The State of AI 2025(第一篇):AI 的现状与未来洞察
作者：微信文章🌐 The State of AI 2025（第一篇）：AI 的现状与未来洞察
综合报告
内容由 AI 整理，图片由 AI 生成。
基于 OpenRouter 100万亿Token实证研究、OpenAI企业AI报告、Anthropic内部工作转型研究、麦肯锡技能伙伴关系研究。
这是这个系列的第一篇，下一篇会根据Bessemer Venture Partners 的《The State of AI 2025》投资报告与 UC Berkeley 等机构的《Measuring Agents in Production》
📊 Executive Summary | 核心发现
2025年标志着AI从"试验期"进入"深度嵌入期"的转折点。四份权威报告呈现出一个清晰的图景：
维度关键数据含义模型使用开源模型占比达30%；推理模型占总token超50%生态多元化，推理成为默认范式企业采纳ChatGPT企业消息量增长8倍；API token消耗增长320倍从试点走向核心工作流生产力Anthropic员工报告60%工作使用AI，生产力提升50%AI已成为"常在协作者"劳动力当前技术理论上可自动化57%美国工时工作重构而非消失技能需求AI流利度需求2年增长7倍最快增长的技能类别1️⃣ 模型生态格局：从垄断到多元竞争
开源与闭源的动态平衡
OpenRouter的100万亿Token研究揭示了一个正在重塑的生态：
开源模型的崛起
2024年底开源模型仅占约10%，到2025年底稳定在30%
中国开源模型（DeepSeek、Qwen）从1.2%飙升至近30%
DeepSeek以14.37万亿Token位居榜首，其次是Qwen（5.59万亿）和Meta LLaMA（3.96万亿）
市场结构的演变
“不到一年前，两个DeepSeek模型占据了所有开源使用量的一半以上。这种近乎垄断的格局在2025年中期碎裂，市场从集中走向多元。”
中型模型的崛起（15B-70B参数）
小型模型（<15B）使用份额下降
中型模型找到"产品市场契合"——平衡能力与效率
用户不再被迫在"快但弱"和"强但贵"之间二选一
推理模型成为新常态
2024年12月5日，OpenAI发布o1推理模型标志着范式转换——从"单次模式匹配"到"多步推理"：
推理模型Token占比演变：
Q1 2025: ~5%→Q4 2025: >50%
当前领先者：
xAI Grok - 推理流量份额最大
Google Gemini - 稳定增长
DeepSeek R1 - 开源推理的代表
2️⃣ 使用场景：远超预期的多样性
两大主导类别
类别占比特点编程50%+2025年从11%增长到超过50%，Anthropic Claude主导(60%+)角色扮演/创意52%（开源）开源模型的主战场，因内容限制少更受欢迎
编程成为最具战略意义的竞争领域：
Anthropic Claude系列长期主导（>60%份额）
OpenAI从2%增长到8%
中国开源模型快速崛起
平均提示长度增长4倍（1.5K→6K tokens）
角色扮演的独特生态：
开源模型凭借更少内容限制获得优势
中国模型与西方模型各占约40%份额
反映用户对创意自由度的真实需求
智能体推理的兴起
OpenRouter报告定义了“智能体推理”作为新的主导模式：
标志性指标：
工具调用使用持续上升
序列长度3年内增长超过3倍
推理模型成为复杂工作流的默认选择
“中位LLM请求不再是简单的问题或孤立指令，而是结构化、类智能体循环的一部分，调用外部工具、推理状态、跨越更长上下文持续运行。”
3️⃣ 企业AI：从试点到核心基础设施
OpenAI企业客户的爆发式增长
规模指标（2025年）：
100万+ 企业客户
700万+ ChatGPT工作场所席位
企业版席位同比增长9倍
企业周消息量增长8倍
人均消息增加30%
深度工作流集成的两大转变
1. Custom GPT与Projects
周活跃用户增长19倍
约20%企业消息通过Custom GPT或Project处理
BBVA银行日常使用超过4,000个自定义GPT
2. API开发者工作流
9,000+组织已处理超过100亿token
~200家组织累计使用超过1万亿token
每组织平均推理token消耗增长320倍
生产力的真实收益
指标数据报告速度/质量提升的员工75%平均每日节省时间40-60分钟数据/工程/沟通岗节省60-80分钟IT问题解决更快87%营销活动执行更快85%代码交付更快73%
关键洞察：使用更多AI功能的员工报告更高的时间节省。每周节省超过10小时的员工，其AI"智能"消耗量是"节省0小时"组的8倍。
4️⃣ AI如何改变工作本身：Anthropic的内部实验
Anthropic对132名工程师和研究员的深度研究，提供了AI早期采纳者的珍贵视角：
生产力与使用的跃升
一年对比：
指标12个月前现在变化AI参与工作比例28%60%+114%生产力提升+20%+50%+150%
27%的AI辅助工作是"原本不会做的事"——包括扩展项目、构建便利工具、探索性工作。
Claude Code使用的演变（6个月对比）
指标2月8月变化平均任务复杂度3.2/53.8/5+19%最大连续工具调用9.821.2+116%人类交互轮次6.24.1-33%新功能实现占比14%37%+164%代码设计/规划占比1%10%+900%技能的悖论：拓宽与流失
能力拓展：
“我现在可以非常胜任地做前端、事务性数据库、API代码——以前我会害怕触碰我不太擅长的东西。”
技能流失担忧：
