摘要：互联网女皇Mary Meeker，这位硅谷最有影响力的科技投资人之一，近日发布了一份重磅报告《Trends – Artificial Intelligence》。整整340页，涵盖了AI行业过去一年最核心的变化。
互联网女皇Mary Meeker，这位硅谷最有影响力的科技投资人之一，近日发布了一份重磅报告《Trends – Artificial Intelligence》。整整340页，涵盖了AI行业过去一年最核心的变化。
从全球资本的巨额投入，到OpenAI、Google、Meta、微软等巨头的生态扩张，再到算力、算法、模型、开源、自动驾驶、生成式AI对普通人生活和企业运营的深刻改变。她不仅梳理了所有关键数据和趋势，还围绕“AI+全球竞争”、“开源对商业模式的冲击”、“中美AI两极化”、“下一代互联网用户的AI原生场景”等话题给出了非常有价值的洞见。
报告全英文输出，阅读门槛极高。市面上流传的大多是未经整理的机翻版，缺乏深入梳理和场景理解。因此，我专门花了一整天时间，从头到尾精读了全文，把所有关键观点、数据、结构都做了精校整理。
下面这篇深度解读，就是我为中文读者梳理出来的“完整版”。无论你是关注AI投资、行业趋势，还是想第一时间洞悉全球科技格局，都可以一文看懂Mary Meeker眼中的AI 2025。
1. 技术浪潮
以ChatGPT为代表的生成式AI创造了史上最快的产品普及纪录：上线仅五天用户即突破100万，大幅刷新iPhone、Instagram等历史产品的 adoption 速度纪录。发布不到一年半，ChatGPT的全球周活跃用户已飙升至8亿以上，这种扩散速度在以往难以想象。
过去互联网的用户增长往往是分阶段、分区域慢慢展开，ChatGPT从第一天起就是全球同步引爆，各国用户几乎同时接入。所以这一次用户数量几乎是直线冲顶，速度前所未有，真正体现了“爆炸式”增长。换句话说，在互联网时代花了几年甚至几十年走完的普及历程，AI产品在几个月内就走完了。
不仅终端用户数量激增，AI生态中的开发者和企业参与度也空前高涨。目前仅NVIDIA一家芯片巨头的AI开发者生态圈内就活跃着超过600万开发者。还有Google最新的Gemini模型生态的开发者社区规模同比暴增5倍。
大量个人开发者、初创团队涌入AI领域尝试新模型、新应用。这在高门槛技术领域前所未有。各行业的公司更是加速部署AI，将AI能力嵌入产品和流程。据报告指出，企业拥抱AI的速度已创纪录；许多AI创业公司达成1亿美元年度营收的速度比历史上任何技术浪潮都更快。
可以说，从个人到企业再到国家层面（后文将述及），AI的扩散正呈现全面开花之势。这背后一个关键驱动在于AI工具的易用性大幅提升：以ChatGPT为代表的多模态AI应用在智能手机等终端上触手可及，加之模型开源和云API降低了使用门槛，几乎任何有创意的人都能尝试将AI用于自己的场景。当“人人都有了AI”，技术扩散的速度自然前所未有地快。
2. 数据飙升、落地应用
几乎所有指标都在指数级攀升。Mary Meeker的报告中充斥着各类“向上狂奔”的曲线，从用户数、使用时长，到训练数据规模、算力投入，无一不在飞速增长。几个惊人的数据可以体现这种趋势：大型语言模型训练所用的数据量过去15年间年均增长高达260%；用于模型训练的计算量更是以每年360%的速度飙涨；新的AI模型发布数量也呈现指数级攀升，年增幅达167% 。换句话说，无论是数据、算力还是算法创新的频率，整个AI领域都在经历前所未有的高速扩张。
