中国生成式 AI 用户达 6.02 亿：普及率是 42.8%，不是 50%

直接结论：截至 2025 年 12 月，中国生成式人工智能用户规模为 6.02 亿，普及率为 42.8%，不是“超过 50%”。数据来自 CNNIC 第 57 次《中国互联网络发展状况统计报告》。它说明生成式 AI 已进入大规模使用阶段，但不能据此推导每个人都高频使用、企业已经全面落地，或某个产品占据 6 亿用户。

阅读这组数字时要先分清统计对象与分母：6.02 亿指报告口径下的生成式人工智能用户，42.8%是对应总体中的普及率，两者不能与某款应用的月活、注册量、访问次数或付费用户直接比较。判断市场机会还需要结合使用频率、具体任务、年龄与城乡结构、企业采购和实际付费等数据，不能用一个总量替代全部需求。

官方数据是什么？

CNNIC 的第 57 次统计报告明确写明：2025 年末用户规模较 2024 年末增长 141.7%，普及率提高 25.2 个百分点。CNNIC 此前的生成式人工智能应用发展报告（2025）记录了年中 5.15 亿和 36.5%；第 55 次报告页面和其报告全文记录的 2024 年末公开值是 2.49 亿和 17.7%。

从 2025 年 6 月到 12 月，用户净增约 8700 万，按 5.15 亿基数计算约增长 16.9%。这说明上半年扩张更快、下半年仍继续增长，但不能只看两个时点就断言未来一定保持相同增速。

一张可以直接引用的数据卡

数据卡的价值不是重复数字，而是让转载者同时保留机构、报告、时点和指标定义。若 CNNIC 后续发布新一期报告，应新增一个时间点并保留本次历史值，不把旧统计静默改写成“当前一直如此”。

分母到底是人口、网民还是 App 用户？

第 55 次报告将 2.49 亿描述为“占整体人口 17.7%”，第 57 次报告公布 6.02 亿与 42.8%。用公开值反推，2.49÷17.7%约为 14.07 亿，6.02÷42.8%约为 14.07 亿，说明这里的普及率分母不是 2025 年末 11.25 亿网民，也不是某个产品的注册用户。由于人数和比例都经过取整，反推结果只用于检查量级，不能替代报告的调查和加权过程。

中国政府英文网对该报告的统计摘要同样列出 6.02 亿、141.7%和 42.8%，可用于跨语言核对，但数字的原始责任来源仍是 CNNIC。

这是一项怎样的统计调查？

第 57 次报告的PDF 全文与调查方法附录说明，电话调查总体是中国内地拥有住宅固定电话或手机的 6 周岁及以上居民，覆盖 31 个省、自治区和直辖市，不含香港、澳门和台湾。调查使用固定电话与移动电话双重抽样框，在省级分层，并通过计算机辅助电话访问系统实施；报告还说明使用人口属性结构进行多变量联合加权推算。

这些方法信息决定了引用边界：

• 估计值不是逐人注册计数。6.02 亿来自调查与统计推算，不是把所有 AI 产品账户相加；同一个人使用多个产品也不能据此被当作多个总体用户。
• 地域范围必须保留。报告中的“中国”统计范围按附录为中国内地（大陆）地区，跨地区对比时应先统一范围。
• 年龄下限与电话覆盖属于方法条件。不能把结果无条件外推给 6 周岁以下人群，也不能忽略调查总体与目标总体的差异。
• 加权不等于没有误差。报告说明比例型目标量在 95%置信度时有最大允许绝对误差，并提醒数据多为四舍五入后的近似值；因此 0.1 个百分点的复算差异不应被包装成报告矛盾。
• 题目定义仍然重要。方法附录能说明总体、抽样与加权，但“生成式人工智能用户”的具体行为边界仍应以报告题项和术语为准，不能自行改写成日活、安装或付费。

