本文整理網路女王 Mary Meeker 旗下 Bond 資本的年度 AI 趨勢報告，深度描繪了 AI 技術正以驚人速度重塑世界的全景圖。
（前情提要：網路女王 Mary Meeker 340 頁 AI 深度報告(上)：人工智慧如何以前所未有速度俘獲用戶）
（背景補充：Podcast精華：AI和機器人覆蓋了加密貨幣熱潮，下個時代微創業最夯 ）
有著「網路女王」(Queen of the Internet) 美譽的 Mary Meeker，其創辦的 Bond 資本公司歷年都會發布網路趨勢報告而聞名全球。近日 BOND 在最新的《Trends – Artificial Intelligence》報告中，以 340 頁內容深度描繪了 AI 技術正以驚人速度重塑世界的全景圖。
該報告內容繁多，本文為三篇重點整理文章中的第二篇，第一篇請點擊這。
AI用戶 + 使用量 + 資本支出增長 = 前所未有
消費者/用戶AI採用的空前盛況：
現象級的用戶增長： 以ChatGPT作為行業風向標，其用戶增長速度堪稱現象級。在短短 17 個月內，其周活躍用戶數便增長了 8 倍，達到了驚人的 8 億。
這一數字不僅證明了AI技術的吸引力，也反映了其快速滲透大眾市場的能力。
全球同步的擴散： 與以往技術通常從發源地逐步向全球擴散的模式不同，本輪 AI 浪潮呈現出全球同步爆發的特徵。以北美以外用戶占比衡量，網際網路用了 23 年才達到 90% 的滲透率，而 ChatGPT 僅用了 3 年時間就達到了相似的水平，這凸顯了 AI 技術的全球化屬性和快速傳播能力。 
超越網路時代的產品： 若將 ChatGPT 與網路時代的明星產品進行比較，其用戶獲取速度更是驚人。達到 1 億用戶的里程碑，ChatGPT 僅用了 0.2 年，遠遠快於 TikTok、Instagram、Facebook 等曾經的增長奇蹟。
顛覆性的獲取成本： 與福特 T 型車、TiVo、iPhone 等歷史上的基礎性技術產品相比，ChatGPT 不僅在達到百萬用戶/客戶的速度上遙遙領先，更重要的是，其初期獲取用戶的成本幾乎為零。這種“免費增值”或低門檻的策略，極大地加速了 AI 技術的普及。
家庭滲透率的加速： 在美國，新技術產品達到 50% 家庭滲透率的時間呈現逐代減半的趨勢。AI 技術有望延續甚至加速這一模式，報告預計其僅需 3 年左右即可達到這一里程碑，這將對社會生活的方方面面產生深遠影響。
NVIDIA生態的繁榮： 作為 AI 算力的核心提供者，NVIDIA 的生態系統在過去四年中經歷了爆炸式增長。其生態內的開發者數量、AI 新創公司數量以及使用 GPU 的應用程序數量均實現了超過 100% 的增長。這表明圍繞 AI 硬體的軟體和應用生態正在快速成熟。
科技巨頭將 AI 置於戰略頂級優先級：
財報電話會議的焦點： 從 NVIDIA、C3.ai、百度到谷歌、Meta、IBM、微軟、Salesforce 和英特爾，幾乎所有頭部科技公司都在其財報電話會議中將“AI”作為核心議題，其提及頻率顯著上升。這反映了資本市場和企業管理層對AI戰略地位的高度認可。
高管們的共同願景： 各大科技巨頭的領導者，如亞馬遜的 Andy Jassy、谷歌的 Sundar Pichai 等，紛紛公開表達了對 AI 顛覆性潛力的堅定信念，並將其視為公司未來發展的核心戰略。他們的言論不僅描繪了 AI 技術的廣闊前景，也揭示了行業領導者在 AI 領域的雄心和佈局。
標普 500 公司的關注度： 在更廣泛的企業界，AI 的影響力也在迅速擴大。標普500公司在其季度財報電話會議中提及“AI”的比例，已從 2015 年時的微不足道，攀升至 2024 年第四季度的 50%。表明 AI 已從一個小眾的技術概念，轉變為影響主流企業決策的重要因素。
