数据截至：2025年Q3 |分析框架：Gartner · 麦肯锡· 波特· 克里斯坦森· 罗杰斯
模块一 技术现状 | 模块二 用户行为 | 模块三 创业格局 | 模块四 变现现实 | 模块五 前景预测 |
前言：为什么现在需要这份分析？
2022年底ChatGPT的横空出世让AI从实验室议题变成了全民话题。此后两年间，国内外AI工具以肉眼可见的速度更迭迭代，「AI创业」「AI副业」「AI取代人类」等叙事此起彼伏。然而，真实的AI行业究竟发展到哪个阶段？谁在用、怎么用、能不能赚钱？这些问题往往淹没在噪音之中。
本报告综合运用六种经典与前沿分析方法，基于可追溯的公开数据，对以上问题给出系统性答案，并在每个模块结尾诚实评估数据局限性与结论置信度。
模块一：AI技术现状定位
分析方法：Gartner技术成熟度曲线（Hype Cycle）
1.1 大模型能力已达到什么水平？
根据斯坦福大学2024年AI Index Report，AI在图像分类、视觉推理和英文理解等基准测试中已超越人类表现；但在竞争级数学、视觉常识推理和复杂规划任务上，AI仍明显落后于人类顶尖水平。这一分水岭很重要：AI目前最擅长处理结构化、有标准答案的任务，而非需要真正创造力与跨领域整合的复杂工作。
训练成本方面，GPT-4的训练成本估计约7800万美元，谷歌Gemini Ultra约1.91亿美元。高昂的成本已将大学等学术机构基本排除在前沿模型开发之外——2023年工业界发布了51个重要模型，学术界仅15个，而2016年前两者大体持平。
1.2 各类AI工具处于Hype Cycle的哪个位置？
工具/技术类别 | Hype Cycle位置 | 现状判断 | 典型代表 |
通用对话助手（ChatGPT/Claude等） | 生产力稳定期 | 已过泡沫峰值，实用化落地 | ChatGPT、Claude、豆包 |
AI编程助手 | 生产力稳定期 | 开发者日常工具，高渗透率 | Cursor、GitHub Copilot |
AI图像生成 | 幻灭期→稳定期 | C端热度消退，B端商业化 | Midjourney、Stable Diffusion |
AI视频生成 | 过热期 | 能力快速进化，商业落地有限 | Sora、Kling、即梦AI |
AI Agent（智能体） | 过热期顶峰 | 概念火热，产品仍以Demo为主 | AutoGPT、各种Agent框架 |
具身智能/机器人 | 技术萌芽期 | 资本涌入，规模化遥远 | Figure、1X Technologies |
数据来源 Stanford HAI AI Index 2024 | Gartner Hype Cycle框架（自研判断，非Gartner官方定级）| 各公司官方披露 |
模块二：用户行为分层分析
分析方法：埃弗雷特·罗杰斯创新扩散理论（Diffusion of Innovations）+ 克里斯坦森待完成任务理论（Jobs to Be Done）
2.1 全球AI用户规模：数字背后的真相
ChatGPT目前拥有约8亿周活跃用户，全球日均处理约25亿次查询，在全球网站访问量中排名第6。OpenAI年收入已突破100亿美元ARR。这些数字看起来极为惊人，但需要放在正确语境下解读：
指标 | 数据 | 解读 |
ChatGPT周活跃用户 | 约8亿（2025年中） | 总量大，但绝大多数非每日使用 |
ChatGPT DAU/MAU粘性比（stickiness） | 约16.78%（2024年） | 远低于Google的25.35%，说明大多数用户使用频率低 |
美国成年人曾使用过ChatGPT比例 | 约34%（2025年6月） | 「用过」≠「持续使用」 |
ChatGPT Plus付费订阅留存率 | 74%（3季度后） | 付费用户粘性显著高于免费用户 |
