北美 The Vox Media Insights and Research 团队在 2023 年 4 月，针对 2,000 名在美国的成年人进行了一轮消费者行为调研，围绕生成式 AI（AGI）工具的使用状态。
AGI 工具的知名度方面，有 57% 的调研对象听说过或用过 ChatGPT。而其他工具（MidJourney、Stable Diffusion）则低得多。
搜索引擎、头脑风暴、艺术创作方面是典型应用场景。从反馈看，主要还是用来做某种内容或作品的 “创作” —— 纯线上场景为主。
大模型的线下场景或者垂直生产场景貌似很宽广，但还是有很长的路要走。尤其是商业上要形成一轮轮的闭环。
经典的一个门槛就是：某个垂直场景所需数据要整理得比较可用，成本就不少了，然后还面临一个细分场景产生的收入能否有经济性问题。
Mckinsey 的研究显示，生成式 AI（AGI）带来的新应用场景可为全球带来 2.6-4.4 万亿美元的新增经济影响；如果考虑到 AGI 对现有工作的赋能，整个影响可达 6.1-7.9 万亿美元。
细分条目角度，图二横轴是细分智能领域有多少比例的开支会被 AI 影响，纵轴是经济影响的财务价值。
销售、营销、产品研发、软件工程和客户运营这几个细分领域会占据 AGI 经济影响的 75%。
Geoffrey Moore 的经典的 “跨越鸿沟” 理论，告诉我们高科技企业的早期市场和主流市场之间存在着一条巨大的 “鸿沟”，能否顺利跨越鸿沟并进入主流市场，成功赢得实用主义者的支持，就决定了一项高科技产品的成败。
如果是事后诸葛亮角度，等新产品发展 N 年后，我们在来评价这个产品是否跨越了鸿沟是容易的。而对于正在处于发展期的产品，是否跨越鸿沟，或者是否有 “跨越鸿沟” 的潜力，如何判断呢？
临时想到一个小点子，供大家做参考。
微信指数是反映了微信体系内的关键字词频强度。我选取 “iPhone”、“AI”、“5G”、“ChatGPT”、“MWC”、“OpenAI” 六个关键字。
我们可假设 iPhone 是进入主流的产品，其他关键字的指数与 iPhone 的比例，可折算为 “大众影响力” 的程度。
Bank of America 研究团队绘制了一张图，展示了 1980 到 2030 年，半导体行业的四次大浪潮。
(1) 1984 - 1990 年：大型主机时代（全球 PC 出货量超过 2500 万台前），半导体行业年收入达到 510 亿美元；
(2) 1990 - 2002 年：PC + 互联网时代（首款黑莓手机上市前），半导体行业年收入达到 1,410 亿美元；
(3) 2002 - 2018 年：移动互联网时代（机器产生的数据超过人类产生数据之前），半导体行业年收入达到 4,690 亿美元；
(4) 2018 - 2030 年，Bank of America 预测半导体年收入可达 1 万亿美元。
每个阶段对比上一个阶段成长大约 2~3x 倍。