全球企業的戰略重心轉移： 對於全球企業而言，未來兩年內利用生成式 AI 進行改進的目標，更多地集中在能夠直接帶來收入增長的領域，如提升產品/產出效率、優化客戶服務、提高銷售效率等，而非僅僅是削減成本。這反映了企業對AI價值創造能力的期待。
CMO 群體的積極探索： 在行銷領域，AI 的應用也蔚然成風。高達 75% 的全球首席行銷長（CMO）表示正在積極使用或測試 AI 工具，以期提升營銷效果和消費者洞察能力。
金融、醫療等行業的實踐案例： 美國銀行的 Erica 虛擬助手、摩根大通的端到端 AI 現代化、凱撒醫療集團的多模式 AI 抄寫員，以及 Yum! Brands（百勝餐飲集團）的 AI 驅動餐廳管理平台等案例，都生動地展示了 AI 在金融、醫療、餐飲等傳統行業中的實際應用和價值創造。
教育、政府及研究領域對AI的積極整合：
跨領域的 AI 合作與應用： 從亞利桑那州立大學的 AI 加速計劃，到牛津大學與 OpenAI 的深度合作，再到由 MIT、哈佛等頂尖學府組成的 NextGenAI 聯盟，以及專為美國聯邦機構量身定制的 ChatGPT Gov，無不顯示出 AI技術正在加速融入教育、政府和科研等關鍵領域。
美國國家實驗室也開始利用 AI 推動在核能、網路安全等前沿科學領域的突破。
主權 AI 政策的興起： 隨著 AI 技術的戰略意義日益凸顯，各國政府也越來越重視並開始制定和採納主權AI政策，旨在掌握AI發展的主動權。NVIDIA 的 Sovereign AI 合作夥伴計劃已在全球範圍內展開。
AI 在醫療領域的加速審批與應用： 美國食品藥品監督管理局（FDA）批准的AI醫療設備數量正在快速增長，這反映了AI技術在提升醫療診斷和治療水平方面的巨大潛力。同時，FDA也宣布了雄心勃勃的計劃，旨在 2025 年 6 月前在其所有中心內部推廣 AI 的使用。
AI 賦能藥物研發提速： Insilico Medicine 和 Cradle 等公司正引領 AI 在藥物研發領域的應用，成功將傳統的醫療研發時間線縮短了 30% 至 80%。Cradle 的 GenAI 平台更是將臨床前研究的速度提高了驚人的 1.5 至 12 倍，極大地加速了新藥的發現進程。
AI使用量的空前增長——深度與廣度的拓展：
跨越年齡鴻溝的 AI 普及： 在美國，各個年齡段的成年人對 ChatGPT 等 AI 工具的使用都在迅速增加。值得注意的是，18-29 歲的年輕群體使用比例最高，OpenAI 創辦人 Sam Altman 甚至觀察到，“年輕人將它（ChatGPT）視為生活顧問”，這揭示了 AI 在不同代際人群中扮演著日益重要的角色。
移動端應用參與度的飆升： 美國活躍用戶在 ChatGPT 移動應用程序上花費的每日時長，在短短 21 個月內增長了驚人的 202%. 與此同時，用戶的會話時長和每用戶每日會話次數也呈現出顯著的增長趨勢。
高用戶留存率彰顯 AI 粘性： ChatGPT的桌面用戶留存率在 27 個月內從約 50% 攀升至 80%，遠高於同期谷歌搜索的留存率。這充分證明了 AI 工具的用戶粘性和不可替代性。
AI 助力工作效率提升： 超過 72% 使用 AI 聊天機器人的美國受僱成年人表示，這些工具顯著幫助他們更快、更好地完成工作任務。
AI 在教育領域的廣泛應用： OpenAI 針對美國 18-24 歲學生的調查顯示，ChatGPT 已成為他們學習和研究的重要輔助工具，主要應用於撰寫論文、進行腦力激盪、開展學術研究等。
“深度研究”能力的湧現： 谷歌 Gemini、OpenAI ChatGPT 和 xAI Grok 等頭部 AI 公司紛紛推出具備“深度研究”能力的產品功能，旨在自動化和增強專業領域的知識獲取和分析工作。