这些上扬的曲线不仅停留在纸面上，更直接带来了AI能力的爆发：短短几年间，AI图像生成已从模糊粗糙的尝试跃升到可以乱真的高清写实；语音合成工具也飞速成熟，例如ElevenLabs的AI配音已经服务于世界500强企业和普通内容创作者，能够实时生成多语言高保真语音。可以说，数据和算力的指数积累正在转化为肉眼可见的技术飞跃。
用户和数据爆炸带来了对算力空前的需求，各大科技公司纷纷大举增加资本开支以支撑AI发展。美国六大科企（苹果、NVIDIA、微软、Alphabet谷歌、亚马逊AWS、Meta）在AI时代投入之巨令人瞠目：2024年这六家公司合计资本支出预计将达2120亿美元，较十年前增长了63%。尤其是进入2023-2024年，云服务商和芯片企业的投入呈现加速态势。不少企业的服务器采购、数据中心建设频频创下新高，目的就是为了满足激增的AI模型训练和推理算力需求。
以数据中心为代表的新基建成为直接受益者：据Dell’Oro统计，2024年全球IT厂商的数据中心资本支出达到历史峰值4550亿美元。无论是超大规模云计算公司，还是AI初创企业，都在斥资扩建计算能力，从芯片到整机柜再到配套能源系统全面升级。这股基础设施投资热潮充分说明了AI浪潮的火热程度。可以预见，未来几年内只要AI用量继续高歌猛进，这种大手笔的投入恐怕仍将持续。
伴随投入与应用的激增，AI正快速从数字世界向物理世界延伸渗透。从自动驾驶到医疗再到零售快餐，越来越多传统行业被AI赋能：例如在旧金山，自动驾驶出租车如今已抢占了全市约27%的打车市场份额，一举从科幻走进现实；在医疗领域，美国最大医疗体系之一Kaiser Permanente引入了“环境AI记录助手”，不到一年时间里已自动记录超过250万次医患对话，医生们逐步摆脱繁琐的文书工作；在金融业，美国银行的AI数字助理“Erica”已累计为客户提供超过20亿次服务，从查询余额到理财建议无所不包，成为银行客服的重要一环；就连炸鸡汉堡这样的快餐业也搭上了AI快车，Yum! Brands开发的AI系统现已在全球数千家肯德基、塔可贝尔门店中上线，优化排班、库存和供应链管理，大大提高运营效率。
这些案例表明，AI已经不再只是锦上添花的工具，而正演变为新的基础设施层：它嵌入在我们生活的方方面面，悄然提高着各行业的效率和智能化水平。数据驱动的决策和自动化执行，正在现实世界中开花结果。
3. 人人可用
AI奇迹背后并非没有代价。当前训练一款最前沿的大模型往往需要上亿美元的投入，而且这个数字还在快速攀升。Anthropic创始人Dario Amodei在2024年中甚至透露：“目前训练最顶尖模型大约要花1亿美元。2025年，有些模型的训练成本可能达到10亿美元级别”。这意味着，打造一款GPT-4级别的模型是极其烧钱的工程。
然而，与训练成本居高不下相反，让模型跑起来的费用却在大幅下降。报告指出，2022年至2024短短两年间，每生成100万字词（token）的推理成本下降了约99.7%！硬件性能提升和算法优化带来了数量级的效率飞跃。从前只有财力雄厚的大公司才能承担模型推理开销，如今个人开发者在笔记本电脑上跑跑开源模型也毫无压力。推理成本的断崖式下降，使得AI服务的边际成本几近于零：正如报告中所说，让试验变得廉价、迭代变得迅速，任何想做点尝试的人都能把自己的点子很快变成现实。
推理成本暴跌背后，是芯片硬件和算法效率“双管齐下”的成果。一方面，AI芯片近年迭代神速，新一代GPU等算力芯片大幅提高能效比。例如NVIDIA最新的Blackwell架构GPU每生成一个词所耗能量比2014年的Kepler架构降低了10.5万倍。硬件一役，功耗降低几个数量级，直接压低了算力成本。
