2025AI应用大爆发，2026普通人有什么机会？

中国AI奋起直追，但收入差距仍不小

今年以来资本市场一直在争论AI有没有泡沫，因为当前整个AI产业利润分配存在严重失衡，英伟达几乎攫取了市场近九成的利润，下游很多应用开发和模型训练企业需支付天价算力成本，却难以实现盈利。这种“头重脚轻”的利润结构，让应用层缺乏足够资金投入创新，整个生态难以形成健康的正向循环，也让投资者对AI的商业价值产生质疑。

但AI应用市场并没有那么不堪，企业 GenAI 支出从 2024 年的115 亿美元跃升到 2025 年的 370 亿美元，年增约 3.2 倍，约占全球 SaaS 市场6%。从行业宏观视角来看，过去 6 个月 AI 产业的迭代速度远超去年，正站在技术周期的关键拐点，模态融合成为核心趋势——去年，以单模态为主，VLM 等视觉理解模型占比偏低，LLM（大语言模型）是绝对主流；今年，多模态调用量占比持续攀升，生图、生视频能力增长迅猛——尤其下半年以来，模型的“Function Call”请求量爆发式增长。

在C端其实也有不小的增长，据Appfigures 估算，2025 年全球用户在 ChatGPT 移动应用上的支出约为 24.8 亿美元，较 2024 年的 4.87 亿美元同比增长 408%。在 2023 年（ChatGPT推出首年），相关收入约为 4,290 万美元，此后一年增幅超过10 倍，再叠加 2025 年的扩张，形成高速复合增长轨迹。 

ChatGPT 用了 31 个月达到 30 亿美元消费者支出；作为当前收入最高的短视频应用，TikTok 达到同一水平则花了 58 个月。主流流媒体服务中，Disney+ 和 HBO Max 分别用了 42 个月和 46 个月才实现同样规模的用户付费。指责AI应用发展停滞了，肯定是不对的，但AI应用的分化更为明显了。

全球 AI 应用商业化已形成清晰梯队，通用大模型凭借规模优势占据第一梯队，垂类应用则以 “适配具体场景、降低行业成本” 为核心，在 AI 编程、多模态、AI 搜索等领域快速起量，2B/2P 商业模式确定性强，2C 端则展现高增长弹性。

第一梯队的商业应用领先优势明显：以通用大模型主导，OpenAI 遥遥领先OpenAI 以100 亿美元 ARR 位居全球第一，2023-2025 年预期收入复合增长率（CAGR）达 260%，核心驱动力是 C端产品 ChatGPT—— 其贡献超 60% 收入。

另一大模型厂商 Anthropic 以 40 亿美元 ARR 位列第二，收入增速虽快（2024 年底至 2025 年 7 月增长 3 倍），但以 B 端 API 调用为主（占比 70%-75%），客户包括 AI 编程工具 Cursor、软件开发公司 GitLab 等，增长弹性低于 OpenAI 的 C 端驱动模式。

而国内应用目前处在第二梯队之间（ARR 1-10 亿元）：垂类应用成主力，AI 编程 / 多模态 / 搜索落地最快垂类应用因场景明确、降本效果显著，成为商业化第二梯队的核心构成。

在体系化和生态化竞争的驱动下，应用落地层面呈现出百花齐放的格局，从7月到11月，超过200款AI应用面世，其中，AI应用插件、PC网页端、AI原生APP占比分别达到81.5%、10.7%、7.8%；应用方向上，深度洞察用户个性化需求与场景痛点的垂直应用成为突破口，例如，AI图像处理、AI专业顾问、AI效率办公、AI社交互动、AI文案写作占比分别达到24.9%、18.5%、6.8%、5.9%、5.9%。

但如果以全球热度和日均消耗Token来看，字节跳动旗下产品Dola(豆包海外版)和另一家中国公司DeepSeek分别以4700万和3900万MAU位列全球第四和第五，中国应用并没有完全掉队，甚至在海外市场也有一席之地。

在全球前 50 个生成式AI App中，有 22 个产品是由中国团队开发的，但只有 3 个产品主要在中国使用。其中，照片与视频类应用高度集中，美图一家就贡献了五个产品：Photo & Video Editor、BeautyPlus、BeautyCam、Wink 和 AirBrush。字节跳动也是App的重要参与者，旗下拥有：豆包和 Cici（通用大语言模型助手）、Gauth（教育科技应用）和Hypic（照片/视频编辑工具）。