美国年轻人（18-29岁）使用率 | 58% | 老年人（65+）仅10%，年龄鸿沟明显 |
粘性比16.78%意味着：在任何一个月里活跃的ChatGPT用户中，每天打开使用的不足1/6。这与社交媒体、搜索引擎等高粘性产品相差甚远，说明AI工具目前对于大多数普通用户来说还没有成为真正的日常习惯。
2.2 AI圈内用户（早期使用者）怎么用？
根据Stack Overflow 2025年开发者调查（覆盖49,000+名来自177个国家的开发者），技术社区对AI的使用已进入深度整合阶段：
•84%的受访开发者正在使用或计划使用AI工具（2024年为76%）
•51%的专业开发者每天使用AI工具
•ChatGPT（82%）和GitHub Copilot（68%）是最主流的两款工具
•开发者报告称AI工具使平均生产力提升约25-39%
•但信任度在下降：2025年仅33%的开发者信任AI输出，较2024年大幅下滑，46%表示不信任
圈内用户的核心使用模式可归纳为：以AI为「草稿生成器」和「调试助手」，而非直接信任其输出。开发者普遍反映AI在「接近正确但不完全对」的状态下最令人头疼——45%的人表示调试AI生成的代码比自己写更耗时。
2.3 AI圈外用户（普通大众）怎么用？
麦肯锡2025年全球AI调查（覆盖1,491名各行业企业人士）显示：
•78%的企业在至少一个业务功能中使用了AI（2024年初为55%）
•但仅有39%的企业报告AI对EBIT产生了可见影响
•仅1%的企业高管认为自己的AI部署已达到「成熟」阶段
•23%的企业正在规模化部署AI Agent，另有39%处于实验阶段
对普通C端用户而言，ChatGPT的使用场景高度集中在「通用搜索/问答」「学术研究辅助」「翻译」「写作润色」等低门槛用途。AP-NORC的调查数据显示，信息搜索是最主流的AI使用场景，且不足一半的用户将AI用于工作相关任务。
2.4 中国市场的特殊格局
中国AI应用市场呈现出与全球不同的竞争格局。根据QuestMobile 2025年Q1数据：
产品 | 月活（MAU） | 特点 |
DeepSeek | 约1.94亿（2025年3月峰值） | 开源+高性价比，2025年1月爆发 |
豆包（字节跳动） | 约1.16亿 | 字节生态加持，稳居第一梯队 |
腾讯元宝 | 约4164万 | 借微信生态逆袭，增速最快 |
通义千问（阿里） | 约3000万+ | 2025年11月单月增速149%，黑马涌现 |
Kimi（月之暗面） | 不足千万 | 曾是明星，2025年跌出TOP3 |
中国市场有几个显著特点：
第一，大厂生态协同是最强护城河，字节（抖音/剪映）、腾讯（微信）、阿里（淘系）的流量入口决定了AI产品的天花板；
第二、中国AI应用整体规模与海外相差约5倍（量子位智库数据），尚未出现类似ChatGPT的现象级破圈产品；
第三、商业化路径以定制化大客户（55%）和API订阅（40%-45%）为主，C端广告模式占比不足5%。
⚠创新扩散理论定位 按照罗杰斯理论，AI目前的社会化渗透处于「早期大众」刚开始被触达的阶段（全球渗透率约15-25%）。这意味着真正的规模化社会普及才刚刚起步，但「鸿沟」（chasm）还未完全跨越——大多数普通用户还处于「听说过但不深度用」的状态。 |
模块三：AI创业格局分析
分析方法：麦肯锡三层地平线框架（Three Horizons）+ 波特五力模型（Porter's Five Forces）
3.1 三层地平线：创业机会在哪里？
地平线 | 时间窗口 | 典型模式 | 代表案例 | 核心风险 |
H1（现在） | 已在变现 | 套壳应用、AI工具聚合、知识付费 | 各类AI写作/客服工具 | 护城河近乎为零，随时被大厂/大模型降维打击 |
