摘要：分享嘉宾：玛丽·米克尔，曾是摩根·斯坦利的首席分析家，知名美国证券分析师和投资银行家，现为风险投资公司Bond Capital的普通合伙人。

内容来源：2025年5月30日《人工智能趋势报告》发布，对网络公开信息整理。

分享嘉宾：玛丽·米克尔，曾是摩根·斯坦利的首席分析家，知名美国证券分析师和投资银行家，现为风险投资公司Bond Capital的普通合伙人。

高级达人|天朗明月

责编| 贾宁排版| 鹅妹子

第 9006 篇深度好文：11475 字 | 20 分钟阅读

商业思维

笔记君说：

在AI圈，有一个名字就像风向标一样——Mary Meeker（‌玛丽·米克尔），互联网女皇。

Mary Meeker‌（玛丽·米克尔）

这些，现已全部成真。

这份报告揭示的不仅是一次技术迭代，更是对人类文明运行逻辑的重构。

接下来，让我们一起来解读下这份报告的核心内容，希望对你有所帮助。

一、AI变革的颠覆性特征

报告的开头，米克尔指出:“AI的演进速度和范围是前所未有的，变革的速度比以往任何时候都要快。”

她反复强调“Unprecedented”（前所未有）一词，一共用了51次。

报告揭示了人工智能令人震撼的增长数据。以ChatGPT为例，在用户量、付费用户数和收入增长这三个维度上，都做到了“前所未有”，具体如下图所示：

记住这个词——Unprecedented（前所未有）。作为产品经理，这三个指标只要有一个增长得好，就应该感到庆幸，而ChatGPT是三个一起爆发式增长。

如下图所示，OpenAI的ChatGPT在短短17个月内斩获8亿用户，增长速度超越人类历史上任何一项技术。

在搜索市场上，如下图所示，ChatGPT用两年时间，在2024年达到了年搜索量3650亿次，也就是平均每天10亿次。

而谷歌当年用了整整11年，到2009年才达到这个数据量。这种5.5倍的速度优势，正在重塑搜索引擎的市场格局。

ChatGPT和谷歌之间的比较，表面上看，这是两个产品之间的竞争，实则是两代产品的更迭。

1998年，谷歌借助互联网兴起，靠的是“整合信息”，目标是让全球信息人人可访问。但如今，我们早已不缺信息，缺的是如何使用这些海量信息。

而AI正在重塑信息的组织方式。传统搜索是“去找答案”，ChatGPT则是“直接告诉你答案”。

所以它真正挑战的不是“搜索”这个行为，而是整个信息交互方式。

从产品的全球渗透率即用户扩张速度上看，如下图所示，ChatGPT仅用三年时间就实现了90%用户来自北美以外地区的全球化布局，而互联网达到同样的里程碑用了整整23年。

这意味着AI产品一开始就跳过了“美国先用、再慢慢扩散”的老套路，生来就是全球化的。

而且不仅是ChatGPT，像中国团队做的可灵、Pixverse、Dify、Manus等，也都是一出生就面向全球用户的产品。

用户参与度同样呈现爆发式增长。如下图所示：

2023年7月至2025年4月的21个月内，美国用户在ChatGPT应用上的日均使用时长激增202%，每日会话次数增长106%，平均会话时长增长47%。

所以，不同时代的现象级产品，达成百万用户的门槛越来越低。

具体如下图所示：

比如，汽车工业时代的福特T型车用了2500天，入门价格近三万美元；智能电视时代的机顶盒用了1680天，单价945美金；移动互联网时代的iPhone用了74天，单价756美金。

而ChatGPT只用了短短5天，门槛为0，打开网页就能用，把AI的神回答截个图就能社交裂变传播。

企业组织在AI采用的速度上也呈现出以下3个趋势：

其一，技术生态系统AI采用速度令人印象深刻，比如，下图中的英伟达。

其二，科技老牌企业（下图所示）AI采用成为了当下的首要任务。

其三，“传统”企业（下图所示）AI采用也正在成为优先事项。

2023年7月的调查显示，美国18到29岁人群中，有33%使用ChatGPT；到了2025年1月，这一比例已经涨到55%。

但变化最大的是银发族。2023年时，只有13%的50到64岁用户，以及4%的65岁以上用户使用ChatGPT；一年半之后，这两个数字分别涨到了30%和20%，增长非常快。

