CNNIC 第 56 次中国互联网络发展状况统计报告

向管理层或客户解释“为什么要做中文 GEO”，最硬的开场白藏在这份半年报里：CNNIC 第 56 次中国互联网络发展状况统计报告（2025-07-21 发布）给出官方口径——网民规模 11.23 亿、互联网普及率 79.7%，而生成式 AI 用户中 80.9% 用它“回答问题”，问答是第一大用途。这组数字把“用户在向 AI 提问”从行业体感升格为官方级事实，是中文 GEO 需求底盘的第一引证来源。同期报告还记录了当时 346 款生成式 AI 服务完成备案，供给侧的竞争密度同样有据可查。

先交代这份报告本身。《中国互联网络发展状况统计报告》是 CNNIC 按半年节奏连续发布的官方统计，覆盖网民规模、接入环境与各类互联网应用的使用情况，是国内互联网数据引用体系里证据等级最高的一层。对 GEO 从业者，它的价值不在于报告名里有没有“AI”三个字，而在于它把生成式 AI 的使用行为纳入了常规统计框架——从此“用户在用 AI 干什么”每个报告期都有官方答案，GEO 的需求论证不必再依赖厂商白皮书。

80.9% 拿它回答问题：第一大用途意味着什么

用途结构比用户规模更能说明 GEO 的必要性。“回答问题”居第一位，意味着生成式 AI 在中文用户手里首先是一个答案引擎，其次才是写作、绘图或编程工具——用户带着问题来，期望一段直接可用的答案离开。这正是 GEO（生成式引擎优化）所服务的场景：答案里提到谁、引用谁，谁就拿到了新入口的可见度。

把这条事实与零点击趋势并排，叙事就完整了。用户越来越习惯在答案内解决问题、不再点击链接，而“回答问题”成为生成式 AI 的第一大用途，说明问答入口承接的正是过去流向搜索的那部分信息需求。需求没有消失，只是换了载体——载体换了，可见度的竞争规则也就换了。做内部汇报时，这两条事实一供需、一行为，拼起来就是“为什么现在要做 GEO”的完整论证，且每一条都能落到官方或公开出处上。

还有一个容易被略过的细节：这是“用途占比”，不是“使用率”。它刻画的是生成式 AI 用户内部的用途结构——在已经用上生成式 AI 的人群里，八成以上拿它问答；它不说明全体网民的使用比例。拿这个数字去陈述“八成网民用 AI 问答”是把分母偷换成了全体网民，口径就错了。

“回答问题”居首对商业含义也有一层容易被低估的影响：问答是信息类需求的入口，而信息类需求正是购买决策的前半程——用户问“分段绝缘器哪家稳定”时，答案里出现的名字就进入了候选集。可见度于是不只关乎流量，更关乎进入候选集的资格。这也是为什么“答案引擎”时代的品牌竞争，核心动作从买位置转向了“被答案说起”。

346 款备案：供给侧的密度信号

备案数字回答的是供给侧问题。截至该报告期，346 款生成式 AI 服务完成备案——这是中文市场独有的制度性口径：服务上线须完成备案，备案数量因此成为供给侧竞争密度的官方计数。数百款服务共享同一个问答需求池，意味着两件事：用户注意力在多平台间分散，任何一个引擎都不构成垄断入口；引擎之间的信源偏好差异被竞争放大——各家都在用差异化语料抢答案质量。这与站内多平台分裂的证据链是同一故事的供给侧注脚。

备案制度的另一个作用是给从业者一张可核对的供给地图。哪些主体推出了生成式 AI 服务、大盘在以什么节奏扩容，都有官方记录可查——对做 生成式引擎生态监测的团队，这份名单比应用商店排行榜更能反映真实供给，因为备案是准入门槛而非营销位。想判断某个新引擎值不值得纳入监测面板，先看它在不在备案口径里，再看用户面。

备案口径本身也在滚动更新。后续发布的《生成式人工智能应用发展报告 2025》把这一数字推进到 538 款（见《CNNIC 生成式人工智能应用发展报告 2025》）。引用时要锚定时间点：346 款是第 56 次报告期的事实，538 款是专题报告期的事实，两个数都真实，错配时间才是错误。

口径纪律：80.9% 与 5.15 亿不是一回事

CNNIC 系报告里最常被混用的两个数字，恰好都关于生成式 AI。注意与《生成式人工智能应用发展报告》的口径区分：80.9% 是“用途占比”（第 56 次报告），5.15 亿/36.5% 是“用户规模/普及率”（专题报告）——两者分母不同，勿混用。展开说：80.9% 的分母是“生成式 AI 用户”，问的是“其中多少人用它回答问题”；5.15 亿的分母是全体网民，36.5% 是由此算出的普及率。前者是结构指标，后者是规模指标，把前者当普及率引用、或拿后者乘前者之外的分母，都是常见事故。

两个口径会并存，根源在两份报告的分工：半年报做全景扫描，生成式 AI 只是其中一节，只装得下用途结构这类轻量指标；专题报告单独成册，才能承载用户规模、渗透率这类需要专门抽样设计的重指标。分工本身合理，风险出在转引环节——二级传播者只摘数字不带报告名，两个口径就此流窜。引用者的责任因此明确：每引一个数，把它的“户口”（哪份报告、哪一期）一起带上。

站内数据卡《中国生成式 AI 用户 5.15 亿，80.9% 网民用它回答问题》把两个口径合并陈列并标注了区分。写材料时的自查办法很土但有效：每个百分比后面用括号写清“什么的百分之多少”，写不出来的那格就是口径漏洞。

汇报场景：官方数字怎么用

implication 里写得很直白：做内部汇报或客户教育时优先引用 CNNIC 口径。原因是证据等级——CNNIC 系列是“一手官方”，比厂商研究与服务商报告高两级；在决策场景里，同样一个结论，官方数字能过审，厂商数字要加注。官方数字还有免于口径争论的附加价值：受众若质疑样本与方法，可以直接指向发布机构，不必自己下场辩护。

用时建议配三段式：先引规模（5.15 亿用户，出自专题报告）、再引用途（80.9% 用来回答问题，出自本报告）、最后引行为（答案内解决、点击后置的零点击趋势）。三段各配一个出处，叙事从“有多少人用”推到“用来干什么”再推到“因此可见度在哪”，这比堆一屏百分比更有说服力。对中文市场的从业者，这份半年报值得每期跟进：它是少数把“AI 问答需求”写进官方统计框架的数据源，趋势的连续性比任何单期数字都值钱。

反面清单也值得抄进模板。我们见过的三类高频错误：一是把 80.9% 写成“网民普及率”，分母错位；二是把 346 款写成“最新备案数”，时间点过期却没标；三是把 CNNIC 数字与厂商数字并排成表却不加证据等级标注，让官方口径给厂商数据背书。三类错误的共同解药是引注里写清“哪份报告、哪个报告期、什么分母”——七个字的出处栏，能挡住汇报现场的大部分质疑。