H2（1-3年） | 快速成长 | 垂直行业AI解决方案、AI工作流整合 | Cursor、Harvey AI（法律AI） | 需要行业资源+数据壁垒，建立周期长 |
H3（3年+） | 长期布局 | AI基础设施、AI Agent平台、具身智能 | OpenAI、Anthropic | 资金门槛极高，百亿美元级烧钱 |
3.2 波特五力：创业存活率为什么这么低？
AI创业正面临历史上竞争最激烈的环境之一，五力分析如下：
•新进入者威胁（极高）：任何人都可以用OpenAI/Anthropic的API在几天内做出一款产品，技术门槛接近于零
•替代品威胁（极高）：大模型厂商持续向上游应用层扩张，OpenAI已推出深度搜索、图像生成、记忆功能等，直接蚕食上层应用的生存空间
•供应商议价权（极强）：OpenAI、Anthropic、Google等大模型提供商对创业公司有极强的定价权和技术依赖关系
•购买方议价权（中等偏高）：B端客户选择多，C端用户付费意愿低
•行业内竞争（极激烈）：Bessemer Venture Partners调查显示AI创业公司普遍面临「超新星与流星」的两极分化——要么急速增长后快速坍塌，要么找到真正的行业壁垒
3.3 创业失败的真实数字
根据对2023-2024年间上市后又关闭的24家AI创业公司的分析（总融资额4.617亿美元）：
•43%的AI创业公司失败原因是「做了没人真正需要的产品」（无PMF）
•60-70%的AI套壳（wrapper）应用营收为零
•仅3-5%的套壳类应用能突破月收入1万美元
•AI套壳应用的毛利率仅50-60%，远低于传统SaaS的70-90%（API成本占收入的15-30%）
•AI创业公司整体失败率约90%（远高于传统科技创业的75%）
数据来源 Bessemer Venture Partners《State of AI 2025》| mohsindev369对24家失败AI创业公司的分析| Market Clarity AI市场分析| TechCrunch报道 |
模块四：AI创业变现现实评估
分析方法：PMF（Product-Market Fit）判断标准+ 真实市场数据验证
4.1 真正在挣钱的AI创业是什么样的？
综合公开数据，目前能真实盈利或接近盈利的AI创业路径非常集中：
变现模式 | 代表 | 真实收入水平 | 核心壁垒 |
垂直行业深度解决方案 | Harvey（法律AI） | 估值30亿美元+，ARR数亿美元 | 法律行业数据+信任背书 |
开发者工具/AI IDE | Cursor | ARR约1亿美元+（2025年） | 极致产品体验，开发者口碑 |
AI搜索 | Perplexity | ARR约1.48亿美元（2025年） | 产品差异化（答案引擎） |
企业级AI部署服务 | 各系统集成商 | 有真实采购预算，项目制变现 | 行业关系+实施能力 |
AI知识付费/培训 | 各类博主/课程 | 个体年入百万-千万可行 | 个人IP+内容更新速度 |
数据标注/RLHF服务 | Scale AI等 | Scale AI估值达138亿美元 | 规模效应+数据质量 |
4.2 看起来能挣钱、实际很难的模式
•纯C端AI工具订阅：用户付费意愿低（大多数人不愿为AI付超过20美元/月），竞品极多，大厂随时以免费版本挤压
•提示词工程服务：护城河接近于零，一旦用户学会基本用法即流失
•AI内容/自媒体（靠AI批量生产内容）：平台算法对AI内容的识别能力不断提升，流量天花板正在降低
•无行业数据积累的通用套壳：缺乏差异化，极易被大模型原生功能替代
4.3 烧钱最猛的是谁？
