文 | 盘古智库
3. AI 应用市场：人口红利与场景创新的双重驱动
AI 产业的价值最终要在应用端兑现。无论芯片性能多强、模型参数多大，如果不能转化为用户愿意付费的产品和服务，就只是实验室里的 " 玩具 "。中国在这一环节的优势，源于全球最大的人口基数、最丰富的应用场景、以及最活跃的数字化创新生态。
3.1 消费级市场：14 亿人口的 " 超级试验场 "
中国拥有 14 亿人口、超过 10 亿网民、约 4 亿中等收入群体——这是全球最大、最多样化的消费市场。AI 应用的爆发，首先取决于有多少用户愿意使用、愿意付费。在这个维度上，中国拥有无可比拟的优势。
从用户规模看，中国 AI 应用的渗透速度令人瞩目。截至 2025 年 2 月，中国生成式 AI 用户数量已激增至 2.5 亿。到 2026 年 3 月，字节跳动旗下豆包 App 月活用户突破 3.45 亿，稳居国内 C 端 AI 应用榜首。阿里的千问 App 月活用户达 1.66 亿，腾讯元宝月活 5735 万。这种用户规模在全球仅次于美国，但增长速度快于美国。
更重要的是用户付费习惯的养成。行业数据显示，2025 年国内 AI 工具用户付费转化率从 2024 年的 8% 提升至 11%，其中高频使用的职场人、专业创作者付费意愿超过 30%。百度文库付费用户达 4000 万，位列全球第二（仅次于微软 Copilot），总付费率年同比增长 60%，这一增长几乎完全由 AI 功能带动。字节跳动 2026 年 5 月正式推出豆包付费订阅服务，标志着国内头部 AI 应用全面进入商业化阶段。
从消费场景看，中国市场的多样性为全球之最。从一线城市的金融从业者到县城里的小店主，从 Z 世代的数字原住民到银发族的短视频用户，不同群体对 AI 应用的需求差异巨大，这种多样性倒逼 AI 产品必须不断优化用户体验、降低使用门槛。当豆包、DeepSeek、Kimi 等产品在 3 亿多月活用户的 " 超级试验场 " 中快速迭代时，它们获得的用户反馈数据量和场景覆盖度，是其他任何市场无法提供的。
AI 应用在消费端的爆发，还将激发新的消费潜力。以 AI 眼镜为例，2024 年全球 AI 眼镜销量达 152 万台，2025 年预计达 350-550 万台，同比增长 130%-230%。中国市场增速尤为迅猛—— 2025 年第二季度出货量同比增长 145.5%。2025 年 " 双 11" 期间，全品类 AI 眼镜销量 126 万台，同比增长 380%。AI PC 同样增长迅猛—— 2024 年中国市场 AI PC 出货量超 580 万台，占 15%；2025 年预计渗透率将升至 40%。这些 AI 硬件的普及，将进一步拉动上游芯片、传感器、显示面板等产业链环节的需求。
3.2 企业级市场：制造业与服务业智能化转型的巨大空间
消费级市场是 AI 应用的 " 面子 "，企业级市场才是 " 里子 "。中国拥有全球最完整的工业体系、最大的制造业产出、以及正在快速升级的服务业，这为 AI 在 B 端的应用提供了肥沃的土壤。
从市场规模看，中国 AI 市场整体规模从 2021 年的约 1500 亿元增长至 2024 年的 7470 亿元，同比增长 41.0%，预计 2025 年将达 10457 亿元。IDC 预测，中国生成式 AI 软件市场规模 2025 年将达到 35.4 亿美元，企业级应用管理软件市场 2024 年下半年达到 54.3 亿美元，预计到 2029 年将达到 175.2 亿美元，五年复合增长率达 11.2%。弗若斯特沙利文预测，中国企业级 AI 市场 2029 年规模将达 2394 亿元人民币，五年复合增速 44%。
从应用场景看，AI 正在中国制造业的各个环节深度渗透。宁德时代通过 AI 视觉技术将缺陷率降至 0.01%，制造成本同步下降 40%。AI 辅助诊断已覆盖全国绝大多数三甲医院，肺结节识别准确率达 97.8%。在金融服务领域，AI 用于风险建模、投顾辅助与客户服务，不仅提升效率，也增强了风险控制能力。据 IDC 数据，2024 年中国 AI 在互联网领域的渗透率达 89%，电信领域 68%，政务领域 65%，金融领域 64%。
AI for Science（科学智能）是中国 AI 应用的另一片蓝海。2025 年，AI for Science 领域发表了超 100 篇重要成果，覆盖生物医药、材料化学、气象、天文等多个方向。中科曙光 2026 年 4 月发布的 AI4S 计算集群由 6 万张国产加速卡构成，在昌平实验室的蛋白质折叠模拟、中科院计算所的材料筛选等国家级科研场景中应用，将材料筛选时间从数年缩短至数天。Google DeepMind 的 GNoME 模型发现了超过 220 万种新晶体结构，其中 38 万个稳定结构有望成为实验合成的候选材料。这些突破意味着 AI 正在从 " 辅助工具 " 演变为 " 科学发现引擎 "，而中国庞大的科研队伍和丰富的应用场景，为 AI for Science 的落地提供了最佳土壤。