读者引用调查数据时至少应查看核心数据、对应章节和调查方法三处。只看新闻摘要容易漏掉整体人口分母、范围、年龄、抽样和取整说明；只看方法又不能替代具体题项。需要核验长报告中的数字，可用原子主张与证据忠实度框架逐项记录页码、原句、单位和解释边界。

还要区分抽样误差与其他误差。置信区间主要描述随机抽样带来的不确定性，不能自动覆盖拒访、回忆偏差、题目理解、代理回答、电话无法覆盖或分类定义变化等问题。比较两期数字时，除了看差值是否大于四舍五入误差，还应确认总体、题目、调查方式和权重是否可比；如果报告没有给出足够细节，就只陈述官方结果和时间变化，不自行计算“显著增长”或给出精确预测。

同样，不要把调查结果与平台后台数据直接拼接成一条增长曲线：两者的去重、地域、年龄、活跃窗口和账户定义通常不同，必须分别标注、单独解释，并注明不可直接比较。

核对一条“AI 用户突破”新闻的七步法

1. 回到原始机构：先在 CNNIC 的统计报告目录确认报告编号和页面，不把媒体转载当成唯一证据。
2. 分开两个日期：第 57 次报告在 2026 年发布，统计截止时间却是 2025 年 12 月。标题可以写发布日期，指标旁必须写统计时点。
3. 保留完整名词：原文是“生成式人工智能用户”，不能缩写成全部“AI 用户”，也不能扩写成企业用户、开发者或某个 App 用户。
4. 确认行为定义：“使用过”与听说过、安装过、月活和付费不同。没有看到问卷原题或方法说明时，不额外发明“每天都用”等解释。
5. 检查分母：把人数除以普及率做量级检查；若算出的分母与文章所称“网民”明显不同，应回到报告核对，而不是继续传播。
6. 保留取整误差：人数、比例和增幅可能分别取整。复算值与报告差 0.1 时，列出两者和算法，不修改任何一个公开原值。
7. 限制结论：总体采用只能说明覆盖面，产品份额、活跃、付费和 ROI 要找新的数据。若自动摘要把这些层级混在一起，可结合AI 内容审核与人工复核指南拆成原子主张逐条检查。

这套方法也适用于“用户翻倍”“渗透率第一”“市场规模突破”等标题。真正可复核的稿件应该让读者看到：谁统计、统计谁、问了什么、截至何时、分母是什么、数字怎样取整，以及这条证据不能支持哪些结论。编辑台账还应保存原始页面、PDF 文件名、访问日期和本次计算式；后续报告更新时新增时间点，不覆盖旧报告数字，才能区分历史修订、来源变化与真实增长。

“用户规模”和“普及率”不是一回事

用户规模回答“符合调查定义的人有多少”，普及率回答“这些用户占统计口径总体的比例”。6.02 亿是规模，42.8%是普及率；把“6 亿很多”改写成“超过 50%”属于口径错误。

阅读统计数据时还要检查：

• 调查对象、年龄范围、抽样与加权方式；
• “使用过”还是“月活、周活或付费用户”；
• 是生成式 AI 总体用户，还是某个 App 的独立用户；
• 同一人使用多个产品是否只计算一次；
• 统计时点是 2025 年末，报道发布日期是 2026 年 2 月，不能写成“刚刚突破”。

“使用过”与月活、付费和收益差几层？

统计页回答的是总体采用，不是商业漏斗。至少要把认知、使用、活跃、付费和业务结果分开；每上推一层都需要新的调查或平台数据。第 55 次报告甚至同时给出“听说过”3.31 亿和“使用过”2.49 亿，证明两者并非同一个指标。

年龄、学历和国产产品偏好应该怎样解读？

CNNIC 的《生成式人工智能应用发展报告（2025）》还公布了几个容易被过度解读的结构数据：在生成式人工智能用户中，40 岁以下中青年用户占 74.6%，大专、本科及以上高学历用户占 37.5%；针对用户最常使用产品的调查，超过 90%的用户会首先选择国产大模型。这些都是报告在特定调查口径下的描述，不能直接推导某个品牌份额或整个社会的年龄、学历分布。

