人工智能（AI）时代已来——俨然已经成为缺乏共识时代为数不多的共识之一。但共识与行动之间，仍存在鸿沟。BCG和《MIT斯隆管理评论》联合推出的研究报告显示，在全球3,000名受访高管中，85%以上相信AI将为公司带来新的竞争优势，但只有不到39%的企业制定了自己的AI战略。尽管生成式AI渗透速度远超过以往任何一种技术，但其发展速度更是一日千里，新一代模型能力常常有大幅飞跃，让决策者应接不暇。另一方面，AI投入不菲，可能会对现有业务流程和人才团队产生影响，这些都增强了企业的观望心态。
从市场和消费者侧出发，也许能帮助企业更好地理解和驾驭这股狂飙的AI浪潮。尽管对AI技术的研究已汗牛充栋，但一些更加具体的问题，如中国消费者对AI的认知到底有多深入，他们对AI的接受程度几何、对AI的接受障碍等等，这些问题未得到定量的解答和更深入的分析。我们希望通过本次研究，帮助中国企业更加深入地了解消费者对AI的期待，更好地解决他们的顾虑，帮助他们在AI时代的新格局下抢占先机。
中国消费者对生成式AI的认知在全球范围内名列前茅，对AI的期待程度也高，由此催生了AI在中国市场的广泛应用。不论在生活还是在职场，他们愿意借助AI的高效，为自己赢得宝贵的时间自由，享受量身定制的产品与服务推荐和体验。
我们描绘中国生成式AI的用户画像，希望以不同场景下已经浮现的需求，帮助企业思考未来的需求延展的方向，以及生成式AI在企业应用的商业模式，这无疑是未来的一大增长点。
认知：AI高度渗透中国消费者
生成式AI既非横空出世的产物，也并非人工智能的全部，而是在算法、数据和算力等技术发展成熟下，人工智能发展的一个重大突破。
自从1956年的达特茅斯会议提出人工智能这一概念，AI发展主要经历了四个重要阶段。
初始阶段的人工智能以“符号主义”为主流，认为智能等同于计算。为了实现智能，就要用各种方法将现实世界的各种物体抽象成符号，然后利用逻辑和计算替代人类大脑的思考。这一阶段，可以称为 “学习机器”——人们将知识和逻辑变成机器可以理解的程序，但泛用性是学习机器永远无法解决的顽疾。
1980年后，以统计学和大数据为基础的“机器学习”逐渐兴起，人们通过算法设计让机器主动从数据中归纳规律，解决特定领域的问题，而不再不切实际地追求通用人工智能。
第三阶段，反向传播算法的完善让多层神经网络的训练成为可能，模拟人脑的“联结主义”AI从沉睡中解冻，深度学习（深度神经网络）成为机器学习的主流，在图像识别、自然语言处理等领域开始崭露头角。
第四阶段，2022年底ChatGPT横空出世，超大规模、超多参数深度神经网络（大模型）刚一问世展就现出惊人的智能水平。此后生成式AI快速渗透并吸引大量投资，各家大模型公司在竞争中取得长足进展，AI基础设施、AI应用和云计算等相关产业链初步形成。因此2022年又被称为“生成式AI元年”。2024年5月，OpenAI发布最新的GPT-4o，展现出强大的多模态能力和跨领域大规模应用的潜力。
生成式AI是人类历史上渗透速度最快的技术。发布5天后，ChatGPT注册用户数就超过了100万，两个月后月活用户数突破1亿，成为有史以来用户增长最快的应用。
与前几代通用技术相比，生成式AI仅仅用10个月就实现了大规模渗透，远远超过了电力的37年以及互联网的17年。
我们的调研也印证了这一观点。全球消费者已经对生成式AI有较高的认知度，而中国消费者更是在21个国家中名列前茅，在短视频等平台的传播中，对ChatGPT的认知率达到了86%，超过了美国、日本和法国等市场。
在我们调研的3,000名中国消费者中，超过80%对生成式AI有了解，有44%已经使用过生成式AI或其相关功能。
