7亿人普及率超过一半。这是中国互联网络信息中心CNNIC9月29日发布的《生成式人工智能应用发展报告2026》里被转得最多的一句话截至 2026 年上半年我国生成式人工智能用户规模突破 7 亿人。同一份报告里还有一个数字几乎没人提32.5%。只有这么多人用它做过工作总结、会议纪要或者 PPT 这类真要交出去的东西。两个数字放在一起才是这份报告真正想说的东西。一个数字盖住了另一个数字报告发布的地点是第七届中国互联网基础资源大会的智能经济创新发展论坛。会后各家媒体的标题几乎一致都落在用户规模突破 7 亿人、普及率超 50%。这个数字当然重要。它回答的是一个国家级判断题生成式 AI 在中国到底是不是少数人的玩具。答案是不是。但它回答不了另一个问题这 7 亿人把它用到了哪一步。答案其实就在报告后半部分的场景数据里。把那些数字按使用深度排开会得到一条一直在往下走的曲线。76% 之后是一台逐级衰减的阶梯一句话说清报告里的用法数据不是并列的几个百分比而是一条从提问到交付逐级衰减的阶梯。拆开看是这样几档。76.0%的用户会让生成式 AI 回答问题47.8%用它处理图片或视频37.6%用它处理文本32.5%用它做工作总结、会议纪要或 PPT。每一档往上走一层对用户的要求都不一样。问答这一层几乎没有前置成本。不用准备素材不用定义输出格式不用为结果负责问完就走。图片和视频这一层稍微重一点但素材本来就是现成文件生成结果一眼能看出好坏验收很便宜。到了文本和总结这一层用户得先有料得说清要什么结构还得逐条核对里面的人名、数字和责任划分。放到具体场景里更容易看清。下班路上问一句零基础怎么学英语这是问答。换成让 AI 把本周五场会议的记录合成一份周报你得先有录音或者纪要得跟它解释要什么结构和口径最后还得一条条核对有没有写错人、写错数。跑一遍花掉的时间和它省下的时间差不多第二次就不想再跑了。这条曲线降下去的原因不是用户懒而是每上一层用户要付的前置成本就多一层。阶梯的顶端才是 AI 真的替你交付了一件事。AI 能不能进你的工作流看三件小事是否同时成立把上面那条曲线反过来读能得到一个可以直接用的判断法。一个任务会不会被反复交给 AI取决于三件事能不能同时成立素材能不能被 AI 直接拿到结果能不能被快速校验出错能不能低成本回滚。三件全成立这个任务就会稳定地滑到交付那一档变成习惯。缺任何一件用户通常用一次就退回问答。拿报告里的数字对照一下就很清楚。图片和视频处理的渗透率冲到47.8%因为这三条它天然都占素材是文件结果一眼可见不满意重新生成就行几乎不用返工。工作总结和会议纪要只有32.5%恰好在三条上都吃亏素材散在好几个人手里结果要拿去开会、要担责任错了得重新组织一次会议才能补救。需要说明这个判断法的适用边界。它判断的是某个具体任务适不适合交给 AI不是这个人会不会用 AI也不是模型能力的上限。有一类任务本来就不该越过这条线让 AI 帮你出主意、帮你想方向、帮你把一团乱麻的问题问清楚这类探索性任务的价值就在来回对话本身硬要它交付一个成品反而更差。再换一个例子。很多团队都试过让 AI 写周报多数人在两周内放弃问题通常出在第二条上周报里的进度、卡点、下周计划AI 写出来的每一句都像对的但没法快速校验逐条核对比你自己写还慢。反过来看客服场景把工单归类、给出建议回复素材是结构化的结果可以抽样看准确率改错只是改一条记录所以它能稳定跑下去。同一个模型在这两个任务上的水平差不多结局却是一个被弃用、一个被留下。差别不在模型在任务本身的结构。增长最快的不是聊天框报告里还有一组容易被忽略的数据从使用次数看AI 综合助手、AI 效率办公等应用同比增长都超过了100%。用户规模增长是铺面使用次数增长才是深度。使用次数一年增长一倍意味着这个品类嵌进了会重复发生的流程里。一个人可能每天开一次综合助手处理各种零散问题也可能每天让效率办公应用过一遍固定的报表和文档这两种每天用的性质完全不同。把它和上面那条渗透率曲线放在一起看会看到两类应用走在最前面一类是入口型靠承接所有零散提问把使用次数堆起来一类是流程型靠固定的工作节奏被反复唤起。前者的门槛是够不够顺手后者的门槛是能不能接进已有的流程。这两件事跟模型在榜单上排第几没什么关系。