硅谷的企業(yè)級AI正在這樣賺錢｜2025人工智能現(xiàn)狀報(bào)告

不圓 奕然 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

企業(yè)級AI開發(fā)現(xiàn)狀如何？各企業(yè)在使用AI的戰(zhàn)略上有什么變化？AI公司應(yīng)該作出什么樣的調(diào)整來應(yīng)對挑戰(zhàn)？

最近，這份報(bào)告在海外廣泛傳播，為上述問題作出了解答。

雖然更多的還是海外的情況，但對國內(nèi)的AI開發(fā)以及后續(xù)的戰(zhàn)略調(diào)整，都有一定的啟發(fā)作用。

——由ICONIQ Capital發(fā)布的2025年人工智能現(xiàn)狀報(bào)告，把這次的重點(diǎn)放在了“變現(xiàn)”上。

報(bào)告指出，雖然目前OpenAI在各企業(yè)的模型使用中遙遙領(lǐng)先，但越來越多公司在不同場景的AI產(chǎn)品中開始采用多模型并行的策略。多數(shù)受訪企業(yè)采用OpenAI模型搭配1-2個(gè)其他供應(yīng)商模型的組合策略。

那么，為什么會造成這樣的結(jié)果呢？

報(bào)告給出了以下5點(diǎn)關(guān)鍵要素：

• 1.AI產(chǎn)品戰(zhàn)略已進(jìn)入價(jià)值轉(zhuǎn)化新階段
• 2.AI正在重塑企業(yè)的產(chǎn)品服務(wù)定價(jià)策略
• 3.合適的AI人才儲備不足
• 4.對AI的投入正在持續(xù)增加
• 5.AI工具生態(tài)系統(tǒng)正在走向成熟

這項(xiàng)報(bào)告深度訪談總結(jié)了2025年4月對300名來自構(gòu)建AI產(chǎn)品的軟件公司高管進(jìn)行的調(diào)查數(shù)據(jù)，包括 CEO、工程負(fù)責(zé)人、AI負(fù)責(zé)人和產(chǎn)品負(fù)責(zé)人，非常具有參考價(jià)值。

量子位翻譯和總結(jié)了這次報(bào)告，讓我們一起來看。

核心數(shù)據(jù)：2025人工智能現(xiàn)狀統(tǒng)計(jì)

以下內(nèi)容展示了本次報(bào)告中最值得關(guān)注的七個(gè)重點(diǎn)，方便讀者速覽：

1.企業(yè)在模型選擇上的偏好：首選模型為OpenAI，Claude位居第二。

報(bào)告顯示，雖然OpenAI的GPT系列模型依然最受歡迎，但現(xiàn)在越來越多公司在不同場景的AI產(chǎn)品中開始采用多模型并行的策略。

2.關(guān)于AI支出：AI人才是目前最昂貴的項(xiàng)目；存儲、處理和AI基礎(chǔ)設(shè)施上的支出比推理和訓(xùn)練要多

然而，隨著AI產(chǎn)品的規(guī)模化，人才成本在總支出中的比例往往會下降；與之相反的是，隨著產(chǎn)品開始獲得市場認(rèn)可，基礎(chǔ)設(shè)施和計(jì)算成本往往會上升。

3.開發(fā)AI時(shí)最常用的工具

從左到右從上到下分別為：模型訓(xùn)練與微調(diào)、LLM與AI應(yīng)用開發(fā)、監(jiān)控和可觀察性、推理優(yōu)化、模型托管、模型評估、數(shù)據(jù)處理與特性工程、向量數(shù)據(jù)庫、合成數(shù)據(jù)與數(shù)據(jù)增強(qiáng)、產(chǎn)品與設(shè)計(jì)、編碼輔助、DevOps和MLOps。

4.按產(chǎn)品階段劃分的AI支出：營收規(guī)模約5億美元的公司在AI上的年支出約為1億美元

報(bào)告顯示，大多數(shù)受訪企業(yè)至少每月都會訓(xùn)練或微調(diào)模型，根據(jù)產(chǎn)品成熟度的不同，預(yù)估每月模型訓(xùn)練成本在16萬到150萬美元之間浮動。

另外，AI公司在產(chǎn)品正式發(fā)布后，推理成本會大幅飆升：高增長型企業(yè)在產(chǎn)品進(jìn)入通用可用階段（GA）和規(guī)模化時(shí)，相關(guān)支出可達(dá)同行兩倍之多。

5.智能體的興起：90%的高增長初創(chuàng)公司正在積極部署或使用智能體

多數(shù)企業(yè)在營收突破1億美元時(shí)都已設(shè)立專門的AI高管職位——這很有可能是因?yàn)檫\(yùn)營復(fù)雜度提升，且需要統(tǒng)一主導(dǎo)AI戰(zhàn)略布局。