从人群分层看，生成式AI的认知和使用人群呈现相对年轻化、相对高收入和高学历的特征。例如，Z世代和Y世代的认知率和使用率领先于X世代，而富裕阶层的认知率更是高达99%，远远高于主流中产的73%。
有趣的是，尽管传统上某些产品的流行趋势往往由一线城市引领，但在生成式AI的认知与使用上，这种地域差异被大幅削弱。认知率普遍较高。在使用率上，新一线城市反而显现出超前态势。
认知率在各城市层级普遍较高的原因之一，是中国消费者接触和了解AI的信息来源非常广泛及多元。短视频平台和社交网络作为两大主流渠道，扮演着普及AI知识与推广AI应用的关键角色。同时，专业信息平台传播的行为路径也不容忽视，共同推动了生成式AI在大众中的快速普及与深入人心。
在全球21个国家中，中国消费者对AI的期待程度最高。整体上看，中国消费者对生成式AI的态度是积极正向的。尽管有担忧的因素存在，但他们相信并期待AI会给他们的工作和生活带来积极变化。
应用：生活与工作双场景并重
与以往多数技术应用只局限在部分生活领域或工作领域不同，生成式AI或者说大模型产品的优势之一就是其强大的通用性。我们的研究发现，超过半数（53%）的生成式AI用户群体，在个人生活与职场两大场景中均积极尝试这一技术。工作环境中采纳AI的用户构成中，Y世代及拥有高等教育背景的人群占比显著高于其他；在生活场景下，中产人群及以上成为采纳该技术的主力军。
进一步探究用户的双场景应用习惯，我们发现了一致的行为模式：约有六成用户保持每周至少一次的使用频率。此外，大多数用户并不拘泥于单一产品，而是倾向于探索并利用三个或更多不同类型的生成式AI产品助力其生活和工作。
从整体心智上看，在两个场景中的消费者都表示了对人工智能在日常生活中应用的期待，憧憬着AI能助力个人在创造力与表达力上实现飞跃，通过高效任务处理赢得宝贵的时间自由，以及享受到量身定制的产品与服务推荐和体验。
然而，调查同样揭示出消费者心态的复杂性，部分用户表现出担忧和矛盾心理，主要有几个核心顾虑：首要的是对个人数据安全及隐私保护的深切忧虑，其次是担心技术应用的实际成效不尽人意，以及害怕形成对AI工具的过度依赖，从而削弱人的自主能力。
在生活场景中，典型用户画像举例
她们主要使用AI进行信息检索或专业服务，从而协助对孩子进行教育辅导。例如利用生成式AI大模型生成个性化的练习题等教育资源，或用多模态大模型通过图像识别技术解析几何题目、动态演示解题过程。这些实用功能可以大大减少她们在教育中的时间投入和负担，为她们忙碌的生活减负。
他们使用AI主要是进行内容创作或提升创作的效率。例如他们经常使用AI输出自己社交账户里面的个性化文案，或利用AI生成图片、表情包或视频，从而提升了他们社交的效率和内容丰富度。
我们调研显示，在生活场景下，信息检索、个性推荐与自动控制是生成式AI最常用到的功能。而中国最常提到的AI产品分别是文言一心、通义千问、字节跳动豆包以及腾讯元宝（排名不分先后），这些产品的功能广泛被中国消费者认知和接受。
如果用期待程度和支付意愿作为横轴和纵轴，可以形成一个生活场景下的AI需求矩阵。其中两个维度调研结果都较高的属于高需求潜力的应用。其中包括内容创作、自动控制（例如智能家居和自动驾驶等）和专业服务（课程辅导和医疗诊断等）。
在工作场景下，也有两类典型的用户画像
有一类企业人士在日常工作中会涉及大量内容创作工作，而AI应用强大的内容生成能力可以极大地提升他们的工作效率，降低内容创作的门槛，让他们专注于更加关键的工作。
这类用户在数据密集型环境中工作，负责从大量数据中提炼有价值的信息，为决策提供支持。生成式AI和机器学习模型可以极大地增强他们的能力，不但可以快速对大量数据进行分析，还能自动生成分析报告，并提供优化建议。
