2026年用户研究未来报告：从影响力到基础设施

核心观点： 用户研究正在经历一个转折点，从过去被忽视的洞察价值到如今与业务影响相融合。随着人工智能（AI）的普及和研究需求的增长，用户研究的影响力正扩展到董事会层面，成为战略决策的重要依据。然而，研究需求的快速增长与现有支持体系的滞后之间的矛盾日益突出，这要求组织建立可扩展的研究系统和文化。

关键数据：

• AI在用户研究中的应用： 近三分之二（69%）的研究人员现在在他们的研究项目中使用AI，用于数据分析（76%）、自动转录（57%）、计划和起草研究（56%），甚至生成研究问题（55%）。
• 研究影响力提升： 2026年，22%的参与者表示研究对业务战略和运营至关重要，而2025年仅为8%。41%的参与者表示研究现在会影响产品和更广泛的战略业务决策。
• 研究需求增长： 66%的产品专业人士报告说，对研究的需求数量有所增加，而去年这一数字为55%。
• 研究影响衡量： 56%的团队跟踪KPI和OKR来衡量研究影响，而2025年这一数字为43%。51%的团队跟踪研究对产品决策的影响。

研究结论：

• AI成为基准，人类判断成为优势： AI正在成为用户研究的基础设施，帮助研究人员处理重复性任务，提高效率。然而，人类判断在解释细微差别、进行道德决策、提出正确问题和影响利益相关者方面仍然至关重要。
• 研究影响力达到董事会： 研究人员正从执行者转变为战略合作伙伴，参与更高级别的业务决策。研究思维正在扩展到整个组织，包括营销、数据分析和客户服务团队。
• 需求超过支持： 研究需求的增长速度超过了支持体系的增长速度，导致研究团队面临压力，需要在更短的时间内提供更深入的研究结果。团队正在探索新的研究方法，例如AI主持的访谈，并尝试利用现有数据流进行持续学习。
• 建立可扩展的系统： 为了应对研究需求的增长，组织需要建立可扩展的研究系统和文化。这包括投资于持续的赋能，建立知识中心，标准化质量，并将研究嵌入到运营节奏中。

建议：

• 设计以人为中心的AI系统，确保速度不会牺牲严谨性。
• 将赋能视为持续的基础设施投资，而不仅仅是培训。
• 提升问题的质量，确保利益相关者提出 sharper、更有根据的问题。
• 将发现集中起来，以便知识得以积累而不是重复。
• 标准化质量，确保洞察在规模上保持可信度。
• 将分发嵌入到运营节奏中，以便研究在决策发生时出现。
• 将研究嵌入到决策过程中，使其在最终确定之前就能产生影响。

大模型行业发展趋势：迭代持续加速，中美差距有所收窄

2026年以来，大模型行业竞争进一步加剧，中美前沿模型能力差距持续缩窄。中国前沿语言模型智能水平已由2025年3月的约20分区间提升至2026年4月的约50分附近，而同期美国由约35分左右提升至接近60分，中美顶尖模型能力差距由此前约10–15分进一步收窄至6分（Google Gemini 3.1 Pro Preview对比智谱GLM-5.1）。整体来看，当前大语言模型行业演进主要呈现三大趋势：

1. 大模型迭代节奏进一步加快：头部厂商公开模型版本的更新节点明显增密、版本间隔持续缩短，且多家厂商能力曲线在更短时间内展现更高频的能力提升趋势。
2. 推理效率正成为新的关键竞争维度：中高智能区间模型（智能能力指数20-40为例）的推理价格已由2025年3月的约0.25–1美元/百万tokens快速下探至2026年3月的约0.0625–0.125美元/百万tokens，对应降幅约75%–87.5%；与此同时，输出速度由约150–200 tokens/秒提升至300 tokens/秒以上，对应增幅约50%–100%以上。
3. 智能体成为大模型行业演进的核心主线之一：模型能力强调工具调用、编程与多模态能力，从而打造能解决真实世界问题的智能体。

从模型综合能力看，Google在多个维度整体占优。分项来看：

• 语言模型智能能力方面：国际厂商中以Google Gemini 3.1 Pro Preview领先，国内则以智谱GLM-5.1为代表。
• 推理效率方面：国际Google Gemini 3 flash，国内DeepSeek V3.2、MiniMax M2.7、Mimo-V2-Pro、Kimi K2.5均进入最优象限。
• Agent能力方面：国际第一梯队主要包括OpenAIGPT5.4与AnthropicClaude Opus 4.6，国内则智谱GLM-5.1和小米MiMo-V2-Pro领跑。
• 图像生成方面：国际头部模型为OpenAI、Google和Black Forest Labs，国内字节跳动表现较为突出。
• 视频生成方面：国内厂商快手、生数科技和爱诗科技构成第一梯队领跑行业，海外厂商以xAI表现突出。

