2025年人工智能行业分析：AI发展的长周期思考，前景广阔，预期乐观

AI渗透率仍较低，大模型发展仍处于中初级阶段

目前ChatGPT周活跃用户数仅占全球网民总数的13%

2025年8月，ChatGPT周活约7亿，是全球接入互联网人口数的12.7%（该比率低于实际ChatGPT渗透率，仅供参考）。 2005年-2024年，全球接入互联网人口数量由10.2亿增长至55.1亿，增长4.38倍，渗透率从15.6%提升至67.6%。 目前来看，全球大模型的网民用户渗透率可能类比2005年前后的互联网时代。

美国约34%的成年人使用过ChatGPT

PEW RESEARCH 2025年数据，约34%的美国成年人使用过ChatGPT，相当于2011年智能手机的渗透率水平。2011年2024年，美国成年人智能手机渗透率由35%提升至91%。我们认为，ChatGPT的美国用户渗透率仍有较大提升空间。

2025年8月4日，OpenAI ChatGPT负责人Nick Turley表示，本周ChatGPT周活跃用户有望达到7亿，据Similarweb、 FirstPageSage等，美国约占OpenAI全球访问量/访客数的15%左右，以此计算美国ChatGPT周活约1.05亿，是美国互联网 连接总数的19%，是美国总人口数的31%（两个比率低于实际ChatGPT渗透率，仅供参考）。

ChatGPT网站访客数仅占Google的14.29%

2025年7月，ChatGPT网站流量仅占全球网站流量的1.32%，网站访问量为57.2亿次，不到排名第一的Google网站访 问量的7.14%。从独立访客数来看， ChatGPT网站为4.4亿，排名第一的Google为32.5亿， ChatGPT不到Google的 14.29%。我们认为，目前大模型的功能之一是搜索引擎，ChatGPT较Google的访客数仍有较大差距，反映空间较大。

目前美国企业AI使用率仅为9.4%

美国人口普查局针对120万家企业的问卷调查显示，目前美国企业AI使用率仅为9.4%，预计未来六个月内使用AI的企 业占比为13.5%，而2018年美国企业上云率已超85%。过去是企业IT上云，现在及未来是企业IT上AI云（大模型）。

2024年欧盟仅13.5%的企业使用AI技术开展业务

2024年，欧盟10人以上企业中，13.5%的企业使用AI技术开展业务，而2018年，欧盟企业上云率已经达到70%。 欧盟各国中采用AI的企业占比最高的是丹麦（27.6%）、瑞典（25.1%）和比利时（24.7%），最低的是罗马尼亚 （3.1%）、波兰（5.9%）和保加利亚（6.5%）。

我国网民规模已超11亿，但大模型网民渗透率或不足15%

目前，我国大模型使用用户在网民中的渗透率仍很低，空间仍大。数据显示，2024年11月底，豆包累计用户超过1.6 亿（中国第一），网民渗透率不足15%，可类比2009年的手机网民渗透率。2009年我国3G商用以来，手机网民从当年 的2.33亿户增长至2024年底的11.05亿户，增长3.74倍，渗透率从2009年的17.46%提升61pct，至2024年的78.46%。

我国增加AI搜索插件的APP中大部分AI功能使用率较低

在AI搜索插件用户规模TOP10 APP中，AI搜索插件使用率最高的两个APP分别为夸克、腾讯新闻，分别达到56.0%、 20.6%，其余8个APP使用率均不到10%。

生成式AI应用IAP收入占全球应用IAP收入的比例不足2%

2014年-2024年，全球应用IAP收入（应用内购买，不含移动游戏）由35亿美元增长至692亿美元，增长18.8倍。 2024年，全球生成式AI应用IAP收入12.7亿美元，仅占全球应用IAP收入的1.84%。

