Deep行者
版权归原作者所有，转载引用请注明原出处。
内容仅供交流学习，不做任何商业用途。
在信息爆炸的AI时代，值得一读的报告必须具备四种特质：
数据密度高、时间跨度大、产业穿透深、全球格局广。
BOND 出品的这份《Trends in AI 2025》正是这样的存在。报告开篇就指出：
“每更新一张图表，我们就要重新修改另外张，像是在玩数据打地鼠（whack-a-mole）。”
这句调侃背后，是AI领域真实的发展节奏——
如果说2000年后的互联网是一场技术浪潮，那么2022年后释放的大模型，是一场时空加速器。互联网之父Vint Cerf 曾说：“互联网一年=人类七年”。
但AI的用户增速、资本密度、地缘竞争，已远超互联网。
在阅读整份BOND报告内容后，一位硅谷的投资人及工程师创业者Deedy Das提炼出来了20条核心洞察，我们在其基础上做了一版深度版分析与战略启示，不仅关注“发生了什么”，更关注“为什么重要”和“接下来会如何”。
01
ChatGPT月活用户增长8倍
印度用户占比已达14%
短短一年时间，ChatGPT的月活跃用户数就增长了八倍，这种速度在硅谷历史上都极为罕见。
最令人瞩目的，是印度一跃成为最大使用国，占全球总用户的约14%。
这背后并不只是因为印度的英语普及率高，更重要的，是它极低的数据流量价格与移动优先的互联网生态，为AI产品的爆发提供了肥沃的土壤。
同时这也意味着，AI革命的主战场正在悄然南移。
从“旧金山的办公室”走向“孟买的公交车上”，从技术研发的高地转向普及速度的低地，亚洲新兴市场的用户增长已明显快过北美，尤其是在终端消费层面。
未来真正的决胜点或许不是谁模型更大、推理更快，而是谁能更好地服务“小语种 + 低算力 + 高性价比”的南方世界。
02
ChatGPT日搜索请求已破10亿
达成速度是Google的5.5倍
ChatGPT每天处理的搜索请求，已经超过十亿次。
更惊人的是，它达成这个里程碑的速度，是Google当年的5.5倍。这里的关键词不是“增长”，而是“替代”——人们正在从关键词检索，转向对话式推理。
曾经的Google，是一个拥有海量链接的图书馆；
而现在的ChatGPT，更像是一个随时能陪你讨论的私人教师。
这背后是人机交互方式的改变——我们不再需要知道去哪找答案，而是希望“直接被理解、直接给回答”。
对于SaaS企业而言，与其再去开发下一个独立App，不如专注打造Prompt即界面的“API即服务”，无缝嵌入客户的工作流。
03
用户平均使用时长提升三倍
AI开始“变成日常”
据统计，如今用户平均每天花在ChatGPT上的时间，已是21个月前的三倍。这不仅是活跃度的提升，更说明了用户行为已经发生了显著的变化。
过去，AI像个“工具箱”，用完即走；
如今，它正逐步成为一个“工作搭子”，全天在线、随时互动。
观察指标也在转变。
从过去强调 DAU（日活跃用户），我们正步入一个更强调 DPU（日驻留时长）的时代。谁更能抓住用户的注意力，谁就更有机会赢得订阅关系。
AI产品开始从“尝鲜”进入“陪伴”，从“效率工具”演化为“生活接口”。
04
OpenAI年营收达到37亿美元
增长速度超过十倍
从历史轨迹看，ChatGPT的商业曲线远远超出了Netflix、Spotify等ToC产品在早期的变现速度。
未来的商业模型，可能也不再是“广告 + 用户数据”这条老路，而是“内容订阅 + API调用 + token 计费”的全新范式。
AI开始有自己的账本和现金流，也开始要求企业重新思考“什么值得为AI买单”。
05
六大科技巨头AI资本开支突破2120亿
年增长达63%
苹果、微软、谷歌、亚马逊、Meta 与英伟达这六家巨头，过去一年在AI相关的资本开支已突破2120亿美元，年增幅高达63%。