龙头基础模型平台：商业化快速推进

海外AI基础模型平台：ARR竞赛白热化，Anthropic增长迅速

1Q26海外AI平台竞争格局出现显著分化，对比OpenAI、Anthropic、xAI：

• 收入体量看：Anthropic和OpenAI维持行业领先水平。Anthropic 2026年4月公布的ARR已经超过300亿美元；OpenAI 2026年2月ARR约250亿美元；xAI独立AI业务收入规模则仍显著偏小，2025年年化收入约5亿美元，2026年预计增至20亿美元以上。
• 增长斜率看：Anthropic表现突出，三个月内实现ARR翻倍。OpenAI用户规模依旧领跑全球，营收增长主要来自产品付费渗透的提升。Anthropic预计最早实现盈利，毛利率亦有望从2024年的-94%改善至2028年的77%。
• xAI（Grok）：市场对远期生态联动给出较高期待，但现阶段收入规模仍不足以覆盖算力、训练和运营投入，盈利目标兑现路径存在不确定性。

国内AI基础模型平台：进入商业化验证期，营收维持高增状态

国内AI平台的定价变量已从更偏重追求“模型能力排名”转向“收入兑现速度与路径可持续性”。建议持续关注：

1. 模型能力提升及新的商业化突破（即模型提价及新商业化模式探索）。
2. 各公司模型层面的差异化优势及维持情况。
3. 算力供给瓶颈及地缘因素对变现节奏带来的扰动。

AI应用商业化进展更新

当前，AI应用商业化起量较为迅速的主要C端领域为AI编程、企业AI智能体、AI创意生成和AI搜索四大领域。主要规律如下：

1. AI编程：商业化领先的AI应用垂类赛道，已跑出多个十亿美元级ARR产品。赛道增速远超其他AI垂直赛道，头部产品均实现ARR高速增长。
2. 企业AI智能体：海外落地迅速，核心驱动力并非独立新产品爆发，而是SaaS巨头在存量客户基础上进行AI功能增购。
3. AI创意生成：头部产品早期商业化进展积极，但行业竞争逐渐加剧，市场份额将逐渐向已形成正向商业循环的少数头部厂商集中。
4. AI搜索：持续探索高效商业化路径，目前仍处于早期探索阶段，商业化路径的确定性相对较弱。

重点覆盖公司1Q26 AI业务进展更新

腾讯：OpenClaw相关产品开拓AI智能体业务机会

• 腾讯2026年加速在AI领域的投入和布局，推出多款相关产品以加速切入AI智能体赛道。
• 微信生态+智能体+开源/三方大模型有望帮助腾讯抢占AI智能体赛道份额，进一步完善微信生态的同时带来潜在的智能体商业化机会。
• 推荐：腾讯（700 HK；买入；目标价：750.0港元）。

快手：维持视频模型赛道领先梯队

• 快手2026年3月正式面向公众开放可灵3.0模型，模型登顶Artificial Analysis文生视频模型榜单，后续也维持在榜单的领先梯队。
• 快手在AI商业化方面亦取得扎实进展，4Q25可灵AI收入达3.4亿元，2026年1月年化ARR突破3亿美元。
• 推荐：快手（未评级）。

阿里巴巴：千问系列模型持续迭代，全栈AI商业化提速

• 阿里巴巴千问系列模型持续迭代，Qwen3.5-Plus等模型性能超越万亿参数的Qwen3-Max模型。
• 阿里巴巴CEO吴泳铭发出全员信，宣布正式成立AlibabaToken Hub（ATH）事业群，整合通义实验室、MaaS业务线、千问事业部、悟空事业部及AI创新事业部。
• 推荐：阿里巴巴（BABA US；买入；目标价：206.1美元）。

谷歌：打造全球领先的全栈AI产品体系

• 谷歌目前已打造全球领先的全栈AI产品体系，覆盖AI计算基础设施+大模型+AI开发平台+AI智能体与应用生态。
• 推荐：谷歌（GOOG US；买入；目标价：396.0美元）。

Meta：Muse Spark聚焦C端AI应用场景

• Meta 2026年4月正式发布大模型Muse Spark，该模型是Meta Superintelligence Labs（MSL）成立后发布的首个大模型，具备原生多模态推理以及视觉思维链能力。
• Muse Spark主要面向Meta的C端产品体系打造，包括Meta AI、Facebook和Instagram等应用。
• 推荐：Meta（META US；买入；目标价：880.0美元）。

微软：Phi-4系列聚焦“小而精”模型定位

• 微软自研模型延续"小而精"定位，Phi-4系列聚焦端侧部署与低延迟场景。
• Phi-4系列的核心竞争力在于极高的训练与推理效率，为微软正在推进的Copilot+PC硬件生态形成协同。
• 推荐：微软（MSFT US；买入；目标价：614.6美元）。