年轻人用AI写论文、改简历、聊感情，更像是在用它当生活导师。

而老年人则更像在用AI替代谷歌，用来问病情、查菜谱、做旅行攻略，而且大多是通过语音输入，而不是打字。

2.资本与技术投入爆发

①头部AI公司资本疯狂加注

对于头部AI公司，资本市场已经疯狂加注了。如下图所示：

OpenAI最新估值达到3000亿美元，年收入预计为92亿，估值与收入比是33倍。而AI搜索产品Perplexity更夸张，直接冲到75倍。

看的出来，资本市场有多看好AI产品。会用AI的人、做AI的公司、拿AI专利的团队，这三类数据都在指数级增长，而且增速还在不断加快。

以英伟达为例，2018年前后，在他们平台上注册的开发者大约是100万，而到了2025年，这个数字已经涨到600万。

要知道，这些可不是普通开发者，而是能接触显卡和底层技术的技术大神，规模之大，令人震惊。

再来看专利数据。技术革命来临时，相关专利申请一定会激增。

在这份报告中，美国的专利数据显示：互联网时代刚起步时，1995年起的8年内，计算类专利增加了6300件，已经很夸张了。

但这波AI热潮更猛，2024年比2023年就多了6000件，仅一年时间就刷新了纪录。

AI生态的增长逻辑是，算力投入越大，模型能力越强，产品体验越好，从而导致用户越多，平台收益潜力越大，进而刺激企业加码CapEx。

报告提到，我们所熟知的大型科技公司（苹果、英伟达、微软、Google、亚马逊、Meta）在AI相关CapEx（资本支出）上持续加码。

数据显示，这六家公司大举投资AI基础设施，如数据中心，2024年已达2120亿美元，同比上涨63%，为十年内最高。

由于资本的疯狂投入，全球数据中心投资在2022-2024三年内几乎翻倍。

其中，英伟达吃下了数据中心预算的「大头」，众多初创公司依赖英伟达的硬件和软件栈加速产品开发。

到2024年，每4美元数据中心投资中，就有1美元进了英伟达的口袋，也让其成为了这波AI浪潮的最大赢家。

另外，AI应用也加速渗透到多个领域：蛋白质折叠预测、癌症检测、机器人、多语翻译、视频生成……正在重塑行业生态和人类工作方式。

某种程度上说，AI就是新基建的重要驱动力。

要了解技术领域资本支出的未来走向，首先要看看它的过去。

过去二十年，技术资本支出经历了几次关键的增长阶段：

最早的资本支出集中在互联网基础设施的建设上——大规模的服务器农场、海底电缆和早期的数据中心，这些为亚马逊、微软、谷歌等公司奠定了云计算的基础。

第二波资本支出则聚焦于为数据密集型的AI工作负载提供强劲的计算能力，这是云计算的自然进化。

如今，超大规模公司（Hyperscalers）的资本支出预算逐渐偏向于专业化芯片（如GPU、TPU、AI加速器等）、液冷技术以及前沿的数据中心设计。

2019年，AI还属于研究领域，而到2023年，AI已经成为资本支出的重点项目。

全球最大科技公司每年花费数百亿美元——不仅仅是为了收集数据，而是为了从中学习、推理，并实现货币化。

二、技术演进与成本悖论

随着AI模型性能的不断提升，人类已经越来越难分辨AI和真人了。

图灵测试（Turing Test）是著名数学家、逻辑学家、密码学家艾伦·图灵于1950年在《计算机器与智能》一文中提出的一种测试机器是否具有智能的方法。

现如今，GPT-4.5在图灵测试中被73%的测试者误认为人类，远超GPT-4o和机器人ELIZA。

在下方的聊天记录图片中，左侧Witness A是GPT-4.5，右侧Witness B是人类，相比之下，GPT-4.5表达更轻松，更有人味，而真人的回答反而略显笨拙。

