AI采用的关键不只是模型供给，而是各国如何使用AI

概览

本报告讨论AI采用在全球60多个国家的差异，核心问题从模型和基础设施供给转向终端需求与使用方式。报告认为，简单用人均AI使用量判断先进经济体与新兴经济体的差距会产生误导，因为新兴市场人口规模更大、农业和低端制造业劳动力占比更高，天然拉低人均指标。若聚焦信息经济中的绝对使用量和AI任务类型，新兴市场并非单纯落后，部分国家在使用强度、任务复杂度和节省时间方面显示出更高边际收益。

核心观点

报告的核心观点包括：第一，AI全球渗透率快速上升，但长期可能在55%-60%左右遇到结构性天花板，部分大型新兴经济体因职业结构、本地语言、法律和文化差异可能更早触顶。第二，新兴市场AI使用更偏向软件、写作和教育，发达经济体使用场景更宽，销售、金融、医疗和法律等专业服务占比更高。第三，AI采用越成熟，单任务节省时间可能出现递减，原因包括更多AI任务仍处于人类能力范围内，以及人类在环监督拉长流程。第四，低收入和中等收入经济体更多将AI用于自动化，可能冲击本地例行、流程化岗位，尤其是支撑劳动力套利模式的IT/BPO和流程服务岗位。

分析框架

报告使用第三方AI使用数据进行跨国比较，主要参考Anthropic Economic Index的Claude使用数据，并结合Sensor Tower等应用使用统计。分析维度包括AI渗透率、人均使用、绝对使用时长、平均会话时长、不同职业/领域的使用结构、工作/学习/个人场景分布、AI相对人类完成任务的能力优势、单任务节省时间，以及自动化与增强型使用的差异。

方法论与常识提炼

• 宏观主题研究AI采用率与使用结构比较

  从人均使用、绝对使用和使用场景三个层面比较AI采用，而不是只看单一渗透率指标。

  报告认为新兴市场人口和职业结构会扭曲人均指标，因此需要结合信息经济中的绝对使用量和具体任务类型判断AI影响。

• 生产率分析速度收益与质量增强框架

  区分AI用于节省时间、完成超出人类能力的任务，还是用于提升已有任务质量。

  新兴市场更多表现为自动化和速度收益，发达经济体更多表现为质量增强和更广泛场景应用。

• 产业影响分析自动化风险与主权LLM需求

  根据使用结构推断IT服务、媒体、云服务、数据中心、电力和本地语言模型的潜在受益或受损路径。

  若AI采用继续扩大，低端流程岗位可能被本地自动化替代，同时本地语言、法规和文化适配将强化主权LLM需求。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• IT服务行业

