2025年人工智能报告

核心观点与关键数据

• 增长 & 效率工程系列探索: 研究聚焦于顶尖SaaS增长和效率，特别是人工智能产品的构建和运营。
• 2025年人工智能报告: 重点探讨如何将生成式智能从概念转变为可靠、创收资产，涵盖产品路线图、市场进入策略、人才建设、成本管理和内部生产力等方面。
• 高增长公司: 指年收入至少1000万美元，且满足特定收入增长率要求的公司。
• AI 产品牵引力: 高增长公司中，AI产品处于一般可用性或扩展中的比例较高。

AI 产品类型与市场进入策略

• AI 产品类型: 代理工作流和应用层是最常见的AI原生和AI赋能产品类型。
• 顶级模型提供方: OpenAI的GPT模型最受欢迎，但许多公司采用多模型方法。
• 模型训练技巧: 检索增强生成（RAG）和微调是最常见的模型训练技术。
• AI 基础设施: 大部分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。
• 市场进入策略: AI功能通常作为高端产品的组成部分或免费提供。
• 定价模型: 40%的公司没有计划改变价格，37%的受访者正在探索基于消费、投资回报率和使用层级的新的定价模式。

人才、成本与内部生产力

• 人才: 大多数公司拥有专门的AI/ML工程师、数据科学家和AI产品经理。
• 成本管理: 平均而言，公司将~10-20%的研发预算用于人工智能开发，且基础设施和计算成本占比上升。
• 内部生产力: 内部人工智能生产力预算预计到2025年将几乎翻一番，涵盖所有收入层级的公司将支出总收入的1-8%。
• AI 访问和使用: 尽管约70%的员工可以接触到AI工具，但只有约50%的员工在使用AI工具。

AI Builder 技术栈

• 模型训练与微调: hugging face 生态系统和 databricks 的 mosaic ai 训练最受欢迎。
• LLM & 人工智能应用开发编排框架: LangChain和Hugging Face的工具集使用率最高。
• AI 监控: LangSmith 和 Weights & Biases 采用率较高。
• 推理优化: tensorrt和triton推理服务器采用率超过60%。
• 模型主机: 大多数团队直接通过OpenAI、Anthropic等方式连接模型主机。
• 评估工具: langsmith和langfuse引领了专用评估工具的先锋。
• 特征存储: 只有17%的人在使用专门的特性存储。
• MLOps: 36%的受访者使用了MLflow，但仍有很大的替代空间。
• AI 赋能产品线框图: Miro和Figma是首选工具。

研究结论

• 高增长公司更积极地采用和尝试新的AI工具，将AI视为一种战略杠杆。
• AI基础设施和计算成本占比上升，人才成本占比下降。
• AI Builder技术栈呈现碎片化趋势，但核心深度学习框架仍然流行。
• AI监控和评估工具市场仍在发展，存在替代空间。
• 特征存储和MLOps领域仍有很大的发展潜力。