Gartner 预测 2025 - 2029 年，Gen AI 模型的企业支出将从 2025 年的 140 亿美元，提升到 2029 年的 750 亿美元，CAGR 为 67%。

预测到 2028 年，33% 的企业会应用公司级别的 Agentic AI，会在 15% 的日常工作中自动运行。

围绕企业如何部署生成式 AI，在实现途径上有哪些选择？在甲子光年 2025 年的调研显示，Top 3 为：

(1) 调用第三方 API；

(2) 基于开源模型定制开发；

(3) 云服务集成。

其中 (1) 和 (3) 有利于云端，而 (2) 有利于推动本地算力的采购。

当前，30 亿参数的 “小模型“ 的性能已经达到最开始 ChatGPT 所使用的 1750 亿参数模型的效果。这得益于更好的压缩技术（distillation 蒸馏、quantization 量化等），以及更高质量的训练数据。

这个小型化过程会带来显著的好处：边缘侧和端侧通常算力是有限的，没办法部署大模型，但小型的模型如果性能够，就可以用的起来。（而边缘和端侧等低延迟特性就可以发挥起来了）。

与此同时，我们也想到了另一个问题，甲方企业 CIO 的难题。通常一个 IT 项目从立项招标到部署应用，起码要耗费几个月，甚至更久的时间。而模型改进（如下图所示）是以月为单位进步的，

从第三方 Chatbot POE 的用户使用角度看，图像生成大模型曾经的领头羊 OpenAI DALL-E 的用户交互量份额从 2024 年初的接近 80% 下跌到 2025 年 2 月的 9.9%。

而后期之秀 Flux 用半年时间就获得了 近40% 的交互量份额。

可以认为是一个成功的案例，新入局者如何打败王者 OpenAI 和开原生态的 Stability AI。

POE 是国际市场代表性的大模型 ”套壳应用”，用户可以在一个对话窗口中选用自己心仪的多个大模型。

从 POE 这个第三方角度，各家大模型公司的用户使用份额是怎样呢？附图来自 POE 披露的数据，截取自 2024 年 1 月到 2025 年 2 月底。

GPT-4o 以 38.3% 排名第一，Claude-3.5 和 Claude-3.7 分别以 22.3% 和 11.9% 排名二三位。

从 POE 的角度，OpenAI 的优势远没有 ChatGPT 在最终用户出的份额那么大。侧面也反映了，为什么基础大模型公司 “最好” 还是要有自己的原生对话应用，体现了用

传统云计算可以大致划分为 SaaS、PaaS 和 IaaS。理论上讲，上层 SaaS 应用与下层云计算基础设施资源是 “解耦” 的。应用可以选择 A 公司的 IaaS，也可以选择 B 公司的 PaaS 之类。

从最终用户角度，下层调用了什么基础设施资源，用户在上层应用中是不可见的。这是一个黑盒。

但 Gen AI 应用则不同，附图 1 Github Copilot 用户可以选择打算使用哪一个大模型能力，附图 2 腾讯元宝的用户也可以自行选择用哪一个大模型。

这种看得见的 “解耦” 对于上下层玩家各自的优劣几何？值得思考。

AI Agent 智能体是当前的热门话题。@rakeshgohe101 绘制了一张图展示冰山之下的不同层次。除了巨头之外，大量初创公司也在找细分空间的位置。

需要留意的是，领先公司貌似更愿意以 full stack 全栈的方式来做 AI Agent。毕竟互联网行业，自古以来用户入口是最值钱的。

图 2 来自 Lee Hanchung 的个人使用评测，针对主流的 Gen AI 大模型会话工具。其从 “深 vs. 浅” 和 “手工 vs. 训练过” 两个维度来评测。

从概念描述看，无论是 OpenAI 和 Perplexity 的描述，都提及，深度研究的过程的数据源来自数百个互联网网站资源。

引发的思考是：可否 “很粗犷” 地认为，互联网网页有相关内容，就可以深度研究。如果网页缺乏相关内容，就不可以深度研究 ？

提醒大家的是，所谓互联网公开内容的页面，从历史页面的角度，其实是在不断减少的。有点反常识哈 ……

风险投资机构 Menlo Ventures 研究了 2023 年和 2024 年在生成式 AI 的支出变化。

几乎每个领域都取得了几倍的增长，基数最大的大模型提升到了 6.5x 倍，支出达到了 65 亿美元。

垂直行业 AI 应用类的支出达到了最高的增幅（12x 倍）。

根据 AppMagic 的监测数据，DeepSeek App 在 2025 年 1 月的下载量超过 1,000 万次。来自中国的下载量为 39%，美国、印度、韩国和俄罗斯分列第二到五名。

AppMagic 估计 DeepSeek 的日活跃用户在 180 万左右。