引用时必须保留分组条件。“用户中 40 岁以下占 74.6%”与“40 岁以下人群中有 74.6%使用生成式 AI”是两个完全不同的比例。前者以生成式 AI 用户为分母，后者以年龄群体人口为分母；公开摘要只支持前一种写法。

42.8%能说明什么？

它可以支持三个较谨慎的判断：

1. 生成式 AI 已超出小众尝鲜阶段：用户基数足够大，搜索、问答、内容生成和办公辅助已进入更广泛人群。
2. 增长仍在继续：2025 年下半年用户规模从 5.15 亿增至 6.02 亿，并未停在上半年高点。
3. 大众服务需要更强治理：当错误信息、隐私、未成年人使用和数字素养影响数亿人时，产品不能只追求获客。

国家数据局发布的《数字中国发展报告（2025年）》也引用了相关发展成果，并将其放在数字基础设施、应用和治理环境中观察，而不是把单一用户数字等同于产业成熟度。

这组数据不能证明什么？

• 不能证明某个产品有 6 亿月活：这是生成式 AI 总体调查，不是豆包、DeepSeek、Kimi 或其他产品榜单。
• 不能证明用户都在高频使用：普及率与日活、使用时长、留存、付费率不是同一指标。
• 不能证明企业 ROI：个人使用规模无法直接推导企业节省成本、增加收入或生产率提升。
• 不能证明国产芯片份额超过 50%：原稿将用户统计与未经核验的芯片市场数据拼接，二者不存在直接证据链。
• 不能证明中国是全球首个超过 50%的主要经济体：官方值本身没有超过 50%，跨国调查口径也可能不同。

对内容站和企业真正有用的启示

用户增长意味着更多人会直接向 AI 提问，也会通过搜索引擎的 AI 答案发现内容。站点需要提供能被逐句引用的定义、数据来源、计算方法和适用边界，而不是重复“引爆、核变、登顶”。这也是本站把旧稿改造成可核验数据页的原因。

企业不应拿 42.8%直接制定采购预算。先确定自己的用户是否在使用、用什么任务、错误成本多大，再做小范围测试。实施流程可参考AI 智能体与自动化治理指南，工具选型可查看AI 工具箱。

用户规模增长还意味着治理覆盖面扩大。国家网信办等部门的《生成式人工智能服务管理暂行办法》规定了适用服务的内容安全、个人信息、投诉举报等要求；《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日施行，进一步区分显式与隐式标识。它们说明治理要求，但不能用来证明用户活跃或产品质量。

企业怎样把全国统计转成自己的验证问题？

全国用户规模只说明市场教育已经广泛发生，企业仍需建立自己的证据链。第一步是匿名调查目标用户正在完成哪些任务、使用什么入口、为什么放弃；第二步从高频且可验收的任务中选一个小范围试点；第三步记录完成率、错误类型、人工接管、时延、费用和投诉，而不是只问“用过没有”；第四步把数据、评测、发布和退出条件写入AI 项目生命周期。

如果试点会读取客户数据、生成对外内容或执行业务动作，还要按AI 安全与权限治理设置最小权限、人工审批、日志和撤回路径。42.8%不能证明你的目标用户愿意授权数据，也不能证明模型在你的任务上可靠；全国采用规模与单个项目能否上线之间，至少还隔着需求、风险、评测和运营四道门。

怎样复算文中的增长数字？

相对增长率使用“（新值－旧值）÷旧值”。以 2024 年末 2.49 亿到 2025 年末 6.02 亿为例，净增约 3.53 亿，3.53÷2.49 约为 141.8%；与报告公布的 141.7%存在四舍五入差异，应优先引用官方值。

