The State of AI 2025(第一篇):AI 的现状与未来洞察

新闻

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	3.2/5	3.8/5	+19%
最大连续工具调用	9.8	21.2	+116%
人类交互轮次	6.2	4.1	-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。