人工智能(AI)趋势报告 - 摘要

全球GDP在过去1000多年中，由于印刷术、蒸汽机、电气化、内燃机、飞行、晶体管、互联网、智能手机等技术的推动，呈现对数级增长。 技术进步呈现"更好+更快+更便宜→更多"的模式。

从大型机（1960年代）到小型计算机、个人电脑、桌面互联网、移动互联网，再到当前的AI时代，每个计算周期的用户/设备数量级都在大幅增加。基础设施也从CPU演进到大数据/云计算，再到GPU。 AI时代预计将涉及数百亿单位的设备。

过去十五年，用于训练AI模型的训练数据集大小（以词数衡量）年均增长260%。

过去十五年，用于训练AI模型的计算量（以FLOP衡量）年均增长360%。

过去九年，由于更好的算法，AI模型的有效计算能力（达到同等性能所需的计算量）年均提升200%。

过去六年，领先AI超级计算机的性能（以FLOP/s衡量）年均增长150%，这得益于每个集群芯片数量的增加和单芯片性能的提升（均约1.6倍年增长）。

过去四年，大型AI模型（训练算力 > 10²³ FLOP）的发布数量年均增长167%。主要贡献者包括xAI、Anthropic、Meta、NVIDIA、Mistral等。

从1440-1992年的静态+物理传递（印刷术），到1993-2021年的动态+数字传递（互联网公开发布于1993年），再到2022年至今的动态+数字+生成式传递（ChatGPT公开发布于2022年）。 "知识是堆积事实的过程；智慧在于将其简化。" - Martin H. Fischer

AI的发展经历了漫长的"起飞前"阶段，包括"AI寒冬"（1967-1996）。关键里程碑包括：图灵测试（1950）、IBM深蓝击败卡斯帕罗夫（1997）、苹果Siri（2010）、OpenAI发布GPT-1（2018）和ChatGPT（2022）。2023-2025年，AI产品发布和能力迭代显著加速，包括多模态能力、开源模型（如Meta Llama 3）和各国政府的AI安全宣言。

根据ChatGPT的预测，AI在未来5到10年可能实现的功能包括：生成人类水平的文本/代码/逻辑、创作完整电影/游戏、理解并像人类一样说话、操作人形机器人、自主运营公司、协调全球系统、构建完整生物系统、提供专家级决策、引导公共辩论和政策、构建沉浸式虚拟世界等。

• ChatGPT用户增长：在17个月内从0增长到8亿周活跃用户（+8倍）。(图表参考: 页55)
• 全球采纳速度：ChatGPT在3年内，北美以外用户占比达到90%，远快于互联网（23年达到同样比例）。(图表参考: 页56)
• 达到1亿用户的时间：ChatGPT仅用0.2年，远快于TikTok、Instagram等。(图表参考: 页57)
• 采纳成本与速度：ChatGPT（2022年，$0成本）达到100万用户仅需5天，而福特T型车（1908年，2024年币值$29,330）需约2500天。(图表参考: 页58)
• 家庭普及率：技术普及到50%美国家庭的时间减半模式持续，AI时代预计约3年。(图表参考: 页59)

• NVIDIA生态系统：开发者数量四年内增长超过100%（从250万到600万），AI初创公司数量增长+3.9倍（从7千到2.7万），使用GPU的应用数量增长+2.4倍（从1700到4000）。(图表参考: 页61)

• 企业财报电话会议中提及"AI"的频率：在2020年第一季度至2024年第一季度期间，NVIDIA、C3.ai、百度、Google、Meta、IBM、Microsoft、Salesforce、Intel等公司财报中"AI"提及次数显著增加。(图表参考: 页63)
• 科技巨头CEO观点：亚马逊CEO Andy Jassy认为GenAI将重塑几乎所有客户体验；谷歌CEO Sundar Pichai认为AI带来的机遇巨大；Duolingo CEO Luis von Ahn宣布公司将成为"AI优先"；xAI创始人Elon Musk强调AI应追求最大程度的真理；Roblox CEO David Baszucki视AI为人类加速工具；NVIDIA CEO Jensen Huang认为AI已成为基础设施，AI工厂将应用能源产生极具价值的产物。

