全球 Top 100 消费者 AI 应用：谁在真正花钱？ · 核心结论

报告进化的必然：第 1 版 Top 100 仅按网站流量排名——当时几乎所有 AI 产品都是"prompt box in a browser"的形态。随着 AI 扩展到 mobile app、messaging integration、agent 生态，仅靠 traffic 已无法反映全貌。第 7 版首次纳入 EBIT 消费者信用卡消费数据，按实际付费金额排名，揭示了与流量完全不一样的格局。

流量趋于稳定，新品极少：Web + Mobile 合计仅 11 款新产品进入榜单——这是历次 edition 中最少的。说明消费者 AI 的流量格局基本"settled"，头部产品（ChatGPT、Claude、Gemini 等）的地位已经相当稳固。

付费与流量的巨大分化：在付费 TOP 50 中，29 款不在任一流量榜单上。这意味着大量产品在"吸引眼球"上并不突出，却能在"让真金白银付费"上建立竞争优势。

投资含义：流量不再是判断 AI 产品商业价值的充分条件。付费数据（尤其是信用卡面板数据）是更可靠的 signal，尤其需要关注 power user 的行为模式。

• 支出极度幂律分布：在付费的 4.5% 用户中，top 10% 贡献了超 50% 的收入，top 1% 贡献 20% 的收入，而 bottom 50% 仅贡献约 16%。这是一个经典的 power law——市场由极少数重度用户驱动。
• Top 1% 用户画像：月均消费 $903，中位数用户消费 $25。这些重度用户买的不是单一的 subscription，而是一套 AI tool stack。
• Revenue 排名中的热门产品：开发者工具、生产力工具、创意工具在 top spender 中被严重高估（overrepresented）。具体提到：NADN、Grinola、Higgs field、Manus 等——这些产品在重度付费用户中远超平均水平。
• "Making" 革命：这些用户用 AI 写从未写过的代码、做从未做过的艺术和视频。$903/月背后是一群人"把脑子里的想法更快地变成现实"的渴望——这是比"省时间"更深层的动机。
• 开发者心态是关键：Josh Elman 指出，开发者/程序员天生更懂得"如何从这个东西获得 leverage"。但这也是一种特定的 world view——当前只有少数人拥有这种视角。AI 应用的关键问题之一是"如何扩展这种 world view"。

• OpenClaw 的开创性角色：OpenClaw 是个人 agent 领域的 pioneer。它把 AI 从"生产力工具"转变为"替你做事"的 agent。用户开始买 Mac mini 自建私有 OpenClaw，引发了一波巨大的 energy。但它的流量随后完全 decline——团队被 OpenAI 收购，正在开发 agent assistant 产品。
• Muse（Meta）：发布后 12 天内获得 50 万下载、25 万活跃用户。但与 Meta 的 Threads 相比仍有差距：Threads 在类似时间内获得约 1600 万下载（仅美加），Muse 约 500 万。原因：(1) distribution 机制不同——Threads 绑定 Instagram 账号，天然分发；(2) Muse 是个人工具，不需要 network effect 临界质量；(3) serve 成本极高，公司不希望增长太快。
• Instinct：宣布 10 万用户、日增 10%；40% 的用户在前三周绑定了信用卡，首月平均消费超 $1000。这是一个非常强 early signal。
• Tomo：拥有庞大的 audience，表现非常出色。在 prosumer agent 赛道中与 Muse、Instinct 形成三足鼎立。
• 安全信任的突破：这是第一次，"可以给家人用"的 agent 产品出现了。大部分 agent 趋势在近 3-4 周才爆发，所以下一次报告（第 8 版）预计将出现 massive adoption。
• OpenAI Dots：OpenAI 新推出的 agent 产品，也在这个赛道中占有一席之地。

当前 monetization 的极度倾斜：榜单上约 85% 的 Web 产品通过 subscription 变现，62% 通过 credits/token extra usage 收费。只有约 13% 包含 ads 或其他"你不是付费用户而是 product"的变现方式。这与消费者互联网历史形成"极不自然的倒挂"——几乎所有大型消费科技公司都主要靠 ads 或交易抽成赚钱。

