – Artificial Intelligence 報告

另一方面，訓練成本高昂、服務（推理）成本低廉的現狀，使得模型提供商的盈利模式面臨壓力。在競爭加劇和開源模型崛起的背景下，單純依靠模型API調用的定價權正在減弱。此外，針對特定場景優化的小型、低成本模型也開始涌現，對“一刀切”的超大通用模型提出挑戰。AI模型提供商如何構建可持續的商業模式，成為業界普遍關注的問題。

技術進步的核心驅動力

除了成本結構的演變，持續的技術創新是AI發展的另一大核心驅動力，主要體現在硬件革新、算法優化和開發者生態的繁榮。

1.硬件革新：GPU與定制芯片

圖形處理器（GPU）因其強大的并行計算能力，成為AI訓練和推理的首選硬件。以NVIDIA為代表的GPU制造商通過不斷的技術迭代，顯著提升了芯片的性能和能效比，為AI的算力需求提供了堅實基礎。報告強調，NVIDIA的GPU生態系統已經成為AI發展的重要風向標。

與此同時，為了追求極致的性能和成本效益，科技巨頭和AI初創公司紛紛投入研發定制化AI芯片（ASICs，專用集成電路）。例如，Google的TPU（Tensor Processing Unit）、Amazon的Trainium和Inferentia芯片，以及其他公司設計的AI加速器，都在特定AI任務上展現出優于通用GPU的性能或能效。這種趨勢推動了AI硬件向多元化、專用化方向發展。

2.算法效率提升

算法的進步與硬件的革新相輔相成。研究人員在模型架構、訓練方法、量化壓縮、剪枝等方面不斷取得突破，使得AI模型在保持甚至提升性能的同時，對算力的需求和推理延遲得到有效控制。例如，Transformer架構的持續演進、混合專家模型（MoE）的應用，以及各種高效的優化算法，都對降低AI技術門檻起到了關鍵作用。

3.開發者生態的繁榮

一個活躍的開發者生態是技術普及和創新的土壤。報告顯示，NVIDIA和Google等技術平臺的開發者數量正在經歷爆炸式增長。NVIDIA生態系統中的開發者數量從2017年的約100萬增長到2025年的600萬，7年間增長了6倍。Google生態系統中的AI相關開發者數量在2024年5月至2025年5月的一年內，也從約140萬增長到700萬，增長了5倍。

△圖12：NVIDIA生態系統全球開發者數量增長 (2005年 - 2025年)。數據來源：NVIDIA, Trends – Artificial Intelligence 報告

△圖13：Google生態系統全球開發者數量增長 (2024年5月 - 2025年5月)。數據來源：Google, Trends – Artificial Intelligence 報告

此外，Meta的Llama系列、Mistral AI的Mixtral、以及眾多其他高質量開源模型的涌現，極大地激發了全球開發者的創新熱情。開發者不再局限于少數幾個閉源模型，而是可以根據自身需求選擇、定制甚至共建模型，這進一步加速了AI技術的迭代和應用落地，形成了“開發者驅動創新，創新吸引更多開發者”的良性循環。

本節關鍵要點總結

• 模型成本變革訓練成本持續攀升，但推理成本急劇下降，降低了AI應用門檻。
• 性能與商業模式：頭部模型性能趨同，對傳統商業模式構成挑戰，催生更靈活的解決方案。
• 硬件創新：GPU持續進步，定制化AI芯片（ASICs）興起，提供強大算力支持。
• 算法與生態：算法效率不斷提升，開源模型蓬勃發展，龐大的開發者社區成為創新主力軍。

四、全球AI競逐：格局、焦點與中國力量

人工智能的戰略意義已成為全球共識，由此引發的國際競爭日趨激烈。報告指出，這場競賽不僅關乎技術領先，更關乎未來的經濟主導權和國家競爭力。其中，中美兩國無疑是這場角逐的核心參與者。

全球AI競爭白熱化

AI領域的競爭呈現出多層次、全方位的特點。科技巨頭（主要集中在美國）憑借其強大的研發實力、資金優勢和龐大的數據資源，在基礎模型、算力平臺和應用生態方面占據先發優勢。與此同時，各國政府也紛紛將AI提升至國家戰略高度，加大政策扶持和資金投入，力圖在這場變革中搶占有利位置。

報告援引Meta Platforms CTO Andrew Bosworth的觀點，將當前的AI競爭形容為新的“太空競賽”，強調其全球性與緊迫性：“我們正在討論的人，尤其是中國，能力非常強……這里幾乎沒有秘密。只有進步。你必須確保自己永遠不會落后。”

