航天产业AI行业正在经历前所未有的热闹与尴尬。120万亿——豆包日均Token消耗量三个月内翻了一倍。6.02亿——中国生成式AI用户数逼近四成渗透率。4.7%——To C消费端AI毛利率，不到五个点。翻开AI公司的账单，To C消费端的毛利率还不够付电费的。真正惊人的数据在另一边：To B企业服务的毛利率接近70%。同一条赛道上，有人在烧钱换规模，有人在闷声赚钱。两者的距离，就是AI从”有人用”到”有人付费”的距离。正在接近下一个前沿领域，每周都会在世界某处传来重大进展的消息。无论是SpaceX的星舰火箭完成亚轨道测试、NASA的猎户座飞船成功执行月球绕飞任务，还是亚马逊的柯伊伯计划部署首颗互联网卫星，太空活动的频率和规模都在以指数级速度增长。这种加速不仅体现在发射次数上——2023年全球共进行了190次航天发射，较2015年增长近两倍——更体现在技术创新的深度上，从可重复使用火箭到微型卫星星座，每一项突破都在重塑行业格局。

信息图1：AI行业Token爆发与商业兑现剪刀差矛盾

信息图1图表PDF模板已分享到会员群

Token消耗曲线陡峭上扬，但付费转化曲线近乎水平。这两条线之间的“开口”，就是全行业正在失血的伤口。头豹研究院调研直指要害：Token增长只能说明调用规模在扩大，不能等同于模型效率或结果质量在提升。商业兑现需要四个环节全部打通——模型能力匹配任务、场景价值驱动付费、流程嵌入锁定续费、推理效率支撑毛利。任何一个环节断裂，Token就只是数字而非收入。

图4：AI行业Token消耗与营收增长双轴图

图4数据EXCEL及图表PDF模板已分享到会员群

Token增速与营收增速之间的“开口”在最近两个季度还在扩大。如果不在场景价值兑现上做文章，AI行业的“规模不经济”只会越来越严重。但硬币的另一面是，有一批公司已经找到了赚钱的方法。

图1：AI行业ToB vs ToC毛利率对比

图1数据EXCEL及图表PDF模板已分享到会员群

To B企服毛利率接近七成，To C消费端不到5%。Strategy&PwC的CIO调研补充了一个关键视角：技术变革速度已成为CIO首要担忧占比突破三成，但对内部能力建设的担忧仅占不足一成二。这就是典型的“准备悖论”——知道风浪要来，但救生艇还没备好。

我们估计，到2035年，全球航天经济价值将达到1.8万亿美元（计入通胀因素），高于2023年的6300亿美元。这个数字包括”核心”应用（如卫星、运载火箭以及广播电视或GPS等服务）和我们称为”延伸”应用（航天技术帮助各行业公司创造收入的应用）。例如，Uber依靠智能手机内的卫星信号和芯片连接司机和乘客，并在每个城市提供导航；农业企业通过卫星遥感数据优化灌溉和施肥，使全球主要作物的产量提升了15%-20%；能源公司则利用太空成像技术勘探油气资源，将勘探成本降低了30%以上。

1.9GW。 这是OpenAI 2025年的算力储备规模。到了2030年，目标是30GW——十五年扩张近16倍。这不是“投资”，这是在押注一个文明级别的技术拐点。

图3：AI行业OpenAI算力与收入增长多边形条形图

图3数据EXCEL及图表PDF模板已分享到会员群

算力的背后是芯片，芯片的背后是生态。当前全球算力竞争的本质，不是谁的芯片晶体管更多，而是谁的开发者生态更深。NVIDIA的CUDA积累了20年、近千万行代码、几百万开发者——这才是国产替代真正的“不可能三角”。但变化正在发生。IDC数据显示，国产AI加速卡在中国市场出货占比已突破四成。

信息图4：AI行业全球AI生态竞争政策

信息图4图表PDF模板已分享到会员群

美国用CHIPS法案绑定NVIDIA+OpenAI的技术护城河，欧盟用《AI法案》建立合规壁垒，中国用“东数西算”和一体化算力网推进基础设施。这不是三家公司之间的竞争，是三个国家围绕“算力主权”的系统性博弈。

