或许你已经感受到，AI的采用与你之前所经历的任何技术革命如移动互联网、社交网络、云计算等，大有不同，事实确实如此。

近日，风险投资公司Bond创始人兼普通合伙人玛丽·米克尔发布了一份长达340页的《趋势——人工智能》报告，其中51页的内容都提到“前所未有”一词，以数据图表呈现人工智能在开发、应用、投入及普及速度上的突破。这位曾因年度互联网趋势报告被誉为“互联网女王”的投资人，是继2019年后首次重启趋势研究，聚焦人工智能对技术史的颠覆性影响。在创立Bond之前，她曾于2010年至2019年负责凯鹏华盈（Kleiner Perkins）的增长业务，投资了Facebook、Spotify、Ring和Block（当时是Square）等公司。

她在报告中写道，“人工智能技术发展的变化速度和范围确实是前所未有的，数据也证明了这一点。”

米克尔援引多项数据佐证人工智能的“指数级增长”：

一是用户增长。ChatGPT仅用17个月便突破8亿用户，且如此高额年经常性收入（ARR）增长速度，远超互联网时代任何产品。

二是成本下降。她援引斯坦福大学研究显示，模型训练成本虽高达10亿美元，但推理成本（即使用成本）在两年内下降99%（按每百万token计算）。

三是竞品尤其是中国厂商崛起。一方面，英伟达2024年Blackwell GPU的单位功耗较2014年Kepler GPU降低10.5万倍，另一方面，中国厂商则以开源方式实现追赶，形成全球性技术竞赛。

报告称，随着人工智能系统日益强大且商业价值凸显，其发展重心也逐渐从学术界转向工业界。与此同时，一场与之并行的变革悄然兴起——大约在2019年（彼时GPT-2在限制参数规模的情况下发布），闭源模型开始蓬勃发展，其背后推动力主要来自专有利益、竞争优势以及安全考量。

闭源模型的发展遵循着集中化、高资本投入的路径。像OpenAI的GPT-4、Anthropic的Claude这类模型，都是在专有系统中利用海量专有数据集进行训练的，整个训练过程需要耗费数月时间以及数百万美元的资金。这些模型往往性能更为卓越，使用起来也更加便捷，因此深受企业、消费者以及越来越多的政府机构的青睐。不过，这种优势是以牺牲透明度为代价的，用户无法获取模型的权重参数、训练数据以及微调方法等关键信息。

最初作为研究前沿领域的成果，如今已演变成一种封闭的产品体验，通过API接口对外提供服务，并授权给企业使用，同时还受到法律和商业壁垒的严密保护。

而后来，随着大型语言模型的日益成熟以及市场竞争的不断加剧，开源模型凭借其低成本、功能持续增强以及开发人员和企业更广泛的访问权限等优势，重新崭露头角。这些开源模型可供任何人免费使用、修改和在此基础上进行二次开发，因而备受早期初创公司、研究人员/学者以及独立开发人员的欢迎。

开源正在推动主权人工智能倡议、本地语言模型的发展以及社区主导的创新。与此同时，闭源在消费者市场以及大型企业的应用场景中占据着主导地位。

与此同时，谷歌TPU、亚马逊Trainium等云端芯片实现规模化开发，进一步推动人工智能基础设施的快速迭代。米克尔强调：“这些不仅是技术尝试，而是关乎未来的战略性押注。”

不过，尽管人工智能在技术层面全面领跑，但其财务回报尚未超远其他技术革命。米克尔给出了两点看法：

一是人工智能仍需要大量的基础设施投资。风险投资加速流入人工智能领域，但企业与云服务商仍面临高额基础设施投入。

二是企业竞争也加速成本降低，用户和应用企业将受益于技术快速改进。但目前尚不清楚哪些公司能成为长期盈利的下一代科技巨头。她写道：“只有时间能证明，当前的人工智能领跑者能否在盈利方程式中站稳脚跟。”

人工智能资本支出前所未有

报告首先指出人工智能的快速发展。Instagram、WhatsApp和YouTube用了2-4年时间才达到1亿用户。而ChatGPT不到三个月就做到了。截至今年4月，ChatGPT每周用户量已达8亿，目前每年处理超过3650亿次搜索。

AI智能体正在将对话界面转变为功能基础设施。虽然该产品开发还处于早期，但其影响力已经开始显现。

随着人工智能的使用越来越多，基础设施和计算的总需求也在上升，从而再次推高了成本。其结果是，增长的飞轮给云提供商、芯片制造商和企业IT预算带来了压力。

值得一提的是，印度已成为人工智能平台的重要市场。该国为ChatGPT的移动应用用户贡献了最高比例（13.5%），超过美国（8.9%）和德国（3%）。印度也是中国DeepSeek的第三大用户群（6.9%）。报告指出，印度一直是人工智能公司重要的用户群市场。