  受AI自动化冲击且业务模式可能重塑

  优势

  现有软件和BPO人才基础可较快采用AI，部分国家软件/编码AI使用占比高。

  劣势

  劳动密集型交付模式可能被AI自动化削弱，低端流程岗位面临替代。

  对比

  相较发达经济体，新兴市场更集中使用AI进行软件、写作、教育和自动化。

  风险

  若任务复杂度不能升级，劳动力套利优势可能下降并推高失业压力。

• 主权LLM和本地语言模型

  潜在受益方向

  优势

  可适配本地语言、法律、习俗和职业结构，有助于突破AI采用上限。

  劣势

  需要资本、数据、算力和政策支持，且与全球通用模型竞争。

  对比

  大型新兴经济体可能比小型高收入经济体更需要本地化AI能力。

  风险

  若本地模型质量不足或成本过高，采用率提升可能低于预期。

• 媒体、内容和制作平台

  可能成为下一批被AI重构的行业

  优势

  AI在媒体行业使用已经较重，内容生成、编辑和制作效率有提升空间。

  劣势

  传统广播和影视工作室可能面临成本结构和创作流程被重塑的压力。

  对比

  报告认为流媒体平台、内容和制作公司相对传统媒体更可能受益。

  风险

  版权、内容质量、监管和就业冲击可能限制落地速度。

• 云服务商

  长期受益于AI需求扩张

  优势

  AI使用继续扩张会增加算力、模型托管和企业工作流部署需求。

  劣势

  短期资本开支高，部分LLM服务仍亏损。

  对比

  相比单纯数据中心建设，长期价值更可能留在云服务和平台层。

  风险

  价格竞争、单位token成本下降和自建/主权模型替代可能压缩利润。

• 电力公司

  AI基础设施扩张的间接受益者

  优势

  AI训练和推理需求提高数据中心用电需求。

  劣势

  收益依赖数据中心建设节奏、输配电能力和电价机制。

  对比

  报告认为数据中心建设中期可能见顶，但电力需求的长期收益仍可持续。

  风险

  建设周期、监管审批和能源结构约束可能影响兑现。

关键数据

• 全球工作年龄人口AI使用率约18%截至2026年3月，较九个月前约15%上升。
• AI长期采用率峰值假设约55%-60%报告认为全球AI采用长期可能存在结构性上限，部分大型新兴经济体可能更早触顶。
• 新兴市场单任务平均节省时间4.6小时高于发达市场约3.8小时。
• AI承担超出用户自身能力任务占比新兴市场约16%，高收入经济体约12%说明部分新兴市场虽渗透率较低，但把更复杂任务交给AI的比例更高。
• 全球可由人类独立完成但交给AI的任务占比约86%发达经济体约88.1%，新兴经济体约83.8%。
• 印度GPT+Claude总使用时长超过500,000小时2026年1月至6月，显著高于美国约215,000小时，全球平均略低于30,000小时。
• 印度平均LLM会话时长约3分57秒高于全球平均约3分47秒，在76个经济体中排名第11。
• 印度工作相关AI使用占比约44%接近全球平均约42%；课程相关使用约20%，也接近全球平均。
• 新兴市场AI使用集中领域计算机26.1%、艺术/写作14.2%、教育13.7%对应发达经济体分别约23.5%、13.3%、13.0%。
• 发达经济体AI使用优势领域销售9.6%、商业与金融5.7%高于新兴经济体销售约7.4%、商业与金融约5.0%。

影响与含义

报告对市场和产业的含义是，AI价值池可能从单纯模型和基础设施供给，转向采用深度、行业场景、工作流改造和本地化能力。IT服务行业未来可能更低劳动密集，竞争者不仅来自传统外包公司，也来自同国内的软件工程师和更早转向技术/AI的咨询公司。媒体可能成为AI冲击的下一批重点行业，流媒体平台、内容平台和制作效率更高的公司可能受益，传统广播和影视工作室承压。随着AI需求仍有扩张空间，LLM订阅价格可能上升；数据中心建设中期可能见顶，但长期收益更可能流向云服务商和电力公司。

风险

• 人均AI使用量可能误导跨国比较，若不考虑人口和职业结构，容易高估新兴市场落后程度。
• Claude使用数据可作为使用方式代理，但在低收入经济体中，免费或低价替代模型可能使Anthropic数据低估整体AI采用。
• AI使用越广泛可能带来边际生产率递减，尤其在人类在环审核流程中，节省时间不一定显著。
• 长期依赖表层人工审核可能削弱人类识别AI细微高影响错误的专业判断能力。
• 新兴市场将AI更多用于自动化，可能冲击本地例行流程岗位和劳动套利模式。
• AI采用上限、订阅价格、主权LLM落地速度和数据中心需求峰值均存在较高不确定性。

后续跟踪

• 全球AI工作年龄人口渗透率能否从18%继续向55%-60%的长期上限靠近。
• 印度、越南、菲律宾等新兴市场在软件、教育、写作和工作场景中的AI使用强度变化。
• AI任务从辅助人类能力范围内工作，转向承担更复杂任务的比例变化。
• 自动化使用占比是否继续高于增强型使用，尤其是在IT/BPO、媒体和流程服务行业。
• 本地语言、法律和职业规范适配的主权LLM推进速度。
• LLM订阅价格、per-token成本、云服务商利润率和数据中心建设周期。
• 媒体、医疗、金融等行业的AI采用是否从试点进入核心工作流。