3.3 收入闭环的关键：产品要 " 真有用 "，用户要 " 愿付费 "
应用市场再大，如果无法形成商业闭环，最终也会沦为 " 烧钱游戏 "。中国 AI 应用要实现可持续的收入闭环，必须在两个维度上取得突破。
第一，AI 应用必须真的好用、有效，而不是噱头。当前的 AI 产品市场存在明显的 " 泡沫 " ——很多产品只是把大模型能力简单包装，没有解决真实痛点，用户体验差、留存率低。国内 C 端订阅生意的难度有目共睹：工具类产品年均续费率能做到 30% 已是行业顶流，价格战内卷常态化，用户切换成本几乎为零。要实现商业闭环，AI 应用必须从 " 有趣 " 进化到 " 有用 "，从 " 尝鲜 " 进化到 " 刚需 "。这意味着要深耕垂直场景，积累行业 know-how，构建数据护城河——而不是简单地调用 API 做一个聊天机器人。
第二，必须培养中国人的软件付费使用习惯。长期以来，中国互联网用户习惯了 " 免费 + 广告 " 的模式，对软件付费的接受度较低。但 AI 大模型的推理成本远高于传统软件——每一次对话都意味着实实在在的算力消耗。如果用户不愿意为 AI 能力付费，那么再强大的模型也无法持续运营。好在这一习惯正在快速养成：从 2024 年的 8% 到 2025 年的 11%，AI 工具用户付费转化率正在稳步提升。百度文库 4000 万付费用户、豆包 3.45 亿月活用户的商业化尝试，都是这一进程的重要里程碑。
4. 总结：以优势补劣势，走中国特色的 AI 强国之路
客观审视中国在全球 AI 产业链中的位置，必须承认一个基本事实：中国在许多关键环节上仍有大量功课要补。高端光刻机国产化率不到 1%，EUV 光刻机完全依赖荷兰 ASML；高端光刻胶国产化率不足 5%；EDA 工具全球 95% 以上市场被美国 Synopsys、Cadence 等企业垄断；7nm 及以下先进制程芯片的制造能力仍被锁在天花板之下。这些 " 卡脖子 " 环节不是短期内可以突破的，需要持续的技术攻关、生态建设和产业积累。
但我们同样要清醒地认识到，AI 产业的竞争不是 " 单项赛 "，而是 " 全能赛 "。美国在芯片设计、EDA 工具、前沿算法上领先，但中国在稀散金属、电力供给、应用市场上拥有不可替代的优势。这三大优势不是孤立的，而是可以形成战略协同的：稀散金属优势保障了 AI 硬件制造的原材料供给安全，电力优势保障了算力扩张的能源底座，应用市场优势则为技术迭代提供了最丰富的场景和数据。
特别需要强调的是，在这三大优势中，稀散金属的优势是唯一可以 " 卡别人脖子 " 的优势，是国际博弈中可以直接动用的战略力量。光刻机再先进，没有镓和锗就造不出高端芯片；数据中心再强大，没有钨基硬质合金就无法精密加工晶圆。2023 年以来，中国先后对镓、锗、石墨、锑、钨、碲、铋、钼、铟等关键矿产实施出口管制，正是将这种资源优势转化为战略威慑力的具体实践。彼得森国际经济研究所指出，中国这些反制措施被广泛解读为对美国半导体出口管制的 " 对等回应 " —— " 如果美国拒绝向中国提供先进的半导体，中国则会拒绝向美国提供半导体和清洁科技的基本构建材料 "。
因此，稀散金属的战略价值必须上升到国家安全的高度来看待。它不仅是 AI 产业的 " 原材料 "，更是国际博弈的 " 战略筹码 "。在资源勘探、冶炼产能、出口管制、战略储备等方面，需要有更长远的规划和更坚决的执行。同时，也要避免 " 资源武器化 " 的滥用——出口管制的目的是维护国家安全和利益，而非扰乱全球产业链，需要在威慑与稳定之间找到平衡点。
面向未来，中国 AI 产业的发展路径应该是：充分发挥三大优势，以优势补劣势，整合政府和市场的力量促进在薄弱环节突破，整体变强。在稀散金属领域，要继续巩固 " 资源 + 冶炼 " 的双重主导，同时加大高端材料研发，向下游高附加值环节延伸；在电力领域，要持续扩大新能源装机，优化电网智能化水平，为 " 东数西算 " 提供更强的能源支撑；在应用市场领域，要鼓励真正的场景创新，培育用户付费习惯，让 AI 应用从 " 概念热 " 走向 " 商业实 "。
AI 产业的全球竞争远未到终局。中国在某些环节落后，在另一些环节领先，这种 " 非对称 " 格局恰恰是制定战略的出发点。把自己的长板做到更长，用长板的收益去弥补短板的投入，同时在国际博弈中善用稀散金属等战略筹码争取时间和空间——这是中国特色 AI 强国之路的现实选择。最终，AI 产业的胜负不取决于谁在某一个单点上最强，而取决于谁能在全产业链上实现动态平衡和持续进化。中国有这样的底气，也有这样的能力。
（本文作者系盘古智库高级研究员周济、盘古智库高级研究员牛站奎。）