总的来看，还是老问题导致的中美AI收入差距过大，美国市场存在成熟的软件付费生态，用户更愿意长期为闭源软件付费。美国主要的科技巨头 OpenAI、Google 构建了明确的长期路线，聚焦通用智能底层逻辑探索。谷歌、微软、AWS 更是形成了从芯片、框架到云服务的全栈闭环，通过硬件与软件的垂直整合“滚雪球”。所以中美应用之间出现十倍乃至百倍的收入差距也就不难理解了。

不看榜单跑分，看落地

今年海内外AI的核心变化，已经很明确：从“概念炒作”进入“价值兑现”。

知名投资人朱啸虎直言，“GPT-5‘千呼万唤始出来’，但说实话大家都很失望。”他认为，Transformer架构下的通用人工智能（AGI）能力上限已经基本能看到，在核心智力上的提升空间非常小，更多的是在用户体验和成本上进行优化。核心问题在于数据瓶颈和推理天花板，盲目加大模型参数和数据量，不仅不会提升智力，反而可能损害性能。

从行业观察来看，笔者认为也确实如此，这一年里，不再是单纯卷模型能力。 DeepSeek 用极致的成本效率击穿了算力与规模的神话；GPT-5 将“推理”从能力升级为系统能力，重新定义了什么是通用模型；Gemini 3 强势回归，证明顶级模型竞争远未结束；Qwen3 则在开源生态中持续扩张，开始影响更广泛的开发者与产业链。与此同时，AIGC 全面爆发，图像、视频生成第一次真正从“展示能力”走向“被用户大量使用”。

今年以来，让 Agent 实际投产、落地应用的最大障碍已经不再是成本问题了，而是「质量」。如何让 Agent 输出可靠、准确的内容，仍然是最难的部分。

硅谷的一家VC Menlo Ventures指出一个有趣的现象是，万人以上的大型企业中，已经有 67% 将 Agent 投入生产，24% 正在积极开发并计划部署；而在百人以下的小公司，这个比例是 50% 和 36%。这说明，大型企业凭借平台、安全和基础设施等方面的资源优势，能更快地将 Agent 从试验品变成稳定可靠的生产力工具。

三分之一的受访者将质量视为主要瓶颈。这里的质量问题，指的是 Agent 的准确性、相关性、输出结果的一致性，以及在维持适切语调、遵循品牌或政策规范方面的能力。

延迟（20%）则成为第二大挑战。当 Agent 被用于客服或代码生成这类实时交互场景时，响应速度直接决定了用户体验的好坏。这也反映出团队必须在「效果」和「速度」之间做出权衡，功能更强、步骤更多的 Agent 虽然能产出更高质量的结果，但响应速度往往也更慢。

总体来看，Agent目前还是仅限于编程和客服等高人力成本场景，降本效果显著但增收还不够明显。无论是企业还是员工个人，率先使用的会先享受技术溢价，这在招聘领域已经开始成为必备技能要求。

有一些 AI SaaS企业已经前瞻性的洞察了很多真实且不被满足的AI需求。比如我们之前讲过的企业筷子科技，其CEO陈万锋认为智能体可控性更强，且具备定制性和广泛性。 他认为它基本上能达到行业里70-80分的人的水准，一个普通的中小商家，想招行业里70-80分水准的人，我认为大概率招不到。而这部分客户过去是大厂很难看得上，也不愿意花费太多精力来维护的。这部分客户还有一个问题那就是预算有限，能省则省。在陈万锋看来，这个问题并不难解决，有了智能体和托管服务，或许可以通过GMV抽佣的方式，服务品牌商家。

借助筷子科技的AI工具，广州市一家汽车美容店的运营团队，半小时内生成100多条个性化视频，店员和顾客扫码转发这些视频后，店铺的新客源在那个星期同比增加50%。这家小型汽车美容店的三人团队，每天投入少量时间运营社交媒体账号，利用AI工具帮助产出内容，并进行投放与管理等，获客成本远低于传统模式。

有些企业的想法则是自己接入开源大模型，来做AI业务定制化，但从效果来看目前跑通的少之又少。这又是为何呢？

AI落地不是一蹴而就的“颠覆”，而是AI技术与产业需求在互动中逐步校准磨合。AI落地应用需要有个工作流程分割、业务流程重构的过程。把AI擅长的部分交给AI；剩下的部分，不管是由于AI能力限制还是数据积累不足，还需要继续由人完成。人的工作是驾驭AI，黏合流程断点，进行任务和资源分派，以及结果的评估纠正。