AI 代理的進化——從響應到執行： AI 技術正經歷著從簡單的聊天響應向更複雜的任務執行的轉變，逐漸演化為一種新型的服務提供者。
AI 代理程序能夠代表用戶進行推理、採取行動並完成多步驟的複雜任務，例如預訂會議、提交報告等。市場對“AI代理”的關注度也隨之飆升，相關的谷歌搜索量在 16 個月內增長了超過 1000%。與此同時，Salesforce、Anthropic、OpenAI 和亞馬遜等行業領導者也在加速推出各自的 AI 代理產品。
通用人工智能 (AGI)——AI 的下一個前沿： BOND 報告進一步探討了通用人工智能 (AGI) 的巨大潛力，並指出專家們對於 AGI 實現時間表的預期已顯著提前。AGI 不再被視為一個遙不可及的假設性終點，而是一個日益清晰的可達成的技術門檻。
一旦實現，AGI 將徹底重新定義軟體和硬體的能力邊界。
資本支出（CapEx）的空前增長，為 AI 未來奠基：
科技公司資本支出的歷史演變： 過去二十年，科技公司的資本支出隨著數據存儲、分發和計算需求的增長而呈現波動上升的趨勢。早期投資主要集中在構建互聯網基礎設施，而現階段的重心則轉向為數據密集型的人工智能工作負載增強算力，這包括對專用晶片（如GPU、TPU）、液冷技術以及前沿數據中心設計的大規模投入。
大型科技公司的巨額投入： 以美國“六大”科技公司為例，其資本支出在過去十年中以年均 21% 的速度增長，這與全球數據生成量（年均增長28%）的迅猛增長趨勢基本一致。
這些巨大的投入也直接反映在雲服務收入的強勁增長上，全球超大規模雲服務提供商的收入在過去十年中實現了高達 37% 的年均複合增長率。
AI 崛起對資本支出的深遠影響： AI 模型的訓練數據集規模正以年均 250% 的驚人速度擴張。為了滿足日益增長的 AI 算力需求，“六大”科技公司的資本支出同比增長了 63%，且增速仍在加快。
值得注意的是，其資本支出占總收入的比例已從十年前的 8% 上升到 15%。以行業領先者亞馬遜 AWS 為例，其資本支出占收入的比例在 2024 年達到了驚人的 49%，遠高於 2018 年的 4% 和 2013 年的 27%，這充分顯示了 AI/ML 基礎設施建設的巨大資金需求。
GPU 性能提升的核心推動作用： NVIDIA GPU 性能在過去八年內提升了 225 倍，其已安裝的 GPU 計算能力在短短約六年內增長了超過 100 倍。這使得 NVIDIA 成為本輪科技公司資本支出的主要受益者，其數據中心業務收入已占全球數據中心資本支出的 25%，且這一比例仍在持續上升。
研發投入的同步增長： 與資本支出同步增長的是研發投入。“六大”美國科技公司的研發支出占收入的比例已從十年前的 9% 上升到 13%。幸運的是，這些行業巨頭擁有充足的現金儲備（其自由現金流和資產負債表上的現金均實現了大幅增長）來支持在 AI 和相關資本支出方面的持續投入。
計算支出成為資本支出的主要驅動力： AI 模型的訓練成本居高不下且仍在快速上升，儘管推理成本正在下降。這種“一高一低”的成本動態，給雲服務提供商、晶片製造商以及企業 IT 部門的預算帶來了持續的壓力。
數據中心 — AI浪潮的關鍵基礎設施與受益者： AI 驅動的巨大需求推動數據中心相關支出達到了歷史高位。數據中心的建設速度正在加快，例如美國數據中心的年度私人建設投資價值在過去兩年內實現了年均 49% 的增長。
新建數據中心的容量遠遠超過了現有設施的填充容量。一個引人注目的案例是 xAI 的 Colossus 數據中心，它在短短 122 天內就拔地而起，其計算能力在七個月內從零迅速增長到擁有 20 萬個 GPU。
數據中心的巨大電力消耗： 數據中心是名副其實的“電力消耗大戶”。國際能源署（IEA）的報告明確指出，“沒有能源就沒有AI”。
