其最新发布的一则消费级 AI 应用报告指出，在美国消费者里，只有 4.5% 为 ChatGPT、Gemini 或 Claude 购买了个人订阅，这一数据来自今年 8 月美国消费者电子收据样本。在被观察到的 AI 消费支出中，支出最多的 1% 付费用户，每月平均花费 903 美元。他们贡献的支出超过了支出最少的 50% 付费用户之和。
中国市场也存在类似现象。就在刚刚过去的国庆假期，有科技博主写道，如火如荼的 AI 和算力话题，在老家的相聚和出游的旅途中并不存在。
这样的感受想必不少人都有。平日在社交媒体上，AI 几乎无处不在，模型更新、算力投资、应用发布几乎每天都在发生，仿佛整个世界都在围绕这场技术革命加速运转。但当我们回到熟悉的日常，谈论工作、收入和家庭时，又会发现，AI 距离多数人的真实生活，似乎还隔了一段路。
正是这段距离，构成了理解当下 AI 商业模式瓶颈的关键。AI 行业习惯了以周甚至以天为单位的迭代速度，因此容易让人误以为，技术能力的提升会自然带来用户需求的增长。然而，从知道 AI、尝试 AI，到离不开 AI，再到愿意持续为它付费，中间仍有巨大的鸿沟需要跨越。
在知名创新学者罗杰斯的创新扩散理论中，一项新技术进入社会，通常先由创新者和早期采用者尝试，随后才逐渐被早期大众、晚期大众以及更谨慎的人群接受。越早接触技术的人，越容易被新事物的可能性吸引，也更愿意容忍它的不成熟；而多数普通人往往需要看到身边人已经从中受益，确认它好用、可靠，能融入既有生活，才会愿意改变习惯。这也进一步说明，早期用户的热情，并不会自动变成大众的需求，而是需要一个不断探索的过程。
从目前的情况来看，对于程序员、设计师和内容创作者来说，AI 节省的时间可以转化为收入，因此，为 AI 付费可能是一笔划算的生产投入。但这部分人依然是少数。对于偶尔问个问题、修改一段文字的普通人来说，免费工具往往已经够用，没必要增加一笔固定支出。也正因此，行业里反复讨论的 "AI 生产力革命 "，落到具体生活中，还需要回答一个朴素的问题：它对于普通人来说到底意味着什么？
如果我们审视整条产业链，就会发现账本上正上演着巨大的倒挂。上游英伟达的市值已飙升至数万亿美元，微软、谷歌、Meta 等巨头在 GPU 集群、庞大的数据中心和电力消耗上投入了千亿美元级别的资本开支。这种史无前例的基础设施狂热，建立在一个最核心的假设之上：应用端最终会爆发出数倍于此的商业价值。但现实是，底层大模型在疯狂烧钱，不断卷参数、卷多模态，而在最贴近用户的应用端，却仍靠那不到 5% 的早期探索者在支撑。
现在问题越来越尖锐：如果没有广阔的消费端土壤和稳定的大众现金流，算力的天价成本该如何摊销？一级市场投资人的耐心和二级市场的泡沫还能维持多久？这也反过来解释了为什么在国庆假期的 " 折叠现实 " 中，我们会感到如此强烈的割裂感。
科技圈的人在为最新模型的逻辑推理能力和跑分成绩彻夜狂欢，而圈外的普罗大众关心的仍是出行的拥堵、物价的涨跌和现实生活的柴米油盐。AI 并没有像当年的智能手机或移动互联网那样，迅速嵌入人们的日常生活。
对于那些深陷商业化焦虑的 AI 创业者和科技巨头而言，现在或许已经到了必须转换视角的临界点。比起一味追求模型技术榜单上排名的提升，商业化才是更为紧迫的命题。从谷歌最近削减免费模型数量等动作来看，巨头们已经意识到：新技术从不缺乏狂热信徒，但商业的胜利，终究要回到大多数普通人的共同选择上来。
（作者系资深媒体人）
