ICONIQ Capital, LLC 于 2025 年 6 月发布的《人工智能发展报告》深入探讨了构建和扩展人工智能驱动产品所需的各个方面。报告基于对 300 名负责建设 AI 产品的软件公司管理人员的调查，并结合了对 AI 领导者的访谈。
AI 产品开发：
- 大多数 SaaS 公司已转向 AI 赋能或 AI 原生产品，AI 原生公司处于更靠前的开发周期中。
- AI 产品类型包括自主工作流、垂直 AI 应用、水平 AI 应用、AI 平台/基础设施和核心 AI 模型/技术。
- 大多数公司依赖第三方 AI API，但高增长公司更倾向于微调现有基础模型或开发专有模型。
- 检索增强生成 (RAG) 和微调是最常见的模型训练技术。
- 大多数公司使用基于云的解决方案和 AI API 提供者进行训练和推理，只有少数公司采用混合方法或本地部署基础设施。
- 模型部署的主要挑战包括幻觉、可解释性/信任以及证明投资回报率。
市场进入策略：
- 对于 AI 赋能的公司，其产品路线图中约有 20-35% 专注于 AI 驱动的功能，而高增长公司则将其路线图的 30-45% 用于 AI 驱动的功能。
- 大多数 AI 赋能的 SaaS 供应商将 AI 视为附加功能或追加销售钩子，尚未作为其自身的利润中心。
- 混合定价模型（结合订阅/计划定价与使用量定价或结果定价）越来越受欢迎。
- 大多数公司提供详细的模型透明度报告或基本见解，说明人工智能如何影响结果。
- 大多数公司都有围绕人工智能伦理和治理政策的护栏，并使用人类-机器人和可解释性与偏见检测等保障措施。
组织结构：
- 许多公司在达到 1 亿美元收入时都拥有专门的 AI 领导力。
- 大多数公司拥有 AI 特定角色，包括 AI/ML 工程师、数据科学家和 AI 产品经理。
- 高增长公司计划将其工程团队的 20-30% 专注于人工智能，而高增长公司则计划有更高比例的工程团队专注于人工智能。
AI 成本：
- 平均而言，公司将其研发预算的 10-20% 用于人工智能开发，大多数公司计划在 2025 年增加对人工智能的投入。
- 随着人工智能产品的规模化，人才成本在总支出中的比例往往会下降；相反，基础设施和计算成本在产品开始显现市场吸引力时往往会上升。
- API 使用费是最难控制的成本。
内部生产力：
- 内部人工智能生产力预算预计到 2025 年将在所有收入层级中翻一番，公司支出占总收入的比例在 1-8% 之间。
- 研发和售前用例在受欢迎程度方面领先，而管理和行政用例相比之下仍然落后。
- 代码辅助至今在生产力方面产生的实际影响远远超过其他用例。
- 高速增长的公司往往更积极地试验和采用新的 AI 工具，这表明领先公司视 AI 为一个战略杠杆，并更快地将其整合到内部工作流程中。
- 大多数公司都在衡量内部使用人工智能带来的生产率提升和成本节约。
AI 构建器技术栈：
- 模型训练与微调生态系统参与者正获得关注。
- 最常用的工具包括 LangChain 和 Hugging Face 的工具集，这表明团队非常清楚评估高级库。
- 大多数团队通过 OpenAI、Anthropic 等 直接访问模型主机。
- 在推理优化方面，TensorRT 和 Triton 推理服务器合计采用率超过 60%。
- 大部分团队使用 MLflow 进行实验跟踪、模型注册和基本管道编排。
内部生产力用例：
- 公司通常在各个职能领域探索多个生成式人工智能的应用场景，而员工采用率高的公司则在使用 7 个以上的生成式人工智能应用场景。
- 代码辅助至今在生产力方面产生的实际影响远远超过其他用例。
- 高速增长的公司往往更积极地试验和采用新的 AI 工具，这表明领先公司视 AI 为一个战略杠杆，并更快地将其整合到内部工作流程中。
- 大多数公司都在衡量内部使用人工智能带来的生产率提升和成本节约。