數據中心的電力消耗自 2017 年以來以年均 12% 的速度增長，遠遠超過了全球總電力消耗的增速。其中，美國占據了全球數據中心電力消耗的 45%。從全球範圍來看，數據中心的電力消耗在過去 19 年內增長了整整 3 倍，而美國在區域電力消耗中則處於領先地位。
AI 模型訓練成本上升 + 推理成本下降 = 性能趨同 + 開發者使用量上升
報告的第 129-152 頁，深入探討了 AI 模型經濟學中一個核心且耐人尋味的矛盾現象：訓練成本的持續高企與推理成本的快速下降並存。
成本動態的微妙平衡：
訓練當前最先進的大型語言模型（LLM）已經成為人類歷史上最昂貴、資本最密集的投入之一，其成本動輒數十億美元。然而，具有諷刺意味的是，這場旨在構建最強大通用模型的競賽，可能正在加速行業的商品化進程，並導致回報遞減。與此同時，應用和使用這些模型（即“推理”過程）的成本卻在迅速下降。
高昂的 AI 模型訓練成本： 前沿AI模型的估計訓練成本在過去八年內增長了約 2400 倍。這一數字凸顯了進入 AI 模型研發領域的高門檻。
持續下降的推理成本/Token：
硬體效率的顯著提升（例如，NVIDIA 最新的 Blackwell GPU 相比於 2014 年的 Kepler GPU，在生成每個Token時的能耗降低了驚人的105,000倍）以及模型算法效率的突破，共同促使了推理成本的急劇下降。
Token 作為 AI 推理過程中的基本計量單位，其成本的降低直接影響了 AI 應用的經濟性。
以 NVIDIA GPU 為例，在過去十年中，生成每個 LLM Token 所需的能量下降了 105,000 倍。面向客戶的 AI 模型推理服務價格（以每百萬 Token 計算）在短短兩年內下降了高達 99.7%。
與電力和電腦內存等歷史上的關鍵技術相比，AI 在成本效率方面的提升速度顯得更為迅猛。這種“成本下降+性能提升→採用率上升”的趨勢，是技術發展史上的永恆主題，如今正在 AI 領域以更快的速度重演。
性能的趨同化： 隨著技術的成熟和競爭的加劇，頂級 AI模型在諸如 LMSYS 聊天機器人競技場等評測平台上的性能得分正在快速趨同。這意味著不同提供商的模型在核心能力上的差距正在縮小。
開發者使用量的激增：
推理成本的大幅降低使得 AI 實驗和產品化對於幾乎所有開發者而言都變得可行和經濟。同時，模型性能的趨同也改變了開發者在模型選擇上的考量。他們不再需要為追求絕對頂級的性能而支付高昂的費用，尤其是在可以針對特定應用場景對模型進行有效微調的情況下。
基礎模型的激增為開發者提供了前所未有的靈活性和選擇空間，這反過來又推動了由開發者主導的AI基礎設施的增長飛輪。正如報告所言：AI開發者近在咫尺(The AI Developer Next Door)。
根據 Stack Overflow 的調查數據，開發者對 AI 工具的採用率從 2023 年的 44% 迅速上升到 2024 年的 63%。
在開源社區 GitHub 上，與 AI 相關的開發者倉庫數量在短短 16 個月內增長了約 175%。谷歌每月處理的 Token 數量同比增長了 50 倍，而微軟 Azure AI Foundry 平台每季度處理的 Token 數量也同比增長了 5 倍。
AI開發者的應用場景極其廣泛和多樣化，涵蓋了從代碼生成、自動化測試到項目管理等軟件開發的各個環節。
盈利之路依然漫長： 儘管開發者的使用量呈現爆炸式增長，但居高不下的訓練成本和持續下降的推理服務價格，意味著AI模型提供商的盈利之路可能依然漫長而充滿挑戰。
》》Trends – Artificial Intelligence 完整報告
📍相關報導📍
年薪百萬資深工程師也被 AI 打敗：投 800 履歷石沈大海，為生計送外賣、住拖車