图像方面的进步在Midjourney v1-v7上展现得淋漓尽致，2022年生成的葵花吊坠质感粗糙，肉眼可见地像玩具，到了v7版本，质感直接迈向商品级水平。

下图左侧是AI生成的图片，在肤色、发丝、光线等细节上几乎毫无破绽，而面对右侧真实拍摄的照片，也很难说一眼便能分清AI与真人。

声音更是AI生成领域的重灾区，ElevenLabs支持多语言语音克隆与翻译，保留原说话者的音色。功能包含自动转录、翻译、合成一条新音轨。

数据显示，ElevenLabs网站的月访问量从0飙升到接近2000万，音色克隆+实时翻译已趋近商用级别。

报告还提出了一个关键的趋势转变：AI正从数字世界扩展到物理世界，「物理智能体」正在加速崛起。

例如，Waymo和Tesla的自动驾驶系统已投入商业运营，不再只是停留在测试阶段，而是与实时环境紧密结合。

截止至2025年4月，Waymo自动驾驶出租车在旧金山的市场份额已经占到了约1/3。

Uber CEO Dara Khosrowshahi也曾表示：再过15到20年，自动驾驶系统将比人类司机更优秀。它们会基于无数人类驾龄的数据进行训练，而且不会分心。

与此同时，AI正在快速渗透到各个行业，包括AI工厂、AI机器人、工业AI、AI医疗设备与AI农业等部署，正在去取代传统的人工流程。

如Carbon Robotics等农业公司则将AI应用于除草，通过计算机视觉实现无农药作业。

AI相关岗位增长+448%，非AI岗位反降-9%（2018–2025），说明企业对于AI、机器学习、数据科学、生成式AI等相关岗位需求迅猛增长；而传统IT岗位（如基础运维、通用编程）职位需求则相对饱和甚至萎缩。

2025年是Agent元年，Agent正在成为新型数字劳动力。

AI不再只是一个对话工具，而是真正能干活，比如Claude 3.5的Computer Use可以直接控制电脑屏幕，自动执行多步骤任务，如在线购物、界面导航等。

各行业（金融、医疗、制造、零售）正用AI重塑业务流，提升生产率与客户体验。

图表显示，企业采用AI的目标正在发生演变：从最初提升整体办公效率（如Copilot应用）出发，快速扩展至特定岗位自动化、客户互动优化、新营收机会探索等多个方向。

此外，显卡效率的提升也可以说是“火箭级别”。

如下图所示，英伟达的GPU，从2014年的Kepler到2024年的Blackwell，生成一个token所需的能耗降低了整整10万倍。

但效率越高，使用成本越低，也就激发了更多需求，这就是典型的“杰文斯悖论”（杰文斯悖论，即1865年，英国经济学家杰文斯研究蒸汽机时发现，效率提高后，单位耗煤变少了，但煤炭总消耗反而激增。原因很简单——用得便宜了，用的人就多了，需求就爆发了）。

一种全新的AI类型正在崛起——它们不再仅仅是简单的助手，而逐渐转变为功能强大的服务提供者。曾经作为基础对话界面的AI，如今正朝着更广泛的应用功能演变。

传统的聊天机器人设计用于响应用户的提示，通常局限于固定的脚本或有限的流程。而AI智能体代表了一个巨大的进步。

这些智能体不仅具备推理和行动能力，还能够代表用户完成复杂的多步骤任务，它们不再单纯地回答问题，而是执行。

早期的助手依赖明确的输入并产生狭窄的输出，而智能体则承诺以目标为导向，具备自主性并设置必要的保护机制。

它们能够理解用户意图、管理记忆，并跨应用进行协调，最终完成具体的工作。重点不再是简单的回应，而是着眼于实现目标。

尽管我们仍处于智能体发展的初期阶段，但其影响已开始逐步显现。

这些智能体有潜力彻底改变用户与数字系统的互动方式——从客户支持、员工培训，到研究、日程安排以及内部运营等多个领域。

企业正积极引领这一变革，不仅在试验智能体，还在广泛部署它们，投资智能体的框架，并围绕自主执行构建生态系统。曾经仅仅是消息传递接口的工具，正逐渐转变为行动执行的核心层。