• 标普500公司：提及AI的比例从2015年的不到5%上升到2024年第四季度的50%。(图表参考: 页68)
• 全球企业关注点：GenAI改进目标中，生产力/产出、客户服务、销售效率等"收入驱动型"目标优先于"成本削减型"目标。(图表参考: 页69)
• 全球CMO采纳：75%的首席营销官正在使用/测试AI工具。(图表参考: 页70)
• 案例：美国银行Erica虚拟助手（2018年6月推出，至2025年2月累计客户互动超25亿次）、摩根大通AI现代化（2020年开始，预计AI/ML带来的价值2023-2024年增长35%，2024-2025年展望增长65%）、Kaiser Permanente多模态环境AI抄写员（2023年10月推出，至2024年12月，使用医生数达8000+，累计抄写次数300万+）、Yum! Brands的Byte by Yum! AI餐厅管理平台（2025年2月推出，覆盖25000家餐厅）。

• 教育：亚利桑那州立大学"AI加速"计划（2023年8月）、牛津大学与OpenAI合作（2025年3月）、NextGenAI联盟（15所研究型大学，5000万美元）。
• 政府：OpenAI推出ChatGPT Gov（2025年1月）、美国国家实验室合作（2025年1月）、各国推动主权AI政策（NVIDIA Sovereign AI合作伙伴遍布全球）。
• 研究：FDA批准的AI医疗设备数量快速增长（从1995-2010年的年均个位数增长到2023年的223个）、AI驱动的药物发现在临床前候选状态时间缩短30%-80%。

科技公司资本支出重心从存储/访问转向分发/规模，再到计算/智能。早期是建设互联网基础设施（大型服务器集群、海底光缆）。第二波是为数据密集型AI工作负载增强算力。 微软高管称："像电力和其他通用技术一样，AI和云数据中心代表了下一阶段的工业化。"

• 大型科技公司CapEx支出持续多年增长，用于应对数据使用和存储的爆炸式增长。(图表参考: 页97-98)
• AI的崛起使大型科技公司的CapEx支出进一步偏转。
• AI模型训练数据集规模：过去15年年均增长250%（以Token衡量）。(图表参考: 页100)
• 美国六大科技公司CapEx支出：十年间年均增长21%，2023-2024年同比增长63%，占收入比例从8%升至15%。(图表参考: 页101-102)
• 亚马逊AWS的CapEx占收入比例：AI基础设施建设使其从2018年的4%反弹至2024年的49%，类似早期云基建模式。(图表参考: 页104)
• GPU性能提升是CapEx支出的部分驱动因素：NVIDIA GPU性能八年提升225倍，推理Token容量提升27500倍，单位能效提升50000倍。(图表参考: 页106)
• NVIDIA GPU装机算力：六年增长超100倍，年均增长130%。(图表参考: 页107)
• NVIDIA成为CapEx支出主要受益者：其数据中心收入占全球数据中心CapEx的比例从2022年的约7%升至2024年的25%。(图表参考: 页109)
• 科技公司支出：研发(R&D)支出随CapEx一同增长，六大科技公司R&D占收入13%（十年前为9%）。(图表参考: 页111)
• 科技六巨头（美国）现金充裕：十年间自由现金流增长263%至3890亿美元，现金储备增长103%至4430亿美元。(图表参考: 页113-114)

• 前沿AI模型训练成本：八年增长约2400倍。如GPT-4训练成本数亿美元。(图表参考: 页132)
• Anthropic CEO Dario Amodei (2024年6月)："目前AI模型训练成本为1亿美元。如今正在训练的模型更像是10亿美元……100亿美元模型的训练，是的，可能在2025年某个时候开始。"

硬件改进（如NVIDIA Blackwell GPU能耗比2014年Kepler GPU低105,000倍）和算法效率突破导致推理成本急剧下降。

• NVIDIA GPU生成每Token所需能耗：十年下降105,000倍。(图表参考: 页136)
• 模型服务成本：两年内降低99.7%（每百万Token价格）。(图表参考: 页137)
• 关键技术成本下降速度：AI Token生成成本下降速度远超电力和计算机内存成本。(图表参考: 页138)
• 技术进步的永恒主题：成本下降、性能提升、使用量增长——AI正在重演这一趋势。(图表参考: 页139-140)

推理成本的崩溃使得实验成本低廉、迭代快速，几乎任何人都可以进行产品化。 同时，顶级前沿模型与更小、更高效替代方案之间的性能差距正在缩小。

• AI模型性能（LMSYS聊天机器人竞技场）：顶级模型性能迅速趋同。(图表参考: 页142)
• 开发者越来越多地转向低成本、高性能的开源模型，尤其是在针对特定任务进行微调时。
• AI开发者工具采用率：使用AI进行开发流程的比例从2023年的44%增至2024年的63% (专业开发者)。(图表参考: 页147)
• GitHub上的AI开发者代码库：16个月内增长约175%。(图表参考: 页148)
• Google AI开发者生态系统：每月处理的Token数量同比增长50倍（至480万亿）。(图表参考: 页149)
• Microsoft Azure AI Foundry：季度处理Token数量同比增长5倍（至100万亿）。(图表参考: 页150)
• AI开发者用例广泛多样：代码生成、Bug检测、测试自动化、项目管理、文档编写、重构优化、安全增强、DevOps与CI/CD流水线、用户体验设计、架构设计等。(图表参考: 页151)