另一方面，模型优化算法、压缩蒸馏技术等也在飞速进步，单位算力能够跑出的推理任务量成倍增长。在软硬件合力作用下，“以前烧钱的AI应用，现在变得像水和电一样廉价”——对于终端用户和中小开发者来说，调用AI的花费几乎可以忽略不计。
这种成本结构的变化正在重塑AI行业的经济模型。过去，训练大模型就像“交一次学费”——虽然前期要烧很多钱和时间，但投入是一次性的。而推理（也就是实际用AI做任务）则变成了日常的持续花费。虽然现在每次推理的成本降得很低，但因为用AI的人和次数暴增，总体开销反而比以前更高。也就是说，成本降下来带来了用量的爆发，但全行业的总投入还是只增不减，进入了一个“越便宜—用得越多—花得越多”的循环。
云厂商、芯片公司和企业IT部门正被卷入这一循环：单次服务便宜带来业务量激增，进而又需要投入更多资源满足需求。这也解释了上一节提到的巨头CapEx激增：AI的规模经济和持续成本压力正同步出现。
更具深远影响的是，AI领域正出现“性能趋同”的现象：顶尖闭源大模型与小型开源模型之间的实力差距快速缩小。根据斯坦福大学HAI的测评数据，在诸如开放聊天竞技场（LMSYS）等平台的人机对比中，一些体量更小、经过优化的开源模型在对话问答等任务上的得分已经逼近行业最强模型。
报告指出，对于摘要、分类、信息提取、流程控制等许多具体应用场景而言，小模型与巨型模型的实际效果差异已微乎其微。开发者们惊喜地发现，他们未必非得付费调用最贵最大的模型才能获得可靠输出；通过针对特定任务对较小模型进行微调，本地部署或使用低成本的第三方API，也能实现近似的功能效果。
这一转变极大削弱了头部模型供应商的定价权，同时打破了过去“一家独大”垄断格局，让AI开发领域的竞争环境更加开放多元。如今市面上可供选择的基础模型层出不穷：OpenAI的GPT系列、Meta的LLaMA家族、Mistral的新模型、马斯克创立xAI的Grok、Anthropic的Claude、谷歌的Gemini、微软支持的Phi等等。
不同模型各有所长（有的擅长推理、有的速度更快、有的精于代码生成），开发者完全可以依据需求择优搭配，不再被锁定在某一家平台之上。模型百花齐放加剧了开放竞争，也进一步推动开源社区快速迭代、追赶甚至引领前沿进展。这股开源模型浪潮正是下一部分要讨论的关键趋势之一。
4. 烧钱换增长
高投入伴随高亏损，盈利前景存疑。尽管AI业务的用户规模和使用时长爆炸式增长，但变现之路远不如想象中平坦。报告披露的数据显示，大厂在AI上的重金投入已经对财务指标产生明显影响：微软、亚马逊、谷歌、Meta在2023-2024年纷纷出现“资本开支激增，自由现金流利润率下滑”的局面。以微软为例，2024财年资本开支预计达560亿美元，比前一年暴增58%，直接导致其自由现金流利润率从30%滑落至27%。谷歌同样在这一年将资本开支提高了63%（至520亿美元），自由现金流利润率则从23%降至21%。亚马逊和Meta也面临类似的利润挤压。
可见，巨头们为了抢占AI先机不惜加大支出，短期盈利指标承压。创业公司同样烧钱：OpenAI等独角兽虽然估值飙升、有真金白银的营收进账，但高额的算力和研发投入仍令其入不敷出，短期内盈利无望。据估计，OpenAI 2024全年的收入有望达到数亿美元量级，但其投入规模也同步大涨，运营亏损持续扩大。再看整个行业，2023年以来风险资本疯狂涌入AI领域，相关初创公司的估值水涨船高。