数据量、参数规模、CPU集群、工程师人力等同步上涨，导致AI模型的训练成本呈现指数级暴涨。

正如Anthropic CEO Dario Amodei所预测的那样，2025年将可能出现单个模型训练成本达到10亿美元，甚至未来100亿美元也不是天方夜谭。

报告显示，前沿AI模型的训练成本在短短8年内增长了约2400倍，2016到2019年训练成本仍处于几十万到几百万美元之间，而到了2024年，GPT-4、Gemini 1.0 Ultra、Llama 3等模型训练成本高达上亿美元。

根据Epoch AI的数据，从1950到2025年，AI模型训练所需数据集从百万词级跃升至万亿词级，规模年增260%。

与此同时，所需算力也在大幅增长。虽然IT硬件成本持续下降，但模型训练FLOP（浮点运算）年增长率高达360%，AI模型越来越「烧钱」「烧电」「烧卡」。

英伟达每一代GPU架构都大幅提升和优化AI推理性能和能效比，这也是AI走入现实生活的基础前提之一。

2014到2024十年间，英伟达GPU推理单个Token所需的能耗下降了约105000倍，几乎趋近于可忽略的边际能耗，有利于规模化部署和开发者接入。

过去，英伟达CUDA平台、GPU编程模型虽已存在，但使用者多集中在科研、高性能计算领域。随着深度学习、大模型训练需求暴涨，越来越多的开发者也涌入英伟达生态。

英伟达用了13年才做到第一个100万开发者的里程碑，又用不到7年时间做到了600万。包括在刚过去不久的Google I/O大会上，使用Google Gemini构建应用的注册开发者总量也从140万增长至700万，年增幅达5倍。

如今，AI使用成本下降的速度之快，已经是前所未有。

如今，虽然训练一个顶级模型的成本高达10亿美元，在过去8年里飙升了2400倍，但推理成本在两年内已经暴降了99.7%。

由此，整个行业的游戏规则都在被重塑。

2024 Blackwell GPU的单token功耗，已经比英伟达2014年推出的Kepler GPU前代产品低了105000倍。

顶尖AI模型的成本，从此迅速下跌。

因此，专注于定制化场景的轻量级模型，相比起OpenAI这种烧掉巨额资金的巨人，将直接完爆。

与此同时，谷歌的TPU和亚马逊的Trainium也在大规模开发，用于云服务，而且进展迅速。

在Mary Meeker看来，这些不是边缘项目，而是基础性的赌注。

三、产业重构与竞争格局

报告数据显示，中美两国在AI领域形成了明显的双极格局。中国在工业机器人装机量、大模型发布数量等方面已与美国并驾齐驱，甚至在某些领域领先。

如下图所示，中国工业机器人的装机量，已经占到了全球的75%。

特别值得注意的是，中国模型以极低成本复制接近顶级性能的能力，正在挑战以OpenAI为代表的高估值商业模式。

在用户市场方面，印度已成为ChatGPT全球最大用户来源国，占比达13.5%，超过美国本土的8.9%。

同时，印度也是中国DeepSeek模型的最大海外市场，占其全球用户的7%。

在技术竞争层面，中国AI模型正以惊人低成本鲸吞市场。报告显示，百度ERNIE 4.5 Turbo的成本只有DeepSeek V3的40%，仅为GPT-4.5的0.2%。

DeepSeek-R1在MATH Level 5数学测试中达到93%的准确率，接近OpenAI o3-mini模型的95%。

在开源领域，中国已取得明显领先优势。阿里已开源200余个模型，全球下载量超3亿次，千问衍生模型数超10万个，成为全球最大开源模型族群。智谱华章的GLM-4开源模型上线当天就有超过6000家企业接入。

