今天想推荐一份报告，它有一个特别引人注目的特点：整个 PPT 足足有 340 页。
每次准备阅读这类超过百页的 PPT，相信大家都需要先做一番心理建设。我上一次读这么“厚重”的材料，还是清华大学新闻与传播学院发布的《DeepSeek 从入门到精通》，那份文件有 104 页。看完之后，我整整半个月内都对超过 30 页的 PPT 心有余悸，仿佛患上了“PPT 创伤后应激障碍”。
这次这份重量级报告，在我的下载文件夹里静静躺了一周后，我终于在一个周五晚上沐浴更衣，鼓起勇气打开了它。一边阅读一边做笔记，希望能用相对通俗的语言，分享我通读全篇之后的一些体会。
正式展开之前，先简单介绍一下这份报告的作者——Mary Meeker。如果你对这个名字不太熟悉，那么她的另一个称号你可能听说过：“互联网女王”。
这个称号并不是粉丝随意赋予的。她曾是华尔街的证券分析师，如今是一位风险投资人。从 1995 年起至 2019 年，她每年都会发布一份年度互联网趋势报告。
任何一件事，如果能坚持这么多年，哪怕是一个看似懒散的爱好，别人都会对你刮目相看。更何况，Mary Meeker 每一年的报告质量都极为出色，几乎没有什么空洞的套话，所有内容都是真实的数据和图表，清晰地展示了过去一年全球互联网的变化以及未来可能的发展趋势。
几乎所有从事科技和投资的人，每年都会阅读她的报告。大家这样做，并非因为她的文笔如何出众，而是因为她的报告常常包含对趋势的精准判断，帮助无数投资人和创业者找准节奏，早早实现了财务自由。如果你平时关注券商的研究报告，或看过一些创业者的商业计划书，就会发现她的报告被引用的频率非常高。
不过，在 2019 年，Mary Meeker独立出来，创办了一个名为 BOND 的风险投资机构。从 2020 年开始，加上疫情的影响，她的互联网趋势报告也暂停了。谁能想到，今天她带着一份 340 页的 PPT 强势回归。这次，她的关注点不再是互联网，而是人工智能。报告的标题是《人工智能趋势报告》。
翻开封面，相当于杂志中的“卷首语”，开篇便写道：“我们开始研究与人工智能相关的基础趋势，最初由几个看似不相关的数据点组成，没想到这些点最终勾勒出了一幅庞大而复杂的趋势图景。”340 页图文并茂的报告，作者却如此谦逊地提到自己也没想到会做出如此重量级的作品，读起来让人不禁想起我们初高中班上那个学霸，在成绩公布时还假装谦虚地说：“哎呀，我觉得我错了好多题，怎么最后还是拿了个满分呢？”
老实说，在读报告之前，我也没想到自己会记下将近 50 条笔记。既然来都来了，就从第一条开始吧。
报告中有一个词出现了整整 51 次，那就是“Unprecedented”，意思是“前所未有”。第一次出现时，作者的原话是：“如果仅仅说世界正在以前所未有的速度变化，这实在会有点轻描淡写。”请注意，Mary Meeker 的表达能力并非词穷，而是刻意使用这个词，强调 AI 时代带来的剧烈变化。这让我想起梁羽生写武侠小说时，从《龙虎斗京华》到《广陵散》，每次写到主角间“不可描述”的情节，都会用那句“两人获得了生命的大和谐”。这不仅是风格上的选择，也是一种表达的艺术。ChatGPT 在用户量、付费用户数和收入增长这三个维度上，都做到了“前无古人”。记住这个词——前无古人。作为产品经理，这三个指标只要有一个增长得好，就应该感到庆幸，而 ChatGPT 是三个一起爆发式增长。例如，用户量从 0 增长到 8 亿周活跃用户，仅用了两年半，比 Facebook、TikTok 都要快；在营收方面，不到两年便实现了年收入 40 亿美元。作为一个还相对年轻的产品，ChatGPT 的变现能力已经非常强大。当然，大家也别太过羡慕，后面我会讲，他们虽然赚得多，但烧钱的速度也相当惊人。ChatGPT 用两年时间，在 2024 年达到了年搜索量 3650 亿次，也就是平均每天 10 亿次。而谷歌当年用了整整 11 年，到 2009 年才达到这个数据量。ChatGPT 和谷歌之间的比较，乍看是“神仙打架”，跟我们这些普通用户关系不大。但作者在数据背后提到的洞察，挺有意思。表面上看，这是两个产品之间的竞争，实则是两代产品的更迭。