AIGC 行业到底走到哪一步了？用 MUSE 四层图谱，看清技术、创业、使用与奇迹

研究范围：全球与中国 AIGC / Generative AI 产业，重点观察企业级应用、消费应用、垂直行业与具身智能。时间截点：2026 年 8 月 27 日。

先说结论：AIGC 已经形成了完整产业链，但商业化成熟度高度不均衡。算力、云、基础模型、办公、代码、营销、电商内容和部分客服场景已经出现较强收入信号；企业 Agent、医疗、保险、工业机器人正在从试点走向早期商业化；通用自主 Agent、家庭机器人、完全 AI 原生组织仍主要处于探索期。

一、先把地图摆对：MUSE 不是四个平行赛道

二、什么叫“成熟商业化”：先统一尺子

L0：能力演示

L1：产品化收费

L2：重复使用

L3：业务闭环

L4：平台与生态

三、总图：从 E 到 S，再到 U 和 M

E 变革层：芯片 / 云 / 数据 / 模型 / 机器人执行器
        ↓ 计算能力、模型能力、单位成本与工程工具改善
S 创业层：基础模型 / AI 原生软件 / 垂直方案 / 机器人公司
        ↓ 产品封装、渠道进入、交付和收费
U 使用层：办公 / 编程 / 搜索 / 营销 / 电商 / 医疗 / 教育 / 制造
        ↓ 生产环境部署、数据回流、流程重构
M 奇迹层：职业重塑 / 生产力跃迁 / AI 原生组织 / AGI / 治理

1. U → E：真实调用量决定算力采购、模型压缩、推理优化和芯片需求。企业不再只比较模型榜单，而会比较每个任务的成本、延迟、稳定性和安全性。
2. U → S：一个行业里的真实流程、知识库、数据回流和交付经验，会逐步沉淀成垂直产品壁垒。未来应用层的护城河，更多来自“业务知识 + 工程系统 + 客户关系”，而不是单次生成效果。

四、E·变革层：最成熟的其实是卖铲子，但竞争已从单芯片转向系统效率

1. 芯片、云与数据中心：收入已经规模化

• NVIDIA：2026 财年第二季度收入 962 亿美元，其中数据中心收入约 890 亿美元。AI 训练与推理需求已经直接进入公司财务报表，而不是停留在概念阶段。1
• TSMC：2026 年第二季度收入约新台币 1.27 万亿元，2nm 开始放量。它说明 AI 产业链的价值不只在 GPU 设计，也在先进制程、封装、良率和产能调度。2
• Microsoft Azure：微软 2026 财年第四季度披露 Azure 年收入首次超过 1000 亿美元。云厂商正在把模型、算力、数据平台、安全和企业软件打包出售。3
• Amazon Web Services—Anthropic：亚马逊追加 50 亿美元投资，并约定未来追加最高 200 亿美元，同时扩大到最高 5GW 的计算合作。这里的投资并非单纯财务投资，而是模型公司、云平台、芯片和算力供给的绑定。4
• Databricks：年化收入运行率突破 70 亿美元，并以约 1900 亿美元估值完成战略融资。它代表的是另一类 E 层公司：不直接卖模型，而是把数据、模型训练、部署、治理和企业工作流放在同一个平台里。5

2. E 层的下一步：单位任务成本，而不是参数规模

• 训练一次模型要花多少钱，逐渐让位于每天运行一亿次任务要花多少钱；
• “模型是否最强”逐渐让位于在特定任务上是否稳定、便宜、可审计；
• 芯片峰值算力逐渐让位于集群互联、显存、推理吞吐、能耗和软件栈；
• 数据采集逐渐让位于数据能否带来模型改进、业务结果和客户复购。

五、S·创业层：最值得看的不是“谁有模型”，而是谁把模型变成可复制的生意

1. 基础模型公司：融资已经成熟，盈利模式仍在分化

路线 A：前沿模型 + 企业 API

路线 B：开源或低价模型 + API 规模

路线 C：模型能力与云、终端、内容生态绑定

2. S 层最清晰的创业机会：把一个职业或流程做成产品

六、U·使用层：哪些行业已经用起来了？

1. 办公与代码：目前最接近“普及型商业化”