而2017年至2024年的统计数据显示，如下图所示，中国发布的大规模AI系统数量已与美国并驾齐驱。

正如Meta首席技术官Andrew Bosworth说：“AI领导地位可能决定地缘政治主导权”。

如今，全球的AI态势，已经发展成了一场不折不扣的全新「太空竞赛」，不仅象征着各国的综合实力，同时还直接决定了未来地缘政治的影响力。

可以说，如今的AI模型争霸战，基本就是中美两国的战场。

报告中对比了开源模型和闭源模型的用户规模，结论是：封闭生态仍牢牢占据流量主导。

虽然开源模型在技术圈很火，但在终端用户规模层面，仍然处于追赶位置。

2022–2024年间，Open AI收入大幅上升，算力支出显著下降，显示其AI商业化路径逐渐清晰（如ChatGPT Plus、API、企业订阅等）。

随着性价比持续提升，开源模型正在成为闭源模型的强有力对手。

知名分析机构Artificial Analysis数据显示，截至2025年1月份，像DeepSeek、Meta的Llama 3、阿里的Qwen系列这样的开源模型，已经在推理能力和编程能力等方面的性能逼近顶级闭源模型。

到2024年，美国发布超100个训练计算量超10²³FLOPs的大语言模型，而中国自2022年以后紧随其后，模型进入高密度爆发期，不断缩小中美之间的差距。

相比之下，英国、法国、德国、加拿大等国的累计数量尚在10-20个区间，跨国协作模型开发增长曲线也比较缓。

对比来看，中国在工业机器人部署上具备领先优势。2023年工业机器人安装数量达到276000台，首次超过全球其他国家总和。

四、社会影响与职业变革

从战略高度看，AI对社会最深远的影响在于重构就业市场与社会分层结构。报告显示AI相关岗位增长448%，而传统IT岗位需求萎缩，这仅是更大规模就业市场重构的开端。

其一，认知劳动的价值重估。重复性认知任务（数据分析、内容生成、基础编程等）价值将大幅贬值，而创造性思维、战略决策、情感智能等人类独特能力将获得溢价。

其二，技能差距的扩大。掌握AI工具与不掌握者之间的生产力差距将呈指数级扩大，形成新的"数字鸿沟"。报告数据显示，AI工具使用者工作效率提升20%-40%，这种差距将持续扩大。