开源与闭源路线

人工智能正在分裂成两条道路：像GPT-4和Claude这样的闭源模型，以及像Llama和Mixtral这样的开源模型。

在她看来，这种分裂正在塑造整个生态系统：开源模型正在推动自主人工智能的发展，而本地语言模型和闭源模型在消费者市场份额和企业采用方面占据主导地位。

闭源模型性能领先，受到企业青睐，但缺乏透明度。开源模型更容易获得，并正在推动当地语言、基层工具和自主人工智能方面的创新。

开源人工智能已经成为现代科技时代的车库实验室：快速、混乱、全球化和激烈协作。根据发布的大型人工智能模型数量，中国（截至2025年第二季度）在开源竞赛中处于领先地位，2025年将发布三个大型模型——DeepSeek-R1、阿里巴巴Qwen-32B和百度Ernie 4.5。

报告还指出，闭源模型在消费者群体和大型企业里备受青睐，这主要归因于它们在早期展现出的性能优势、出色的易用性以及更为广泛的知名度。

不过，开源模型正在迅速缩小与闭源模型的差距，而且其发展速度超出了许多人的预期，更为关键的是，实现这一目标所付出的成本仅仅是闭源模型用户成本的一小部分。以Llama 3和DeepSeek为代表的开源模型，已经在推理、编码以及多语言处理能力方面展现出了强大的竞争力。同时，这些模型支持用户完整下载，能够进行精细调整，并且可以部署在普通的硬件基础设施之上。

成本下降，竞争加剧

根据斯坦福大学的数据，虽然模型训练成本上涨（高达10亿美元），但推理成本在两年内下降了99%。与2014年推出的前代产品相比，英伟达2024年推出的Blackwell GPU的每个令牌能耗降低了10.5万倍。谷歌的TPU芯片和亚马逊的Trainium也在迅速扩张。“这些不是边缘项目，而是基础性的赌注，”米克尔指出。

2022年至2024年期间，运行大语言模型的每个token的成本估计下降了99.7%，硬件和算法效率的大幅提高推动了这一下降。曾经这对所有公司都来讲都过于昂贵，现在甚至是个人开发者都能够实现低门槛获取。

基础大模型的激增创造了一种新的灵活性，开发人员现在可以在数十种模型之间进行选择。它们各自在不同领域表现出色。一些针对推理进行了优化，其他用于速度或代码生成，其结果是摆脱了供应商锁定。

人工智能正在塑造现实世界

报告指出，人工智能的应用范畴正不断拓展，早已超越了传统应用程序的边界。如今，它已深度融入多个领域，不仅能够驾驶汽车、操控工厂里的机器人，还在医疗保健领域发挥着重要的辅助作用。

工作岗位并未因人工智能的出现而消失，相反，它们正处于持续演变的过程中。人工智能正逐渐成为程序员、作家以及分析师等职业的得力“副驾驶”，与人类协同工作，提升工作效率与质量。

米克尔透露，自2018年起，与人工智能相关的职位空缺数量呈现出爆发式增长，涨幅高达448%，这充分彰显了人工智能领域对人才的强劲需求。

报告还提到，几十年来，商业软件一直遵循着一种广为人知的模式：先开发出一款专门工具，然后将其销售给特定且狭窄的用户群体，并在垂直领域内进行业务拓展与规模放大，这便是垂直SaaS商业软件的典型模式。

然而，随着基础模型和生成式人工智能的兴起，行业格局发生了变化。其他从业者开始采用横向整合的方式，将人工智能原生生产力、搜索、通信以及知识管理等功能集成到一个统一的界面之中。他们不再通过销售孤立的软件许可证来盈利，而是针对嵌入整个技术堆栈的智能功能收取费用，实现了从单纯销售工具向注重提供实际成果的价值转变。

举例来说，微软正在整个技术堆栈中集成Copilot，以提升其产品的智能化水平；Zoom和Canva则将生成式AI融入面向用户的工作流程；而copula公司正把生成式AI能力注入其数据和开发人员堆栈，助力开发者更高效地开展工作。

当下，全球范围内针对芯片、数据中心等关键技术的争夺战已全面打响。米克尔将这场竞争比作冷战时期的太空竞赛，其激烈程度可见一斑。

不过，在技术竞争的背后，也存在一些亟待解决的严重问题。人工智能可能存在偏见，会传播错误信息，甚至其行为也难以预测，这些都可能带来潜在风险。米克尔认为，我们需要制定明确的规则，依靠诚实的领导者引领行业发展，并构建更智能的系统，以此应对人工智能快速发展所带来的挑战。

米克尔的报告揭示了人工智能的双重性：它既是技术史上的里程碑，也是商业世界的未知变量。对于其他人而言，或许正如她所言：“系好安全带，迎接这场前所未有的变革。”（本文首发于钛媒体APP，作者 | 杨丽，编辑 | 盖虹达）