从公开财务数据来看，连最头部的AI公司距离盈利也遥遥无期：OpenAI 2024年收入约37亿美元，但亏损约50亿美元；Anthropic收入增长迅猛（从2024年初8700万美元到2025年中超50亿美元），但预计最早在2028年才能盈亏平衡。中型AI创业公司的月均烧钱速度在8万至50万美元之间，AI ML工程师年薪普遍在15万至30万美元以上。
4.4 PMF的本质判断：如果你的产品消失，有没有用户会真的痛苦？
绝大多数AI套壳应用的诚实答案是「不会」。真正通过PMF考验的AI产品有一个共同特征：它们不是在「提供AI」，而是在「解决某个特定行业/场景的顽固痛点」，AI只是实现手段。Cursor解决的是「编程效率」的痛点，Harvey解决的是「法律文件处理」的痛点，Scale AI解决的是「高质量AI训练数据」的稀缺问题。
⚠关键警示 「AI创业」作为一个赛道标签，不代表商业价值。真正能挣钱的AI创业，本质上是「利用AI解决真实行业痛点」——赛道是行业，AI是工具。大多数以「我们是AI公司」为核心价值主张的创业公司，正在重蹈2000年互联网泡沫中「我们是互联网公司」的覆辙。 |
模块五：前景情景预测
分析方法：情景规划法（Scenario Planning）+ PEST宏观环境分析
5.1 PEST宏观环境
维度 | 关键因素 | 对AI创业的影响 |
政治/政策 | 中国积极推动AI国产化；欧盟AI法案落地；美国出口管制芯片 | 国内政策总体利好；合规成本上升；算力获取受限 |
经济 | AI投资持续高增长（2024年AI创业融资超1000亿美元）；但多数公司不盈利 | 资本充裕但对盈利要求提高；大公司市场挤压 |
社会 | AI普及存在明显年龄/城乡分层；公众焦虑上升（55%对AI感到不安） | 普及速度慢于预期；信任建立是关键障碍 |
技术 | AI Agent是下一个引爆点；多模态能力快速成熟；算力成本持续下降 | 新机会窗口即将打开；现有应用护城河持续被压缩 |
5.2 三种情景预测（2025-2028年）
情景A：乐观（概率约30%）
AI Agent技术在2026-2027年实现可靠落地，带来工作流自动化的规模化需求。AI普及率快速提升带来大量增量市场。垂直行业数据壁垒持续有效，拥有行业资源的创业公司获得3-5年的机会窗口。企业AI支出持续增加（麦肯锡数据：92%的企业计划在3年内增加AI预算）。
情景B：中性（概率约50%）
大模型厂商持续向上层应用扩张，套壳类创业在2025-2026年大幅洗牌，70-80%消亡。真正存活的是深度绑定行业场景的解决方案商和拥有独特数据资产的公司。AI整体市场持续增长，但分配极不均衡——前5%的公司吃掉绝大多数价值。AI创业逐渐从「人人可进」的蓝海变为高门槛的专业赛道。
情景C：悲观（概率约20%）
监管趋严（欧盟AI法案效应蔓延）、算力成本居高不下、大模型能力提升放缓（Scaling Law失效）。企业AI投资ROI迟迟不兑现，采购方变得谨慎。AI泡沫局部破裂，2026-2027年出现AI创业倒闭潮，VC信心受挫。公众对AI的不信任加剧（目前52%的美国人对AI的担忧已超过期待）。
5.3 对AI创业前景的综合判断
无论哪种情景成立，有几个结论基本确定：
•机会窗口正在缩小但仍然存在：2023-2024年那种「随便做个套壳就能融资」的时代已经结束，但2025-2027年仍是AI创业的关键窗口期，尤其在垂直行业
•胜者的核心竞争力将是行业数据+用户信任，而非AI技术本身：AI能力正在快速同质化，差异化来源转向数据资产和客户关系
•AI Agent是下一个最大机会：目前仅23%的企业在规模化部署AI Agent，这意味着大量空间待开发
•中国市场的创业机会比全球更集中在B端：大厂对C端流量入口的垄断使独立创业公司在C端极难突围，B端行业解决方案相对有机会
附录：数据充分性评估与结论偏颇分析