• NVIDIA季度收入：同比增长78%至390亿美元，数据中心业务是主要增长点。(图表参考: 页160)
• NVIDIA收入与六大科技公司CapEx+R&D对比：NVIDIA收入十年增长28倍，而六大科技公司相关支出增长6倍。(图表参考: 页161)
• Google TPU销售额：预计同比增长116%至89亿美元。(图表参考: 页162)
• Amazon AWS Trainium销售额：预计同比增长216%至36亿美元。(图表参考: 页163)

• CoreWeave收入：2022-2024年，从数百万美元增长至预计19亿美元（年均增长730%）。2025年第一季度收入9.82亿美元，同比增长420%。(图表参考: 页165)
• Oracle AI基础设施收入：两年内从约1800万美元增至9.48亿美元（增长50倍）。(图表参考: 页166)
• Astera Labs（基础设施连接）收入：2022-2024年，从约8000万美元增至3.96亿美元（年均增长242%）。(图表参考: 页167)
• Tesla Dojo（数据收集+超级计算）AI训练能力：2021年6月至2024年9月，H100等效GPU数量从约1万增至8.5万（+8.5倍）。(图表参考: 页168)

• Scale AI（数据标注与评估）收入：2023-2024年，从3.35亿美元增至8.7亿美元（增长160%）。(图表参考: 页170)
• VAST Data（数据存储/管理/处理）终身销售额：六年多从0增长到20亿美元。(图表参考: 页171)

• OpenAI收入与计算支出：2023年收入约15亿美元，计算支出约5亿美元；2024年预计收入37亿美元，计算支出约50亿美元（亏损13亿美元，未计其他运营成本）。(图表参考: 页173)
• 微软/亚马逊/Alphabet/Meta：2023-2024年，CapEx大幅增长（平均+54%），而自由现金流利润率平均下降6个百分点，收入平均增长15%。(图表参考: 页174)

• 月活跃用户(MAU)：闭源模型（如OpenAI ChatGPT）在消费者市场占据主导地位。(图表参考: 页262)
• 训练计算资源：闭源LLM的投入通常高于开源模型，但开源模型正以更快速度追赶。(图表参考: 页263)
• 性能差距：开源模型与闭源模型在高级别测试（如MATH Level 5）上的性能差距正在缩小，中国模型（如DeepSeek R1）表现突出。(图表参考: 页264-265)

开源模型性能提升和Token成本下降，正引爆开发者使用AI的热潮。开发者更看重原始能力、定制性和成本效益。

• Meta Llama模型下载量：八个月内增长3.4倍。(图表参考: 页268)
• Hugging Face上的AI模型数量：从2022年3月的约3.5万个增至2024年11月的116万个（增长33倍）。2025年3月，仅基于Meta Llama的衍生模型就达10万个。(图表参考: 页269)

中国正迅速提升其在AI领域的战略能力，尤其是在机器人技术、电气化和信息技术方面。 中国AI能力已支撑战场后勤、目标识别、网络行动和自主决策平台。美中在AI领域的竞争已成为国家战略焦点，涉及技术主导权、经济影响和地缘政治力量的较量。

• 大型语言模型(LLM)领导力：美国和中国在大型AI系统发布数量上远超世界其他地区。(图表参考: 页281)
• 中国AI的快速发展：DeepSeek R1（2025年1月）、阿里巴巴Qwen 2.5-Max（2025年1月）、百度Ernie 4.5 Turbo（2025年4月）等模型的发布，显示中国正迅速缩小与美国的技术差距。(图表参考: 页282-284)
• LLM性能追赶：中国顶尖AI模型在LMSYS聊天机器人竞技场上的表现正快速接近美国模型。(图表参考: 页285)
• 训练成本效益：中国LLM（如DeepSeek-V3）在较低训练成本下实现了有竞争力的性能。(图表参考: 页286)
• 本土半导体：华为等公司正加速发展本土AI芯片，以应对出口限制。(图表参考: 页287)
• 工业机器人：中国工业机器人装机量已超过世界其他地区（不含美国）。(图表参考: 页288-289)
• 中国消费者AI使用：DeepSeek在中国迅速崛起。据Roland Berger咨询，中国月活用户前10的AI应用均为本土开发。中国公民对AI的净效益比美国公民更为乐观（83% vs. 39%）。(图表参考: 页293-294, 297-298)

