2025 AI 现状实证研究报告

基于 OpenRouter 平台 100 万亿 Token 的全景分析
a16z & OpenRouter 发布时间：2025.12 数据周期：2024.11 - 2025.11
⚡
范式转移：从“生成”到“推理”
+

2024年12月5日 o1 模型的发布是真正的分水岭。AI 领域从单次前向传递（Single-pass）转向了多步深思熟虑（Multi-step deliberation）。

数据
>50% 的流量现在流向了经过推理优化的模型（Reasoning Models）。 与此同时，平均 Prompt（输入）长度增长了 4倍，Output（输出）长度增长了 3倍。
核心观点
代理式推理 (Agentic Inference) 已成主流： 用户不再只是问一个简单的问题，而是提供代码库、长文档，要求模型进行规划、工具调用（Tool Use）和迭代修正。模型正在从“聊天机器人”演变为“分析引擎”。
📊
市场格局：开源崛起与中型模型
+

闭源模型仍占据主导，但开源模型（OSS）特别是中国模型的增长不容忽视。

份额
闭源模型 (OpenAI, Anthropic) ~70%
全球开源 (Llama, Mistral) ~17%
中国开源 (DeepSeek, Qwen) ~13%
趋势
中型即新型 (Medium is the New Small)： 原本的小模型（<15B）使用率下降。市场向 15B-70B 参数量的中型模型集中（如 Qwen 32B, GPT-OSS 20B）。这一区间在能力与推理成本之间找到了最佳平衡点（Model-Market Fit）。
🎮
使用场景：不仅仅是生产力
+

如果你认为 AI 只是用来写代码和写邮件的，数据会反驳你。

开源模型主战场

  • 角色扮演 (Roleplay): 占比 >50%。用户寻求无审查、富有创造力的叙事体验。
  • 编程辅助: 本地部署或低成本调用的首选。

闭源模型主战场

  • 专业编程: Claude 系列占据该领域 >60% 份额。
  • 高精知识: 科学、法律等对幻觉零容忍的领域。
启示
娱乐需求被低估： 角色扮演的巨大流量证明了 AI 在情感陪伴、游戏和创意写作中的潜力。这是消费级应用的金矿。
💰
重点分析：成本与使用的二元结构
+

市场并未像预期的那样完全“商品化”（即价格决定一切）。相反，我们观察到了基于任务性质的清晰分层。价格弹性在微观层面表现出极大差异。

宏观
整体需求缺乏价格弹性。简单地将价格降低 10%，并不会带来 10% 的使用量增长——除非你的模型达到了某种能力阈值。
AI 模型市场的四象限图 (对数坐标)
高用量 / 低成本
高效巨人类 (Efficient Giants)
通过极低成本和足够好的性能，捕获了海量自动化、长文本和脚本流量。存在“杰文斯悖论”效应：越便宜，用得越多。
DeepSeek V3
Gemini Flash
Qwen 2.5
高用量 / 高成本
溢价领袖类 (Premium Leaders)
尽管价格昂贵（$2-$30/1M Tokens），但因其推理能力和可靠性，仍被大规模用于关键业务代码、架构设计和复杂科研。
Claude 3.7 Sonnet
GPT-5
o1
低用量 / 低成本
长尾商品类 (Long Tail)
廉价但缺乏分发渠道或核心竞争力。仅在某些极其细分的低价值场景中使用。
Small OSS Models
Older Models
低用量 / 高成本
利基专家类 (Specialized Experts)
高风险、低频次任务。用户愿意为了一次完美的金融分析或医疗诊断支付高昂费用，但总调用量不大。
GPT-4 Legacy
Domain Finetunes
深度解析
  • 特例 - "Technology" 类别： 唯一的既昂贵又高频的类别。这代表了系统架构设计等高价值任务，用户愿意为此支付溢价。
  • 二元对立： 企业在关键任务上对价格不敏感（只选 Premium Leaders）；但在流水线任务上对价格极度敏感（涌向 Efficient Giants）。
  • 开源的胜利： 开源模型通过占据“左上角”（高效巨人）象限，成功从闭源模型手中夺走了大量低价值但高频次的处理任务。
👠
用户留存：辛德瑞拉“水晶鞋”效应
+

什么是“水晶鞋”效应？

报告发现，用户留存率并非线性变化，而是取决于“模型-工作流契合度” (Workload-Model Fit)。

当一个新模型（如 o1 或 Claude 3.5）发布时，如果它率先解决了某个之前无法解决的痛点（就像水晶鞋完美契合灰姑娘的脚），这批早期用户就会形成“基础群组” (Foundational Cohorts)。

关键结论： 这批用户的留存率极高，几乎不会流失。因为他们的业务逻辑已经基于该模型构建。后续模型即使更便宜，也很难撬动他们（切换成本 > 价格差异）。

怪象
DeepSeek 的“回旋镖”效应： 数据显示 DeepSeek 的用户群组出现了罕见的“回流”现象。用户尝试了其他模型后，因为性价比或特定能力的缺失，又重新回到了 DeepSeek。这证明其在特定生态位中具有不可替代性。

📊 综合总结与展望

1. 生态多元化： 未来不是“赢家通吃”。市场已分化为处理复杂推理的“昂贵大脑”和处理海量数据的“高效工人”。多模型协作（Multi-model orchestration）是必经之路。
2. 代理是未来： 随着上下文变长和工具调用普及，衡量模型好坏的标准将从“生成文本的流畅度”变为“完成复杂任务的成功率”。
3. 亚洲崛起： 中国模型不仅在追赶，更在通过高频迭代和极致性价比重塑全球开发者习惯（尤其是 DeepSeek/Qwen 系列）。

* 本报告基于 OpenRouter 2024-2025 年的匿名元数据分析生成。

原文

翻译版

相关链接

源链接

附件

中文PDF (3.9M)

下载