A16Z最新发布的第七版《Top 100 消费级 AI 应用》和 9 月底更新的《市场状况 II》，把当下 AI 的采用、付费、算力需求和商业模式放到同一套框架里。两份材料给出的结论并不轻松：AI 的覆盖面已经很广，但真正深度使用、持续付费、把 AI 接入生产流程的人，仍然是少数。
报告聚焦美国市场。按文中引用的数据，美国已经有接近一半的人表示自己用过 AI，但每天实际使用的人只有 25%。到了付费层面，渗透率进一步下探。截至 2026 年 8 月，在 YipitData 的美国电子收据样本中，真正为 ChatGPT、Gemini 或 Claude 个人订阅付费的人，仅占 4.5%。一年前，这一数字是 2.1%。
用过 AI，不等于深度使用 AI
若把「是否用过」作为 AI 普及的核心指标，A16Z这两份报告给出的数据显得并不充分。接近一半的美国用户表示体验过 AI，看上去已接近全民覆盖，但日活层面只剩四分之一，真正付费的人更少。
报告把 AI 个人订阅渗透率与成熟消费订阅产品作了对照。2026 年美国成年人中的 Netflix 个人付费订阅率为 76%，Apple TV+ 为 31%。与之相比，AI 个人订阅的 4.5%显得仍处于非常早期的阶段。若换算到家庭维度，文中给出的说法是，98%的美国家庭还没有为 AI 付过费。
这一差距在企业端同样存在。报告提到，69%的标普 500 公司表示已经将 AI 正式部署进真实业务；但会长期追踪明确指标、用来判断 AI 是否真正产生价值的公司，只有 2%。一个季度前，这一数字还是 1%。
这使得「AI 用户」这一概念在统计上开始显得过于粗糙。一次性下载 ChatGPT，问一句周末去哪玩，和把 AI 接进邮箱、代码库、服务器、CRM，围绕自动化工作流反复调用 Agent 完成任务，虽然都可以被归入 AI 用户，但二者在使用深度上并不处于同一层级。
A16Z在报告中用了一句更直接的话概括这一变化：Power Users Are Pulling Away。也就是，重度用户正在和其他人拉开差距。按其引用的数据，最前面 10%的企业，AI 输出 Token 的增长速度已经显著超过中位数企业；在信息行业，两者甚至拉开了 11.7 倍的差距。
从这组数据出发，报告呈现出的不是「有没有 AI」的第一道鸿沟，而是「到底用得有多深」的第二道鸿沟。前者主要解决工具可得性，后者开始决定个人与企业能否把 AI 转化为持续生产力。
1%的头部付费用户，贡献了 19.5%的消费
这次《Top 100 消费级 AI 应用》的方法也出现了变化。A16Z过去主要看流量，关注月活和访问量；这一次则引入了 YipitData 的美国消费者银行卡和电子收据样本，把「用户在用谁」与「用户在为谁付费」放到一起观察。
结果显示，AI 付费市场的消费集中度已经很高。在已经愿意为 AI 付钱的人里，只有 13%的人还会同时订阅第二个 AI 产品。这意味着，多数用户只为一个 AI 产品付费。
更突出的差异来自消费分布。报告显示，AI 付费用户中最顶部的 1%，贡献了全部消费的 19.5%；而最底部的 50%用户合计只贡献了 16.6%。换句话说，最头部的 1%用户，花的钱已经超过半数用户的总和。
这部分用户的月度支出也与中位数拉开明显差距。最头部 1%的 AI 付费用户，平均每月在个人银行卡上花费 903 美元购买 AI 服务；中位数用户则为 25 美元，而且这一数字过去两年几乎没有明显变化。与之相对，最顶部 1%的支出在 18 个月内又增长了 80%。
A16Z进一步拆解这部分用户的购买结构后发现，除核心模型服务外，更多支出流向自动化和产品构建工具，例如 N8N、Figma、Manus 等。报告由此给出的图景是，头部用户并不是把 AI 当作单纯的消费品来购买，而是在把它作为生产资料使用，核心用途是自动化、构建产品和提高产出效率。