其三，社会流动性的双面影响。一方面，AI降低了知识获取门槛，使边缘群体有机会接触高质量教育资源；另一方面，AI工具的掌握本身可能成为新的社会分层标准。

AI对社会认知环境的影响同样深远。GPT-4.5在图灵测试中被73%的测试者误认为人类，这一数据揭示了我们正进入一个"后真相"时代的新阶段：

其一，信息真实性的挑战。AI生成内容的逼真度使真假边界模糊化，社会将面临更复杂的信息验证挑战。

其二，认知权威的重构。传统知识生产与传播机构（大学、媒体、出版社等）的权威地位将受到挑战，个人可通过AI获取类似专家级的知识输出。

其三，集体认知的分化。AI推荐与生成系统可能强化信息茧房，导致社会认知进一步分化，增加社会共识形成的难度。

面对AI带来的深刻变革，社会治理框架亟需更新：

其一，监管范式转变。从"事后监管"向"前瞻性治理"转变，建立风险预测与防范机制。

其二，全球治理协调。报告显示AI已成为新的"太空竞赛"，各国政府将AI视为关键基础设施，这要求建立更有效的全球协调机制，防止技术民族主义导致的分裂。

其三，伦理框架重构。建立适应AI时代的新伦理框架，解决算法偏见、隐私保护、责任归属等核心问题。

AI正以前所未有的速度重构各行业价值链，这一过程呈现三大特征：

其一，中间环节压缩。AI直接连接终端用户与核心服务/产品，压缩传统中间环节。例如，在内容创作领域，AI工具使创作者可直接生成专业级内容，减少对中间服务的依赖。

其二，价值捕获点迁移。价值从"拥有专业技能"转向"有效调用AI能力"，从"信息垄断"转向"算力与数据优势"。

其三，产业边界模糊化。AI赋能跨界融合，传统产业分类将逐渐失效。例如，医疗与科技、金融与软件的边界日益模糊。

计算基础设施层：英伟达等硬件提供商占据价值链高地，每4美元数据中心投资中就有1美元流向英伟达。

模型与平台层：呈现"赢家通吃"特征，OpenAI等头部企业估值与收入比高达33-75倍，但面临开源模型的低成本挑战。

应用层：创新活跃但商业模式尚不明确，大量创业公司在寻找可持续盈利路径。如下图所示，美国数据中心投资增长-2014-2024年间年均增长率达49%。

该图表展示美国数据中心投资在2014-2024年间的增长趋势，年均增长率达49%，特别是2023年后增速显著提升。

这反映了AI训练和推理对计算基础设施的巨大需求，以及全球范围内为支持AI发展而进行的基础设施升级。

其二，是金融服务业。AI对金融业的影响体现在三个层面：

风险评估革新：AI能处理更复杂的非结构化数据，提升风险评估精度。

客户服务转型：从标准化服务向个性化智能顾问转变。

市场交易演进：算法交易向AI驱动决策升级，交易速度与复杂性提升。

其三，是医疗健康产业。医疗领域的AI应用正从实验室走向临床，具体如下：

诊断辅助系统：AI在影像识别、病理分析等领域达到或超越专家水平。

药物研发加速：AI显著缩短新药发现周期，降低研发成本。

个性化医疗推进：基于大数据分析的精准治疗方案成为可能。

其四，是教育与培训产业。教育领域面临范式转变，具体如下：

个性化学习路径：AI能根据学习者特点定制教育内容与节奏。

评估体系重构：传统考试模式将被持续性能力评估取代。

终身学习基础设施：AI成为支持持续技能更新的关键工具。

从生态系统角度，我们观察到三大演化趋势：

其一，平台经济向智能体经济转变：从连接供需的平台模式，向能主动执行复杂任务的智能体模式演进。

其二，开源与闭源模式的张力：开源模型（如DeepSeek、Llama 3）与闭源商业模型（如GPT-4.5）之间的竞争将重塑产业格局。

其三，全球价值网络重构：AI能力分布将成为全球价值链重组的关键因素，可能导致产业集群的重新分布。

AI时代，企业核心竞争力将发生根本性变化：

其一，从静态能力到动态适应力：企业竞争优势将更依赖于持续学习与快速适应的能力，而非固定的知识资产。

其二，从规模经济到智能经济：竞争优势从规模效应转向智能化程度，小型但高度智能化的组织可能挑战传统巨头。

其三，从流程效率到创新速度：企业价值从优化既有流程转向持续创新与快速迭代的能力。

面对AI变革，企业需采取系统性战略转型：

其一，战略定位重塑

价值主张更新：重新定义企业在AI时代的核心价值，明确"AI不能替代的部分"。

业务模式创新：探索AI赋能的新商业模式，如智能体服务、AI增强型产品等。

竞争格局重新评估：识别新兴竞争者与潜在合作伙伴，重新定位竞争战略。

其二，组织能力构建