6.AI的定價(jià)模式：正在逐漸偏離訂閱模式

目前，許多公司采用混合定價(jià)模式，將訂閱制/方案定價(jià)與按用量計(jì)費(fèi)或按效果付費(fèi)相結(jié)合；大多數(shù)AI賦能企業(yè)采取兩種策略：要么將AI功能作為高級版本的核心賣點(diǎn)，要么直接免費(fèi)開放這些功能。

在定價(jià)的策略上，有四成企業(yè)表示暫不調(diào)整定價(jià)策略，但有37%的受訪公司正在探索基于用量、投資回報(bào)率（ROI）和使用層級的全新收費(fèi)模式。

7.AI在內(nèi)部生產(chǎn)力方面的應(yīng)用：編程輔助（Cursor, Claude）目前排名第一

從實(shí)際生產(chǎn)力影響來看，代碼輔助工具帶來的效益遠(yuǎn)超其他應(yīng)用場景——在高速增長的初創(chuàng)企業(yè)中，AI生成的代碼量已占總量的33%，顯著高于其他公司27%的水平。

AI產(chǎn)品戰(zhàn)略已進(jìn)入價(jià)值轉(zhuǎn)化新階段

以AI為優(yōu)先的企業(yè)將產(chǎn)品推向市場的速度遠(yuǎn)超僅在現(xiàn)有產(chǎn)品中添加AI的公司。數(shù)據(jù)顯示，僅1%的AI原生公司仍處于預(yù)發(fā)布階段，而AI賦能公司中有11%。

近半數(shù)（47%）AI原生公司已達(dá)到關(guān)鍵規(guī)模并驗(yàn)證市場契合度，而僅開發(fā)AI賦能產(chǎn)品的公司中這一比例僅為13%。

這就引發(fā)了一個(gè)問題：AI原生機(jī)構(gòu)是否在團(tuán)隊(duì)構(gòu)成、基礎(chǔ)設(shè)施和資金模式等方面具備結(jié)構(gòu)性優(yōu)勢，使其能更高效地驗(yàn)證產(chǎn)品市場匹配度并實(shí)現(xiàn)規(guī)模化，甚至可能跳過那些拖累AI賦能公司的試錯(cuò)階段？后者往往需要將AI改造到現(xiàn)有工作流程中。

值得注意的是，自主工作流程和應(yīng)用層是AI原生公司和AI賦能公司當(dāng)前建設(shè)的重點(diǎn)。

大約80%的AI原生公司目前正在構(gòu)建自主工作流程，即設(shè)計(jì)為代表用戶執(zhí)行多步操作的自主系統(tǒng)。

OpenAI的GPT仍然是最受歡迎的模型；然而，許多公司正越來越多地采用多模型方法來應(yīng)對不同場景下的 AI 產(chǎn)品，根據(jù)用例、性能、成本和客戶需求，利用不同的供應(yīng)商和模型。

這種靈活性使它們能夠優(yōu)化多種應(yīng)用，如網(wǎng)絡(luò)安全、銷售自動化和客戶服務(wù)，同時(shí)確保跨地區(qū)的合規(guī)性和卓越的用戶體驗(yàn)。

當(dāng)前架構(gòu)設(shè)計(jì)普遍支持快速切換模型，部分企業(yè)更傾向采用開源模型，以獲取成本與推理速度的雙重優(yōu)勢。

總體來看，多數(shù)受訪企業(yè)采用OpenAI模型搭配1-2個(gè)其他供應(yīng)商模型的組合策略。

AI正在重塑企業(yè)的產(chǎn)品服務(wù)定價(jià)策略

AI正在重塑企業(yè)的產(chǎn)品服務(wù)定價(jià)策略。調(diào)研顯示，當(dāng)前主流是混合定價(jià)模式，即基礎(chǔ)訂閱費(fèi)+按用量計(jì)費(fèi)。部分企業(yè)更進(jìn)一步，嘗試完全按使用量或客戶實(shí)際效果收費(fèi)。

報(bào)告指出，目前大多數(shù)AI賦能的SaaS廠商仍將AI視為差異化賣點(diǎn)或增值噱頭，而非獨(dú)立利潤中心。

雖然將AI功能打包進(jìn)高級套餐或免費(fèi)提供是快速提升采用率、抵御競爭的最快方式，但隨著企業(yè)開始積累AI使用數(shù)據(jù)和投資回報(bào)率（ROI）分析，預(yù)計(jì)未來幾年這一策略將發(fā)生轉(zhuǎn)變——為避免利潤率壓縮，很可能會轉(zhuǎn)向基于用量的收費(fèi)模式。

雖然目前有相當(dāng)一部分公司免費(fèi)提供AI功能，40%的受訪公司沒有計(jì)劃改變定價(jià)，但37%的受訪公司正在探索基于消費(fèi)、投資回報(bào)率和使用等級的全新定價(jià)模式。