手机网民单日使用时长近8小时，大模型使用时长占比仍很低

根据CNNIC数据，我国网民上网时长总体呈现增长势头，但其不区分手机、电脑等，因此对冲后看起来增速不快。百 度 2013 年第三季度《移动互联网发展趋势报告》显示，Android 用户人均日使用时长突破 2.5 小时 ；QuestMobile 发布 的《2025 中国移动互联网半年大报告》显示，截至 2025 年 6 月，我国手机网民月人均单日使用时长为7.97小时。 2025年4月，豆包单 DAU 日均使用时长约为10.1 分钟，如果以CNNIC数据为基数，使用时长占比可能不足７％。 以每月30天测算，手机网民每小时消耗的流量2025年6月达到162MB，是2010年的192倍。

大模型或引爆产业互联网、升级移动互联网，未来预期乐观

AI推理成本大幅下降，AI应用消耗Tokens数量激增

AI推理成本随时间推移快速下降，单位美元可获取的AI性能大幅提高。 在MMLU测试中达到GPT-3.5水平（64.8分）的模型，其推理成本从2022年11月的每百万tokens 20美元降至2024年 10月的0.07美元（Gemini-1.5-Flash-8B），约1.5年内下降超280倍。 在GPQA上得分超过50%的模型的成本也呈现出类似的趋势，推理成本从2024年5月的每百万tokens 15美元降至同年 12月的0.12美元（Phi 4）。据Epoch AI，根据任务不同，大语言模型的推理成本正以每年9-900倍的速度下降。

2025年5月Google I/O开发者大会上，谷歌表示目前系统每月处理的Tokens数量激增，从去年的9.7万亿增加到现在 的480万亿，增长将近50倍。2025年7月，谷歌宣布目前每月处理超980万亿Tokens，较两月前翻倍增长。 以豆包为例，去年12月中旬，豆包日均Tokens使用量已超过4万亿，较七个月前首次发布时增长了33倍；截至2025 年3月底，豆包大模型日均tokens 调用量已超过12.7万亿，是2024年12月的3倍，是一年前刚发布时的106倍；截至2025 年5月底，其日均Tokens使用量超过16.4万亿，同比增长137倍。 Tokens数量的激增，意味着前期投资的算力正在被有效使用，tokens的持续增长意味着未来的算力需求依然强劲。

大模型在B端如编程等场景已商业变现，带动相关公司收入大增

目前，OpenAI 2024年的年度经常性收入中，以订阅服务为主，但增量前景来看，2B端值得期待： 消费者端：ChatGPT Plus 以每月 20 美元的订阅费贡献了 55% 的收入，全球订阅用户超 770 万。我们预计，其主 要使用场景为编程、办公协助等。 企业端：ChatGPT Enterprise（月费 50 美元）和 Team（月费 25 美元）分别占收入的21%和8%， ChatGPT Enterprise覆盖金融、医疗等行业的 120 万企业用户；API 收入占比 15%。7月，Anthropic年化收入达40亿美元，较2024年增长近四倍，其中70%-75%由代码生成场景贡献。

大模型有望引爆产业互联网、升级移动互联网，发展空间巨大

我们认为，AI大模型可能整合升级移动互联APP，但更可能真正在B端大量使用，引爆产业互联网。例如，2025 年 7 月，微软透露，2024 年 AI 工具在微软客服中心实现超 5 亿美元成本节约，微软新产品中35%的代码由 AI 生成。 Gartner数据：2024年全球IT支出约为5.26万亿美元，其中IT服务与软件支出为2.71万亿美元。2024年中国IT支出约 为5890亿美元，其中IT服务与软件支出为1565亿美元。如果未来大模型可以渗透这块市场，则发展空间巨大。

AI带动的资本开支长期空间广阔，持续性强

随着云业务收入的大幅增长，海外CSP资本开支曾大幅飙升

亚马逊云计算业务2013起爆发，收入从31亿美元增长至2022年的801亿美元（2023年显著降速），增长24.8倍，带 动资本开支从2013年的34亿美元增长至2022年的636亿美元，增长17.5倍。AI业务若大幅增长，资本开支空间仍大。