AI技术能力：建立适合企业规模与定位的AI技术栈，平衡自研与外部服务。

数据战略：系统性规划数据获取、治理与应用，将数据视为战略资产。

人才结构优化：培养"人机协作"型人才，重构岗位设计与技能要求。

其三，运营模式转型

流程智能化：系统性识别可AI化流程，实现端到端智能化。

决策机制升级：建立数据驱动与AI辅助的决策体系，提升决策质量与速度。

创新体系重构：利用AI加速创新周期，降低创新成本与风险。

不同类型企业面临不同挑战，应采取差异化策略：

其一，大型传统企业

系统性AI转型：制定全面AI战略，建立专门转型团队。

渐进式实施：从高价值、低风险领域开始，逐步扩展。

文化与组织变革：重点解决组织惯性与文化阻力问题。

其二，科技企业

技术领先战略：持续投入前沿AI研发，保持技术优势。

生态系统构建：打造开发者生态，扩大技术影响力。

差异化定位：避免正面竞争巨头，寻找专业化方向。

其三，创业企业

聚焦特定垂直领域：在细分市场建立AI应用优势。

轻资产模式：利用开源模型与云服务，降低资本需求。

快速迭代：保持高频率产品更新，快速响应市场反馈。

AI对个人职业发展的影响将是全方位的：

第一，技能价值重估：可被AI替代的技能（如基础编程、数据处理、内容生成）价值将下降，而创造力、批判性思维、情感智能等人类独特能力将升值。

第二，职业生命周期加速：技能更新周期大幅缩短，要求持续学习与适应。

第三，职业边界模糊化：跨领域融合将成为常态，专业身份将更加流动与多元。

面对AI时代，个人应重点发展三类核心能力：

第一，AI协作能力

AI工具掌握：熟练使用各类AI工具，理解其能力边界。

提示工程能力：有效引导AI生成高质量输出的能力。

结果评估能力：准确判断AI输出质量与可靠性。

第二，人类独特能力

创造性思维：跨领域连接与原创性思考能力。

复杂问题解决：处理非结构化、多变量问题的能力。

社会情感智能：人际沟通、共情与领导力。

第三，元学习能力

持续学习习惯：建立高效学习系统与习惯。

知识整合能力：跨领域知识连接与应用。

认知灵活性：快速适应新环境与挑战的能力。

基于报告洞察，对不同阶段个人提出差异化建议：

第一，职业早期人士

T型能力结构：一专多能，专业深度与AI应用广度结合。

项目导向学习：通过实际项目掌握AI工具与应用场景。

社区参与：融入AI相关社区，建立专业网络。

第二，职业中期人士

能力重组：评估现有技能组合，识别AI互补方向。

领域交叉：寻找专业领域与AI交叉的创新机会。

差异化定位：强化AI难以替代的专业判断与经验价值。

第三，管理者与领导者

AI战略思维：培养AI战略规划与实施能力。

人机协作管理：发展管理混合人机团队的新模式。

变革领导力：引导组织适应AI驱动的变革。

五、未来趋势与战略建议

10年前，谷歌发起了面向技术的语言和低连接性可访问性的NBU（Next Billion Users，下一个十亿用户）项目，让技术能够接纳下一个10亿互联网用户。

今天，「NBU」正在从以语言为中心转向以AI为中心。

低连接性→卫星互联网连接性

浏览器/应用界面→语音/语言界面

报告前瞻性地指出，全球仍有26亿人尚未接入互联网，占全球人口的32%。

这批人群将成为AI时代的新增量市场，而且他们的技术采用路径将完全不同。

就如同来自印度的十亿互联网用户，跨越了桌面/PC和宽带时代。

“下一个十亿用户将跨越应用生态系统，直接进入智能体生态系统，”报告预测。

这意味着他们将跳过传统应用层，即越过浏览器和搜索栏，直接使用AI。

由此，他们完全跳过了传统应用层，以智能体为中心的体验，将颠覆现在已有的所有互联网技术等级，平台的意义将被消解、重新分配。

卫星互联网（如Starlink）的兴起，也为这些未上网人群提供了接入机会。同时，语音交互将取代浏览器和应用界面，成为新一代用户的主要交互方式。

这种“代理优先”（Agent-first）的互联网体验可能颠覆现有的科技层级结构，重新分配平台价值。

总之，目前的AI赢家，并不是永远的赢家。基础设施正在发生巨大改变，应用也会随之改变。

目前唯一已知的是：我们正处于另一个由AI驱动的技术超级周期的开端。

Mary Meeker的报告清晰揭示了AI正以前所未有的速度重塑全球经济与社会结构。从战略管理视角看，我们正处于一个关键的历史转折点，类似于互联网初期或工业革命早期，但变革速度更快、影响范围更广。