1998 年，谷歌借助互联网兴起，靠的是“整合信息”，目标是让全球信息人人可访问；但如今，我们早已不缺信息，缺的是如何使用这些海量信息。而AI正在重塑信息的组织方式。传统搜索是“去找答案”，ChatGPT 则是“直接告诉你答案”。所以它真正挑战的不是“搜索”这个行为，而是整个信息交互方式。顺带说一句，如果你还不知道怎么用 AI，不妨先把你以前会去问某度的问题，都试着交给 AI 来回答。作者说，知识分发的第一阶段是古腾堡印刷机开启的印刷时代，从1440年到1992年，报告称之为“静态纸质传播时代”。第二阶段是1993年到2021年，这段时间大家就更熟悉了，作者称之为“动态+数字交付”阶段，以万维网的诞生为起点。要知道，1992年底，全球还只有10个网站；到了1994年，有了3000个网站；1998年已经突破了200万个。截止到2021年，全球网站数量达到了18.8亿。随着网站数量和网民激增，海量信息开始在网上流动，全球知识进入了一个“永远不会闭馆的图书馆”。从2022年开始，知识分发进入了第三阶段——“动态 + 数字 + 生成式交付”。听起来挺复杂，其实作者想表达的很简单：知识分发变得更个性化了。在这个阶段，知识不再是静态地存在于书本或网页中，而是进入了按需定制的时代。用户有需求时，系统就能实时生成内容，不必再去翻资料、查网页。五年十年后的AI会变成什么样？目前AI的核心能力还集中在文案撰写、内容翻译、流程自动化等方向，本质上还是在“辅助人”：你提问，AI回答；你描述，AI生成。作者预测，五年后AI将具备更多能力，比如：用人类的水平来写作和编程、与人类自然对话、识别情绪、自动经营公司、完成库存、定价、报表等一条龙任务，甚至还能控制机器人。在这个阶段，AI的核心将从现在的“回答问题”，升级为真正的“完成项目”——你只需要告诉它目标，具体流程由它来定。十年后呢？AI有望具备独立开展科研的能力，能自己提出假设、跑模拟、生成数据，最终写出论文；还能做出专家级决策，比如实时提供法律、健康或商业建议。在这个过程中，人类的价值不会消失，只是角色会发生变化。到那时，好奇心将成为最稀缺、最重要的人类原材料。会用 AI 的人、做 AI 的公司、拿 AI 专利的团队，这三类数据都在指数级增长，而且增速还在不断加快。以英伟达为例，2018年前后，在他们平台上注册的开发者大约是 100 万，而到了 2025 年，这个数字已经涨到 600 万。要知道，这些可不是普通开发者，而是能接触显卡和底层技术的技术大神，规模之大，令人震惊。再来看专利数据。技术革命来临时，相关专利申请一定会激增。比如互联网时代刚起步时，1995年起的8年内，计算类专利增加了6300件，已经很夸张了。但这波AI热潮更猛，2024年比2023年就多了6000件，仅一年时间就刷新了纪录。当然需要说明一下，这份报告统计的是美国的专利数据。来聊聊AI的考试成绩。加州大学伯克利分校的研究员 Dan Hendrycks 团队设计了一套专为AI准备的考试——MMLU，题库大约有1.5万道单选题，覆盖57门学科，分成4大类：科学类（如物理、化学）、人文学科（如历史、哲学）、社科类（如经济、政治）以及专业类（如医学、法律、工程）。整体题目难度相当于大学本科到研究生水平。2019年，主流AI模型的正确率只有30%；但到了2024年，最强模型已经能做到92.3%，首次超过人类的平均水平——89.8%。作为一名学渣我可以负责任地说，拿30%其实不难，全选C基本也差不多能混到这水平；但想考到90多分，那可就是真材实料了。大家都知道著名的图灵测试：如果机器和人的对话让评审者无法分辨出谁是机器，那就算通过了测试。研究团队找了1023名受试者，让他们分别与三个不同的AI系统聊5分钟，猜猜哪个是人类。当GPT-4o没有被设定具体人设时，只有25%的情况下被误认为是人类；但一旦给GPT-4.5设定了“网瘾宅男青年”的人设后，有73%的回答被当成真人——直接翻倍，甚至超过了真正的人类对照组。也就是说，一些真人宅男反而被误认为是AI……这就有点惨了。报告里还放了一张英文对话截图：87%的评委认为左边那段是两个真人的对话，其实那是GPT-4.5；而真正的人类对话，反而被当成了AI。