信息图2：AI行业AI算力成本全景

信息图2图表PDF模板已分享到会员群

算力成本的真实结构常被误读：单次大模型训练可达数亿美元级别，推理成本虽单次低但调用次数指数增长。算力成本高企倒逼行业死磕推理优化：量化、剪枝、蒸馏、KV Cache压缩——这些降本技术从“可选项”变成“标配”。对99%的中小企业来说，自建算力的性价比是负数，云服务和模型API调用是唯一理性选择。

我们估计，到2035年，全球航天经济价值将达到1.8万亿美元（计入通胀因素），高于2023年的6300亿美元。这个数字包括”核心”应用（如卫星、运载火箭以及广播电视或GPS等服务）和我们称为”延伸”应用（航天技术帮助各行业公司创造收入的应用）。例如，Uber依靠智能手机内的卫星信号和芯片连接司机和乘客，并在每个城市提供导航；农业企业通过卫星遥感数据优化灌溉和施肥，使全球主要作物的产量提升了15%-20%；能源公司则利用太空成像技术勘探油气资源，将勘探成本降低了30%以上。

99.5%。 这是一个反欺诈AI智能体的识别准确率。5天→小时级。 这是头部银行引入智能体后的信贷审批提速。AI智能体不是聊天机器人的升级版，它是“数字员工”的原型——主动执行：理解目标、拆解任务、调用工具、返回结果，自己判断什么时候需要人介入。

AIIA和中国信通院的《远程银行智能体应用研究报告》给出了最系统的落地参考：五层协同架构——统一交互层、智能协同中枢、专业智能体集群、基础能力平台、治理安全层。第一阶段的0-6个月，聚焦FAQ和查询类场景；第二阶段的6-12个月，拓展到交易处理和简单分析；第三阶段的12个月以后，才逐步尝试辅助决策。

图7：AI行业AI应用场景构成圆环图

图7数据EXCEL及图表PDF模板已分享到会员群

图7揭示了“由外向内”的应用节奏。当前AI集中在客服对话、文档处理和数据分析——这些是外围的结构化场景。而需要复杂判断的投资决策、争议处理等核心场景渗透率仍然很低。这不是技术路线图，是信任建设路线图。

信息图3：AI行业ToB vs ToC利润鸿沟

信息图3图表PDF模板已分享到会员群

Google Cloud报告发出一记清醒剂：消费者普遍认为复杂问题应该能转人工。Twilio数据更直接——超过四成用户反映AI会“陷入循环”。信任不是靠PPT建立的。对AI创业者只有一句建议：选一个垂直行业扎下去，做到比客户自己还懂他的业务痛点。

我们估计，到2035年，全球航天经济价值将达到1.8万亿美元（计入通胀因素），高于2023年的6300亿美元。这个数字包括”核心”应用（如卫星、运载火箭以及广播电视或GPS等服务）和我们称为”延伸”应用（航天技术帮助各行业公司创造收入的应用）。例如，Uber依靠智能手机内的卫星信号和芯片连接司机和乘客，并在每个城市提供导航；农业企业通过卫星遥感数据优化灌溉和施肥，使全球主要作物的产量提升了15%-20%；能源公司则利用太空成像技术勘探油气资源，将勘探成本降低了30%以上。

同一个AI模型，同一个应用场景，有的企业几周就上线了，有的企业拖了好几年。差距不在技术，在于组织。斯坦福大学对51个企业AI项目做了可能是迄今为止最扎实的一项研究。

图2：AI行业AI实施关键成功因素横向比例条形图

图2数据EXCEL及图表PDF模板已分享到会员群

高管赞助超过四成，现有技术基础约三成，最终用户意愿约两成半——这是“加速三件套”。减速因素中，学习曲线与迭代、数据质量准备、监管合规、流程文档缺口——四个因素分量惊人地平均。翻译成人话：AI实施的本质是管理问题，不是技术问题。