这一点也体现在不同模型平台的付费结构上。报告称，ChatGPT在网页访问量上依然遥遥领先，网页访问量约为 Gemini 的 2 倍、Claude 的 6 倍，移动端差距更大。但到了高价个人订阅层面，Claude 的付费用户中，有 7.3%购买的是 100 美元起步的 Max 计划，而 ChatGPT 与 Gemini 都只有 1.3%。这里的统计口径仅覆盖付费用户，不包括免费用户。
同样值得注意的是，在消费额最高的 Top 50 AI 产品中，有 29 个甚至没有进入网页流量榜和移动 App 榜，占比超过一半。报告借此说明，AI 时代的流量榜与收入榜，已经开始变成两张不同的地图。流量不再天然对应收入，能否帮助用户完成高价值工作，正在成为更直接的变现基础。
Token 越便宜，算力需求反而越高
在这两份材料里，A16Z专门以「Jevons Paradox」为标题讨论算力与成本的关系，即杰文斯悖论。核心现象是，单位智能价格快速下降后，总体需求并没有同步下降，反而继续上升。
报告给出的背景是，过去几年里，单位智能价格已经大幅下行。同等水平模型的 Token 越来越便宜，开源模型能力不断提升，缓存价格也在下降。按传统直觉，单位成本变低后，算力压力似乎应当缓解；但现实并非如此。
报告提到，H100 租金重新走高，老 GPU 的价格也未出现快速坍塌。A16Z同时点名 CoreWeave、Lambda 等新型算力云服务商，称其收入仍沿着很陡的曲线增长。这与杰文斯悖论的逻辑一致：任务成本从高位降下来后，企业和个人并不会简单减少开支，而是会把更多原本不值得自动化的任务也纳入 AI 处理范围。
Agent 正是这一变化最直接的放大器。A16Z援引 OpenRouter 数据称，从今年 2 月 6 日开始，Agent 产生的 Token 已经超过人类直接聊天产生的 Token。到了 8 月，Agent 的七天平均 Token 使用量已经达到每天 7.3 万亿，较一年前增长 14 倍。
若放到更长时间轴上看，Token 消耗的增长更快。报告称，2025 年 9 月，OpenRouter 一周总处理量约为 4.7 万亿 Token；到 2026 年 9 月，这一数字已增至 126.2 万亿，同比增长 27 倍。仅从今年 6 月到 9 月，Token 需求就连续翻了两倍。
这组数据也在改变外界对模型成本的衡量方式。仅看「每百万 Token 多少钱」已经很难完整反映实际成本，因为低价模型一旦推理效率偏低或在任务执行中陷入低效循环，Token 总消耗可能高于更高阶模型。报告中提出的一个观察是，未来更值得关注的维度，可能是单任务成本，而不是单纯的 Token 单价。
消费 AI 更像 SaaS，Agent 正在测试抽佣路径
A16Z在统计 Top Web AI 产品时，也对消费 AI 的变现方式做了拆解。结果显示，84%的产品采用订阅制，64%采用按量收费或点数、额度购买模式，广告模式占 14%，交易佣金或平台抽成仅占 2%。由于一个产品可以同时采用多种模式，整体占比相加超过 100%。
但从结构上看，今天的消费 AI 虽然在产品形态上很像互联网产品，收费方式却更接近 SaaS。用户直接为智能服务付费，购买订阅或额度，在用量不足时继续追加。
报告把这种模式与上一代互联网巨头作了对照。Meta 在 2025 年的 97.6%收入来自广告，谷歌这一比例为 73.2%。上一代消费互联网的核心商业创新之一，是通过广告和抽佣完成变现，让用户本身不直接付费。但 AI 产品在推理阶段存在明确的边际成本，用户交互越多，模型推理和 GPU 消耗就越高，这与传统互联网近乎零边际复制成本并不相同。
这也解释了为什么 AI 热度持续提升，但个人付费渗透率仍只有几个百分点。问题未必在于 AI 没有价值，而在于让全球用户每月额外主动支付 20 美元购买一项软件服务，本来就是一件门槛很高的事。A16Z给出的判断是，ChatGPT能在三年多时间里进入全球 Top 20 消费订阅产品，本身已属罕见。