然而眼下AI热潮的“金融悖论”在于：热钱涌动之下，真正清晰的盈利模式和回报路径却依然模糊。各路玩家重金押注AI更多是出于对未来的信仰和战略焦虑，认为不投入就可能错失下一轮技术革命。而现实中，AI给经济带来的生产率提升目前还未全面显现，难以直接类比过去互联网或移动浪潮时期的高额回报。这也引发了关于AI商业可持续性的讨论：当补贴烧钱难以为继时，AI服务会否提价？用户增长能否转化为盈利？抑或AI本身会成为基础设施，由其他业务间接变现？这些问题在2025年的时点还没有定论。
可以肯定的是，在当前阶段，巨头和资本的激进投入对消费者和产业用户而言是利好：大量强大的AI工具以免费或低价的形式提供出来，让广大用户近乎零成本享受AI红利。然而从投资角度看，这种模式显然不可长久。
如果说上一波移动互联网浪潮最终找到了广告、电商等成熟变现途径，那么这波AI热潮要找到等量齐观的赚钱模式还需要时间。
报告将这种局面精辟地总结为：高增长+高烧钱+高估值+高投资强度=消费者受益，至于行业本身如何，还要再观察。这暗示了AI行业当下的微妙生态：一方面，各参与者都在投入真金白银推动AI前进；另一方面，最终能否赚到钱、赚多少钱，还需市场的检验。换句话说，AI革命才刚起步，其财务回报和商业模式仍在摸索。在热潮退去之前，现金流为负的日子也许是不得不经历的“学费期”。对于投资人和从业者来说，如何在推动技术演进的同时尽早跑通可持续的商业闭环，将是未来数年内的主要挑战之一。
5. 下一个机会
5G之后，星链时代的AI上网潮。互联网用户数经过几十年高速增长，眼下全球渗透率已达68%（2005年仅16%）。然而仍有约32%的人口、约26亿人尚未触网。报告提出，下一个数十亿新增网民的出现，将很大程度上得益于低成本卫星互联网的普及和覆盖。
随着Starlink等卫星网络不断降低联网门槛，偏远地区、欠发达地区的人群有望第一次接入全球数字网络。而这批新用户的“第一次触网”场景，可能与前人截然不同：他们很可能一开始就接触AI。想象一下，当偏远乡村的居民通过卫星连上互联网时，迎接他们的不是传统的浏览器主页或搜索框，而是一个可以对话交流的智能AI助理。他们不需要学习如何输入关键词搜索信息，而是可以直接用母语与机器对话，由AI解释世界的信息。
报告形象地描述了这一情景：这些新网民将跳过传统应用层，直接进入一个由智能代理（Agent）主导的交互界面。在这个界面中，AI代理可以充当“一站式入口”，帮助用户完成各种任务，从获取资讯、社交沟通到购物支付，一切尽在对话中完成。
本地语言、语境和意图都能被AI理解，技术障碍大幅降低。对于这波用户来说，网页、App可能显得多余，AI就是他们的互联网。这样的AI原生上网方式将带来前所未有的增长曲线，也可能颠覆既有的科企格局。
毕竟，在一个Agent优先的互联网体验中，过去那些统治入口的浏览器、搜索引擎、应用商店地位将被削弱，取而代之的是提供智能代理的平台。报告大胆预测：在这种模式下，未来的赢家将不再是拥有热门App的公司，而是掌控AI界面的公司。
谁的AI助手被用户依赖，谁就握有通往用户和数据的钥匙。在这一趋势下，新兴市场和欠发达地区反而可能成为弯道超车的土壤：那些错过PC和智能机时代的地区，将直接跨入AI时代，从而实现数字化的跨越式发展。对于全球科技产业而言，这是一个前所未有的增量市场，也是一个将重塑价值分配的大变局。
6. AI重塑工作与知识
AI成为员工标配助手。当AI深入千行百业，工作方式也在发生结构性改变。过去几年里，从编码到写作，各类AI助手正在成为白领的新搭档。软件开发者借助GitHub Copilot等代码生成工具，显著提高了编程效率；内容创作者利用ChatGPT辅助撰稿、润色和翻译，在更短时间内完成产出；客服人员、有着重复沟通任务的职场人，也越来越多地使用AI机器人初步响应客户，提高工作效率。