• GitHub Copilot：微软 2026 财年第二季度电话会披露，付费订阅者超过 470 万，同比增长 75%。这是相对清晰的付费席位指标。6
• Cursor / Anysphere：官方宣布完成 23 亿美元 D 轮，投后估值约 293 亿美元，并披露年化收入超过 10 亿美元；路透报道 SpaceX 以 600 亿美元全股票交易收购 Anysphere，但交易层面的后续执行仍应以正式文件为准。78
• WPS AI：金山办公 2025 年年报披露，WPS AI 国内月活超过 8013 万，同比增长 307%；WPS 个人业务年度付费用户 4615 万。WPS 灵犀把 AI 从“写一段文字”推进到文档、表格和演示的办公智能体。9
• 通义灵码：2025 年初公开口径为插件下载超过 900 万、累计生成代码超过 15 亿行，并进入保险、汽车、物流等企业。下载量不是收入，但说明 AI 编程已从个人尝试进入组织使用。10

2. CRM、客服与企业 Agent：收入已出现，成熟度仍低于宣传

• 2026 年第一季度，大中型企业整体 AI 采纳率 90.9%，其中基于大模型的新一代 AI 采纳率 81.3%；
• 企业 AI 成熟度仍集中在 L1 探索试验级和 L2 局部赋能级，比例分别为 39.4% 和 29.8%；
• 83.7% 的 Agent 项目属于通用辅助场景，专业纵深场景只有 16.3%；
• 约 30%—40% 的企业级 Agent 项目可能因为 ROI 未达预期，在 18 个月内停滞或关闭；这是报告判断，不是已发生的统计事实。

3. 营销、电商与 GEO：已经出现“结果付费”的雏形

• 蓝色光标：2025 年年报披露 AI 驱动收入 37.25 亿元，同比增长 210.42%，占总收入 5.42%；全年 Token 调用量突破万亿。其 BlueAI 覆盖智能投放、A2A 协同和面向中小客户的智能营销平台。12
• 淘宝/阿里妈妈：2025 年双 11 复盘口径显示，AI 用于商品理解、搜索、商家经营解读、客服和素材生成；生意管家升级为 AI Agent，阿里妈妈“货品全站推”ROI 同比提升 15%。这些是平台口径，适合作为应用信号，不应当视作第三方审计。
• GEO：艾瑞 2026 年 7 月对 1000 名消费者的调研显示，近半年使用 AI 搜索辅助消费决策的比例，在旅游出行为 66.9%、手机为 58.8%、医疗保健为 57.0%；501 名企业任职用户中，55.31% 会使用 AI 查询供应商信息。GEO 的商业价值，是让品牌、产品和供应商信息进入模型答案，而不是简单增加网页流量。

4. 搜索与消费助手：用户规模大，直接收入仍需验证

1. 用户活跃，代表入口和分发能力；
2. Token 调用，代表使用深度和模型需求；
3. 订阅收入或企业合同，才代表直接商业化。

5. 音视频创作：订阅成熟，但版权与算力决定利润

• HeyGen：2026 年公开采访口径为 ARR 超过 2 亿美元，并称实现现金流平衡；这是 CEO 采访口径，不是审计公告。它的方向是信息型视频、企业培训、营销和数字人，而不是只卖“头像会说话”。
• Runway：2026 年完成 3.15 亿美元融资、估值约 53 亿美元，累计融资约 8.6 亿美元，并向世界模型、原生音频和影视合作推进。14
• Suno：用户可以通过提示词生成歌曲，并采用订阅和音乐产业合作路线。其融资和估值增长很快，但版权诉讼提示了一个关键事实：音乐生成的商业化不只是模型质量问题，还包括训练数据、权利清算、发行和分成机制。15

七、按行业看：哪些赛道已经成熟，哪些还在早期？

八、重点行业拆解

1. 保险：商业价值明确，但数据与责任门槛高

• 结论可解释；
• 数据和权限可审计；
• 业务人员可复核；
• 出错时责任边界明确；
• 能够接入保单、理赔、客服和合规系统。

2. 医疗：政策正在把“能不能收费”纳入产品设计

• 医学知识和病历检索；
• 影像、病理和检验辅助；
• 医疗文书与随访；
• 患者服务和院内运营；
• 研发、临床试验和药物发现。

3. 工业制造：从“买设备”变成“买任务结果”