图5：AI行业AI落地障碍因素排名刻度线图

图5数据EXCEL及图表PDF模板已分享到会员群

很多人都以为AI最大的阻力是“怕被替代的一线员工”，错了。最大阻力来自职能部门——法务、HR、风险、合规——占比超过三分之一。这个发现的意义不亚于一次哥白尼式翻转：AI落地的最大障碍不是“底层抵触”，而是“中层卡壳”。每一个担忧都有道理，但叠加在一起就是“分析瘫痪”。

我们估计，到2035年，全球航天经济价值将达到1.8万亿美元（计入通胀因素），高于2023年的6300亿美元。这个数字包括”核心”应用（如卫星、运载火箭以及广播电视或GPS等服务）和我们称为”延伸”应用（航天技术帮助各行业公司创造收入的应用）。例如，Uber依靠智能手机内的卫星信号和芯片连接司机和乘客，并在每个城市提供导航；农业企业通过卫星遥感数据优化灌溉和施肥，使全球主要作物的产量提升了15%-20%；能源公司则利用太空成像技术勘探油气资源，将勘探成本降低了30%以上。

图6：AI行业AI落地五大挑战雷达图

图6数据EXCEL及图表PDF模板已分享到会员群

图6的雷达图呈现出近乎完美的五角星——组织阻力、速度差距、数据不足、合规风险、人才短缺同等严峻且相互缠绕。AI落地没有“银弹”，单一解决方案等于没有方案。

信息图6：AI行业AI落地五大障碍

信息图6图表PDF模板已分享到会员群

五项障碍的对照破解路径：组织阻力→高管亲自上阵；速度差距→迭代替代瀑布；数据不足→先修基础再上AI；合规→法务从“批准人”变成“设计伙伴”；人才→内部培养加外部引入。

图8：AI行业人员编制影响分布华夫图

图8数据EXCEL及图表PDF模板已分享到会员群

AI实施后，人员减少占约四成半——确实不少。但重新部署、不减少和避免招聘加起来超过半数。更关键的是：以“增长收入”为目标的AI，更多选择重新部署人员和加速；以“削减成本”为目标的AI，更多选择直接裁员。AI对就业的影响不是技术的宿命，而是企业战略的选择。

图10：AI行业实施成效核心指标半圆环图

图10数据EXCEL及图表PDF模板已分享到会员群

AI的四维成效：速度、质量、成本、增长。最成功的案例无一例外都在“增长”维度上取得了突破。AI真正的想象空间不在“省成本”，而在“做增量”——帮你去做那些一直想做但传统技术做不到的事。

信息图5：AI行业OpenAI超级入口大厂

信息图5图表PDF模板已分享到会员群

我们估计，到2035年，全球航天经济价值将达到1.8万亿美元（计入通胀因素），高于2023年的6300亿美元。这个数字包括”核心”应用（如卫星、运载火箭以及广播电视或GPS等服务）和我们称为”延伸”应用（航天技术帮助各行业公司创造收入的应用）。例如，Uber依靠智能手机内的卫星信号和芯片连接司机和乘客，并在每个城市提供导航；农业企业通过卫星遥感数据优化灌溉和施肥，使全球主要作物的产量提升了15%-20%；能源公司则利用太空成像技术勘探油气资源，将勘探成本降低了30%以上。

AI时代的组织变革有一个反常识的起点：不是从“管理层开会决定引入AI”开始的，而是从“一线员工自发用AI把活干好了”开始的。

腾讯研究院的《从超级个体到超级团队》报告捕捉到了一个正在发生的组织演化。第一阶段，“超级个体”涌现——四个共同特征：AI First思维、能力跃迁（个体生产力从3倍飙升至10倍以上）、主动探索、影响力溢出。第二阶段，超级个体通过高效的AI协作形成“超级团队”——AI成为团队协作的默认基础设施。

图9：AI行业组织成熟度阶段半圆面积比例图

图9数据EXCEL及图表PDF模板已分享到会员群

当前约三分之二的企业仍处于集中化阶段（Hub/CoE模式），只有约三分之一在向去中心化演进。AI智能体的普及正在加速这个进程——分布式决策和AI流程负责人等新角色开始出现。管理者需要完成一次认知跃迁：从“监督者”变为“教练+资源连接者”。