据一些调查，在ChatGPT推出后的短时间内，就有大批职员自发将其应用于工作场景，甚至不少人在公司未正式部署AI工具前已“偷偷”使用来提升效率。这种草根层面的主动拥抱，反映了AI在提高生产效率上的巨大潜力和员工的强烈需求。
领先的企业也迅速行动，将AI纳入官方工作流程：微软、谷歌等纷纷推出面向办公套件的Copilot助手，让文档撰写、表格分析、邮件处理等日常任务实现不同程度的自动化；大型咨询和法律公司开发内部大模型来辅助研究分析；人力资源部门用AI筛选简历、生成培训材料。不同行业的应用不胜枚举，但共同点在于：AI正成为新一代知识工作者的标配工具。我很认同报告的观点：2010年代的主题是“移动为先”，而2020年代已经变成了“AI为先” 。越来越多的工作流程从设计之初就围绕AI的介入来优化，人和AI协同共事正在常态化。
工作角色与技能版图演进。随着AI深入工作流，我们对“工作”的定义也在拓展。一方面，AI承担了许多重复性、流程化的任务，使得员工可以将精力投入更高层次的创造性工作；另一方面，全新的职业角色应运而生，例如“提示词工程师（Prompt Engineer）”专门负责与大模型打交道，设计提问以获得最佳输出，抑或“AI审计师”致力于检测模型生成内容的偏见与错误。
可以预见，未来大多数职业都需要掌握与AI协作的技能：不会用AI，就如同不会用电脑一样，将逐渐被视为数字时代的文盲。与此同时，各行各业也面临培训与再教育的挑战：如何让现有员工学会使用AI工具，提高生产率而非被AI取代，是摆在企业面前的重要课题。
当然，对于某些岗位，AI的冲击确实带来了取代风险，但历史经验表明，每次技术革命都会淘汰部分旧职业，同时创造新的职业机会。例如AI自动化可能减少一线客服岗位，但却催生出更多AI训练、维护、监督相关的岗位。
整体而言，AI将重塑“人机分工”：人类将在创造力、策略、同理心等方面发挥优势，而AI擅长数据处理、规律识别和自动执行。懂得借力AI的人和组织将如虎添翼；相反，拒绝变化者可能被时代淘汰。
报告在结尾处引人深思地回顾了人类知识分发方式的演进：从1440年古腾堡印刷机使知识可以批量复制，到1993年万维网使信息瞬时传输，再到2022年ChatGPT掀开生成式AI时代，让机器开始自主创造内容。可以说，人类获取知识的媒介经历了从静态到交互再到生成的飞跃。
过去我们依赖书本和数据库储存知识，而现在AI能够根据需求动态产出新的“知识”。这为人类利用知识提供了前所未有的便利，但也带来新的挑战：当信息触手可得且机器自动生成大量内容时，人类更需要提炼智慧的能力。报告引用了马丁·费舍尔的名言：“智慧在于对知识的提炼和简化”。
在AI时代，我们不缺信息和答案，反而更需要判断真伪、抓住本质的洞察力。企业和个人若要在AI赋能的未来保持竞争力，必须将注意力从简单的信息获取转向更高层次的认知：理解AI给出的结论背后的逻辑，整合机器提供的洞见并付诸有意义的行动。
归根结底，AI不是人类智慧的终点，而是新的起点：它为我们提供了强大的工具，但如何驾驭这些工具、化信息为洞见，仍考验着我们的智慧和经验。
尾：
AI的崛起已经彻底改变了行业格局。
抓住趋势的人会收获新的增长点，犹豫不决的人只能被动跟随。
技术的浪潮不会等人，每个人都在同一条大船上。未来已来，主动学习、顺势而为，才有可能在智能时代分一杯羹。
来源：行业调研报告