还有个口径值得说明。用户数和使用次数不是一个量级的东西用户数是人头一个人只算一次使用次数是行为同一个人一天可以贡献几十次。所以当某个品类的使用次数同比涨一倍它通常已经从偶尔打开变成了每天必经这比新增用户更能说明它在用户的工作流里占住了位置。报告里另外两组数字指向的是同一个方向但发生在别的地方。一组是消费侧38.7%的网民近半年在网上买过智能硬件设备其中购买智能可穿戴设备的比例是20.2%购买手机、平板等 3C 数码产品的比例是18.2%。另一组是产业侧规上制造业企业的人工智能技术应用普及率已经超过三成2026 年上半年我国人形机器人整机产品超过 400 款预计全年产量突破 10 万台。这两组数字说明AI 的使用深度有一部分根本不发生在对话框里。手环、耳机、门店里的质检相机、产线上的机械臂用户不会觉得自己在用 AI但这些场景恰恰是三件小事都成立的地方素材由设备自己采集结果以数字或图像直接呈现出错可以重跑一次。底座数字需要打个折扣报告里还有几个说明底座的数字。截至 2026 年 6 月我国智能算力规模达到2185 EFLOPS​同比增长177%首个全国产 10 万卡人工智能超集群正式投用从芯片、计算、存储、网络到散热都采用国产自主技术。模型侧的说法是全球主流大模型调用榜单上排名前六的模型全部来自中国团队高质量数据集超过 12 万个。底座数字和用户数字放在一起很容易让人产生一种全链条都赢了的直觉。这种直觉需要打个折扣原因在下面一节。三条最容易看错的理解说法一7 亿用户等于 7 亿个深度用户。这个说法常见也有它的道理普及率超过一半从有没有人接触过的角度看确实是全民级的覆盖面。但它解释不了用法结构。同一份报告里用到交付这一层的比例都停在三分之一附近主力用法仍在问答。7 亿是接触面不是使用深度。同一批用户内部的用法差别比用户总量更有信息量。更准确的理解是渗透率回答的是市场铺开程度场景数据回答的是价值兑现程度。这是两个不同的问题不能互相代替。说法二普及率过半说明这个市场快饱和了。这个说法也有道理拉新用户的边际空间确实在收窄靠新增人头驱动增长的阶段过去了。但它解释不了另一组数字AI 综合助手和效率办公的使用次数同比增长都超过 100%。用户数接近见顶和使用频次翻上一倍完全可以同时发生。更准确的理解是饱和的是接触面没有饱和的是使用环节。重心会从抢一个新用户转到在同一个用户身上多占几个环节这对做产品的人和用产品的人来说含义完全不同。说法三调用榜前六全是中国的说明中国模型能力第一。这条推断很自然调用量是真实发生的行为不是自评打分。在国内开源模型免费额度充足、接入渠道丰富的条件下调用量领先本身也是实力的体现。但它解释不了能力上限。调用量同时被价格、免费额度、渠道接入难度这些因素影响。一个便宜、容易免费调用的模型拿到高调用量不代表它在最难的那类任务上表现最好。报告写的是调用榜单不是能力排行榜。更准确的理解是这条数据说明的是分发规模和使用广度能力天花板要看另一类专门评测。把调用量和能力混为一谈最容易得出过于乐观的结论。从用没用过到用在哪一步回到开头那两个数字。7 亿人、普及率过半确实是个大数字它标志着有没有得用这个问题基本被回答完了。而那条从76.0%一路降到32.5%的曲线指向的是下一个问题用到了哪一步。这个问题跟每个用 AI 的人都有关系也有一个很便宜的测法。打开你最近一周的 AI 对话记录数一数有多少次停在问一句、看一眼、关掉又有多少次真的产出了能直接交出去的东西。这个比例比任何榜单都更能说明你现在站在阶梯的第几级。如果大部分停在问答先别急着换更贵的模型。回头看看那三件小事通常缺的就是其中一件素材没准备好、结果没法快速验收或者错了不好收拾。补上缺的那一件同一个模型能帮你做完的事会明显变多。做产品和做内容的人可以从这条曲线里读到一个更具体的信号别假设用户会用用户只会用到你替他省掉前置成本的那一层。能把素材接进来、把结果变成一眼可判、把错误变成一键重来用户才会从问答那一档往上走。任何要求用户先整理好素材、再自己判断对错的工具最后大概率只被当成一个更聪明的搜索框。如果觉得今天这篇有启发点个在看顺手转发给需要的朋友想第一时间收到推送可以星标我⭐。关注我每天陪你聪明看世界 —— 看懂热搜玩懂AI。