“当你自己去调试一个困难问题时，你会花时间阅读与问题无直接关系的文档和代码——但这整个过程你在建立系统如何运作的心智模型。现在这种事少多了，因为Claude可以直接带你找到问题。”
监督悖论
最深刻的洞察之一：
“有效使用Claude需要监督，而监督Claude需要的正是可能因过度使用AI而萎缩的编程技能。”
工作场所社交动态的变化
Claude成为问题的"第一站"，减少了向同事请教
一些工程师感到与人协作减少
传统的导师制动态受到冲击
“更初级的人不再那么经常来问我问题了，尽管他们的问题确实得到了更有效的解答，学得也更快。”
对职业未来的不确定
“短期我感到乐观，但长期我认为AI最终会做所有事情，让我和许多人变得无关紧要。”
“感觉像是我每天来上班就是为了让自己失业。”
但也有乐观声音：
“没人知道会发生什么……重要的是保持高度适应能力。”
5️⃣ 人、智能体与机器人：技能伙伴关系的时代
麦肯锡的核心发现
自动化潜力：
当前技术理论上可自动化57%的美国工时
非物理工作占约2/3工时，其中1/3依赖社交情感技能
物理工作占约35%，但机器人仍面临精细运动技能挑战
七种工作原型：
原型工作占比平均薪资特点以人为中心~33%$71K医疗、建筑维护等以智能体为中心~40%$70K法律、行政服务（认知任务主导）以机器人为中心较小$42K司机、机器操作员人-智能体混合~20%$74K教师、工程师、金融专家人-机器人混合<1%$54K维护、建筑人-智能体-机器人混合~5%$60K运输、农业、餐饮服务智能体-机器人混合~2%$49K自动化制造、物流技能需求的深刻变化
AI流利度需求增长最快：
2年内增长7倍
约800万美国工人的岗位要求至少一项AI相关技能
75%的AI技能需求集中在计算/数学、管理、商业/金融三个领域
技能变化指数（SCI）的三条路径：
暴露程度技能类型走向高暴露（顶四分位）会计流程、特定编程语言可能需求下降中等暴露写作、研究、AI流利度本身演变但不消失低暴露（底四分位）领导力、医疗技能、人际冲突解决持续需要
核心发现：
“约72%的技能同时用于可自动化和不可自动化的工作。这意味着大多数技能仍然相关，但应用方式和场景将演变。”
经济价值潜力
到2030年，AI驱动的自动化可能在美国释放约$2.9万亿的经济价值——但前提是：
组织准备好人员
重新设计工作流程（而非仅自动化单个任务）
实现人、智能体和机器人的协同工作
6️⃣ 关键张力与悖论
四份报告共同揭示了AI转型中的核心张力：
张力1：效率提升 vs. 技能萎缩
更高效率 ←——张力——→ 更少练习 ←——导致——→ 监督能力下降？
张力2：个人生产力 vs. 集体协作
AI成为第一求助对象 ←——张力——→ 团队协作减少 ←——影响——→ 知识传承断裂？
张力3：短期乐观 vs. 长期不确定
当前能力扩展、产出增加 ←——张力——→ 未来角色存在感？
张力4：技术可行性 vs. 实际采纳
57%工时理论可自动化 ←——差距——→ <40%企业报告可衡量收益
原因：多数企业仍在自动化"单个任务"而非"重新设计工作流"。
7️⃣ 战略洞察与行动建议
对个人
策略行动要点培养AI流利度这是增长最快的技能需求，跨行业适用有意识地练习定期不使用AI完成任务，保持核心技能拓展技能栈利用AI成为"全栈"——但要理解底层逻辑专注高价值活动战略思考、复杂判断、人际领导力保持适应心态技能需求将持续变化，终身学习是必需对组织
策略行动要点重新设计工作流从"任务自动化"转向"流程重构"投资人员转型培训员工使用AI，而非仅购买AI工具平衡效率与能力保留建立机制保持团队核心技能重新思考指导制度AI改变了知识传递方式，需要新的导师模式度量真实影响超越"使用量"，衡量业务成果对行业与政策制定者
策略行动要点关注技能转型72%技能可迁移，需要规模化再培训投资监测差距扩大领先者与落后者的差距正在加速平衡创新与安全推理模型和智能体推理带来新的治理挑战支持受影响群体低薪、物理工作岗位可能最先受冲击8️⃣ 未来展望
近期趋势（1-2年）
推理模型成为默认选择
智能体推理占据主导
开源生态持续分化，不再有单一主导者
编程辅助成为最激烈的竞争战场
企业AI从试点进入规模化
中期变革（3-5年）
工作流深度重构，人-AI-机器人协作成为常态
技能组合快速重塑，AI流利度成为基础素养
新岗位、新职能涌现
生产力收益显著但分布不均
长期不确定性
“感觉像是我每天来上班就是为了让自己失业。”
“我对未来具体什么技能会有用信心很低。”
“没人知道会发生什么……重要的是保持高度适应能力。”
这或许是最诚实的结论：我们正处于一个深刻的转型期，路径尚不明确，但方向已经确立——AI将成为工作的基础层，而非可选工具。
📚 参考资料
OpenRouter. (2025). State of AI: An Empirical 100 Trillion Token Study. a16z & OpenRouter Inc.
OpenAI. (2025). The State of Enterprise AI 2025 Report.
Anthropic. (2025). How AI Is Transforming Work at Anthropic.
McKinsey Global Institute. (2025). Agents, Robots, and Us: Skill Partnerships in the Age of AI.
综合报告完成于 2025年12月 | 基于四份行业权威研究的交叉分析
写在最后
“感觉像是我每天来上班就是为了让自己失业。”
“我对未来具体什么技能会有用信心很低。”
“没人知道会发生什么……重要的是保持高度适应能力。”
这三句话真的是切中我当下的心态了。
页:
[1]