其一，变革的不可逆性：AI已进入正反馈循环，技术进步、资本投入、用户采纳相互加速，变革不可逆转。

其二，机遇与风险并存：AI创造了巨大价值创造空间，同时带来前所未有的结构性风险。

其三，适应力成为关键：在高度不确定环境中，持续学习与快速适应成为核心竞争力。

基于报告数据与战略分析，我们预测未来3-5年将出现以下关键趋势：

其一，AI能力普惠化：随着推理成本持续下降，AI能力将成为类似电力、互联网的基础设施，广泛嵌入各类产品与服务。

其二，智能体经济崛起：能自主执行复杂任务的AI智能体将形成新的经济形态，重构服务业价值链。

其三，全球AI格局多极化：中国、印度等新兴市场将在特定AI领域形成优势，全球AI创新中心将更加分散。

其四，监管框架成熟化：各国将建立更系统、协调的AI监管体系，平衡创新与风险。

面对这一历史性变革，我们提出以下核心战略建议：

其一，拥抱变革，主动适应：无论个人、企业还是社会，都应将AI视为不可避免的变革力量，主动拥抱而非被动应对。

其二，系统性思考，整体规划：避免碎片化应对，制定系统性AI战略，考虑技术、组织、人才等多维度因素。

其三，保持灵活性，持续调整：在高度不确定环境中，战略应具备足够灵活性，能根据技术演进与市场变化持续调整。

其四，注重人机协作，而非替代：最大价值来自人机协作的新模式，而非简单替代。

其五，兼顾短期收益与长期转型：平衡短期AI应用价值与长期战略转型需求，避免短视决策。

AI革命已经开启，它将以前所未有的速度重塑我们的社会、经济与生活方式。

面对这一变革，战略性思考与系统性应对将成为决定成败的关键因素。

写在最后

正如Mary Meeker（玛丽·米克尔）报告所揭示的，我们正处于一个机遇与挑战并存的“关键时刻”，唯有前瞻性布局、系统性转型，才能在这场变革中把握先机、赢得未来。

当然，并非所有人都对此抱有同样的期待。有人担忧，AI的演化将引发一场“向下的竞赛”（Race to the Bottom）——数据滥用、失控的自动化、就业压力。

但另一些人则坚信，这将是一场“向上的竞赛”（Race to the Top）——更强的技术、更智能的社会系统、更高效的组织与国家治理。

不可否认的是，资本的狂热、技术的颠覆性创新，以及国家间竞争格局的剧烈演化，正在为这场竞赛注入前所未有的动能。

这不仅是一场技术竞赛，更是一场关于未来秩序的博弈。

面对中美下一轮的博弈竞争，我们非常有必要把我们这个对手看得更清楚一些。

那么，去哪里能更清楚、更全面地看到美国，尤其是美国科技发展的全貌？

当然是硅谷。

硅谷，依然是世界AI技术的发源地和创新高地，在AI应用创新不断涌现的今天，我们的创业者亟需走进硅谷，去了解最新的AI应用方向。

我们学习美国，是为了更好地发展自己，毕竟发展才是硬道理。

为此，2025年7月13日-20日，由笔记侠发起的GBE（全球商业探索之旅）美国站“创新英雄之旅”，将围绕“AI和出海”这两大课题，以“科技创新英雄”和“出海创新英雄”为主题，给中国企业的AI和全球化经营带来借鉴思考。

本次8天7晚的游学，笔记侠创始人&第五代企业家组织发起人柯洲带队。

我们将走进硅谷，带领大家一起了解未来AI产业的趋势，识别万物+AI时代我们的机遇与挑战，掌握智能商业落地应用和发展与投资机会。

链接全球先进思想，拓展中国商业边界。

现在，笔记侠也想邀请你，与我们同行。

如果，你对探索全球商业真相和本质的一线游学感兴趣，欢迎你加入我们，在全球商业背景下审视和探讨中国商业发展。

(本次游学出发在即，为节省您的宝贵时间，建议有美国签证或至少去过一次欧洲、北美等发达国家再作垂询。)

参考资料：

1.《互联网女皇AI报告（中文）图解版丨附《AI趋势报告》》，人工智能X机器人；

2.《48条笔记，带你读懂“互联网女王”首份AI趋势报告（附报告全文）》，快刀青衣；

3.《硅谷今夜集体失眠！互联网女皇340页AI报告猛料刷屏，大佬熬夜头秃》，新智元；

4.《不是风口，是飓风：互联网女皇340页报告揭示AI正在重构你我的未来》，管理洞察AI+；

5.《最新必读！互联网女皇340页AI报告解读：AI岗位暴涨，这些职业面临最大危机|附中文版》，APPSO；

6.《互联网女皇340页AI趋势报告：AI黄金时代，没有永远的赢家》吉朋来了。

*文章为作者独立观点，不代表笔记侠立场。

来源：笔记侠