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。
#industry data
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。
The jump in the headline number is mostly a measurement change, not a twelve-fold surge in usage, so anyone citing adoption statistics needs to check which question wording produced them. The data itself is free and downloadable as XLSX from the Census Bureau, making it a practical dataset for testing LLM analysis tools, as the author did with GPT-5 and Claude's Code Interpreter. Analysts comparing US corporate AI uptake should split series at the November 2025 wording change.
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。