本报告的诚实说明：每个模块的结论置信度和潜在偏差。
模块 | 数据质量 | 置信度 | 主要偏颇风险 |
模块一：技术现状 | ★★★★☆ | 高 | Hype Cycle定位为主观判断；技术能力评估缺乏中文任务的系统性基准 |
模块二-圈内用户 | ★★★★★ | 高 | Stack Overflow样本偏向英语开发者，中国开发者代表性不足 |
模块二-圈外用户 | ★★★☆☆ | 中 | C端普通用户行为数据严重依赖自我报告；中国C端用户调查数据稀缺 |
模块二-中国市场 | ★★★★☆ | 中高 | 数据来源较丰富但口径不统一；DAU数据缺乏独立核实 |
模块三：创业格局 | ★★★☆☆ | 中 | 失败案例分析存在幸存者偏差；融资数据不代表实际收入 |
模块四：变现现实 | ★★★☆☆ | 中 | 大多数AI创业公司不公开财务数据；收入数字多为估算或ARR而非实际盈利 |
模块五：前景预测 | ★★☆☆☆ | 低-中 | 情景规划本质是概率推演；AI技术演进速度超出预测能力 |
最关键的数据缺口
•中国C端普通用户的真实使用频率和留存率数据：现有数据多为APP下载量或MAU，缺乏反映「真实习惯」的DAU/MAU比值
•AI创业公司的实际盈利状况：绝大多数公司不公开利润数据，现有报告多基于ARR或估值，而非净利润
•AI工具对工作效率提升的严格双盲实验数据：现有效率提升数字（25-39%）多基于自我报告，存在明显高估偏向
•企业AI投资的实际ROI数据：麦肯锡调查显示仅39%的企业感受到EBIT影响，但具体ROI数字缺乏大样本验证
•中国AI创业公司的死亡率和真实营收数据：国内创业生态的公开数据远不如硅谷透明
综合置信度声明
本报告的定性判断（如：哪类创业更有前景、AI正处于哪个普及阶段）置信度在中-高之间；定量数字（如：失败率90%、套壳应用毛利率50-60%）应视为量级参考，而非精确数据；前景预测部分置信度最低，情景概率分配具有高度主观性。建议读者将本报告作为思考框架，而非权威预测。
主要数据来源清单
来源 | 类型 | 覆盖内容 | 可信度评级 |
Stanford HAI AI Index 2024 | 学术报告 | 技术能力、投资、监管趋势 | ★★★★★ |
麦肯锡Global AI Survey 2024-2025 | 企业调查 | 企业AI采用率、ROI、管理实践 | ★★★★★ |
Stack Overflow Developer Survey 2024-2025 | 开发者调查 | 圈内用户行为、工具使用 | ★★★★☆ |
Bessemer Venture Partners State of AI 2025 | VC报告 | AI创业格局、PMF判断 | ★★★★☆ |
QuestMobile 2025 Q1 AI应用报告 | 第三方监测 | 中国AI APP用户数据 | ★★★★☆ |
量子位智库2024年AI趋势报告 | 行业研究 | 中国AI产品格局 | ★★★☆☆ |
市场跟踪（DemandSage/Backlinko） | 数据汇编 | ChatGPT、Perplexity用户统计 | ★★★☆☆ |
TechCrunch/36氪等媒体报道 | 新闻报道 | 创业案例、失败分析 | ★★★☆☆ |
Market Clarity AI Startup Market分析 | 行业分析 | AI创业成本结构、失败率 | ★★☆☆☆ |
各公司官方数据披露 | 一手数据 | 用户数、融资额、ARR | ★★★★☆ |
本报告基于公开可查的数据来源，所有数字均附可追溯出处。如需原始数据或进一步分析，可参照上表来源自行核实。
关注我，一起探讨AI时代的认知革命
公众号：万物研究院
头条号：问题研究院
百家号：问题研究院
