Gary Marcus 转了篇 Bloomberg 的数据:Uber 一周 3.2 亿单里只有 504 单走 Agent。做 Agent 产品或想融资的朋友都该看看,消费端到底有没有真需求,数据很扎心。
#行业数据
Airbnb 自己说 AI 带的流量还很小,用户一天刷几十个房源当摸鱼消遣,这组数据对做 AI 旅行产品的人挺有参考价值。
OpenRouter 把 10 月各实验室的调用数据做成了交互图表,还能看每家实验室内部哪些模型吃量最多,做选型参考挺方便。
DeepSeek 自家的 Harness 一个多月日活从27万涨到154万,增速挺夸张,可以看看这工具是干嘛的。
Uber 财报里透露的数字:AI 智能体一个季度只带来 4 笔打车单、约 500 单外卖,比大家担心的分流规模小得多。
作者用人口普查局 20 万家企业的数据重画了 AI 采用率图,还发现问卷悄悄改成了问"超级智能",新旧数据不能直接比,细节很有意思。
中国日均 Token 调用已到 175 万亿,推理量首次超过训练量,说明 AI 应用真的跑起来了。
Vercel 家 10 月的 Gateway 数据出来了:开放权重模型 token 量占了七成,花费四个月涨了 4 倍,想看真实用量趋势的可以看看。
a16z 拆了消费级 AI 的付费数据:只有 4.5% 美国人掏钱订阅,而且钱高度集中在少数重度用户手里,数据挺反直觉的。
Ramp 的账单数据很扎眼:10% 客户吃掉 99.5% 的模型支出。这篇文章解释了为什么小公司的 AI 账单看着那么低——费用被软件厂商打包进订阅了。
YipitData 拉了 Anthropic 的消费数据,头部 1% 客户贡献 46% 支出,去年 8 月才 25%,客户集中度涨得挺快。
Anthropic 前 1% 客户的支出占比从 25% 涨到 46%,一年翻近一倍,这组数字能帮你看懂它收入的真实构成。
AI 编程工具的实际效果有了硬数据支撑——Anthropic 工程师用自家产品把效率翻了 8 倍,做 AI 开发工具或关注编程效率的团队值得研究其背后的实践方法。
Claude在中国市场的爆发式增长打破了“大厂出手即碾压”的惯性思维,做AI产品战略或市场分析的从业者值得点开,看看这个反直觉的数据背后意味着什么。