百分点通常用新旧比例直接相减，但公开值 42.8%－17.7%=25.1 个百分点，而第 57 次报告写“提高 25.2 个百分点”。这很可能来自报告使用未四舍五入底数后再取整；在无法获得内部未取整数时，应并列写“公开比例相减为 25.1，报告公布为 25.2”，不能把 17.7%擅自改成 17.6%来凑结果。

“增长 141.7%”不能写成“增长 141.7 个百分点”，也不能写成用户变为原来的 141.7%；正确含义是新规模约为旧规模的 2.417 倍。若用年中 5.15 亿作基数，则下半年增长约 16.9%，基数不同，结果也不同。

数据引用最好保存报告页面、发布日期和访问日期。后续 CNNIC 若更新新一期数字，应新增时间点，不要静默把旧时点改成新数字，从而造成历史报道看似“预知未来”。

制作图表时也应保留原始数值，不要为了视觉冲击截断坐标轴或把人数、百分比和百分点放在同一纵轴比较。

若媒体进行二次报道，还应区分“截至 2025 年 12 月的统计事实”和“2026 年发布报告”这两个日期；标题写报告发布日期，正文写统计截止时间，能够减少读者把旧时点误认成实时数据。

政策目标和当前统计不要混淆

国务院“人工智能+”行动意见提出，到 2027 年新一代智能终端、智能体等应用普及率超过 70%。这是面向未来的政策目标，指标对象也不是 CNNIC 的“生成式 AI 用户普及率”，不能把 70%目标写成当前完成值。

引用这组数据的标准模板

中国互联网络信息中心（CNNIC）第 57 次《中国互联网络发展状况统计报告》显示，截至 2025 年 12 月，中国生成式人工智能用户规模为 6.02 亿，普及率为 42.8%；报告称用户规模较 2024 年末增长 141.7%，普及率提高 25.2 个百分点。

模板同时包含机构、报告、统计截止时间、人数和比例。若只写“2026 年中国已有 6 亿用户”，读者容易把报告发布日期误认成统计期；若写“6 亿月活”，则改变了指标定义。国家知识产权局转载的权威报道和数字中国建设峰会发布的报告摘要可作为交叉核对入口，但引用时仍优先链接 CNNIC 原始页。

发布数据文章前的版本检查

本站把数据文章视为可追溯记录，而不是一次性新闻。若读者发现新报告或计算错误，可依据编辑规范与纠错流程提交具体来源；更正时应保留旧说法、修改原因、来源和复核日期。

常见问题

中国生成式 AI 普及率是否已经超过 50%？

没有。CNNIC 对 2025 年 12 月的官方统计是 42.8%。

6.02 亿是不是某个 AI App 的月活？

不是。这是调查统计的生成式 AI 用户总体规模，不能替代具体产品的 MAU 数据。

用户规模增长 141.7%是否等于普及率增长 141.7 个百分点？

不是。141.7%是用户规模相对增幅；报告公布普及率提高 25.2 个百分点。由于公开值 17.7%与 42.8%直接相减为 25.1 个百分点，这里应同时保留报告值和取整差异，不能把 17.7%擅自改成 17.6%来凑结果。

怎样引用这组数据才准确？

同时写明统计机构、统计时点、用户规模、普及率和报告名称，并直接链接原始报告页面。

编辑复核与纠错记录

本文由兰塞 AI 编辑流程于 2026 年 7 月 19 日完成第二轮发布前 A 级复核。旧稿标题错误宣称普及率突破 50%，并混入 9 亿预测、芯片份额、家电渗透率和竞品市场判断；新版只保留 CNNIC 可核验口径。本轮把特色数据图纳入正文，新增可直接引用的数据卡、年龄学历与国产产品偏好边界、企业内部验证问题和版本检查表，并继续保留 2024 年官方 17.7%、报告 25.2 个百分点与公开值直接相减 25.1 的舍入差异。正式发布前必须重新读取远端指纹并完成桌面端、移动端和慢速网络验收。本站数据与纠错方法见关于本站与编辑规范，相关概念说明见AI 教程与工作流。