2025年人工智能现状报告

关注我们的研究进入市场系列销售、客户成功、营销报酬等指南ICONIQ企业五部曲企业SaaS公司的关键绩效指标 私人与严格保密驾驭当今的公开市场重要指标和2025年及以后的市场现实了解和跟踪SaaS关键指标的指南 增长与效率探索我们对同类最佳SaaS增长和效率的研究工程系列卓越工程的权威指南 SaaS术语表 探索我们的人工智能视角简介我们相信，构建和运营人工智能产品是竞争优势的新领域，而推动这项工作的架构师、工程师和产品领导者的声音值得关注。去年的《人工智能现状》报告主要关注购买过程和企业采用动态，而我们的《2025》报告则直接关注"如何做"：如何构思、交付和扩展端到端的人工智能产品。今年的报告解读了构建者游戏手册的核心内容：1.产品路线图和架构：在模型演进的每个阶段平衡实验、上市速度和性能的新兴最佳实践2.上市战略：团队如何调整定价模式和上市战略，以反映人工智能的独特价值驱动因素3.人员与人才：建立合适的团队以利用人工智能专业知识、促进跨职能合作并保持长期创新4.成本管理与投资回报率：与构建和推出人工智能产品相关的支出战略和基准5.内部生产力与运营：企业如何将人工智能嵌入日常工作流程以及生产力解锁的最大驱动力根据我们的专有调查结果，以及对整个ICONIQ社区人工智能领导者的深入采访，《2025年人工智能现状》报告为任何负责将生成智能从一个有前途的概念转变为可靠的、可带来收入的资产的人提供了一个蓝图。 私人与严格保密 目录构建生成式人工智能产品上市战略与合规性组织结构人工智能成本 人工智能产品类型ł模型使用和关键采购考虑因素11顶级模型提供商13模型培训技术14人工智能基础设施15模型部署挑战16人工智能性能监测17代理工作流18人工智能产品路线图20定价21人工智能的可解释性和透明度24人工智能合规与治理25AI/ML专职领导27人工智能特定角色和招聘28招聘速度2ł专注于人工智能的工程团队百分比30人工智能开发支出32预算分配33基础设施成本34示范培训费用36推理成本37 数据源研究方法本研究报告总结了2025年4月对300名正在开发人工智能产品的软件公司高管（包括首席执行官、工程主管、人工智能主管和产品主管）所做调查的数据。在本报告中，我们还穿插了ICONIQ社区人工智能领导者的观点、见解和我们认为的最佳实践。本报告中分享的所有行业观点均已匿名化，以保护公司层面的信息。注(1)本数据由外部调查匿名收集。调查回复包括部分但非全部ICONIQ Venture and Growth投资组合公司以及不属于ICONIQ Venture and Growth投资组合的公司。(2)调查中的某些问题是可选的。因此，本演示文稿中的一些N大小数字小于300 私人与严格保密在本报告中，部分公司被称为"高增长公司"，因为它们符合以下标准⮚人工智能产品的吸引力：人工智能产品普遍可用或正在扩展⮚收入：年收入至少1000万美元⮚收入增长：如果收入小于2500万美元，年收入增长100%以上；如果收入为2500万美元至2.5亿美元，年收入增长50%以上、如果收入超过2.5亿美元，年收入增长30%以上 高增长公司受访者百分比 传统软件即服务围绕核心业务工作流提供基于订阅的应用程序人工智能成熟度大多数SaaS公司都在不断发展，以增加新的人工智能功能和产品；以下几页将深入探讨启用人工智能和原生人工智能的公司如何进行产品开发传统SaaS注：代表示例仅供参考。商标为其各自所有者的财产。图示公司均未认可或推荐ICONIQ的服务。资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的CIO/CDO、CTO、我们的技术顾问委员会以及我们网络中的其他人员。 打造GenAI产品 资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。主要人工智能产品的阶段与人工智能公司相比，人工智能原生公司在开发周期中走得更远，约有47%的受分析产品已达到临界规模，并证明了市场契合度产品已证明适合市场，目前正专注于扩大其用户群和基础设施，以处理更高的产品已正式发布，具有预期的稳定性和支持性产品已充分开发，可由少数外部用户进行测试，以获得反馈和发现错误。由有限的外部用户进行测试，以获得反馈并发现错误 只有1%的人工智能原生公司仍处于预发布阶段，而人工智能启用公司的这一比例为11%。同时，虽然47%的人工智能原生产品已经在扩展，这并不令人惊讶，但这可能意味着人工智能原生公司在产品生命周期中走得更快，更早地获得了牵引力。这就引出了一个问题：通过团队组成、基础设施或融资模式，人工智能原生公司是否在结构上具备更好的条件，以验证产品与市场的契合度并有效地扩大规模，或许还能跨越那些使人工智能公司在将人工智能改造到现有工作流程方面进展缓慢的试错阶段。 资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。人工智能产品类型代理工作流和应用层是人工智能原生公司和人工智能启用公司正在构建的最常见产品类型；值得注意的是，约80%的人工智能原生公司目前正在构建代理工作流人工智能原生人工智能赋能 非公开和严格保密7ł%您正在构建哪类人工智能产品？