△圖：全球AI競爭態勢示意圖。來源：Trends – Artificial Intelligence 報告

競爭的戰略制高點

AI競爭的戰略制高點主要包括以下幾個方面：

• 頂尖人才：AI的發展高度依賴于高水平的科研人員和工程師，人才的培養和引進成為各國競爭的焦點。

• 大規模高質量數據：數據是訓練AI模型的“燃料”，擁有海量、多樣化、高質量的數據集是構建強大AI能力的基礎。
  

• 先進算力基礎設施：包括高性能AI芯片（如GPU、TPU、NPU）、高速互聯網絡和大規模數據中心，是AI研發和應用的“發動機”。

• 創新算法模型：基礎大模型的持續突破，以及針對特定領域和任務的高效模型，是保持競爭優勢的關鍵。

• 豐富的應用場景：將AI技術成功應用于各行各業，解決實際問題，創造商業價值，是衡量AI發展水平的重要標志。

各國政府通過制定國家AI戰略、設立專項研發基金、建設AI產業園區、推動數據開放共享等多種方式，積極營造有利的創新生態，爭奪這些戰略制高點。

中國AI的崛起與挑戰

中國作為全球AI領域的重要一極，近年來取得了顯著進展。報告數據顯示，中國在AI應用市場（如LLM桌面用戶份額的快速增長）和特定產業（如工業機器人的部署數量）等方面表現突出。

△圖14：領先美國LLM與中國LLM桌面用戶份額對比 (示意圖)。數據來源：YipitData, Trends – Artificial Intelligence 報告 (注: 具體份額為相對值）

△圖15：中國、美國及世界其他地區工業機器人安裝量 (截至2023年)。數據來源：International Federation of Robotics, Trends – Artificial Intelligence 報告

中國發展AI的優勢主要體現在：

• 龐大的國內市場和豐富的應用場景：為AI技術的快速迭代和商業化提供了廣闊空間。

• 海量的數據資源：尤其是在移動互聯網、電子商務、智慧城市等領域積累了大量數據。

• 強有力的政策支持：政府將AI視為國家戰略重點，給予了大量的政策和資金支持。

• 快速發展的數字基礎設施：如5G網絡、云計算等為AI應用提供了良好基礎。

然而，中國AI發展也面臨一些挑戰：

• 核心技術瓶頸：在高端AI芯片、核心算法框架、操作系統等基礎軟硬件方面仍存在對外依賴。

• 頂尖人才缺口：雖然AI從業人員數量龐大，但在具有國際影響力的頂尖領軍人才方面相對不足。

• 數據質量與開放共享：數據孤島現象依然存在，高質量、標準化的訓練數據供給有待加強。

• 復雜的國際環境：全球科技競爭和地緣政治因素可能對中國AI的國際合作和技術引進帶來不確定性。

盡管如此，中國憑借其獨特的優勢和持續的努力，正在積極構建本土AI生態系統，并在全球AI版圖中扮演著越來越重要的角色。開源趨勢也為中國AI社區提供了與國際接軌、快速學習和創新的機會。

本節關鍵要點總結

• 競爭白熱化：全球范圍內，特別是中美之間，圍繞AI領導權的競爭異常激烈。

• 戰略制高點：競爭聚焦于人才、數據、算力、算法和應用場景等核心要素。

• 中國力量：中國在AI應用和特定產業領域發展迅速，擁有市場、數據和政策優勢，但面臨核心技術和高端人才等挑戰。

五、AI賦能千行百業：變革性應用與未來圖景

人工智能正以前所未有的深度和廣度滲透到各個行業，從根本上改變著生產、服務和創新方式。報告通過一系列生動的案例，展示了AI賦能千行百業的巨大潛力，并展望了其對未來工作和生活，乃至通用人工智能（AGI）的深遠影響。

AI在關鍵行業的應用突破
1.醫療健康：加速藥物研發，提升診療水平

AI在醫療健康領域的應用尤為引人矚目。報告以藥物研發為例，指出AI技術能夠大幅縮短新藥從發現到臨床前候選階段的時間。例如，Insilico Medicine和Cradle等公司利用AI平臺，使得靶點發現、分子設計和特性預測等環節的效率顯著提升，傳統上需要3-6年的研發周期，通過AI輔助可縮短至幾個月到一年半載，平均縮短時間達到30%-80%。