显然，这是对“基础设施级”的战略下注。
换句话说，我们已从“模型之战”进入“数据中心与能源资源之战”。
AI训练需要的不是传统意义上的土地，而是高密度电力、高带宽网络与海量算力。谁能铺得起这些“新基建”，谁才拥有AI时代的土地与水源。
报告显示，这些科技巨头的总CapEx中，超过40%被用于AI算力与基础设施的部署。这个比例，已经足以让任何传统行业的CEO惊叹。
06
英伟达成为AI芯片唯一王者
10年收入增长28倍
如果说OpenAI点燃了这场AI革命的火，那英伟达就是筑起城池的那个人。
在过去十年里，英伟达的收入增长了28倍，凭借一枚GPU，重新定义了AI时代的“能源单位”。特别是在生成式AI兴起后，训练与推理的大规模需求几乎让H100成为稀缺品，其背后的结构飞轮早已成型：
从CUDA生态的独家门票，到H100芯片的算力霸权，再到模型训练、云部署、租用算力的产业闭环，英伟达主导了整条上中下游链路。
从某种意义上来讲，这场胜利，是标准之战的胜利。
OpenAI靠的是大模型；英伟达靠的是“别人没有的工具链和生态系统”。
对于中国来说，不能只追“芯”，而是要构建“芯片 + 云 + 大模型 + 场景”四位一体的复合战略体系，才能真正打造具备系统性的自主竞争力。
07
中国工业机器人保有量
超过全球其他地区总和
在世界大多数国家还在规划智能制造蓝图的时候，中国已经悄然完成了产业级部署。目前，中国的工业机器人数量已超过全球其他国家的总和，是制造业“从人手到算法”的真实写照。
这种自动化力量的背后，是供应链系统与制造企业的“底层升级”：从柔性生产线、到机器视觉、再到AI算法集成，已形成完整的闭环生态。
对全球制造企业来说，眼下不是“是否自动化”的问题，而是“如何快速追赶中国的自动化节奏”。
对中国而言，这正是一次将制造优势转化为“智造话语权”的关键窗口。
08
GitHub上的AI开发者项目
激增175%
开源成为新黄金地
短短16个月内，GitHub上AI相关的开发者存储库增长了175%。
这个数据的背后，是数百万名开发者正在从四面八方汇入AI社区，一起搭建“开放的未来”。
这不仅意味着技术的普及，更预示着一种新的研发范式：由封闭实验室转向全球协作的开源运动。越来越多企业也开始明白一个道理——不参与开源，就等于被开源淘汰。
在AI领域，闭门造车的速度永远追不上全球协作。
对于开发者来说，这是最好的时代：一个人也能成为一个模型的“创造者”；一次代码提交，也许就能被世界各地数万人使用。
而对于企业而言，开源不仅可以降低成本，更是技术创新的试验田与人才库。
09
Google月处理Token量暴增50倍
达到480万亿
过去一年，Google在AI模型处理上的Token数量，从9.7万亿一口气涨到了480万亿。
这种50倍的飞跃，标志着AI从“训练阶段”迈向“部署大爆发”。
在AI时代，Token已经成为算力消耗的“电表读数”。一个模型运行了多少Token，背后反映的，是它被调用了多少次，生成了多少知识，消耗了多少能量。
Token就是AI的“水电煤”。
对于中国来说，我们需要建立起自己的Token观测系统，像统计GDP一样，追踪AI系统的Token流量、行业流向与推理效率。这不只是调度问题，更是AI时代的“国家资源配置”问题。
10
Llama模型下载量超12亿次
衍生模型超过10万个
在AI界，“繁殖力”往往比“体型”更重要。
Meta的开源大模型Llama在过去8个月内的开发者下载量暴增，增长了3.4倍，被下载超过12亿次，衍生出了超过10万个子模型，几乎可以说是一场“模型基因的全球播种”。
这超越了模型的成功，而是一个“AI内容操作系统”的雏形。
