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

本文来自微信公众号：APPSO （ID：appsolution），作者：发现明日产品的，原文标题：《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》

被硅谷奉为“互联网女皇”的Mary Meeker又出手了。

她自1996年起连续每年发布著名《互联网趋势报告》，记录了从PC到移动互联网的二十年进化史，是不少投资人和创业者的风口指南针。

作为少数能通过数据讲清楚未来走向的老牌投资人，这一次，她将目光投向了AI。

5月30日，Meeker发布了一份长达340页的重磅《AI趋势报告》，从技术路径、投资规模到自动驾驶等领域的影响，几乎把这场浪潮的每一个重要变量都梳理了一遍。

如果你想抓住下一个风口，那么这份报告绝对值得认真研读。

我们也整理了报告中的一些要点：

AI带来的变化是前所未有的，ChatGPT短短2个月内突破1亿用户，17个月后月活跃用户达到8亿，订阅用户超2000万，年收入接近40亿美元。

看到AI潜力的科技巨头持续加大对AI基础设施的资本投入，2024年AI相关资本支出已达2120亿美元，同比增长63%。

英伟达GPU显著提升了AI推理的性能和能效，也因此赚得盆满钵满，堪称这波AI浪潮中的最大受益者。

AI模型的训练成本在短短8年内暴涨2400倍，单个模型训练成本可能在今年将达到10亿美元，未来有可能突破100亿美元。

开源模型（如DeepSeek、Qwen等）更是逐步缩小与顶级闭源模型的差距，尤其在推理和编程能力上具备竞争力。

AI在蛋白质折叠、癌症检测、机器人技术、多语翻译等领域发展迅速，在图灵测试中的表现已超越多数人类测试者，并开始渗透到自动驾驶、机器人等物理世界。

AI相关岗位增长448%，而传统IT岗位需求萎缩，AI Agent成为新型数字劳动力，能够执行多步骤任务并重塑各行业业务流程。

附上原报告地址：

https://www.bondcap.com/reports/tai

用户裂变速度史上最快，AI真成新基建了？

ChatGPT仅用了2个月左右的时间达到1亿用户，远远快于历史上任何一款产品。

17个月过后，ChatGPT月活跃用户增至8亿，订阅用户超2000万。此外，ChatGPT年营收接近40亿美元，是历史上商业化速度最快的AI产品，没有之一。

与互联网前期是以美国为中心的技术有所不同，ChatGPT在短短的三年之后，北美之外的用户普及率就超过90%，呈现“同步爆发、全球铺开”等技术特征。

AI驱动基础设施投资是本次浪潮的一大亮点。

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。

当然，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。

在过去一年里，黄仁勋在几乎所有公开场合都在重复一个观点：英伟达不是芯片公司，也不仅仅是一家科技公司，而是一家AI基础设施公司。

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。

推理成本下降，但模型训练越卷越贵

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。

闭源想收割，开源想逆袭，用户笑而不语

OpenAI等头部企业尚未盈利，算力支出高于收入，呈现“高用户、重烧钱、待盈利”的发展阶段。

不过，情况也正在好转。

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。

图灵测试不香了？你可能已经相信AI是“人”

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。

这届AI不只会聊天，开始开车、种地、打工了

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。