其实我们现在跟豆包、DeepSeek这类AI聊得多了，的确会发现很难区分，甚至很多时候AI的情商比身边某些人还高，听它们说话比听一些真人还舒服。尤其是当AI在对话中加入口头禅、情绪词时，立刻就有了“烟火气”。我第一次有点不寒而栗的感觉，是有一次我和DeepSeek聊游戏，它突然回我一句“我靠”——那一瞬间，我真觉得自己是在和大学宿舍的兄弟聊天。这条不在报告里，是我想到图灵测试时联想到的另一个研究。有研究对比了1500年到1950年的英文经典作品，发现句子平均长度从63个词降到了14个词。另一个针对3亿条推文和YouTube评论的分析也显示：无论在哪个平台，在过去34年社交媒体的发展中，人类的文本表达越来越短、词汇多样性也在下降。
研究者指出，随着短视频时代的兴起，人类的表达正变得越来越“大白话”、句子越来越短，用词也更简单。这也意味着，AI能更容易通过图灵测试，不光是因为它越来越聪明了，也因为人类的语言难度本身在降低。想到这，我突然想起郭德纲那句经典吐槽：“全靠同行衬托。”报告里放了两张图，用来展示AI在图像生成上的三年进步，指令词是“女士的向日葵吊坠”。不过这组图的对比其实不算特别明显。我自己倒是做过一个更直观的测试：两年前和上个月，我分别用同样的提示词——“坐在广场上的80年代中国青年情侣”生成了一张图。一对比就能看出AI的进步有多大，从一开始的“妖魔鬼怪”直接进化成了“俊男靓女”。AI 让音频也变成了像文字、图片一样可以“编程”的内容。ElevenLabs 推出了一个叫“多语同声克隆”的功能——你把原视频或播客扔进去，系统会先转录、再翻译，最后用原声克隆的方式讲另一种语言，嗓音、语气都不变，听起来就像这个人天生会多国语言一样。而且这并不是什么“实验室演示”，全球最大音频平台 Spotify 今年2月就已经接入了这项功能，目前支持 29 种语言的 AI 配音。我们这代人，小时候看美剧还得靠热心字幕组搬运字幕，但照这个AI发展速度，未来看剧可能会多很多花式选项。比如你看恐怖片要是觉得太吓人，可以让女鬼张口说河南话，可能立马就不怕了；看《纸牌屋》要是全员说东北话，那分分钟变成《乡村爱情故事》的既视感。报告第51页的PPT上，只写了一句霍金的名言：“成功创造出人工智能，可能成为人类文明史上最伟大的事件，但如果我们无法学会规避风险，它也可能是最后一件。” 没有多余解释，没有图表，单独一页留给这句话，分量已经不言而喻。从产品的全球渗透来看，互联网发展用了整整23年，才让北美以外的用户占比超过90%。而ChatGPT刚出道第三年，90%的用户就已经来自北美以外了。这意味着AI产品一开始就跳过了“美国先用、再慢慢扩散”的老套路，生来就是全球化的。而且不仅是ChatGPT，像咱们中国团队做的可灵、Pixverse、Dify、Manus等，也都是一出生就面向全球用户的产品。不同时代的现象级产品，达成百万用户的门槛越来越低。比如，汽车工业时代的福特T型车用了2500天，入门价格近三万美元；智能电视时代的机顶盒用了1680天，单价945美金；移动互联网时代的iPhone用了74天，单价756美金。而ChatGPT只用了短短5天，门槛为0，打开网页就能用，把AI的神回答截个图就能社交裂变传播。这波AI产品重新定义了“快”的标准，如果没有核心竞争力，在这种一夜全球爆发的节奏下，很可能瞬间就被淘汰了。全球IT巨头到底有多重视AI？看他们2024年一季度的财报电话会议就知道了——光是提到“AI”这个词的次数就很说明问题。脸书的扎克伯格在一次会上提了93次，百度的李彦宏提了87次，英伟达的黄仁勋也提了85次。至于成果如何另说，反正至少在声量上，先喊出来再说。不只是互联网企业，传统行业也在加速上车。如今，美国500强中，有一半的公司在财报电话会上反复提到AI战略。要知道，2015年几乎没人提这个词，但到了2023年，AI一下子成了“标配”，不提都不好意思在华尔街混。2024年对全球CMO的调研显示，60%的企业已经在做小规模实验，20%的传统企业已经批了预算、排期上线。只有不到5%的企业还在观望，说一两年后再说。从落地场景看，市场营销文案、投放和数据分析，是当前最热门的三大应用方向。