Llama像Android当年那样，用开放源代码构建起自己的生态体系，鼓励开发者魔改、定制、跨行业适配，形成了强大的生态派生力。
对中国来说，这或许比“百模大战”更值得关注——不是谁的模型更大，而是谁能育出更多“生态小苗”。我们需要的不只是一个强模型，而是一个会繁殖、会变异、会适配千行百业的模型平台。
未来，开源育种能力将成为AI生态竞争的新高地。
11
50%的标普500已在财报会上
主动提及AI
短短几年，标普500企业在财报会议上主动谈及AI已经从从无人问津到超过一半——AI已从“技术圈的探讨”跃升为“董事会的核心议题”。
它不仅是工程师的任务，也是CFO的风险控制、CEO的战略蓝图、IR团队的叙事工具。
从资本市场视角看，AI正“穿透财务报表”，成为估值与未来预期的一部分。
没有AI故事的企业，正面临“讲不动故事”的边缘化风险。
这也提醒我们：AI不是科研部门的KPI，而是企业战略的底色。建议监管机构尽早引入“AI战略披露”机制，引导上市公司公开其在AI方面的投入、布局与潜在风险，打造“AI透明度生态”。
12
微软AI业务年收入已达130亿美元
年增175%
微软的AI业务已经不是实验室项目，而是真金白银的“现金流引擎”。130亿美元的年收入规模，意味着Copilot真正进入企业支付意愿与能力范围。
微软的做法极具启发意义：在原有Office、Teams、Azure等熟悉的工具中嵌入AI“第二大脑”，不是做一款新软件，而是在每个SaaS里植入一个“智能工人”——这正是“Agent-as-a-Service”的精髓。
对我们来说：不必急于构建全栈模型，从改造现有SaaS入手——政务OA加上智能审批、制造ERP叠上预测模块、银行CRM融合客户洞察Copilot，这样的“插件化升级”反而最容易快速试错、快速回款。
13
AI垂类创业出现爆发
Cursor从百万年收入跳到3亿美元
仅用两年
代码编辑器Cursor的爆发式增长不是偶然。在过去25个月中，它从一个小众AI插件成长为年收入3亿美元的产品，是“场景+刚需+AI”最典型的乘法。
这类垂类AI产品的底层逻辑在于：它们不像通用大模型那样追求“全能”，而是像“行业瑞士军刀”一样聚焦一个痛点，把一个任务做到极致。
这一现象对中国特别重要。我们拥有丰富的行业数据、复杂场景和中小企业客户，这些都是垂类AI的沃土。
未来的“中国AI冠军”，很可能是一个“会做图纸的AI施工员”“会写合同的AI律师”或者“会控预算的AI造价员”。
14
Waymo在20个月内
拿下旧金山27%的网约车市场份额
在旧金山这样的高密度复杂路况城市中，Waymo在20个月内拿下了旧金山27%的网约车市场份额，说明它不仅技术上“能跑”，更在运营效率、调度算法、用户信任、定价策略上全线跑通。
这代表的是一种从“边缘试点”进入到“主流基础设施”。
而且，Waymo并不是和Cruise或其他AV初创公司卷，而是在用无人驾驶挑战有司机的人类网约车巨头。
换句话说，它不是抢AI的蛋糕，而是正在抢人类劳动力的饭碗。
而它的上升速度，比Uber当年还快。
若中国某城市能在未来两年出现“Waymo级的渗透”，那它就不只是科技试验田，也是世界级的AI城市交通范式创新者。
15
特斯拉累计超40亿英里自动驾驶里程
三年增长100倍
AI正在吞噬道路
过去33个月，特斯拉实现了从4000万英里到40亿英里的FSD（全自动驾驶）飞跃。
这是一场物理世界中的模型训练革命。
每一英里的行驶，不只是自动驾驶能力的体现，更是模型学习的“喂养”。特斯拉用自研硬件和封闭系统，形成了“数据→模型→推理→反馈→再训练”的闭环，这才是它的核心壁垒。