对企业而言，现阶段不必执着于“全流程AI化”，可以选择聚焦“小切口、高适配、高收益”的场景，找到AI与业务相契合的最小可行飞轮，再利用AI编程工具测试、打磨功能，降低落地成本，从而赢得内部支持。

AI对于普通人而言有哪些机会

今年你或许听过不少关于巨头因为AI大规模裁员的新闻，大部分中小企业也在尝试接入AI，普通人的机会到底在哪？有不少朋友问我，现在个人学AI还有机会吗？普通人是不是现在学晚了？是不是需要懂代码和技术？

笔者认为当前的AI应用普遍已经来到了“傻瓜级应用级别”，指的是基本可以依靠提示词和内容调试来完成目标任务。但学会AI其实还是挺难的，很多人找不到合适的场景只会一窝蜂的抄袭，更为关键的是你要用AI做什么，你是否懂你要用AI做的生意。

比如今年以来大火的AI动漫，10月24日至28日，短短五天内，中信、东吴、兴业等10家头部券商相继发布研报，一致看好AI漫剧赛道。芒果、抖音、B站等视频平台竞相入场；阅文集团宣布开放10万部精品IP，并设立亿元专项创作基金；二级市场同样反应热烈，10月31日，中文在线等AI漫剧相关的概念股掀起涨停潮……

有业内投资人指出，以能直接反映业务“盈利能力”的ROI（投资回报率）为例，目前AI漫剧的全域经营的投流ROI普遍能够达到1.1—1.8倍。这意味着每投入1元投流费用，能带来1.1—1.8元的收入。

行业数据显示：AI动态漫的单分钟生成成本，已从纯人工时期的数万元，压缩至千元以内，最低可到600—700元。整部作品的制作成本也降至5万—10万元，仅为传统动态漫的10%—30%。笔者预计未来还会继续呈倍数下降。

如果我们是一位普通创业者，想以个人身份参与AI动漫创业，那么需要做些什么？

流程大概应该是这样的，选择适合自己的模型应用，到底是豆包、千问、Deepseek、还是可灵，还是其他。当然也可以一部分用来写文案，一部分用来制作视频，至于哪个更好用则要看你的操作习惯，用豆包更多的会更熟悉豆包的提示词。

操作的流程基本都差不多，选择故事脚本、确认风格、确认分镜脚本、生成分镜画面、剪辑视频。是不是基本达到了傻瓜式操作？这个时候你还要抱怨不会用吗？

但如果你只会这些基本操作，是不足以让你在AI上赚钱的。能够留下用户的AI漫剧基本上还是题材新奇和故事好。AI或许会淘汰一些编剧和导演，但能做好AI视频的，基本还是那些拥有导演思维和编剧思维的人才。

据界面新闻报道，一部播放量破千万的付费AI漫剧，净利润可达20万至30万元。然而，“吃到肉的终究是少数人”，行业的“马太效应”已经凸显。2025年6-8月的数据显示，累计播放量能突破千万的漫剧仅占12%，而多达64%的作品播放量不足100万，多数都成了分母。

此前笔者讲过如何用AI做投资中国AI模型远超美方模型，靠AI赚钱的时代到来了吗？的案例，道理其实也大同小异，懂AI更要懂投资才行，否则只会被AI带偏生产同质化的垃圾内容。当然，如果你觉得你怀才不遇，或者足够勤奋愿意试错，可以用AI尝试各种赛道都不为过。

写在最后

不要去抱怨目前的AI性能不够或者不够好用，在全球性热度和资本的长期投入之下，其成本降低，性能好用只是时间问题。

GPT-4已经从60美元/百万token降至GPT-5.1的1.25美元，而国产模型GLM-4.6更是将成本压至0.3美元/百万token。对消费者而言，固定价格的端侧设备，能运行的AI模型参数量每88天翻一番——今天旗舰机才能实现的功能，明年千元机或许就能轻松胜任。

能够被AI改善利润的行业，首先不能是在走下坡路和内卷的夕阳行业，这样情况下行业普遍用AI只会加剧内卷。过去都喜欢谈互联网+，那么AI+带来的一定不只是降本，更关键的地方在于增效。手机之后的下一个时代产品，不应该还是一块更好用的屏幕，我们期待AI应用时代应该带来更多的机遇，而非相反。

参考资料：

LangChain Agent 来源：Founder Park

企业级AI市场快速爆发 来源：Growth Croissance

全球AI应用商业化到了哪一步 来源：中信建投证券

本文来自微信公众号“首席商业评论”，作者：做镜观天，36氪经授权发布。