凯泽医疗在2023年10月为1万名医生上线了AI工具，仅用10个月，就让7500名医生告别了手动敲病历，自动生成了250万份门诊记录。这样医生就能少盯着电脑打字，把注意力更多放在病人身上，诊疗结束后再校对一下就行。这个切入点不是要取代医生，而是“取代键盘”，不用让AI去承担看病风险。在新药研发领域，AI大幅压缩了周期。原本平均需要30到48个月的研发时间，现在缩短到8到18个月，相当于砍掉了30%-80%的前期流程。这不仅节省时间，还省钱——因为每多拖延一个月，就可能多烧掉数百万美元的研发费用。从使用AI产品的用户来看，不同年龄段的变化非常明显。2023年7月的调查显示，美国18到29岁人群中，有33%使用ChatGPT；到了2025年1月，这一比例已经涨到55%。但变化最大的是银发族。2023年时，只有13%的50到64岁用户，以及4%的65岁以上用户使用ChatGPT；一年半之后，这两个数字分别涨到了30%和20%，增长非常快。不同年龄段的使用方式也不同。年轻人用AI写论文、改简历、聊感情，更像是在用它当生活导师；而老年人则更像在用AI替代谷歌，用来问病情、查菜谱、做旅行攻略，而且大多是通过语音输入，而不是打字。大家使用 AI 工具的时间更长了，频率也更高了。美区活跃用户的日均使用时长，从2023年的 5.3 分钟提升到了 16 分钟，翻了三倍。OpenAI 对 1299 名美国在校大学生进行调研，统计了 18-24 岁人群最常用的前 20 个 AI 使用场景。排在第一的是写论文和开题，占比 48%，本质上是让 AI 帮忙拓展思路；第二是长文速读，比如把 50 页 PDF 总结成 3 段笔记，有 46% 的学生使用。还有不到 15% 的学生把 ChatGPT 当作树洞，用来聊恋爱、寻求心理安慰。但这里需要提醒一下，这个数据可能有些误导——剩下那 85%，并不代表他们不聊感情，只是很可能换了更娱乐化、更适合当树洞的工具而已。这个趋势有多火？看数据就知道了：在 Google 上搜索 “AI Agent”，从 2024 年 1 月到 2025 年 5 月，16 个月内搜索量增长了 1088%。最高峰出现在 2025 年 3 月，OpenAI 发布 Agent 工具，当周搜索量突破 50 万次。全球正在为建数据中心疯狂提速。以美国为例，建一栋普通独立住宅平均要234天，而马斯克的AI公司只用了122天，就建成了一个7.5万平方米的超算机房，10万块GPU可以直接上线跑。xAI的官方说法是：“我们自己动手，砍掉不必要的环节，结果4个月就搞定。”按以往的节奏，这至少得24个月。没有电，就没有AI。2024 年，全球数据中心消耗了全人类 1.5% 的电力——听着不多，但要知道，整个英国家庭照明只占 1%。从 2017 年起，机房用电年增速约为 12%，是全球平均用电增速的 4 倍。按地区看，美国数据中心用了 45% 的电，中国占了 25%。如今全球顶级大模型动辄就是千亿级参数，训练成本已飙到几亿甚至几十亿美元。专家预测，未来两年内会出现训练成本超百亿的大模型。看到这种数字，我由衷觉得哪怕做一个数字版的周润发，模仿在《赌神》里场景，手持美金纸币不停点烟，也不会比训练大模型花得快。在训练成本上，数据相当震撼。2016年训练一个大模型大约需要4万美元，而到了2024年，训练GPT-4或谷歌的Gemini，成本已飙到1亿美元，足足涨了2400倍。这意味着，只有巨无霸体量的资本才能玩得起最前沿的模型。去年上半年，国内还在热议“百模大战”，但这场战事感觉还没真正打响就已经落幕，多数只是停留在新闻稿里。所谓的“大模型几小龙”中，零一万物和百川已退出通用大模型的训练赛道，目前仍留在牌桌上的，只剩 DeepSeek。虽然大模型的训练成本越来越高，但使用成本却越来越低。同级别模型的每百万 token 价格，在短短两年内下降了 99.7%。在 AI 世界里，token 就像计量货币——1 个 token 大约等于 4-5 个英文字符，100 万 token 相当于约 75 万个单词，也就是一本 3500 页的大部头书。这意味着什么呢？