而在中国，城市开放测试、车路协同、L4试点等都在加速推进。但要突破“城市即场景”的限制，需要鼓励“真实场景采集+数据合规运营”的新型平台崛起，让中国的自动驾驶也拥有足够“喂得饱”的现实数据。
16
AI激光除草机器人
已覆盖23万英亩
减少超过10万加仑除草剂
Carbon Robotics 的 AI 激光除草机，开始成为在23万英亩土地上踏实“种地”的新质生产力。
这些机器人通过精准打击杂草，成功替代了超过10万加仑的化学除草剂，在保障农作物生长的同时，也保护了土壤与水源。
这是 AI + 硬件 + 可持续路径的真实交汇，它提示我们：AI不止能写代码，也能“下地干活”。从遥感预测，到物理执行，AI农业正走向全链条闭环。
对中国而言，尤其在黑龙江、新疆等地的大规模种植场景下，“AI农机+无农残农场”有望成为现代农业的标志性方案。
17
全球仍有26亿人尚未联网
他们将通过“AI原生”方式第一次触网
全世界仍有26亿人从未上过网——但他们的第一次，将不再是登录网页，而是与 AI 对话。
在互联网已是“背景音”的今天，这一群体却可能通过卫星网络和本地语言接口，直接跳跃式进入“AI原生互联网”时代。
这意味着，AI产品的底层假设要彻底重构——
你的用户，也许没有打字习惯，但他们懂得与人说话。
因此，设计一套“连键盘都不需要”的AI使用路径，
可能是下一轮全球用户增长的关键。
对中国来说，这是中文AI“出海”的黄金窗口。借助“一带一路”与卫星组网战略，打造面向农业建议、教育助手、健康咨询的“AI乡村初体验”平台，不只是技术出口，更是文化与制度软实力的深度传导。
18
83%的中国受访者认为AI利大于弊
美国仅为39%
面对 AI 的崛起，中国与美国却展现出截然不同的心理底色。
在中国，有83%的受访者认为AI总体利大于弊，而在美国，这个比例却不足四成。
这背后体现的更是对制度、社会、教育体系间信任度的差异所折射的“文化认知落差”。换句话说，中国社会普遍愿意将技术嵌入日常，并期望它带来效率提升与公平改善，而美国社会则更倾向于对“黑箱”保持警惕。
这种差异，未来将直接影响AI部署的速度与规模。
对于中国，AI的“国家队”式应用或许会先行一步，但也应重视公众参与与风险感知，推动AI导诊、法律辅助、教育平权等“可感知、可互动”的服务场景，以让公众的期待获得现实的回应。
19
AI相关岗位招聘增长448%
而非AI IT岗位下降9%
过去七年，AI相关岗位的招聘增长了惊人的 448%，而非AI相关的IT职位则下滑了9%。这不仅是趋势的冰冷数字，更是职业生态的剧烈震荡。
在黄仁勋的那句“你不会被AI取代，但会被会用AI的人取代”的警示下，我们看到的是一场悄无声息的结构洗牌。
在新的职场中，“会不会AI”已不再是关键，而是“你用AI完成了什么任务”、“解决了什么问题”。简历上的亮点将从技能清单，变成具体的AI辅助成果。
中国的职业教育和高校体系，也应迅速作出调整，引入Prompt工程、AI办公协作、数据驱动决策等新型能力训练，确保每一个人都有“AI搭子”，每一个行业都有“智能助手”。
20
图表之外
图表之外，还有一组数字尤其刺眼。
AI推理的单位成本在两年内下降了99.7%，模型训练的花费却已逼近10亿美元，能耗每个Token下降了10万倍，但全球45%的数据中心电力消耗却集中在美国。
这是一幅双面画像：
一边是技术效率的极致提升，另一边却是能耗总量的飞速膨胀。AI行业已不只是“算法的竞技场”，更成为“能源资源的战场”。电力正变成AI发展的隐性货币，数据中心的地理选址与能源配比，将重塑全球科技地图。
未来，中国的“西部大算力+清洁能源”组合，将成为走在绿色AI前列的关键。而在制度层面，也需启动“AI碳足迹追踪机制”，探索“绿色AI认证”与能耗透明机制，让AI不仅聪明，还更清洁。