微软智能云业务收入从2015年的244亿美元增长至2022年的747亿美元，增长2.1倍，带动资本开支从2015年的66亿 美元增长至2022年的248亿美元，增长2.8倍，资本开支2013年到2022年增长了3.4倍。

随着移动互联网与云计算发展，国内大厂Capex也曾大幅飙升

阿里云计算业务收入从2014年的11亿元增长至2018年的214亿元，增长18.5倍，带动资本开支从2014年的43亿元增 长至2018年的443亿元，增长9.2倍。2025 年 2 月阿里官方披露，2025-2027 年将投入超过 3800 亿元用于云和 AI 硬件 基础设施建设，这一金额超过 2015-2024 年自然年累计资本开支总和。

腾讯收入从2013年的604亿元增长至2019年的3773亿元，增长5.2倍，带动资本开支从2013年的58亿元增长至2019 年的324亿元，增长4.6倍。

经营现金流角度，海外CSP Capex尚未达到公司能承受的天花板

2013年-2022年，亚马逊、谷歌、Meta年度capex最高占经营活动产生的现金流量净额的136%、52%、63%，而2024 年该比例分别为72%、42%、43%，与云计算大规模扩张期相比，AI资本开支尚未达到公司能承受的天花板，仍有提升空 间。微软2024年capex占经营活动产生的现金流量净额的44%，为2013年以来最高值，但与其他公司相比仍较低。

2024年，阿里、腾讯capex最高占经营活动产生的现金流量净额的44%、30%，达到2014年以来的最高位，但和亚 马逊、Meta当年的比例72%、43%相比仍较低。

大模型时代，AI训练算力需求快速增长

据EPOCH AI数据，深度学习出现之前（1950年-2010年），用于标志性机器学习模型训练的算力约每20个月翻一 倍，基本符合摩尔定律。进入AI大模型时代后，随着模型参数量的增长、训练数据集规模的扩大，用于标志性AI模型训 练的算力约每5个月翻一倍（每年增长约4.6倍），远远超越摩尔定律。AI带动了巨大的算力投资需求。

模型参数量与训练算力、推理算力密切相关

根据OpenAI论文，在一个参数量为N的神经网络中，训练过程的整体运算量大致为6N，推理过程的整体运算量大致 为2N。ChatGPT参 数量为1750亿， 训练参 数量为3000亿token，整 体训练计 算量= 6* 1750*3000*1016 flops=3.15*1023 flops；单次推理的计算量= 2*1750*108 flops=3.5*1011 flops。GPT-4的参数量预计为1万亿-1.8万亿，训练计算量预计是ChatGPT的40-100倍，推理计算量是ChatGPT的6-10倍。

推理模型与Agent消耗的Token在持续快速增长

深度推理过程处理需求指数级增长，单用户查询的Token处理量预计两年内增加100倍。 综合考虑Agent从规划到执行的完整闭环，我们认为Agent对Token的消耗主要源于以下方面：1）长上下文窗口对 Token的消耗量大：Agent从对任务的拆解、规划、编排、执行过程需要对上下文信息有更强的记忆能力，对应更多 Token消耗；2）多Agent/工具通信协同会带来Token明显增长：Agent在执行任务的过程中往往需要调用其它AI工具 或Agent，其对已有信息的通信过程会造成Token用量的快速积累；3）验证模块对Token的大量消耗：Agent通常会 设计验证模块以确保执行任务的准确性，当Agent执行完成每个关键步骤后，会对结果进行检查验证，判断是否符合 预期或任务要求，从而造成重复的额外计算资源消耗；4）多模态场景Token消耗量更高：当前Agent落地场景往往会 涉及文本、语言、图像、视频等各种模态的语料，从而综合规划出最佳解决方案，带来更高的Token消耗量。

报告节选：

编辑：火腿肠