与其每天被媒体牵着走——今天是泡沫，明天要毁灭人类——不如沉下来，盯几组硬数据。
这篇文章不讲结论，讲工具：有哪些指标值得盯，每个数字背后在说什么。
我把这些指标做成了一个网站，实时更新——lucian-why.github.io/ai-metrics-watch。你不用收藏这篇文章，收藏那个网站就行。
一、算力市场
核心问题就一个：AI产业的算力，是真被用掉了，还是堆在那里吃灰？
先看最粗暴的：GPU租赁价格。
英伟达H100的租赁价格，比任何一篇AI评论文章都诚实。价格跌了？供给在追需求。价格涨了？有人在真金白银地买算力。不只H100——H200、B200、A100，不同代际的价格曲线拼在一起，就是一张算力供需全景图。
但价格只说了供需，没说有没有用起来。所以第二个指标更关键：GPU利用率。
超大规模训练集群能做到60%到90%的利用率——这不稀奇，一次训练跑几个月不停机，利用率自然高。但普通企业的推理部署呢？Cast AI的2026年报告看了真实生产集群，GPU平均利用率，5%。不是50%，是5%。
什么概念？一百张卡，九十五张在吃灰。
利用率长期趴在地上，说明企业在FOMO式囤卡——买了，但没真的用。利用率持续往上走，说明AI在真实落地。
第三个指标把这个问题再往深一层：推理支出和训练支出的比例。
训练是一次性的，训完就完了。推理是持续的——每次对话、每个API调用、每个Agent干活，都在烧算力。2023年推理只占AI预算的三分之一，现在？七成。
**推理占比越高，越说明AI不是在实验室里玩，是在生产线上跑。**这个比例要是停止增长甚至掉头——那才是真正需要担心的信号。
二、模型经济学
AI技术进步是还在加速，还是进了平台期？看三个数。
第一，推理成本下降的速度。
**GPT-3.5级别的推理成本，从2022年底到2025年底降了超过280倍。GPT-4级别的，三年降了97%到99%。**这不是微调，是结构性塌方。成本每降一个量级，就有一批之前"用不起"的场景突然解锁。
但注意——如果下降速度突然放缓，可能说明硬件或者算法撞墙了。
第二个，Token消耗量的增速。
OpenAI企业API的推理token消耗，同比增长了320倍。不是320%，是320倍。超过9000家企业年消耗超过100亿token。
关键是：**token单价跌了99.7%，但企业AI账单涨了3倍。**用量增长远远跑赢了降价。
这说明什么？AI的需求弹性极大。便宜了就猛用。Token消耗要是哪天突然不涨了，才要问——产品不好用了，还是需求见顶了？
第三个，模型性能差距。
去LMSYS Chatbot Arena看前几名模型的Elo分。Anthropic 1503，xAI 1495，Google 1494，OpenAI 1481——**前四名差距22分，不到1%。**前十名的差距从11.9%缩到了5.4%。
差距在缩小？模型正在变成"商品"。差异化不再来自模型本身，来自数据、集成、场景。差距在拉大？有人在技术上跑出来了。
三、投资与资本
资本赌什么、赌多大、赌多久——看三个指标。
第一，AI风投总额和季度变化。
2025年全球AI风投约2260亿美元。但别只看总额——OpenAI一家Q1'26就拿了1220亿，占当季的54%。去掉这些超大融资，看季度环比：还在涨，说明资本在涌入；连续两个季度下降，警惕。还要看钱去哪了：模型层、应用层、基础设施层，占比变化告诉你资本在押哪个方向。
第二，超大规模云厂商的AI资本开支。
Amazon、Google、Microsoft、Meta，2026年合计AI基础设施支出预计超过6000亿美元。
这个数字持续涨，说明大厂在押AI的长期需求。**突然大幅下调——比如年增速降幅超过20%——那是大厂自己在踩刹车。**他们手里的数据比任何第三方都全。
第三，AI收入集中度。
AI行业的收入，前11家初创就拿走了73%。这个集中度要是持续下降，说明AI在往更多公司和行业渗透。要是居高不下？说明行业还没真正扩散，赢家通吃。
四、企业采用率
AI是少数科技公司在自嗨，还是真的在渗透各行各业？看三层。
第一层，采用率。
88%的企业报告在使用AI——这是Stanford HAI的数据。但这个数字有个坑："用"和"真正用起来"是两回事。
第二层就戳破了这个坑：Agent生产部署率。财富500强里，只有8.6%把AI Agent部署到了生产环境。88%说在用，不到9%真用了。
这个落差本身就是信号——大多数企业还停在"试试看"。
第三层更扎心：利润影响。
McKinsey的调研，超过80%的企业报告AI对利润没有实质影响。
