不圆 奕然 发自 凹非寺
量子位 | 公众号 QbitAI
企业级AI开发现状如何？各企业在使用AI的战略上有什么变化？AI公司应该作出什么样的调整来应对挑战？
最近，这份报告在海外广泛传播，为上述问题作出了解答。
虽然更多的还是海外的情况，但对国内的AI开发以及后续的战略调整，都有一定的启发作用。
——由ICONIQ Capital发布的2025年人工智能现状报告，把这次的重点放在了“变现”上。
报告指出，虽然目前OpenAI在各企业的模型使用中遥遥领先，但越来越多公司在不同场景的AI产品中开始采用多模型并行的策略。多数受访企业采用OpenAI模型搭配1-2个其他供应商模型的组合策略。
那么，为什么会造成这样的结果呢？
报告给出了以下5点关键要素：
1.AI产品战略已进入价值转化新阶段2.AI正在重塑企业的产品服务定价策略3.合适的AI人才储备不足4.对AI的投入正在持续增加5.AI工具生态系统正在走向成熟这项报告深度访谈总结了2025年4月对300名来自构建AI产品的软件公司高管进行的调查数据，包括 CEO、工程负责人、AI负责人和产品负责人，非常具有参考价值。
量子位翻译和总结了这次报告，让我们一起来看。
核心数据：2025人工智能现状统计以下内容展示了本次报告中最值得关注的七个重点，方便读者速览：
1.企业在模型选择上的偏好：首选模型为OpenAI，Claude位居第二。
报告显示，虽然OpenAI的GPT系列模型依然最受欢迎，但现在越来越多公司在不同场景的AI产品中开始采用多模型并行的策略。
2.关于AI支出：AI人才是目前最昂贵的项目；存储、处理和AI基础设施上的支出比推理和训练要多
然而，随着AI产品的规模化，人才成本在总支出中的比例往往会下降；与之相反的是，随着产品开始获得市场认可，基础设施和计算成本往往会上升。
3.开发AI时最常用的工具
从左到右从上到下分别为：模型训练与微调、LLM与AI应用开发、监控和可观察性、推理优化、模型托管、模型评估、数据处理与特性工程、向量数据库、合成数据与数据增强、产品与设计、编码辅助、DevOps和MLOps。
4.按产品阶段划分的AI支出：营收规模约5亿美元的公司在AI上的年支出约为1亿美元
报告显示，大多数受访企业至少每月都会训练或微调模型，根据产品成熟度的不同，预估每月模型训练成本在16万到150万美元之间浮动。
另外，AI公司在产品正式发布后，推理成本会大幅飙升：高增长型企业在产品进入通用可用阶段（GA）和规模化时，相关支出可达同行两倍之多。
5.智能体的兴起：90%的高增长初创公司正在积极部署或使用智能体
多数企业在营收突破1亿美元时都已设立专门的AI高管职位——这很有可能是因为运营复杂度提升，且需要统一主导AI战略布局。
6.AI的定价模式：正在逐渐偏离订阅模式
目前，许多公司采用混合定价模式，将订阅制/方案定价与按用量计费或按效果付费相结合；大多数AI赋能企业采取两种策略：要么将AI功能作为高级版本的核心卖点，要么直接免费开放这些功能。
在定价的策略上，有四成企业表示暂不调整定价策略，但有37%的受访公司正在探索基于用量、投资回报率（ROI）和使用层级的全新收费模式。
7.AI在内部生产力方面的应用：编程辅助（Cursor, Claude）目前排名第一
从实际生产力影响来看，代码辅助工具带来的效益远超其他应用场景——在高速增长的初创企业中，AI生成的代码量已占总量的33%，显著高于其他公司27%的水平。
AI产品战略已进入价值转化新阶段以AI为优先的企业将产品推向市场的速度远超仅在现有产品中添加AI的公司。数据显示，仅1%的AI原生公司仍处于预发布阶段，而AI赋能公司中有11%。
近半数（47%）AI原生公司已达到关键规模并验证市场契合度，而仅开发AI赋能产品的公司中这一比例仅为13%。
这就引发了一个问题：AI原生机构是否在团队构成、基础设施和资金模式等方面具备结构性优势，使其能更高效地验证产品市场匹配度并实现规模化，甚至可能跳过那些拖累AI赋能公司的试错阶段？后者往往需要将AI改造到现有工作流程中。
值得注意的是，自主工作流程和应用层是AI原生公司和AI赋能公司当前建设的重点。
大约80%的AI原生公司目前正在构建自主工作流程，即设计为代表用户执行多步操作的自主系统。
OpenAI的GPT仍然是最受欢迎的模型；然而，许多公司正越来越多地采用多模型方法来应对不同场景下的 AI 产品，根据用例、性能、成本和客户需求，利用不同的供应商和模型。
