来自 凡人小北（@frxiaobei）的推文线程

這份「100 兆token 的AI 使用數據」看完，有幾點挺戳人，順手記一下。 1. AI 的經濟學，真的跟網路那一套不一樣。 直覺會以為便宜的模型會吃掉貴的，結果數據直接顯示：價格幾乎不重要，需求才是強剛性。 大家為啥願意多花幾十倍的錢？就為了三個字：省心、靠譜、穩。 做AI 產品/創業，如果還在想怎麼靠降價搶用戶，基本是跑錯賽道了，真正要卷的是推理質量，能不能扎進用戶現有工作流。 2. Gemini 的用戶分佈特別雜，從數據來看這是好事。 這份報告裡看下來，Gemini 更像一個通用知識引擎，各種任務裡都有它的身影。 這說明Gemini 已經是一把用得順手的瑞士軍刀。 對Google 來說，這是非常健康的使用結構，後面只要把體驗慢慢抬上去，空間就挺大。 3. 推理已變成AI 的基本盤。 現在的大頭流量都在reasoning / agentic 模型上。 交互單位也在變，以前是一條prompt一段回复，現在給一個task，讓模型自己想辦法搞定。 對做產品的人來說，這相當於規則改變了，看現在的發展趨勢，26 年Agentic 依然是大方向。 4. 開源模型的佔比還在往上爬，尤其是中型機型。 Qwen、DeepSeek 這掛中型模型，已經站穩了性能夠用+ 成本友好的平衡點。 可預見的會吃掉大量用就行的場景。特別是對於資料敏感要求私有化部署的企業。未來很有可能是核心高價值任務用閉源，大量週邊自動化用開源，兩條腿一起走。 5. 角色扮演、長期對話這種陪伴型使用，其實佔非常高。 這點特別有意思，我們每天嘴上都在聊生產力，但真實數據很多人拿AI 來建立關係。 長對話/人格化/情感支持，這些現在看起來像邊緣需求的東西，很可能是未來最大的商業機會之一。 可以把這份報告當成一張新地圖，老實對著數據看，人們現在真的在用它做什麼，然後順著那條水流去設計產品和商業模式。