为什么 subscription 不够：不是每个人都需要一个 coding tool 来创业或卖产品。大多数人要么没有 funds，要么不想为软件花钱。Top 20 全球消费者订阅产品中，ChatGPT 是唯一的 AI 产品——其余几乎全部是 media 公司或高频消费平台（Amazon、Uber 等）。

OpenAI 广告的惊人速度：OpenAI 的 ads run rate 已达 $1B+（年化）。以 AI 公司的速度，这在以往需要"几年又几年"才能达到。OpenAI 拥有 12 亿周活用户的 density，加上"Login with ChatGPT"、即将推出的 wallet，对广告主的吸引力会持续增强——甚至可能超越 Meta 的 targeting 能力。

ads 的信任悖论：AI 产品比任何过去的产品更了解用户（email、生活、信用卡）。如何在对话中自然植入 ads 而不破坏信任，是核心挑战。OpenAI 的广告策略被评价为"非常 clearly labeled"且"感觉像对话的自然延伸"——这是一个好的起点。

Commercial query 的增长：用户越来越用 AI 做 shopping、travel planning 等商业意图查询。这类 query 天然适合 ads 的植入——"discovery mode"下的 ads 是对用户问题的一个好答案。

推理成本下降是关键前提：ads / transaction 模式需要低 COGS 支撑。当前推理成本仍然偏高，所以 subscription 成为"early default"。随着成本下降和更多低成本模型的出现，其他商业模式才能真正 work。

• ChatGPT 的全面领先：在 web 上领先 Claude 约 6 倍、领先 Gemini 约 2 倍。在付费用户方面，ChatGPT 的美国付费订阅用户数约为 Gemini 和 Claude 的 3 倍。从第一个 edition 到第七个，ChatGPT 一直是最强的 global consumer player。
• Claude 反超 Gemini（付费维度）：一个令人惊讶的发现——Claude 在付费订阅用户数上已经超过了 Gemini。尽管 Gemini 拥有更大的 install base 和 Google 的天然分发机制。Anthropic 的成功来自一系列成功产品（如 Claude Design）以及早期"Department of War"事件带来的持续 media attention。
• Anthropic 的 "No Ads" 策略：Anthropic 公开宣称不做广告，因此更激进地推进 subscription。约 7.5% 的 Claude 付费用户订阅了 $100+/月的最高档 plan——而 ChatGPT 和 Gemini 的这一比例仅为 1%。这导致 Claude 的重度付费用户群体与其他两家"看起来完全不同、做不同的事情"。
• 用户行为的分化：不同价格档位的用户在使用产品时的行为差异显著。Claude 的 $100+/月用户显然比 ChatGPT 和 Gemini 的同类用户更深度地使用产品。

音频赛道——labs 缺席、vertical startups 领跑：大模型实验室在 audio 领域（text-to-speech、music）投入有限。ElevenLabs 和 Suno 稳定位居流量榜和付费榜头部。原因很清晰：labs 忙于 build coding agents、追求 AGI，没有精力处理 Suno 面临的 IP headache。Suno 因此建立了非常强的领先优势。

图像赛道——labs 强势但 Midjourney 回流：OpenAI 的 Images 2.0 在图像创建和编辑方面表现出色。Google 的 Nano Banana / Gemini 系列确实带走了大量大众消费者的流量（Midjourney 已从流量榜完全消失）。但付费榜上，Midjourney 重新出现——power user 仍然需要"有 taste、有 aesthetic sense、能精细 tuning"的模型。

视频赛道——中国公司的数据优势：视频生成极其复杂（视觉 + 声音 + 同步 + 风格控制），中国公司因为可以 training on any data 而具备真实 advantage。数据越多、training 越好，这是当前视频赛道的核心逻辑。

Agent-friendly 创意工具的未来：当用户给 Astra 等模型下达创建指令时，模型会自动 tool call 到互联网上的创意工具。这意味着"agent accessible"的创意工具将获得 tailwind。让 agent 去"install whatever you want"来完成任务，已经可以运行得很好。