这种灵活性使它们能够优化多种应用，如网络安全、销售自动化和客户服务，同时确保跨地区的合规性和卓越的用户体验。
当前架构设计普遍支持快速切换模型，部分企业更倾向采用开源模型，以获取成本与推理速度的双重优势。
总体来看，多数受访企业采用OpenAI模型搭配1-2个其他供应商模型的组合策略。
AI正在重塑企业的产品服务定价策略AI正在重塑企业的产品服务定价策略。调研显示，当前主流是混合定价模式，即基础订阅费+按用量计费。部分企业更进一步，尝试完全按使用量或客户实际效果收费。
报告指出，目前大多数AI赋能的SaaS厂商仍将AI视为差异化卖点或增值噱头，而非独立利润中心。
虽然将AI功能打包进高级套餐或免费提供是快速提升采用率、抵御竞争的最快方式，但随着企业开始积累AI使用数据和投资回报率（ROI）分析，预计未来几年这一策略将发生转变——为避免利润率压缩，很可能会转向基于用量的收费模式。
虽然目前有相当一部分公司免费提供AI功能，40%的受访公司没有计划改变定价，但37%的受访公司正在探索基于消费、投资回报率和使用等级的全新定价模式。
Full Stack AI Company的产品副总裁受访表示，公司正在观察AI能力能否为客户带来额外价值。
一旦达到关键采用规模并验证增值效果，该公司可能会对现有平台套餐进行分层（例如：推出包含完整AI/智能体功能的高级版，同时限制基础版和企业版的功能）。
合适的AI人才储备不足AI不仅仅是技术问题，还是组织问题。大多数头部企业正在组建由AI/ML工程师、数据科学家和AI产品经理组成的跨职能团队。
展望未来，大多数企业预计其20%-30%的工程团队将专注AI领域，而高增长企业的这一比例预计高达37%。
调查结果显示，找到合适的人才仍然是一个瓶颈。在AI相关岗位中，人工智能/机器学习工程师是所有人工智能特定角色中招聘时间最长的，平均招聘周期超过70天。
企业对招聘进度的态度呈现两极分化的态度：部分企业认为进展顺利，但有54%的受访者表示进度滞后，主要原因是合格人才的储备不足。
对AI的投入正在持续增加平均而言，采用AI技术的公司正将其研发预算的10-20%用于AI研发。另外，多数公司计划在2025年追加相关投入。
这一转变意味着AI已成为产品战略的核心要素。
报告显示，在产品开发的早期阶段，人才通常是最大的开支（包括招聘、培训和技能提升）；但随着产品成熟获得市场认可，云成本、模型推理和治理开始构成主要支出。
在各类基础设施成本中，受访者认为API使用费是最难控制的支出，这表明企业在外部API调用产生的可变成本方面面临最大的不确定性。
大多数受访企业至少每月都会训练或微调模型，根据产品成熟度的不同，预估每月模型训练成本在16万到150万美元之间浮动。
AI工具生态系统正在走向成熟尽管大多数受访公司为约70%的员工提供了内部AI工具，但实际定期使用这些工具的员工仅占一半左右。
在规模较大、历史较长的企业中，让员工接受AI应用尤其困难。
来自New York Life的高级副总裁Don Vu受访表示：单纯部署工具（尤其是对大型企业而言）注定收效甚微。要真正赋能员工，必须在开放使用权限的同时建立配套支持体系——包括系统化培训、树立标杆榜样，以及最关键的，高管层的持续支持。
报告显示，在员工使用率超过50%的高采用率组织中，平均在七个或更多的内部应用场景中部署AI，包括代码助手（77%的受访者使用）、内容生成（65%）和文档搜索（57%）。
从实际生产力影响来看，代码辅助工具带来的效益远超其他应用场景，这与各场景的使用热度排名高度一致。在高速增长的初创企业中，AI生成的代码量已占总量的33%，而其他公司则为27%。
受访者表示在使用了AI的这些领域，生产力提升范围在15%至30%
高增长企业往往更积极地试验和采用新AI工具，这表明头部公司已将AI视为战略杠杆，并正加速将其整合到内部工作流程中。
此外，大多数公司正在衡量内部AI使用的生产率提升和成本节约，超过30%的受访公司会追踪定性和定量的AI驱动的效率收益。
参考链接：[1]https://www.iconiqcapital.com/growth/reports/2025-state-of-ai[2]https://x.com/deedydas/status/1939363811938726073
— 完 —
量子位 QbitAI · 头条号
关注我们，第一时间获知前沿科技动态签约
通弘网提示：文章来自网络，不代表本站观点。