△圖16：AI驅動藥物研發時間對比 (傳統 vs. AI輔助)。數據來源：Insilico Medicine, Cradle, BioPharmaTrend, Trends – Artificial Intelligence 報告

此外，在癌癥檢測方面，AI通過分析醫學影像（如CT、MRI、病理切片），能夠輔助醫生進行早期篩查和精準診斷。報告提及Microsoft與Paige合作，共同構建全球最大的基于圖像的AI模型，以對抗癌癥。

2.內容創作與媒體：真實感生成與無障礙傳播

AI在內容創作領域的進展同樣驚人。以音頻為例，ElevenLabs等公司提供的AI語音合成技術，能夠生成高度逼真、富有情感的人聲，其工具已被超過60%的財富500強公司的員工使用。其月度全球網站訪問量從2023年1月的約100萬次飆升至2025年4月的超過2000萬次。

△圖17：ElevenLabs月度全球網站訪問量 (2023年1月 - 2025年4月)。數據來源：Similarweb, Trends – Artificial Intelligence 報告

音樂流媒體巨頭Spotify也開始利用AI技術進行音頻翻譯，將播客等內容翻譯成多種語言，并保留創作者的原始音色特征，極大地促進了內容的全球化傳播。Spotify CEO Daniel Ek對此充滿期待：“這會為創造力、知識共享和娛樂帶來什么？我認為我們才剛剛開始探索……”

△圖18：Spotify利用AI進行音頻翻譯以促進內容全球傳播。來源：Spotify, Trends – Artificial Intelligence 報告

3.工業與機器人：邁向智能制造與自主協作

在工業領域，AI正在推動制造業向智能化、柔性化方向轉型。通過機器視覺、預測性維護、流程優化等AI應用，企業能夠提高生產效率、降低成本、提升產品質量。同時，AI也賦予了機器人更強的感知、理解和協作能力。報告提及Google演示的機器人能夠理解并執行復雜的人類指令，預示著人機協作的新時代。

4.企業服務與AI Agent：自動化與智能決策新范式

AI Agent（智能代理）被認為是AI應用的下一個重要形態。它們能夠理解用戶意圖，自主規劃并執行復雜任務，有望成為個人和企業的智能助手。報告顯示，全球對“AI Agent”的關注度（以Google搜索量為代表）在過去一年多時間內增長了超過10倍。

△圖19：全球Google“AI Agent”搜索趨勢 (2024年1月 - 2025年5月)。數據來源：Google Trends via Glimpse, OpenAI, Trends – Artificial Intelligence 報告

各大科技公司紛紛布局AI Agent。例如，Salesforce的Agentforce專注于自動化客戶支持和銷售流程；Anthropic的Claude 3.5 Computer Use和OpenAI的Operator則致力于讓AI直接操控電腦完成任務；Amazon的Nova Act則面向家庭自動化和信息服務。這些AI Agent預示著一種新的交互范式，即從“與機器對話”轉向“讓機器辦事”。

△圖20：主要科技公司發布的AI Agent產品及其部分功能。來源：Trends – Artificial Intelligence 報告

5.教育、金融等其他領域

除了上述領域，AI在教育（個性化學習、智能輔導）、金融（智能投顧、風險控制、反欺詐）、交通（自動駕駛、智能調度）、能源（智能電網、能效優化）等眾多行業也展現出巨大的應用前景。

AI與工作方式的演變

AI的普及無疑將深刻改變未來的工作方式。報告強調，“AI與工作的演變是真實且迅速的”。一方面，AI能夠自動化大量重復性、流程化的任務，將人類從繁瑣勞動中解放出來，從而提高整體生產力。另一方面，AI可以作為強大的輔助工具，增強人類的分析、決策和創造能力。

△圖21：AI正在真實而迅速地推動工作方式的演變。來源：Trends – Artificial Intelligence 報告

這也意味著未來社會對勞動者技能需求的變化。對創造力、批判性思維、情感智能、復雜問題解決能力等“軟技能”的需求將更加突出，而與AI協作、管理AI系統的能力也將成為新的必備技能。適應這種變化，進行終身學習和技能更新，將是每個人在AI時代保持競爭力的關鍵。

邁向通用人工智能（AGI）

當前AI主要表現為專用人工智能（ANI），即在特定任務上表現出色。而通用人工智能（AGI）則指具備與人類相當、甚至超越人類的廣泛認知能力的AI系統，能夠理解、學習并靈活運用于任何智力任務。AGI被視為AI發展的終極目標之一。

