AI普及到什么程度了

先说几个数字。

2025年，全球AI市场规模7575.8亿美元。2026年预计突破9000亿美元。Gartner预测，2026年全球AI总支出将达到2.52万亿美元，同比增长44%。

这个增长是真实的。不是泡沫式的吹嘘，是企业真金白银在投。

但光看市场规模，容易产生错觉——觉得AI是一个大公司在玩的东西，跟普通人没关系。

真实情况是另一回事。

2025年上半年，全球生成式AI应用下载量接近17亿次。用户使用时长超156亿小时，日均8600万小时。对话次数4260亿次，全球人均约50次。

也就是说，全球平均每个人每个月跟AI对话超过4次。这个数字不包括那些重度用户。

第一层：普及程度——数字不说谎

全球：66%的人在定期使用AI

这是毕马威2025年全球AI信任调查报告的数据。全球三分之二的公众表示定期有意使用AI工具。但有个反直觉的结论：新兴经济体的AI使用率高达80%，远超发达经济体的58%。

这说明什么？

发达经济体的人均收入高、就业保障相对好，对”效率工具”的紧迫感反而没那么强。新兴经济体的人——尤其是印度、东南亚、非洲、南美的年轻人——把AI当作弯道超车的工具，学习意愿极强。

有意思的是，这61%的人没有接受过任何AI培训，半数的人报告自己知识有限。但这不影响使用——工具越来越简单，门槛越来越低，不会用也能上手。

中国：普及率36.5%，但职场渗透率93%

截至2025年6月，中国生成式AI用户规模达5.15亿人。普及率36.5%。仅半年时间，用户数量增长2.66亿人，普及率提升18.8个百分点。

这个速度非常快。但这里有个结构性特征需要拆开看：

毕马威的数据同时显示，中国职场中的AI工具使用率高达93%，远超全球平均水平的58%。职场是中国AI渗透最深的地方——白领、政府工作人员、制造业工程师，用AI处理文档、分析数据、写代码、做PPT。

但普通消费者的普及率呢？36.5%。也就是说，十个人里只有三个半在用生成式AI。剩下六个人半，要么不知道这东西能干什么，要么觉得”跟我没关系”。

这是未来增长空间最大的地方。

Token调用量：中国日均数据

2024年初，中国日均Token调用量为1000亿。

2025年底，100万亿。

2026年3月，突破140万亿。

两年增长超过一千倍。这个数字说的是：每天有140万亿个”词元”在中国被AI处理。它意味着AI不再是测试版玩具，是真正的日常运行基础设施。

第二层：中国和美国——两个生态的差异

这是这篇文章的核心问题。

技术上：差距基本消失了

斯坦福大学2025年人工智能指数报告出了一个让行业震惊的数据：中美顶级模型性能差距，从2024年的9.3%，骤降至2025年的1.7%。

DeepSeek-R1得分1362，紧咬OpenAI的1366。差距在统计意义上已经可以忽略不计。

更惊人的是训练成本。DeepSeek-R1的训练成本约650万美元，而同等性能的美国模型训练成本是这个数字的几十倍到上百倍。中国用大约1%的成本，做出了性能相当的模型。

数量上也在快速接近。2025年美国发布了50个”显著模型”，中国紧跟着发布了30个。在Arena测试上，两国头部模型你来我往频繁换位，差距只有39分（满分）。

但光看模型性能，掩盖了真正的差距

真正的问题是：技术差不多，但用在了不同的地方。

美国的AI：ToC（面向消费者）主导

美国最强的AI应用——ChatGPT、Claude、Gemini、Sora——都是直接面向普通消费者的产品。它们的生态是：技术领先 → 产品好用 → 全球用户 → 数据积累 → 技术更领先。

这个飞轮的核心驱动是个人用户。普通美国人用AI写作文、聊天、编程、做设计。AI是他们生活中的工具，也是他们的消费产品。

美国在算法创新、算力基础设施、数据生态方面仍然领先。尤其是云计算（AWS/Azure/Google Cloud）和芯片（Nvidia）方面，短期难以被替代。

中国的AI：ToB（面向企业）主导

中国最强的AI应用不在普通人的手机里，在工厂、医院、银行、政府系统里。

中国以”工业级实用主义”推动AI与实体经济共振。2025年，制造业应用大模型的企业比例从9.6%跃升至47.5%。智能工厂超过3万家，通过数字孪生、智能质检大幅提升效率。

医疗领域，基层AI辅助诊断渗透率超60%。金融行业，智能风控、客服全面覆盖。教育领域，自适应学习、学情诊断广泛应用。政务领域实现”一网通办”智能化，大幅提升办事效率。

这些东西普通人感知不到，但在真实地运转着。

两个生态的深层差异

美国：创新驱动 → 消费产品 → 全球用户 → 生态壁垒

中国：应用落地 → 工业场景 → 规模优势 → 成本优势

中国的问题在于底层创新。ChatGPT、Sora、Claude这样的东西，确实是美国先做出来的。但中国的优势在于：做出来之后，我能以极低的成本大规模复制，然后嵌入到各种场景里。

