文 | 盘古智库

3. AI应用市场：人口红利与场景创新的双重驱动

AI产业的价值最终要在应用端兑现。无论芯片性能多强、模型参数多大，如果不能转化为用户愿意付费的产品和服务，就只是实验室里的"玩具"。中国在这一环节的优势，源于全球最大的人口基数、最丰富的应用场景、以及最活跃的数字化创新生态。

3.1 消费级市场：14亿人口的"超级试验场"

中国拥有14亿人口、超过10亿网民、约4亿中等收入群体——这是全球最大、最多样化的消费市场。AI应用的爆发，首先取决于有多少用户愿意使用、愿意付费。在这个维度上，中国拥有无可比拟的优势。

从用户规模看，中国AI应用的渗透速度令人瞩目。截至2025年2月，中国生成式AI用户数量已激增至2.5亿。到2026年3月，字节跳动旗下豆包App月活用户突破3.45亿，稳居国内C端AI应用榜首。阿里的千问App月活用户达1.66亿，腾讯元宝月活5735万。这种用户规模在全球仅次于美国，但增长速度快于美国。

更重要的是用户付费习惯的养成。行业数据显示，2025年国内AI工具用户付费转化率从2024年的8%提升至11%，其中高频使用的职场人、专业创作者付费意愿超过30%。百度文库付费用户达4000万，位列全球第二（仅次于微软Copilot），总付费率年同比增长60%，这一增长几乎完全由AI功能带动。字节跳动2026年5月正式推出豆包付费订阅服务，标志着国内头部AI应用全面进入商业化阶段。

从消费场景看，中国市场的多样性为全球之最。从一线城市的金融从业者到县城里的小店主，从Z世代的数字原住民到银发族的短视频用户，不同群体对AI应用的需求差异巨大，这种多样性倒逼AI产品必须不断优化用户体验、降低使用门槛。当豆包、DeepSeek、Kimi等产品在3亿多月活用户的"超级试验场"中快速迭代时，它们获得的用户反馈数据量和场景覆盖度，是其他任何市场无法提供的。

AI应用在消费端的爆发，还将激发新的消费潜力。以AI眼镜为例，2024年全球AI眼镜销量达152万台，2025年预计达350-550万台，同比增长130%-230%。中国市场增速尤为迅猛——2025年第二季度出货量同比增长145.5%。2025年"双11"期间，全品类AI眼镜销量126万台，同比增长380%。AI PC同样增长迅猛——2024年中国市场AI PC出货量超580万台，占15%；2025年预计渗透率将升至40%。这些AI硬件的普及，将进一步拉动上游芯片、传感器、显示面板等产业链环节的需求。

3.2 企业级市场：制造业与服务业智能化转型的巨大空间

消费级市场是AI应用的"面子"，企业级市场才是"里子"。中国拥有全球最完整的工业体系、最大的制造业产出、以及正在快速升级的服务业，这为AI在B端的应用提供了肥沃的土壤。

从市场规模看，中国AI市场整体规模从2021年的约1500亿元增长至2024年的7470亿元，同比增长41.0%，预计2025年将达10457亿元。IDC预测，中国生成式AI软件市场规模2025年将达到35.4亿美元，企业级应用管理软件市场2024年下半年达到54.3亿美元，预计到2029年将达到175.2亿美元，五年复合增长率达11.2%。弗若斯特沙利文预测，中国企业级AI市场2029年规模将达2394亿元人民币，五年复合增速44%。

从应用场景看，AI正在中国制造业的各个环节深度渗透。宁德时代通过AI视觉技术将缺陷率降至0.01%，制造成本同步下降40%。AI辅助诊断已覆盖全国绝大多数三甲医院，肺结节识别准确率达97.8%。在金融服务领域，AI用于风险建模、投顾辅助与客户服务，不仅提升效率，也增强了风险控制能力。据IDC数据，2024年中国AI在互联网领域的渗透率达89%，电信领域68%，政务领域65%，金融领域64%。

AI for Science（科学智能）是中国AI应用的另一片蓝海。2025年，AI for Science领域发表了超100篇重要成果，覆盖生物医药、材料化学、气象、天文等多个方向。中科曙光2026年4月发布的AI4S计算集群由6万张国产加速卡构成，在昌平实验室的蛋白质折叠模拟、中科院计算所的材料筛选等国家级科研场景中应用，将材料筛选时间从数年缩短至数天。Google DeepMind的GNoME模型发现了超过220万种新晶体结构，其中38万个稳定结构有望成为实验合成的候选材料。这些突破意味着AI正在从"辅助工具"演变为"科学发现引擎"，而中国庞大的科研队伍和丰富的应用场景，为AI for Science的落地提供了最佳土壤。

图4：全球AI市场规模及预测

3.3 收入闭环的关键：产品要"真有用"，用户要"愿付费"