大模型一步步变成“高烧钱、低毛利”的生意，最终可能会像水电煤一样成为基础设施。英伟达的GPU，从2014年的Kepler到2024年的Blackwell，生成一个token所需的能耗降低了整整10万倍。但效率越高，使用成本越低，也就激发了更多需求，这就是典型的“杰文斯悖论”。什么是“杰文斯悖论”？1865年，英国经济学家杰文斯研究蒸汽机时发现，效率提高后，单位耗煤变少了，但煤炭总消耗反而激增。原因很简单——用得便宜了，用的人就多了，需求就爆发了。打个比方，现在训练大模型就像造一艘豪华邮轮，建造成本越来越高，但船票却越来越便宜，结果就是——坐船的人会越来越多。AI 使用费用降价的速度有多快？报告拿它跟两个跨时代的产品作了对比：电力和计算机内存。如果把初始成本设为100块，降到1块，也就是1%，电力用了整整70年，计算机内存用了大约10到15年——这已经够快了，才有了摩尔定律的诞生。而ChatGPT，只用了1年。顶级大模型之间的能力差距正在迅速缩小，领先者没法拉开，落后者追得越来越快。重点是，报告中提到的“落后者”正是当初的 DeepSeek。在一项叫 LMSYS 的能力测试中，2024年2月，DeepSeek 得分为 1075，跟OpenAI相差近 200 分。但到了 2025年2月，DeepSeek 提升到了 1362 分，跟 OpenAI 仅相差 4 分。这说明顶级模型之间的差距已经非常小了。经常打王者的同学应该深有体会——青铜、黄金、铂金上分容易，但到了王者段位，大家实力接近，想连胜就难了。大家应该都听说过 GitHub，有人调侃它是“全球最大的男性社交平台”，其实它是程序员托管代码的地方。从2022年到2024年，AI相关项目数量在短短16个月内飙升了175%。在AI编程工具的使用上，2023年有44%的程序员在用，到2024年，这个比例已经涨到63%。虽然还没有今年的最新数据，但说实话，现在还不用AI来提效的程序员，基本已经被这个时代淘汰了。我上大学时，英伟达在我眼里还只是做游戏显卡的公司。2023年之前，它的游戏业务和数据中心业务还算是并驾齐驱。但从2023年开始，随着A100/H100供不应求，一切都变了——英伟达像一台巨型印钞机，被彻底启动了。现在它的季度营收飙升到390亿美元，同比增长78%。说真的，这速度比印钞快多了。对于头部AI公司，资本市场已经疯狂加注了。比如，OpenAI 最新估值达到 3000 亿美元，年收入预计为 92 亿，估值与收入比是 33 倍。而 AI 搜索产品 Perplexity 更夸张，直接冲到 75 倍。没有对比就没有伤害——同样的互联网产品，谷歌是 5 倍，脸书 7 倍，Spotify 6 倍。看出来资本市场有多看好AI产品了吧。不过别忘了作者是谁，Mary Meeker可是“互联网女王”，这些年见过太多“先巨亏、后腾飞”的例子。比如苹果，1997年濒临破产，市值只有17亿美元，如今已涨到3.2万亿；亚马逊在2000年市值只有22亿美元，现在是2.2万亿；Uber从2016年到2022年连续烧掉170亿美元，直到2023年才首次现金流为正，但如今市值已接近1890亿美元。所以她说，“烧钱换时间”确实有效，历史案例不少，但关键还是看有没有核心竞争力——不然，烧得越多，死得越快。衡量一个产品的盈利能力，常用的指标是年经常性收入（ARR），也就是一年能赚多少钱。作者在2024年的数据中发现，AI创业公司做到年收入500万美元，大约需要24个月，而SaaS行业则需要37个月。其实这个对比并不强烈，如果作者把中国To B的SaaS行业也算进去，那结果肯定更震撼——毕竟在国内，SaaS几乎成了“艰苦”行业的代名词。微软用了34年，靠Word、Excel等9款独立应用，才把Office的付费用户做到4亿。而ChatGPT只靠一个应用，两年半就拿下了2000万企业付费用户，增长速度惊人。不过也得说清楚，ChatGPT虽然通用性强，但在企业的细分需求里，还达不到专业软件的深度，暂时还无法真正取代它们。AI 编程应用 Cursor 是一个非常典型的现象级产品。2023 年 3 月刚起步时，年收入只有约 100 万美元，而到了 2025 年 4 月，这一数字飙升至 3 亿美元—— 25 个月时间，收入翻了整整 300 倍。