股票推荐

1. 腾讯（700 HK；买入；目标价：750.0港元）
2. 阿里巴巴（BABA US；买入；目标价：206.1美元）
3. 谷歌（GOOG US；买入；目标价：396.0美元）
4. Meta（META US；买入；目标价：880.0美元）
5. 微软（MSFT US；买入；目标价：614.6美元）

前言

人工智能时代需要互联互通的架构。企业成功实施AI的关键在于数据基础设施的准备程度，而当前许多企业的数据架构存在碎片化、孤岛化等问题，导致数据难以扩展和管理，阻碍AI应用。

数据架构难题

企业数据架构停滞不前的主要原因在于数据孤岛和重复的管道，这导致数据真相来源混乱，限制了AI的效果和准确性。传统的解决方案如数据仓库和数据湖虽然各有优势，但往往导致系统复杂化，缺乏统一治理。

重新思考建筑——从数据孤岛到开放的、互操作的湖屋

数据湖屋作为一种新兴架构，能够容纳各种结构数据存储方式，提供性能、灵活性、成本效益和降低供应商锁定风险。但传统的湖屋存在互操作性不足的问题，如Delta Lake的单一写入多读模式限制了数据共享。

无妥协连接数据

Apache Iceberg作为开源开放表格格式，支持多写多读模式，实现供应商中立、互操作性，成为构建互操作湖屋的理想选择。开放表格格式通过元数据层提供ACID事务、模式演化和时间旅行功能，支持多引擎访问，实现数据统一视图。

声明式数据处理实现规模简化

声明式数据处理通过自动化和简化流程，降低数据工程复杂性，提高生产效率。Snowflake的Cortex Code和动态Iceberg表等功能，实现自动检测模式变化、自动转换数据，并通过无服务器任务自动化转换层。

治理安全与信任的人工智能时代

治理不应是数据生命周期末尾的独立功能，而应融入架构中。Snowflake的Horizon目录提供统一的治理和发现层，实现基于角色的访问控制与属性驱动的精确度相结合，确保数据安全与合规。

种可互操作的数据湖架构模式

企业可根据自身需求选择不同的湖屋架构模式，如勋章式架构、兼容的与目录链接的数据库、雪花边缘目录等，实现数据共享、治理和安全。

企业湖仓的商业模式

互操作湖屋为企业提供更快的洞察力和更强的控制力。高盛、Affirm、Indeed等企业通过采用Snowflake和Apache Iceberg构建湖屋，实现了数据处理效率提升、成本降低和业务增长。

建筑师的力量

互操作湖屋架构为企业提供了无限可能，通过互联、开放和互操作的基石，实现数据与AI的变革性应用。企业应选择合适的架构模式，构建高效、安全、可扩展的数据基础设施，推动AI创新和业务发展。

Q1 2026 英国科技行业概况

2026年第一季度，英国科技创新企业通过风险投资筹集了78亿美元，同比增长60%，创下自2022年以来的最强开局。这一增长反映了成熟且富有韧性的生态系统，资本正越来越多地流向兼具技术领先性和商业可行性的公司。

人工智能成为核心驱动力
人工智能占据英国风险投资的74%，其中AI初创企业单季度筹集58亿美元，同比增长176%。AI领域完成了12轮超大型融资（总额51亿美元），占英国超大型融资的8轮（总额51亿美元），另有18亿美元在突破阶段融资。Nscale（2亿美元）、Wayve（12亿美元）、ElevenLabs（5亿美元）等AI公司引领了主要融资轮次。英国在AI初创企业估值（4.3倍于法国和德国）、企业数量（约2倍）和独角兽企业数量（约2倍）等关键指标上均领先欧洲。

风险投资结构
超大型融资（1000万美元以上）主导增长，占资本总额的65%，其中AI公司占比最高。英国超大型融资平均规模同比增长41%，前三名为Nscale（20亿美元）、Wayve（12亿美元）和ElevenLabs（5亿美元）。系列A轮次降至34轮（2025年为40轮），但AI领域仍占三分之一。光子学、金融科技、医疗健康和能源领域保持活跃，合计占英国VC的21%。

行业分布
托管、机器人和交通领域因Nscale和Wayve等AI巨头带动，超越传统领先行业。金融科技和医疗健康仍保持交易规模领先，反映这两个领域的整体活跃度。

欧洲领先地位
英国在欧洲风险投资中占比41%，超过法国、德国和荷兰总和。英国科技创新经济总价值达1.3万亿美元，其中58%来自2010年后创立的公司。2026年新增7家独角兽企业，总数达33家，占欧洲总量的33%。英国初创企业吸引的外国资本高于欧洲平均水平，其中后期融资中15%来自国内投资者。

人才与创始人生态
伦敦、剑桥、牛津和爱丁堡位列欧洲前15名AI人才城市。领先AI公司的创始人正在创办新一代企业，形成“创始人飞轮”效应。英国在量子计算领域持续领先，2026年投资显著增长，政府宣布1亿英镑的量子计算商业化资金将进一步推动该领域发展。