• 宇树科技招股书披露 2025 年营收约 17 亿元、人形机器人出货超过 5500 台；2026 年 8 月在科创板上市。出货不等于利润，但已经形成产品销售和资本市场定价。
• 优必选2025 年人形机器人收入 8.2 亿元，同比增长 2203.7%，销量 1079 台，但公司仍未盈利。这正好说明“卖出去”和“稳定赚钱”之间还有距离。
• Figure AI完成超过 10 亿美元 Series C，投后估值 390 亿美元，方向是机器人本体制造、Helix 感知—推理—控制模型与大规模多模态数据采集。18

九、M·奇迹层：目前哪些变化是真的，哪些仍是叙事？

已经发生的变化

1. 知识工作入口改变：搜索、办公和编程开始从“用户点工具”转向“用户描述目标”。
2. 内容生产成本下降：广告、电商、培训、短视频和部分影视制作的素材生产周期缩短。
3. 软件交互方式变化：软件从菜单和表单，增加了自然语言、Agent、工具调用和多模态输入。
4. 资本与产业重新绑定：云厂商、芯片公司、模型公司、软件公司和内容平台通过投资、采购和算力合作形成新联盟。
5. 数据成为生产资料：企业的知识库、业务规则、客户反馈和使用轨迹，开始直接影响 AI 产品效果。

仍然没有被充分证明的变化

1. AI 是否已经带来全行业生产率跃迁。艾瑞《企业 AI 转型韧性》基于 194 家全球上市公司样本指出，88% 位于 U 形底及左侧，59% 的企业 AI 新业务尚未形成充分对冲；这是一种样本框架下的测算，不是全球企业普查，但提醒我们：投入和结果之间有时间差。
2. 企业是否已经普遍拥有自主 Agent。当前多数项目仍处于 L1-L2，通用辅助场景占比明显高于专业纵深场景。
3. 具身智能是否已经进入大规模生产。少数公司已有出货、订单和上市，但行业整体仍处于早期闭环阶段。
4. AGI 是否已经出现。AGI 仍是目标和判断框架，不是一个已经被统一验收的商业产品类别。

十、融资怎么看：从“赌模型”转向“赌闭环”

2023—2024：赌基础模型和算力

2025：应用层数量开始超过底层叙事

2026：产业资本、云平台和并购进入主导阶段

1. 有收入的模型公司：收入运行率、API 调用和企业合同开始成为估值锚；
2. 有席位和工作流的应用公司：代码、办公、CRM、营销和研究工具能够提供留存与扩张；
3. 有真实部署的物理 AI 公司：机器人公司需要订单、验收、量产和供应链，而不是只需要 Demo。

• 客户为什么续费？
• AI 收入是独立收入，还是原有产品的模糊归因？
• 每个任务的推理成本是多少？
• 部署后需要多少人工兜底？
• 数据是否能够带来下一轮效果提升？
• 从一个客户复制到十个客户，交付成本会不会同步增加？

十一、最后给出一张投资与创业判断表

十二、可以继续往下拆的研究树

A. 按 MUSE 四层拆

• E：算力、芯片、云、数据、模型、机器人底座；
• S：基础模型创业公司、AI 原生软件、垂直方案公司；
• U：企业 Agent、办公、代码、搜索、营销、电商、医疗、教育；
• M：生产率、职业替代、AI 原生组织、AGI、治理。

B. 按商业化成熟度拆

• L1：有产品、有收费；
• L2：有持续使用和付费席位；
• L3：有收入、ARR、订单、复购或现金流；
• L4：有平台、生态、数据和供应链壁垒。

C. 按行业拆

D. 按产品单元拆

1. 产品解决什么任务；
2. 目标客户是谁；
3. 接入了什么工作流；
4. 怎么收费；
5. 是否披露收入/ARR/订单/复购；
6. 融资轮次与投资人；
7. 成本和交付瓶颈是什么；
8. 下一步会向平台、Agent、行业数据还是实体设备延伸。

研究边界

证据边界：公司财报和公告用于确认收入、用户、融资或产品事实；行业报告用于提供样本、框架和调查结果；厂商案例数字会明确视为厂商口径；融资估值、媒体援引知情人士和第三方收入估算不会被当作审计事实。