報告指出，盡管AGI的實現時間表仍不確定，但近年來專家們的預期已顯著提前。OpenAI CEO Sam Altman在2025年1月表示：“我們現在有信心知道如何構建我們傳統理解意義上的AGI。” 這反映出模型架構的進步、推理效率的提升以及訓練規模的擴大，正在縮短從研究到實現AGI的距離。

報告強調，AGI并非一個一蹴而就的終點線，而是一個能力發生相變的階段。一旦實現，AGI可能會在科研、工程、教育、物流等領域引發顛覆性變革，甚至重塑人類社會結構。然而，其影響的廣度和深度，將高度依賴于我們如何選擇采納、管理和治理這項強大的技術。機遇與風險并存，需要審慎應對。

本節關鍵要點總結

• 行業應用廣泛：AI在醫療、內容創作、工業、企業服務等眾多行業取得突破性進展，展現巨大賦能潛力。

• 重塑工作方式：AI將自動化重復任務，提升生產力，并對未來職業技能提出新要求。

• AGI曙光初現：通用人工智能的探索加速，預示著更深遠的社會變革，但其發展路徑與影響尚需審慎評估。

六、機遇與挑戰并存：AI時代的深層思考與展望

人工智能的發展帶來了前所未有的機遇，但同時也伴隨著商業化落地、資源消耗、倫理風險等多方面的挑戰。報告在展現AI光明前景的同時，也對其面臨的復雜問題進行了深入剖析，并對未來發展提出了具有建設性的思考。

AI商業化的現實考量

盡管AI技術取得了巨大進步，但其商業化之路并非一帆風順。特別是對于大型語言模型（LLM）而言，高昂的訓練成本和算力支出，與日益激烈的市場競爭和價格壓力，共同構成了嚴峻的盈利挑戰。報告中的數據顯示，領先的美國AI LLM提供商的計算費用遠超其收入，這揭示了當前AI產業“燒錢”的現狀。

△圖22：領先的美國AI LLM收入與計算費用對比 (示意圖)。數據來源：The Information, Public Estimates, Trends – Artificial Intelligence 報告 (注: 具體數值為估算)

報告還指出，在AI領域構建持久的“護城河”并非易事。技術的快速迭代和開源模型的普及，使得先發優勢很容易被削弱。對于AI企業而言，如何在巨大的投入下找到可持續的盈利模式，并建立核心競爭力，是其生存和發展的關鍵。

“企業和投資歷史中最清晰的教訓之一是，如果沒有某種進入壁壘，先發優勢很快就會喪失……從任何新技術中識別贏家往往是危險和困難的，但識別‘輸家’幾乎總是更簡單。”【

來源：Trends – Artificial Intelligence 報告

能源消耗與可持續性

AI的快速發展，特別是大規模模型的訓練和部署，對能源消耗提出了巨大挑戰。數據中心作為AI算力的物理載體，其電力消耗已不容忽視。根據國際能源署（IEA）的數據，2024年全球數據中心電力消耗已占全球總用電量的約1.5%，并且自2017年以來以年均12%的速度增長，遠超全球總電力消耗增速。

△圖23：全球數據中心電力消耗增長趨勢 (2005年 - 2024年)。數據來源：International Energy Agency (IEA), ‘Energy and AI’ (4/25), Trends – Artificial Intelligence 報告

美國是數據中心電力消耗最大的國家，占全球總量的約45%，其次是中國（25%）和歐洲（15%）。IEA強調，“沒有能源——特別是電力——就沒有AI。”如何在推動AI技術進步的同時，解決能源瓶頸問題，發展綠色AI，提高能源利用效率，已成為AI可持續發展的關鍵議題。

△圖24：2024年全球數據中心電力消耗區域分布。數據來源：International Energy Agency (IEA), ‘Energy and AI’ (4/25), Trends – Artificial Intelligence 報告

風險、倫理與治理挑戰

AI技術的強大能力也帶來了潛在的風險和倫理挑戰。報告引用了理論物理學家斯蒂芬·霍金的警示：“創造AI的成功可能是我們文明史上最大的事件。但它也可能是最后一個——除非我們學會如何避免風險。” 這些風險包括：