这三个数字放到一起：**采用率很高，部署率很低，利润没动。**AI现在还处在"大家都在试，还没几个人真赚到钱"的阶段。什么时候Agent部署率跳到25%以上、利润影响数据大幅改善——那才是AI真正变成生产力的信号。
还有一条线：非技术行业的AI支出。医疗、制造、零售、金融——这些行业的AI预算在涨，说明AI在走出硅谷。特别是医疗和制造业，各自超过一定体量就是重要的扩散节点。
五、人才市场
AI人才市场是在升温还是降温？市场需要什么样的人？看三个数。
第一，岗位供需比。
全球160万个AI职位空缺，合格候选人不到52万——3.2比1。某些细分领域超过8比1。
供需比持续扩大？人才瓶颈在加剧，AI人才的薪资溢价还会涨。供需比开始缩小？要么需求在放缓，要么培训体系终于跟上来了。两个含义完全不同。
第二，AI技能渗透率。
2026年3月，67%的美国技术岗位要求AI技能——一年前才25%，同比涨了167%。
这个数字正在把AI技能从"加分项"变成"准入门槛"。不只技术岗位——如果非技术岗位的AI技能要求也在涨，说明AI在渗透所有工种。
第三，学位要求变化。
2020年67%的AI岗位要求高级学位。现在？23%。
**公司不招博士做研究了，招工程师做部署。**这就是AI从一门科学变成一门工程的过程。门槛在降低，但具体技能要求——比如LLM经验——在提高。59%的AI岗位现在要求LLM经验。
六、中美欧三方对比
别问"谁赢了"——拆开看，三角各有各的牌。
投资
美国1091亿美元，欧洲约240亿，中国93亿。美国一家的私人AI投资，是中欧加起来的三倍多。全球AI风投的85%进了美国口袋。
但趋势在变。欧洲2025年AI融资同比涨了58%，创了纪录。中国的钱少，但花钱的效率——往下看就知道了。
模型能力
LMSYS Arena前十里面：美国七个，中国两个，欧洲一个。
Anthropic 1503，Qwen3-Max 1449，Mistral Large 3 约1413。美国领先中国不到3%，领先欧洲约6%。12倍的投资差，只换来个位数的能力差。
但欧洲的模型牌不在排名上。Mistral走的是Apache 2.0全开源、GDPR合规、本地部署的路线。数据留在欧洲境内——这是美国和中国模型都做不到的。企业市场里，这不是加分项，是准入门槛。
人才
全球AI人才大约325万。欧洲的数量跟美国差不多，但有一个结构性尴尬：53%的欧洲AI人才在传统行业干活，6个最大的AI雇主是美国的Big Tech。
什么意思？欧洲培养的人，在给美国公司打工。
但欧洲也不是全输。全球引用最高的10位AI学者里，3个是欧洲人。基础研究底子还在。
算力
全球AI算力分布：美国47%，亚洲29%，欧洲21%。算力是AI的石油，欧洲油不够。
监管
这是欧洲独一无二的牌。EU AI Act是全球第一部综合性AI法规，GDPR早就成了全球隐私标准。
短期看是枷锁——合规成本高，创业公司被捆住手脚。长期看可能是武器——当AI监管变成全球共识的时候，欧洲已经替你写好了规则。跟当年GDPR一样，先吃亏，后吃香。
欧洲最核心的痛
不是没钱，不是没人才，是价值捕获出了问题。
欧洲每年新创AI公司的数量不输美国，但到后期融资阶段，73%的领投方是美国人。公司长大了，最终也卖给美国。133万月活LLM用户——是美国的两倍——但用的几乎全是美国或中国的模型。
要素都有。人、钱、用户、研究底子。就是没拼起来。
七、回到自己的行业
宏观指标帮你看清大方向。但自己的行业会不会被AI替代？要看微观。
去网上搜你行业有没有出现前沿的、初期的AI产品。找到了，看用户评价。不是看评价好不好——是看评价的改善速度。
今天效果不好，不代表未来不好。六个月前只能做三件事，现在能做十件——这个斜率，比当下的绝对值重要。
然后问自己：它能替代的是你行业里的哪一部分？
理发。自动剪头发的机器已经有了。但只能剪光头、寸头、固定发型。真正好看的发型需要审美判断——而且很多人自己都不知道自己适合什么。这部分，AI替代不了。
客服。AI能提效14%到15%。但在需要深层推理、需要共情、需要在信息不全时做判断的任务里，收益就小。
几乎每个行业都会被AI影响。但不是"全部被替代"——是标准化的部分被替代，非标准化的部分仍然需要人。
你的行业里，哪部分是标准化的，哪部分不是？这个问题，比"AI会不会替代我的行业"有用得多。
八、速查表
![[速查表.png]]
这篇文章里提到的所有指标和数据来源，我做了一个网站，实时更新。
lucian-why.github.io/ai-metrics-watch
有图表、有趋势、有来源链接。你不用收藏这篇文章，把那个网站放进收藏夹就行。
跟踪硬数据，不是为了焦虑。是为了让你在别人还在看新闻标题的时候，手里有地图，心里有方向。
