北京
A16z 刚发了报告，对AI消费的一系列统计数据挺有意思。
报告指出，AI 需求在稳步增长，但这种增长并不是均匀分布的。
普通用户与重度用户之间存在巨大的使用差距，而 OpenAI最近的一些数据表明，这种差距正在进一步扩大。
典型企业的输出Token数量大致翻了一倍，但排名前10%的企业正在越来越远地甩开其他企业。
在所有行业中，典型企业和前10%企业之间的Token输出量大约存在8倍差距。
其中，前10%的企业Token输出量自2025年4月以来增长了超过17倍。
在一些特定行业，这一差距甚至更大。
例如信息行业，也就是科技行业，差距接近12倍。排名前10%的企业输出Token数量已经达到一年前的32.5倍。
毫不意外，这些重度用户增加Token，并不是因为他们在和AI伴侣聊天。
重度用户已经大部分从聊天工具升级到了更加高级的AI工具。
排名前10%的企业对插件（Plug-in）和技能（Skills）的采用率，分别约为普通企业的2倍和6倍。
当然，即使是这些重度用户，与OpenAI自身内部的使用水平相比，还有很长的路要走。
有意思的是，至少最近一段时间，科技行业并不是高级AI工具增长最快的使用者。
如果用Codex的采用率来衡量AI使用的成熟度，那么知识工作者整体都在变得更加成熟，但没有哪个行业比法律行业更加明显。
自2026年2月以来，法律工作者对Codex的采用率暴增了108倍。
当然，这其中有多少是由Codex更大范围的推广所推动的，还有待观察。
但无论如何，法律行业的增长都明显高于其他行业。
更加成熟的AI采用还有一个重要影响：它正在显著改变Token消耗的增长速度和构成。
虽然目前真正使用完全部署的Agent的AI用户还只占很小一部分，但Agent已经消耗了巨量Token。
根据OpenRouter的数据（以及图表作者Peter Walker的整理），Agent使用的Token数量接近人类用户的5倍，而Agent的使用量自今年2月以来已经增长约14倍。
Agent不仅比人类使用更多Token，它们使用Token的方式也完全不同。
Agent使用的缓存Token远远多于人类。
同样根据OpenRouter的数据，超过85%的Agent Token消耗来自缓存Prompt。
而缓存Token几乎贡献了Token使用量相对增长的全部。
原因其实非常简单。
人类通常采用“Prompt—回答”的对话模式，而Agent则被设计成围绕一个目标不断迭代。
最初的Prompt包含大量Token密集型的“预填充”（pre-fill），也就是围绕目标的大量核心上下文，例如政策和流程、代码规范等。
随后，Agent开始进行逐步的读写操作，在不断完成任务的过程中持续向缓存中添加信息，直到最终得到结果。
缓存Token的价格远低于预填充Token。
这是好事，也让Agent的经济模型变得越来越可行。
但缓存Token从定义上来说也是消耗内存的。
现在你也就能理解，为什么高带宽内存（HBM）尤其受到市场追捧。
这些忙碌工作的Agent在每一次循环中都不必重新从头开始，它们需要大量内存来维持上下文并持续工作。
而Agent的数量正在迅速增加——尽管从整体发展阶段来看，它们仍然处于非常非常早期。
Agent还有一个可能的二阶影响值得注意：Agent可能正在降低传统自动化和工作流工具的需求。
根据Similarweb的数据，除了Gumloop之外，自动化工具网站的流量都在连续下降。
N8N、Zapier和Make都早于LLM出现。
尽管它们按照网站访问量计算仍然占据整个自动化市场的主导地位，但过去12周的流量都出现了两位数的下降。
相比之下，Gumloop于2023年推出，自称是“AI原生Agent构建器”，也是Similarweb数据显示唯一一个正在获得用户增长的自动化平台。
现在当然还远远没到给Zapier等传统工具“盖棺定论”的时候——毕竟它们自己也拥有AI。
但问题在于，Agent才刚刚出现，却已经开始以相当实质性的方式改变整个市场格局。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