Full Stack AI Company的產(chǎn)品副總裁受訪表示，公司正在觀察AI能力能否為客戶帶來額外價(jià)值。

一旦達(dá)到關(guān)鍵采用規(guī)模并驗(yàn)證增值效果，該公司可能會對現(xiàn)有平臺套餐進(jìn)行分層（例如：推出包含完整AI/智能體功能的高級版，同時(shí)限制基礎(chǔ)版和企業(yè)版的功能）。

合適的AI人才儲備不足

AI不僅僅是技術(shù)問題，還是組織問題。大多數(shù)頭部企業(yè)正在組建由AI/ML工程師、數(shù)據(jù)科學(xué)家和AI產(chǎn)品經(jīng)理組成的跨職能團(tuán)隊(duì)。

展望未來，大多數(shù)企業(yè)預(yù)計(jì)其20%-30%的工程團(tuán)隊(duì)將專注AI領(lǐng)域，而高增長企業(yè)的這一比例預(yù)計(jì)高達(dá)37%。

調(diào)查結(jié)果顯示，找到合適的人才仍然是一個(gè)瓶頸。在AI相關(guān)崗位中，人工智能/機(jī)器學(xué)習(xí)工程師是所有人工智能特定角色中招聘時(shí)間最長的，平均招聘周期超過70天。

企業(yè)對招聘進(jìn)度的態(tài)度呈現(xiàn)兩極分化的態(tài)度：部分企業(yè)認(rèn)為進(jìn)展順利，但有54%的受訪者表示進(jìn)度滯后，主要原因是合格人才的儲備不足。

對AI的投入正在持續(xù)增加

平均而言，采用AI技術(shù)的公司正將其研發(fā)預(yù)算的10-20%用于AI研發(fā)。另外，多數(shù)公司計(jì)劃在2025年追加相關(guān)投入。

這一轉(zhuǎn)變意味著AI已成為產(chǎn)品戰(zhàn)略的核心要素。

報(bào)告顯示，在產(chǎn)品開發(fā)的早期階段，人才通常是最大的開支（包括招聘、培訓(xùn)和技能提升）；但隨著產(chǎn)品成熟獲得市場認(rèn)可，云成本、模型推理和治理開始構(gòu)成主要支出。

在各類基礎(chǔ)設(shè)施成本中，受訪者認(rèn)為API使用費(fèi)是最難控制的支出，這表明企業(yè)在外部API調(diào)用產(chǎn)生的可變成本方面面臨最大的不確定性。

大多數(shù)受訪企業(yè)至少每月都會訓(xùn)練或微調(diào)模型，根據(jù)產(chǎn)品成熟度的不同，預(yù)估每月模型訓(xùn)練成本在16萬到150萬美元之間浮動。

AI工具生態(tài)系統(tǒng)正在走向成熟

盡管大多數(shù)受訪公司為約70%的員工提供了內(nèi)部AI工具，但實(shí)際定期使用這些工具的員工僅占一半左右。

在規(guī)模較大、歷史較長的企業(yè)中，讓員工接受AI應(yīng)用尤其困難。

來自New York Life的高級副總裁Don Vu受訪表示：單純部署工具（尤其是對大型企業(yè)而言）注定收效甚微。要真正賦能員工，必須在開放使用權(quán)限的同時(shí)建立配套支持體系——包括系統(tǒng)化培訓(xùn)、樹立標(biāo)桿榜樣，以及最關(guān)鍵的，高管層的持續(xù)支持。

報(bào)告顯示，在員工使用率超過50%的高采用率組織中，平均在七個(gè)或更多的內(nèi)部應(yīng)用場景中部署AI，包括代碼助手（77%的受訪者使用）、內(nèi)容生成（65%）和文檔搜索（57%）。

從實(shí)際生產(chǎn)力影響來看，代碼輔助工具帶來的效益遠(yuǎn)超其他應(yīng)用場景，這與各場景的使用熱度排名高度一致。在高速增長的初創(chuàng)企業(yè)中，AI生成的代碼量已占總量的33%，而其他公司則為27%。

受訪者表示在使用了AI的這些領(lǐng)域，生產(chǎn)力提升范圍在15%至30%

高增長企業(yè)往往更積極地試驗(yàn)和采用新AI工具，這表明頭部公司已將AI視為戰(zhàn)略杠桿，并正加速將其整合到內(nèi)部工作流程中。

此外，大多數(shù)公司正在衡量內(nèi)部AI使用的生產(chǎn)率提升和成本節(jié)約，超過30%的受訪公司會追蹤定性和定量的AI驅(qū)動的效率收益。

參考鏈接：
[1]https://www.iconiqcapital.com/growth/reports/2025-state-of-ai
[2]https://x.com/deedydas/status/1939363811938726073