• 特斯拉全自动驾驶(FSD)：累计全自动驾驶里程在33个月内增长近100倍（至约40亿英里）。(图表参考: 页301)
• Waymo全自动驾驶汽车：在旧金山网约车市场份额20个月内从0增长到27%（按总订单金额）。(图表参考: 页302)
• Applied Intuition（汽车智能）：服务的全球顶级汽车OEM数量从2016年的0家增至2024年的18家。(图表参考: 页303)
• Anduril（美国国防）：AI赋能的自主防御系统，过去两年收入年均增长2倍以上。(图表参考: 页304)
• KoBold Metals（AI驱动矿产勘探）：通过AI技术，其单位勘探支出发现的矿床数量远超行业平均水平，扭转了行业勘探效率下降的趋势。(图表参考: 页305)
• Carbon Robotics（农业现代化）：激光除草机器人已处理23万+英亩土地，防止了10万+加仑草甘膦的使用。(图表参考: 页306)
• Halter（智能放牧）：新增签约牲畜项圈数量年同比增长150%。(图表参考: 页307)

• 全球互联网用户：过去33年史诗级增长，从1990年几乎为0增至2022年的50亿+。(图表参考: 页310)
• 全球互联网普及率：从2005年的16%增至2024年的68%。(图表参考: 页311)
• 各地区普及率：除南亚和撒哈拉以南非洲外，其他地区普及率均超过70%。(图表参考: 页312)
• 城乡差异：全球城市居民互联网普及率83%，农村居民48%。(图表参考: 页313)
• 全球互联网用户达55亿，年增长率6%且在加速。(图表参考: 页314)

• ChatGPT移动应用MAU：23个月内达到5.3亿。(图表参考: 页315)
• ChatGPT移动应用主要用户国：印度（13.5%）、美国（8.9%）、印尼（5.7%）。(图表参考: 页316)
• DeepSeek移动应用MAU：4个月达到5400万，主要集中在中国（34%）和俄罗斯（9%）。(图表参考: 页317)

• 轨道/卫星发射市场份额：SpaceX崛起，主导商业和国家复兴阶段（2008-2024年）。(图表参考: 页319)
• SpaceX星链用户：超过500万，3.2年间年均增长202%。(图表参考: 页320)
• 星链全球覆盖范围持续扩大。(图表参考: 页321)
• 星链应用案例：为墨西哥农村、智利学校、美国Brightline火车、全球海运公司Seaspan提供 ранее无法获得的互联网接入。(图表参考: 页322)

• Shopify CEO Tobias Lütke："在Shopify，反射性地使用AI现在是基本期望……有效使用AI现在是Shopify每个人的基本期望。" (2025年3月内部备忘录)。
• Duolingo CEO Luis von Ahn："Duolingo将成为AI优先的公司……AI不仅是生产力助推器，它帮助我们更接近我们的使命。" (2025年4月全员备忘录)。
• 美国公司AI采用率：截至2025年3月，约7%的美国公司在过去六个月中使用AI生产商品或服务，其中信息、专业科技、教育、金融保险、房地产等行业采用率较高。(图表参考: 页328-329)
• 企业AI/LLM计划目标：提高内部员工生产力（如CoPilot）是首要目标，其次是专项工人劳动节省/生产力提升。(图表参考: 页330)
• AI对工人生产力的影响：斯坦福HAI研究显示，使用AI的客户支持代理每小时处理的聊天数量比不使用AI的多14%（2.97 vs 2.6）。(图表参考: 页331)
• 就业演变：美国AI相关职位发布7年间增长448%，而非AI的IT职位则下降9%。AI相关全球职位名称两年内增长200%。苹果公司有600+生成式AI职位空缺。(图表参考: 页332-334)
• 美国劳动生产率：过去77年，非农就业增长与劳动生产率提升并行。技术周期（小型计算机/PC时代、桌面互联网时代、移动互联网时代、AI时代）不断演进。(图表参考: 页335)
• NVIDIA CEO Jensen Huang："你不会因为AI而失业……但你会因为使用AI的人而失业……人工智能是我们缩小技术鸿沟的最大机会。" (2025年5月Milken Institute全球会议)。