应用市场再大，如果无法形成商业闭环，最终也会沦为"烧钱游戏"。中国AI应用要实现可持续的收入闭环，必须在两个维度上取得突破。

第一，AI应用必须真的好用、有效，而不是噱头。当前的AI产品市场存在明显的"泡沫"——很多产品只是把大模型能力简单包装，没有解决真实痛点，用户体验差、留存率低。国内C端订阅生意的难度有目共睹：工具类产品年均续费率能做到30%已是行业顶流，价格战内卷常态化，用户切换成本几乎为零。要实现商业闭环，AI应用必须从"有趣"进化到"有用"，从"尝鲜"进化到"刚需"。这意味着要深耕垂直场景，积累行业know-how，构建数据护城河——而不是简单地调用API做一个聊天机器人。

第二，必须培养中国人的软件付费使用习惯。长期以来，中国互联网用户习惯了"免费+广告"的模式，对软件付费的接受度较低。但AI大模型的推理成本远高于传统软件——每一次对话都意味着实实在在的算力消耗。如果用户不愿意为AI能力付费，那么再强大的模型也无法持续运营。好在这一习惯正在快速养成：从2024年的8%到2025年的11%，AI工具用户付费转化率正在稳步提升。百度文库4000万付费用户、豆包3.45亿月活用户的商业化尝试，都是这一进程的重要里程碑。

4. 总结：以优势补劣势，走中国特色的AI强国之路

客观审视中国在全球AI产业链中的位置，必须承认一个基本事实：中国在许多关键环节上仍有大量功课要补。高端光刻机国产化率不到1%，EUV光刻机完全依赖荷兰ASML；高端光刻胶国产化率不足5%；EDA工具全球95%以上市场被美国Synopsys、Cadence等企业垄断；7nm及以下先进制程芯片的制造能力仍被锁在天花板之下。这些"卡脖子"环节不是短期内可以突破的，需要持续的技术攻关、生态建设和产业积累。

但我们同样要清醒地认识到，AI产业的竞争不是"单项赛"，而是"全能赛"。美国在芯片设计、EDA工具、前沿算法上领先，但中国在稀散金属、电力供给、应用市场上拥有不可替代的优势。这三大优势不是孤立的，而是可以形成战略协同的：稀散金属优势保障了AI硬件制造的原材料供给安全，电力优势保障了算力扩张的能源底座，应用市场优势则为技术迭代提供了最丰富的场景和数据。

特别需要强调的是，在这三大优势中，稀散金属的优势是唯一可以"卡别人脖子"的优势，是国际博弈中可以直接动用的战略力量。光刻机再先进，没有镓和锗就造不出高端芯片；数据中心再强大，没有钨基硬质合金就无法精密加工晶圆。2023年以来，中国先后对镓、锗、石墨、锑、钨、碲、铋、钼、铟等关键矿产实施出口管制，正是将这种资源优势转化为战略威慑力的具体实践。彼得森国际经济研究所指出，中国这些反制措施被广泛解读为对美国半导体出口管制的"对等回应"——"如果美国拒绝向中国提供先进的半导体，中国则会拒绝向美国提供半导体和清洁科技的基本构建材料"。

因此，稀散金属的战略价值必须上升到国家安全的高度来看待。它不仅是AI产业的"原材料"，更是国际博弈的"战略筹码"。在资源勘探、冶炼产能、出口管制、战略储备等方面，需要有更长远的规划和更坚决的执行。同时，也要避免"资源武器化"的滥用——出口管制的目的是维护国家安全和利益，而非扰乱全球产业链，需要在威慑与稳定之间找到平衡点。

面向未来，中国AI产业的发展路径应该是：充分发挥三大优势，以优势补劣势，整合政府和市场的力量促进在薄弱环节突破，整体变强。在稀散金属领域，要继续巩固"资源+冶炼"的双重主导，同时加大高端材料研发，向下游高附加值环节延伸；在电力领域，要持续扩大新能源装机，优化电网智能化水平，为"东数西算"提供更强的能源支撑；在应用市场领域，要鼓励真正的场景创新，培育用户付费习惯，让AI应用从"概念热"走向"商业实"。

AI产业的全球竞争远未到终局。中国在某些环节落后，在另一些环节领先，这种"非对称"格局恰恰是制定战略的出发点。把自己的长板做到更长，用长板的收益去弥补短板的投入，同时在国际博弈中善用稀散金属等战略筹码争取时间和空间——这是中国特色AI强国之路的现实选择。最终，AI产业的胜负不取决于谁在某一个单点上最强，而取决于谁能在全产业链上实现动态平衡和持续进化。中国有这样的底气，也有这样的能力。

（本文作者系盘古智库高级研究员周济、盘古智库高级研究员牛站奎。）