在工作场景下，用户目前最常用的功能为信息检索（AI增强搜索）、信息汇总（会议总结、数据汇总）以及专业服务（健康诊断等）。其中信息汇总、专业服务，以及新增的内容创作（文案生成、精准投放）、自动控制（供应链优化、店铺运营管理）会是用户未来非常期待的功能，这些高需求潜力的生成式AI产品将从不同维度提升员工的工作效率。
综上所述，生成式AI作为横跨生活和工作场景的技术革命，正以前所未有的力量驱动创新与效率升级。尽管中国消费者普遍持乐观态度，尤其是在工作领域，但也不乏对未来潜在挑战的警醒，特别是在数据安全和过渡依赖的潜在风险上。
启示：个人增效只是“冰山一角” ，
业务变革才是下一波浪潮
经过一年多的高速发展和消费者的广泛应用，生成式AI正在不断普及，并有潜力重塑我们生活与工作的方式，带来颠覆性的影响。
在生活场景中，生成式AI将驱动“个性与创造”。例如，AI正在加速各类媒介从大众化转向个性化与定制化，每个人都将拥有自己独一无二的展示空间与互动方式，这将给内容创作、广告投放与市场营销等行业带来深刻的影响。
在工作场景中，生成式AI则将驱动“效率与效果”。越来越多的人开始习惯在工作中打开人工智能辅助工具，而智能体的发展将让每个打工人都能拥有自己的个人助理。这不但能解放个人的生产潜力，更可提升企业的整体运转效率。
能够提升个人效率的生成式AI，将会给整个组织及业务带来什么样的影响？我们预计其产生的价值将倍增。
首先，生成式AI有望提升企业的核心竞争力。AI已经可以接手大量标准化和重复性的内容创作任务，并助力员工专注于更具策略性、创造性的工作，从而激活生产力，提升整个团队的效能和创新能力。另一方面，企业可以运用AI生成个性化内容、优化产品设计，或提供基于生成式AI的增值服务，以此进一步提升市场竞争力，增强对顾客的吸引力。
另一方面，部署生成式AI技术对渴望掌握新兴技术的年轻人才也有特殊吸引力。这一群体尤为珍视能够促进其终身学习与职业发展的环境。企业通过整合生成式AI技术，不仅能够引领员工紧跟最新的技术潮流，还为他们提升个人专业技能提供了宝贵的实践机会。此外，AI不仅优化了工作流程，消减了单调乏味的重复劳动，还着重提升了工作的智力挑战度与创造性，从而满足顶尖人才对理想工作的憧憬，提升工作体验。
那么企业应如何定位在内部部署生成式AI的机会呢？我们建议可以按以下三个问题对内部进行梳理和审视：
总结而言，生成式AI的潜力远不止于目前通用型的工具应用，企业管理层能够认识到这一点至关重要。我们认为个人增效只是本轮人工智能革命的“冰山一角”。
这是因为，目前个人用户自发对生成式AI的应用大多停留在较为基础的功能层面，从增强信息检索到内容创作，从个性推荐到自动控制，这些工作需求对大模型产品能力的调用还比较浅，而且并未和公司内部的数据资产与业务流程有效耦合。
因此，企业在日常工作中部署生成式AI的通用型工具，可以在一定程度上实现生产力的提升和改善。但同时也要认识到，当通用型技术达到普及使用时，它就很难给单一企业带来竞争优势。随着大模型产品的广泛可用，单凭现在的通用型解决方案难以让企业在市场竞争中脱颖而出。因此，企业需要超越通用工具的应用，转向深度定制化策略，紧密围绕自身独特的业务需求和运营模式来设计和开发生成式AI的应用。
未来领先企业的一项关键差异化优势，不在于是否能应用通用型AI技术，而在于能否基于自身的业务模式建设客制化的AI产品，来助力解决企业的复杂问题，并辅以端到端对组织能力的提升。只有这样，才能实现效率和效果的双重突破，真正抓住生成式AI浪潮带来的核心优势。
