Quest Mobile 数据监测显示，三类移动端三类 AI 应用中，互联网公司的原生 App 在 2025 年 8 月消耗了 70.1 万亿 Token。现有传统应用中的 AI 应用插件消耗了 41.6 万亿 Token。

而手机厂商 AI 助手才消耗 5.7 万亿 Token。三类 AI 应用，用户的实际使用强度大不同。

Quest Mobile 把目前的 AI 应用归为五大类：(1) 互联网公司的原生 App；(2) 手机厂商内置的原生 App；(3) AI 应用插件（在某个现有传统应用内置）；(4) PC 网页端；(5) PC 客户端。

AI 应用插件的月活跃 MAU 规模一直遥遥领先，体现了用户更需要在现有应用场景中，使用到某些互补性 AI 功能。

手机厂商原生 App 也拥有很高的月活跃，是互联网公司的原生 App 要高接近一倍。体现了终端入口侧捆绑的价值。

Sensor Tower 研究了美国用户（安卓）使用各类 Gen AI 应用的相关性，数字大小代表横轴上的用户使用纵轴应用的概率与普通用户的差别。

可以看到一些有趣的发现，比如：Meta AI 和自家的 Facebook、Threads 的相关性；Grok 和自家的 X（Twitter）的相关性等。

附图来自 Sensor Tower 的监测数据，其统计了全球各地区在过去几年 Gen AI 的移动应用下载量和应用内购买（IAP）的收入数据。

亚洲下载量远高于北美洲，但北美洲的收入远高于亚洲。

欧洲和拉丁美洲在在下载量上差不多，但欧洲的收入远高于拉丁美洲。

每个人都有信息消费的需求，但支付能力天差地别。

Sensor Tower 监测数据显示，2025H1 全球生成式 AI 应用（涵盖 AI 助手和 AI 内容生成器）的下载量接近 17 亿次，应用内购买（IAP）收入高达近 19 亿美元。消费者在 2025H1的支出对比 2024H2 增长了一倍。

2025H1，移动用户在 AI 应用上的使用总时长突破 150 亿小时，总使用次数达到了 4,260 亿次

MIT 针对企业客户的调研，关于 Gen AI 的投资预算分配。销售与营销获得了 50% 的预算，中后台运营类获得 25% 左右，客户服务也获得了 25% 左右。

一般来说，中后台自动化是比较容易在指标上凸显投资回报（ROI）的。但 MIT 研究团队认为这种 “指标显性化” 容易让决策者搞错投入的优先级。

MIT 针对企业客户的调研，企业客户管理层从哪些途径来知晓 Gen AI 解决方案。

(1) 现有供应商 20%；

(2) 新的集成商及合作伙伴推荐 15%；

(3) 同行点对点推荐 13%；

(4) 董事会或外部顾问的推荐 10%；

(4) 展会和媒体活动 9%；

(5) 行业刊物或研讨会 6%。

MIT 的一项关于 AI 应用的调研，关于任务分配时，哪些受访者倾向于让 AI 做，哪些请i吸纳高于给初级员工（同事）做 ？

写邮件、归纳摘要、基础分析等，70% 受访者倾向于找 AI 工具，而复杂的 “项目” 类（持续几个兴起的工作、客户管理等）90% 受访者都会倾向于找同事。

AI 对人类工作（尤其是白领类）的替代已经在逐步成为现实。而 AI 时代，个体如何寻求职业发展是热门话题。

有能力胜任有一定复杂度的工作，是区别 AI 的（暂时）有效手段。即便是初级员工，也应考虑这个角度。

MIT 最近发布的一份报告，关于企业客户在使用大模型工具的成功（部署）的比例。

如果是 ChatGPT 类的通用工具，成功部署的比例为 40%；而如果是面向企业特定的专属任务则成功率只有 5%。

这个现象由来已久，也不仅是 AI 主题。以白领办公常用的即时消息 IM 为例，微信等通用工具的应用体验一定是远好于企业自己开发的专属 IM 的。

就大模型应用而言，OpenAI 的技术实力和研发投入，任何企业客户个体都是无法比拟的。

以训练数据为例，企业把自己手头哪些 PDF 资料给 “搞整齐”，就是一件非常之困难的事情，尤其是考虑到有限的 IT 成本条

UBS 汇总了头部 AI 原生应用的年化收入（ARR），29 家公司合计产生了 171 亿美元的年化收入。

此轮生成式 AI 的创新公司，在用户增长和收入产生上均比上一代移动互联网和 SaaS 要快。