企業級AI開發現狀如何？各企業在使用AI的戰略上有什么變化？AI公司應該作出什么樣的調整來應對挑戰？

最近，這份報告在海外廣泛傳播，為上述問題作出了解答。

雖然更多的還是海外的情況，但對國內的AI開發以及后續的戰略調整，都有一定的啟發作用。

——由ICONIQ Capital發布的2025年人工智能現狀報告，把這次的重點放在了“變現”上。

報告指出，雖然目前OpenAI在各企業的模型使用中遙遙領先，但越來越多公司在不同場景的AI產品中開始采用多模型并行的策略。多數受訪企業采用OpenAI模型搭配1-2個其他供應商模型的組合策略。

那么，為什么會造成這樣的結果呢？

報告給出了以下5點關鍵要素：

1.AI產品戰略已進入價值轉化新階段

2.AI正在重塑企業的產品服務定價策略

3.合適的AI人才儲備不足

4.對AI的投入正在持續增加

5.AI工具生態系統正在走向成熟

這項報告深度訪談總結了2025年4月對300名來自構建AI產品的軟件公司高管進行的調查數據，包括 CEO、工程負責人、AI負責人和產品負責人，非常具有參考價值。

量子位翻譯和總結了這次報告，讓我們一起來看。

核心數據：2025人工智能現狀統計

以下內容展示了本次報告中最值得關注的七個重點，方便讀者速覽：

1.企業在模型選擇上的偏好：首選模型為OpenAI，Claude位居第二。

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

2.關于AI支出：AI人才是目前最昂貴的項目；存儲、處理和AI基礎設施上的支出比推理和訓練要多

然而，隨著AI產品的規模化，人才成本在總支出中的比例往往會下降；與之相反的是，隨著產品開始獲得市場認可，基礎設施和計算成本往往會上升。

3.開發AI時最常用的工具

從左到右從上到下分別為：模型訓練與微調、LLM與AI應用開發、監控和可觀察性、推理優化、模型托管、模型評估、數據處理與特性工程、向量數據庫、合成數據與數據增強、產品與設計、編碼輔助、DevOps和MLOps。

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

報告顯示，大多數受訪企業至少每月都會訓練或微調模型，根據產品成熟度的不同，預估每月模型訓練成本在16萬到150萬美元之間浮動。

另外，AI公司在產品正式發布后，推理成本會大幅飆升：高增長型企業在產品進入通用可用階段（GA）和規模化時，相關支出可達同行兩倍之多。

5.智能體的興起：90%的高增長初創公司正在積極部署或使用智能體

多數企業在營收突破1億美元時都已設立專門的AI高管職位——這很有可能是因為運營復雜度提升，且需要統一主導AI戰略布局。

6.AI的定價模式：正在逐漸偏離訂閱模式

目前，許多公司采用混合定價模式，將訂閱制/方案定價與按用量計費或按效果付費相結合；大多數AI賦能企業采取兩種策略：要么將AI功能作為高級版本的核心賣點，要么直接免費開放這些功能。

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

7.AI在內部生產力方面的應用：編程輔助（Cursor, Claude）目前排名第一

從實際生產力影響來看，代碼輔助工具帶來的效益遠超其他應用場景——在高速增長的初創企業中，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產品戰略已進入價值轉化新階段

以AI為優先的企業將產品推向市場的速度遠超僅在現有產品中添加AI的公司。數據顯示，僅1%的AI原生公司仍處于預發布階段，而AI賦能公司中有11%。

近半數（47%）AI原生公司已達到關鍵規模并驗證市場契合度，而僅開發AI賦能產品的公司中這一比例僅為13%。

這就引發了一個問題：AI原生機構是否在團隊構成、基礎設施和資金模式等方面具備結構性優勢，使其能更高效地驗證產品市場匹配度并實現規模化，甚至可能跳過那些拖累AI賦能公司的試錯階段？后者往往需要將AI改造到現有工作流程中。

值得注意的是，自主工作流程和應用層是AI原生公司和AI賦能公司當前建設的重點。

大約80%的AI原生公司目前正在構建自主工作流程，即設計為代表用戶執行多步操作的自主系統。

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對不同場景下的 AI 產品，根據用例、性能、成本和客戶需求，利用不同的供應商和模型。

這種靈活性使它們能夠優化多種應用，如網絡安全、銷售自動化和客戶服務，同時確保跨地區的合規性和卓越的用戶體驗。

當前架構設計普遍支持快速切換模型，部分企業更傾向采用開源模型，以獲取成本與推理速度的雙重優勢。

總體來看，多數受訪企業采用OpenAI模型搭配1-2個其他供應商模型的組合策略。

AI正在重塑企業的產品服務定價策略

AI正在重塑企業的產品服務定價策略。調研顯示，當前主流是混合定價模式，即基礎訂閱費+按用量計費。部分企業更進一步，嘗試完全按使用量或客戶實際效果收費。

報告指出，目前大多數AI賦能的SaaS廠商仍將AI視為差異化賣點或增值噱頭，而非獨立利潤中心。

雖然將AI功能打包進高級套餐或免費提供是快速提升采用率、抵御競爭的最快方式，但隨著企業開始積累AI使用數據和投資回報率（ROI）分析，預計未來幾年這一策略將發生轉變——為避免利潤率壓縮，很可能會轉向基于用量的收費模式。

雖然目前有相當一部分公司免費提供AI功能，40%的受訪公司沒有計劃改變定價，但37%的受訪公司正在探索基于消費、投資回報率和使用等級的全新定價模式。

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

一旦達到關鍵采用規模并驗證增值效果，該公司可能會對現有平臺套餐進行分層（例如：推出包含完整AI/智能體功能的高級版，同時限制基礎版和企業版的功能）。

合適的AI人才儲備不足

AI不僅僅是技術問題，還是組織問題。大多數頭部企業正在組建由AI/ML工程師、數據科學家和AI產品經理組成的跨職能團隊。

展望未來，大多數企業預計其20%-30%的工程團隊將專注AI領域，而高增長企業的這一比例預計高達37%。

調查結果顯示，找到合適的人才仍然是一個瓶頸。在AI相關崗位中，人工智能/機器學習工程師是所有人工智能特定角色中招聘時間最長的，平均招聘周期超過70天。

企業對招聘進度的態度呈現兩極分化的態度：部分企業認為進展順利，但有54%的受訪者表示進度滯后，主要原因是合格人才的儲備不足。

對AI的投入正在持續增加

平均而言，采用AI技術的公司正將其研發預算的10-20%用于AI研發。另外，多數公司計劃在2025年追加相關投入。

這一轉變意味著AI已成為產品戰略的核心要素。

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

在各類基礎設施成本中，受訪者認為API使用費是最難控制的支出，這表明企業在外部API調用產生的可變成本方面面臨最大的不確定性。

大多數受訪企業至少每月都會訓練或微調模型，根據產品成熟度的不同，預估每月模型訓練成本在16萬到150萬美元之間浮動。

AI工具生態系統正在走向成熟

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

在規模較大、歷史較長的企業中，讓員工接受AI應用尤其困難。

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

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

從實際生產力影響來看，代碼輔助工具帶來的效益遠超其他應用場景，這與各場景的使用熱度排名高度一致。在高速增長的初創企業中，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的這些領域，生產力提升范圍在15%至30%

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

此外，大多數公司正在衡量內部AI使用的生產率提升和成本節約，超過30%的受訪公司會追蹤定性和定量的AI驅動的效率收益。