受访者百分比，请选择所有适用选项，N= 2ł1代理工作流程垂直人工智能应用横向人工智能应用人工智能平台核心人工智能模型即专注于特定行业或功能基础设施技术62%65%57%56%4ł%55%48%40%27% 资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。模型使用情况大多数构建人工智能应用程序的公司都依赖于第三方人工智能应用程序接口；然而，也有更大比例的高增长公司正在对现有基础模型进行微调，并从头开始开发专有模型高增长公司其他受访者 资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。非公开和严格保密在为面向客户的用例选择基础模型时，企业会优先考虑模型的准确性，而不是其他因素准确性成本微调/定制能力隐私延迟模型透明度/可解释性推理效率/计算要求SOC2 /企业SLA开源厂商锁定/可移植性选择基础模型时的首要考虑因素将每个方面排在前3位的受访者百分比，N= 26541%34%25%1ł%18%14%ł%6% 11在去年的"人工智能现状"报告中，与性能、安全性、可定制性和控制等其他因素相比，成本是最低的关键采购考虑因素。值得注意的是，在今年的数据中，成本要高得多，这或许与模型层的商品化相呼应，因为DeepSeek等更具成本效益的模型正在崛起。 78%81%顶级模型提供商OpenAI的GPT模型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开发跨用例的人工智能产品全栈1横向应用纵向应用ł5%OpenAI / GPT人类学/注(1)同时构建终端用户应用程序和核心人工智能模型/技术的公司资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。 企业越来越多地对人工智能产品采用多模式方法，根据用例、性能、成本和客户要求利用不同的供应商和模式。这种灵活性使他们能够针对网络安全、销售自动化和客户服务等不同应用进行优化，同时确保合规性和跨地区的卓越用户体验。目前正在构建支持快速模型交换的架构，其中一些架构倾向于使用开源模型，以获得成本和推理速度方面的优势。一般来说，大多数受访者都在使用OpenAI模型和1-2个其他供应商的模型。我们使用不同的专有模型和第三方模型，因为我们的客户有不同的需求。专业模型使我们能够更好地为客户及其使用案例（销售自动化、客户服务代理和内部工具）量身定制体验。此外，我们还可以为客户提供更灵活的价位和选择，并不断尝试新的模式和商机。产品副总裁，收入超过10亿美元，全栈人工智能公司12 54%55%55% 54%42%2ł%50%43%34%26%8%13%23%14%7%17%10% 7%10%12% 8%ł%2%4%顶级模型提供商受访者百分比，全部选择适用，N= 240克劳德谷歌/双子座Meta / LLamaMistral AIDeepSeekCohere其他xAI私人和严格保密每位受访者平均拥有的机型数= 2.8 资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。模型训练技术检索增强生成(RAG)和微调是最常见的模型训练技术；高增长公司倾向于使用更多种基于提示的技术高增长公司其他受访者 非公开和严格保密模型训练/调整技术受访者百分比，N= 273培训技术基于提示的技术66%6ł%68%67%4ł%67%RAG微调预培训少量学习32%31% 与去年的与去年的人工智能现状报告相比在今年的调查中，更多的受访者正在积极使用RAG和微调技术。我们考虑到所需的投资和基础模型改进的速度，预期微调的比例较低，但它仍然是一个 13重点领域 资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。人工智能基础设施大多数公司正在使用基于云的解决方案和AI API提供商进行训练和推理完全基于云序接口 14大多数企业明显倾向于完全托管的人工智能解决方案--68%的企业完全在云中运营，64%的企业依赖外部人工智能API提供商--因为这种模式可以最大限度地减少前期资本支出和运营复杂性，同时最大限度地提高上市速度。然而，这种依赖也意味着供应商选择、服务水平协议（SLA）谈判和每次呼叫成本管理已成为战略优先事项，而不仅仅是技术考虑因素。与此同时，只有23%的团队使用混合方法，不到十分之一的团队维护内部或专用推理基础设施，这表明这些模型仍然是利基模型，主要在控制、合规性或特殊性能证明额外开销是合理的情况下采用。随着实时人工智能用例的增加，交钥匙推理平台将有机会获得更多份额，但任何脱离完全托管服务的举动都将取决于是否有明确的商业案例或监管要求。 64%23%用于训练和推理的人工智能基础设施受访者百分比，请选择所有适用选项，N= 27368%外部人工智能应用程混合型专用推理提供商(例如，云+预置GPU集群）(例如Fireworks、Together.ai、Baseten）提供商 资料来源来自ICONIQ GenAI调查（2025年4月）的观点，以及来自ICONIQ团队和人工智能领导者网络的观点，这些领导者包括我们负责监督企业人工智能计划的首席信息官/首席技术官社区、首席技术官、我们的技术顾问委员会以及我们网络中的其他人士。非公开和严格保密公司在部署模型时指出的首要挑战