信息图7：AI行业AI落地路线图行动

信息图7图表PDF模板已分享到会员群

航天技术的溢出效应正渗透到日常生活的方方面面。智能手机摄像头的防抖技术源自航天器的姿态控制系统；婴儿配方奶粉中添加的DHA成分，最初是为宇航员开发的太空营养补充剂；甚至超市里的真空包装食品，其技术也可追溯至阿波罗计划的食物保存研究。据测算，每1美元的航天投资可产生7-10美元的经济回报，这种乘数效应使航天产业成为全球经济增长的重要引擎。

“中国的AI公司，可能很难复制美国以用户订阅为主的商业模式。”腾讯总裁刘炽平的这句话，一针见血。To B付费的四条成熟路径已经跑通：高频承接、结构化处理、经营分析、流程替代。但To B赚的是辛苦钱——Google Cloud报告指出，一个AI智能体团队需要近30-36名专家。

全球三极竞争格局下，美国凭借NVIDIA+OpenAI占据上游定价权，欧盟以《AI法案》建立合规壁垒，中国的路径更为多元——芯片层攻坚自主替代、应用层探索场景创新、政策层推进基础设施。国产AI芯片从“可用”到“好用”的演进，最关键的变量不是晶体管数量，而是软件生态兼容性。异构计算和多云架构正在打开新的窗口。

从应用规模看，中国拥有6亿以上的AI用户和海量产业场景，这是任何国家都不具备的比较优势。全球AI竞争的未来看点不在“谁的技术更强”——差距正在缩小——而在“谁能更快地把技术转化为产业升级”。

当然，航天产业的快速发展也面临挑战。太空垃圾问题日益严峻——地球轨道上目前有约3.4万块直径超10厘米的太空碎片，碰撞风险每五年增加一倍；太空资源开发的法律框架仍不明确，各国在月球采矿权等问题上存在分歧；而技术标准的不统一则导致不同卫星系统间的兼容性问题。解决这些挑战需要全球协作：2024年生效的《阿尔忒弥斯协定》已得到33个国家签署，为月球资源利用确立了基本原则；欧洲太空局的”太空清扫者”任务计划在2026年捕获并移除一块大型太空碎片，开创主动清理轨道的先河。

总结：第一，AI落地最大的瓶颈不是模型不够强，而是组织没准备好。高管赞助、流程就绪、数据质量、用户意愿——这四个维度需要在启动AI项目之前就系统性建设。企业要做的不是“规划AI转型”，而是为已经觉醒的超级个体提供土壤。

风险提示：第一，算力供应链依赖被低估——高端AI芯片供应高度集中，出口管制持续收紧，国产芯片软件生态的迁移成本可能在短期内远超硬件采购成本。第二，AI投资挤出效应正在发生——过度集中投资AI可能导致网络安全、数据治理等基础能力投入不足。第三，组织变革速度远远落后于技术变革速度——相同AI模型在不同组织中的实施周期差异可达数十倍。

参考报告目录（10份）：本报告参考中国智能计算产业联盟《2026全球AI算力发展研究报告》、OpenAI深度研究报告、Google Cloud《AI智能体趋势报告（金融服务）》、Twilio《对话式AI革命白皮书》、AIIA&信通院《远程银行智能体应用研究报告》、腾讯研究院《从超级个体到超级团队》、斯坦福大学《企业AI实施手册》、头豹研究院《AI商业化洞见》、Strategy&PwC《AI落地与新兴技术洞察》、摩根大通《AI算力全产业链全景分析》等文末200+份AI行业研究报告及数据。本文完整报告数据图表和文末最新参考报告合集已分享在交流群。

当然，航天产业的快速发展也面临挑战。太空垃圾问题日益严峻——地球轨道上目前有约3.4万块直径超10厘米的太空碎片，碰撞风险每五年增加一倍；太空资源开发的法律框架仍不明确，各国在月球采矿权等问题上存在分歧；而技术标准的不统一则导致不同卫星系统间的兼容性问题。解决这些挑战需要全球协作：2024年生效的《阿尔忒弥斯协定》已得到33个国家签署，为月球资源利用确立了基本原则；欧洲太空局的”太空清扫者”任务计划在2026年捕获并移除一块大型太空碎片，开创主动清理轨道的先河。