这两个生态没有绝对的好坏，只是路径不同。就像可口可乐和茅台，都是好饮料，但配方完全不同。

第三层：哪些行业用得最多

制造业：渗透率25%以上，智能工厂超3万家

工业机器人承担全球44%的重复性生产任务。富士康已用机器人替换6万名工人，焊接精度达0.02毫米，远超人类技工水平。无人化生产已经是主流趋势。

金融行业：AI成熟度最高

金融服务业在AI应用上领先全球，29%的企业是”AI领导者”。保险行业AI渗透率年提升14%，主要用于欺诈检测和精算模型优化。66%的企业优先投资机器学习，48%部署自然语言处理。

信贷审核：AI处理速度是人工的10倍，错误率降低90%。高盛、摩根大通已广泛部署算法交易系统。德勤财务机器人效率提升400%，基础报税自动化率超60%。

医疗行业：基层渗透超60%

AI辅助诊断已不是噱头。肺癌CT识别准确率超95%，药房配药环节被自动化药柜取代。药物研发、基因序列预测也在深度应用。

教育：AI自习室成为转型方向

自适应学习、学情诊断广泛应用。AI能个性化定制学习路径，比任何一个课外辅导老师都更了解学生薄弱点在哪里。

政务：大规模智能化

“一网通办”在全国铺开，很多审批流程的等待时间从几天缩短到几分钟。

第四层：哪些职业受影响最深

有一份榜单，列出了受AI影响最大的职业：

• • 计算机程序员：74.5%的工作内容可被AI替代或重构
• • 客户服务代表：70.1%
• • 数据录入员：67.1%
• • 病历专员：66.7%
• • 市场研究分析师和营销专员：64.8%
• • 销售代表：62.8%
• • 财务和投资分析师：57.2%
• • 软件质量保证分析师和测试员：51.9%

这个榜单有意思的地方在于：被冲击最深的不是蓝领工人，而是受过高等教育、坐在办公室里的人。

程序员被AI替代的预期最高——因为AI编程助手已经能根据自然语言描述直接生成可运行的代码，甚至能排查bug、优化性能。超过85%的开发者使用AI编程助手，生产力提升40%-60%。

但这里有个悖论：初级程序员的需求在下降13%，但资深AI工程师的需求在大幅上升。AI消灭的是”会写代码但没有判断力”的工作，创造的是”能驾驭AI并解决复杂问题”的工作。

第五层：未来会怎样

趋势一：从工具到代理

AI正在从”你让它做什么它做什么”，变成”你告诉它目标，它自己规划路径”。

2025年AI Agent市场规模428亿美元，预计2026年突破620亿美元，年复合增长率45%。企业级AI应用渗透率从2024年的32%跃升至2025年的58%。传统”人工主导+AI辅助”正在被”AI自主执行+人工监督”取代。

2026年，AI Agent将进入”全自动代理”阶段。它不仅能回答问题，还能承担日常任务——订机票、安排行程、管理财务、协调项目、与外部系统沟通协作。

趋势二：从云端到终端

生成式AI正从云端向智能手机、PC、汽车等终端设备迁移。2025年全球5G连接数达25亿，推动实时AI应用落地。手机本地跑大模型正在变成现实。

趋势三：具身智能元年

人形机器人、工业自动化设备进入量产阶段。端到端模型优化使其更适应现实场景。制造业的”小脑+大脑”协同——精准运动控制加上强大认知能力——正在把科幻变成工厂里的现实。

趋势四：90%的在线内容可能是AI生成的

这是2026年最让人不安的预测。据估计，到2026年，多达90%的在线内容可能是AI合成。文字、图片、视频——越来越难区分哪些是人类创作的，哪些不是。

这会带来一个根本性问题：当AI生成的内容泛滥成灾，什么才是真正有价值的？答案是：人类的判断力、经验、视角。

趋势五：AI替代和AI增强同时发生

受冲击的是执行层、重复性、数据密集的工作。ChatGPT出现后，初级文案编辑需求下降40%，但高级创意策划的价值反而上升。

增长的是：驾驭AI的能力、把AI嵌入业务场景的能力、AI解决不了的人际沟通和判断能力。

可以收了。

AI普及到什么程度了？

答案是：比普通人感知到的更深，比科技媒体渲染的更慢。

在工厂里、在银行里、在医院里，AI已经成为基础设施的一部分，普通人在受益但不知道。在办公室里，AI正在重构工作流程，不会用的人逐渐落后。在生活中，AI还没有渗透到一半人——这既是滞后的现实，也是未来的空间。

中国和美国的差距，技术层面已经基本抹平。真正的差距在于生态：美国在创造工具，中国在规模化应用。两个路径都有价值，也都有代价。

未来会怎样？这不是一个技术问题，是一个分配问题。谁来承担AI带来的效率增益，谁来承受AI带来的替代压力，这是社会还没开始认真回答的问题。

技术已经准备好了。社会还没。