这也说明了，垂直类 AI 产品只要瞄准一个精准且高价值的人群，就有可能爆发出惊人的增长效率。报告中对比了开源模型和闭源模型的用户规模，结论是：封闭生态仍牢牢占据流量主导。虽然开源模型在技术圈很火，但在终端用户规模层面，仍然处于追赶位置。数据显示，OpenAI 的 ChatGPT 占全球 AI 产品月活的 60%，谷歌 Gemini 占 17%，DeepSeek 大约为 10%。不过这个数据其实有偏差——统计的是各大 AI 产品“官网域名”的流量，也就是说，只有直接使用 DeepSeek 官方应用才算进来。但大家都知道，国内很多互联网产品已经在各自生态里接入了 DeepSeek。大到腾讯元宝，小到我们出的Get笔记，这些零散的流量都没有被统计在内。前面提到过，女王报告的优势在于她经历了多轮科技革命。这次她盘点了过去30年全球市值Top30的变化，从1995年到2025年，得出一个明确结论：美国企业不仅全面占据榜单，而且高度集中在AI、半导体、互联网等新技术赛道。相比之下，日本和欧洲企业大幅退场；中国企业虽然数量仍少，但进入榜单的速度已经明显快过当年的互联网时代。在科技类Top30企业中，美国占了21家，约70%；中国大陆有3家上榜，分别是腾讯、阿里和中国移动。而日本，1995年时还有9家公司在榜，如今已跌至0，基本在AI时代掉队了。作者专门用了几页PPT展示中国的大模型，一页给了 DeepSeek，一页给了阿里通义，还有一页是百度。她特别指出，中国最强的大模型与美国顶级模型的得分已经非常接近。在她的描述中，中国AI产品的角色已经从“跟随者”变成了“快速追赶者”。她还强调，互联网时代我们可能落后5年，而在AI时代，相比最强的模型，中国只落后几个月，而且还手握一套“优质算法 + 本土数据 + 低成本”的组合拳。在工业机器人领域，中国已经一骑绝尘。2021年，中国安装的工业机器人数量首次超过了全球其他所有国家的总和。到了2023年，中国单年安装了27.6万台，而全球其他国家合计才26.5万台，展现出我们在智能制造上的绝对领先优势。在2025年3月的全球AI产品月活榜上，第一名毫无悬念是 ChatGPT。但中国力量也已经崛起——第二名是豆包，第四名是 DeepSeek。报告还拆解了 DeepSeek 手机端应用的月活数据：短短4个月内，用户数从1月的2500万涨到5400万，增长速度非常惊人。虽然还比不上“前无古人”的 ChatGPT，但已经超过了绝大多数 AI 产品。在 DeepSeek APP 的月活中，国内用户占33.9%，俄罗斯占9.2%，印度占6.9%，而美国用户仅有4.4%。这个国别分布还挺出乎意料的——我原本以为，国内用户占比会超过一半。关于AI在职场中的作用，报告指出：人类不会被取代，但角色和定位需要调整。像填表、对账、初稿写作这类机械性白领工作，会被自动化替代。而人类的新任务，将是为AI提供优质数据、评估其产出质量，并持续优化AI表现。在AI落地企业的过程中，一个明显变化是：几乎没有企业还在观望，AI已成为刚需。当前主要目标是提升员工个人效率，其次才是节省特定岗位的人力。部分企业希望直接用AI创造营收，但更多企业还是选择先“练内功”，再考虑对外变现。过去7年，美国与AI相关的岗位需求暴涨了4.5倍，而传统IT岗位反而下降了9%。说明企业正在集中抢AI人才，尤其是算法、数据、模型部署这类岗位最吃香。对我们个人来说，想在这个时代保值，当然要补点AI基础，但更关键的是学会思考AI和业务的结合方式。因为AI的技术能力在飞速进化，但业务洞察和提出好问题的能力，目前还离不开人类。报告追踪了1947年到2024年间的两个关键指标：美国非农劳动生产率和非农就业人数。结论很直接——尽管技术不断变革，但整体就业并没有被“吞掉”，反而伴随着新岗位的诞生和工资水平的提升。历史经验也说明，每当通用技术发生变革，旧岗位确实会被淘汰，但新岗位也会更快出现，关键在于转岗和培训的速度能否跟上。作者强调，更高的生产率，并不是用更少的人做同样的事，而是让同样的人去完成更多、更新、更有价值的工作。
快刀青衣约 20 分钟