不过，交易抽佣并非没有试验。A16Z在报告中提到 Agent 产品 Instinct。该产品可在 iMessage、WhatsApp 中调用，帮助用户订票、订酒店、取消订阅和购物。按其对外披露的数据，40%的用户会在三周内绑定信用卡，真正通过其完成购物的用户，平均每月会让该 Agent 经手 1300 美元。
这一模式背后的逻辑是，若 Agent 能参与用户日常交易流程，产品未必需要继续向用户收取固定月费，也可以转向在交易中抽佣。报告同时提到，Meta 的 Muse 也在沿着相近路径推进，并曾登顶 App Store。对风险投资而言，Personal agent 之所以持续受到关注，一个重要原因正在于其商业模式更接近移动互联网时期已经被验证过的交易型平台，而非单一的软件订阅逻辑。
AI 把资本支出重新推回实体世界
在A16Z看来，AI 还带来了另一层更深的变化：科技资本开支正在从纯软件世界重新流向实体基础设施。报告把这一趋势概括为「Atoms Are So Back」。
过去二十年，软件、互联网、云和 SaaS 建立在近乎零边际复制成本之上，轻资产、高毛利、扩张快，是资本市场最偏好的商业结构之一。AI 看上去比软件更虚拟，但背后高度依赖物理世界的供给：GPU、光模块、变压器、铜、电网、冷却系统、土地以及数据中心建设。
报告称，AI 资本开支正把自由现金流从软件巨头一路导向芯片、能源、电网、冷却、铜和工业供应链。微软、Google、亚马逊、Meta 等超大规模云厂商为了 AI 持续投入，甚至已使自身自由现金流承压，而且这种状态预计会持续到 2028 年前后。
随着资本开支抬升，债券和信贷市场也被纳入这一轮 AI 基建融资链条。报告同时指出，这一轮扩张并不容易被简单定义为泡沫，原因在于相关公司仍在盈利，投入资本回报率仍明显高于融资成本，云服务的待交付订单继续增长，算力需求也仍明显高于供给。
GPU 的租金和残值表现也印证了这一点。市场原本预期，GPU 会随着代际更新快速折旧，但现实中，四五年前的 GPU 仍保持较强的租金和残值水平，半导体供应链中积压订单依旧存在。即便企业拿到了芯片，也不意味着数据中心能够马上交付，因为电力与基础设施本身仍可能是瓶颈。
从这个角度看，AI 与过去互联网周期的差别不只在软件层，而在于它重新抬升了实体产业的战略地位。报告还提到，AI 目前主要发生在数字世界，但未来会继续走向实体，包括具身智能、自动驾驶、火箭等方向。这意味着制造业、基础设施和工业能力，正在重新吸纳资本配置。
两份报告给出的共同信号
把这两份报告放在一起看，A16Z试图呈现的是同一条主线：AI 已经不再只是一个流量话题，而是开始在用户分层、成本结构、资本投向和商业模式上形成更清晰的分化。
第一，AI 使用范围已经很广，但真正的使用深度仍然偏低。美国接近一半的人体验过 AI，每天使用者只有 25%，真正为核心大模型个人订阅付费的人只有 4.5%。
第二，最头部的少数用户，正在通过更高强度的自动化和工作流调用，把 AI 变成生产资料。最顶端 1%的付费用户贡献了 19.5%的消费，平均月支出达到 903 美元，而中位数只有 25 美元。
第三，单位智能越便宜，整体 Token 需求反而越快上升。Agent 使用量在 OpenRouter 上持续抬升，2 月 6 日后已超过人类直接聊天，8 月七天平均达到每天 7.3 万亿 Token，2026 年 9 月单周总处理量升至 126.2 万亿。
第四，AI 产品的收入地图与流量地图正在分离。高价值工作场景比单纯流量更容易带来收入，订阅和按量付费仍是主流，但围绕 Agent 的交易抽佣模式也开始出现样本。
第五，AI 正把资本市场重新拉回实体基础设施周期。芯片、能源、电网、冷却、铜和工业供应链的重要性持续上升，软件逻辑之外的物理约束重新回到产业核心。
若按报告中的线索收束成一句话，当下 AI 的关键差异，已经不只是「谁接触过 AI」，而是「谁真正把 AI 用进了生产流程」。A16Z给出的数据表明，那部分最靠前的用户和企业，正在与其余大多数人进入两种不同的 AI 使用阶段。