• 致命自主武器系統（LAWS）：AI在軍事領域的應用可能導致戰爭形態的改變和軍備競賽升級。

• 監控與操縱：AI技術可能被用于大規模監控和信息操縱，侵犯個人隱私，影響社會公正。

• 偏見與歧視：AI系統可能因訓練數據或算法設計的缺陷而產生偏見，導致不公平的決策。

• 就業沖擊：AI自動化可能取代部分人類工作，引發結構性失業和社會適應問題。

• 安全關鍵應用風險：在自動駕駛、醫療診斷等安全攸關領域，AI系統的可靠性和安全性至關重要。

• 網絡安全威脅：AI可能被用于發動更復雜、更隱蔽的網絡攻擊。

應對這些挑戰，需要全球范圍內的合作，建立健全的法律法規、倫理準則和技術標準，確保AI技術以負責任、可信賴、惠及全人類的方式發展和應用。

長遠前景與樂觀態度

盡管面臨諸多挑戰，報告對AI技術的長遠前景依然保持樂觀態度。AI作為一種強大的通用目的技術，其最終潛力在于解放人類的生產力，加速科學發現，提升生活品質，解決全球性難題（如氣候變化、疾病治療等）。

Google DeepMind CEO Demis Hassabis曾提出一個富有遠見的觀點：“首先我們解決AI，然后用AI解決其他一切問題。” 這代表了許多AI從業者和研究者對AI終極價值的期許。報告也認為，激烈的競爭與創新、日益普及的算力、全球用戶對AI技術的快速采納，以及深思熟慮的領導力，有望在審慎與尊重的基礎上，推動AI向著積極的方向發展。

“從統計學上講，世界并不會那么頻繁地終結……對樂觀主義的押注是你能做的最好的賭注之一。” - Brian Rogers, 前T. Rowe Price 主席兼CEO，轉引自 Trends – Artificial Intelligence 報告

本節關鍵要點總結

• 商業化難題：AI（特別是LLM）面臨高投入、高競爭、盈利模式不清晰的挑戰。

• 能源瓶頸：AI發展帶來的巨大能源消耗對可持續性構成威脅，綠色AI是未來方向。

• 風險與倫理：AI發展伴隨自主武器、偏見、就業沖擊等多重風險，亟需建立完善的治理框架。

• 長期樂觀：盡管挑戰重重，AI作為通用技術的賦能潛力巨大，有望為人類社會帶來深遠福祉。

結語：擁抱智能未來，共塑AI新紀元

《Trends – Artificial Intelligence》報告為我們描繪了一幅波瀾壯闊的AI發展圖景。技術進步、成本下降、需求驅動與全球競爭共同構成了AI浪潮的核心驅動力。這場由算法、數據和算力共同譜寫的智能革命，正在以前所未有的速度和深度，顛覆傳統行業，重塑經濟格局，并深刻影響著我們每個人的生活。

AI帶來的不僅僅是效率的提升和體驗的優化，更是一場關于智能本質的探索和人類潛能的再次釋放。從輔助決策到自主創造，從特定任務到通用智能，AI的邊界在不斷拓展，其強大的賦能力量正逐步顯現。

然而，正如報告所揭示的，機遇與挑戰總是相伴而生。在為AI的驚人進展歡欣鼓舞的同時，我們必須正視其在商業化、能源消耗、社會公平、倫理規范以及安全風險等方面帶來的復雜議題。這需要我們以更加開放的心態去學習和理解，以更加理性的態度去評估和應用，以更加負責任的精神去引導和規范。

未來已來，智能時代的大幕已然拉開。面對這場席卷全球的變革，唯有積極擁抱、主動適應、持續創新，才能抓住歷史機遇，駕馭時代浪潮。讓我們秉持審慎樂觀的態度，通過全球協作與不懈探索，共同塑造一個更加普惠、更加公平、更加美好的AI新紀元，讓智能真正服務于人類文明的進步與繁榮。

行業窗口與頂尖新媒體【三川匯文化科技】已運維4000多期（持續十多年，跨越4000多天），推送文化、旅游、體育領域專業優質文章8000多篇。【三川匯文化科技】始終秉承權威、專業、準確、及時、實用的特點，聚焦文化、旅游、體育等行業前沿動態、發展思考，直面新時代行業發展重大問題，融匯行業內外精英的觀察和理解，得到了全國從中央到地方各級政府公務員、企事業單位負責人、精英從業者的高度關注與大力支持，亦架設起溝通各方的暢通渠道，是中共中央宣傳部、國家發展和改革委員會、文化和旅游部、國家廣播電視總局、國家電影局、國家新聞出版署、國家文物局、國家體育總局等有關部門，各地市政府，以及全國各文化、旅游、體育企業的重要助手。歡迎訂閱關注！

喜歡這篇嗎？分享、點贊、推薦，都安排上～