核心洞察——software layer 的价值回归：Josh Elman 指出，价值正在从 model 层回到 software 层。模型变好只是前提，真正的差异化来自 bespoke interface、context、community。Figma 之所以不可替代，不是因为它用的模型最好，而是因为它"对设计师说话"，interface 和 workflow 深度定制。

趋势一——Consumer-to-Enterprise（C2E）大扩张：Olivia Moore 半年前写的"The Great Expansion"正在发生——消费者公司迅速变身企业产品。Cursor、Replit、ElevenLabs、Gamma 等产品原本需要 Canva 那样的 6+ 年才能建立的企业收入，如今被 WhisperFlow、Grainola 等直接"带进企业"。因为它们是 work-productivity 相关的工具，一旦在消费者端流行起来，就会被自然 pull 进企业。-founder 只需"加上 privacy 和 security、建 team plan"——极低成本、极高效的分发。

趋势二——Incumbents 无法 cannibalize 既有界面：Google 没有 reinvent Docs、Gmail 或 Calendar 为 AI 时代的产品。OpenAI 和 Anthropic 在非 prompt/chat/code interface 的领域也表现较弱。大公司从 product 角度创新极其困难——尤其是当它们有"太多其他事情"要处理时。

初创公司的双重优势：(1) 大公司不愿意/不能 cannibalize 既有产品，留下巨大空白；(2) 大公司规模变大后 steering/turnaround 更难。但大公司的优势在于模型本身的持续进步——"rising tide lifts everything"。模型变好 → 所有基于这些模型的产品 utility 都变好。

Tomo 的 compounding personal value 案例：Tomo 作为 prosumer agent，可以连接到 Slack、email、Google Drive，理解你和组织的上下文。它最大的 moat 是"playbook"——关于"你是谁、你说话是什么风格"的知识。99.9% 像你和 85% 像你的区别，是 10 秒修正 vs 10+ 分钟修正的差距——这种 compounding context 就是 lock-in。

"不是 wrapper"的论点升级：Josh Elman 强调，说产品是"wrapper/harness"已经过时。这些产品交付给用户的整个 experience 是"much more than just a shim on the model"。模型只是 delivering rich product experience 的一个 piece。

当前 AI 产品集中在"getting things done"：绝大多数消费者仍把 AI 当 search 替代品（如 Google），或用于 productivity、photo/video design & editing、homework。这些都在"完成任务"的框架内。

以下大类仍然 wide open：

• Dating（约会）：还没有 AI-native 的 dating 产品上榜。这是典型的 network category，需要 multiplayer 产品。
• Recruiting（招聘）：与 dating 类似——都是 trying to make matches 的网络型产品。
• Social AI（社交）：目前几乎全是"people posting AI generated content on existing social platforms"——还没有出现真正的 AI-native social product。
• Shopping（购物）：仍是空白。购物需要 visually see options、explore、customize——对话模式不够。可能是 agent calling 一个 AI-native marketplace，也可能是 standalone product。
• Home buying（购房）：同样属于 marketplace 类，尚未被 AI native startup 触碰。
• Gaming & Entertainment（游戏与娱乐）：模型还不够好到让普通人喜欢 AI 生成的内容。唯一的例外是 AI micro dramas——正在"blow up"。

"Save time" vs "Spend time" 的转换：Eugenia 引用 portfolio CEO 的话："People aren't looking to save time. They're looking for ways to spend their time."Social media、Netflix、TikTok、YouTube 是所有 consumer product 中最高频的，因为它们让用户"花时间"而非"省时间"。当前消费者 AI 几乎全是"save time"（效率），但历史上最大的公司往往来自"spend time"（娱乐、创造、连接）。这个转换是消费者 AI 下一个阶段的 key。

产品哲学："Not everyone is looking to save time"——让消费者 AI 从 productivity tool 走向 entertainment/creation/social platform，需要更多的 builder 在"spend time"类别里 tinkering。