2026年AI报告：构建者经济

2026人工智能发展报告 建筑商经济 引言 构建和运营人工智能产品已从竞争优势转变为基础要求。2026年1月，我们发布了《人工智能现状：双年快照》，旨在提升那些推动人工智能产品交付和规模化发展的架构师、工程师和产品负责人的声音。 最初以竞速推出人工智能功能而开始的竞赛，已经成熟为一个更重要的挑战：将人工智能能力转化为持久且经济合理的商业业务。许多处于领先地位的构建者已经在整个技术栈中做出了深思熟虑的权衡——从模型选择和数据基础设施到组织设计、定价架构和内部部署——并且管理着随之而来的成本、信任以及市场进入策略的影响。 本报告是ICONIQ发布的第三份AI构建领域双年报告，基于我们对构建AI产品的软件公司高管进行的2025年第四季度和2026年第二季度的独家调查，以及来自ICONIQ社区的见解。在两次调查中，有一个转变尤为突出：市场已从证明AI有效转向证明AI创收。在我们调查的公司中，AI产品正接近营收的一半，利润空间正在扩大，而领先的操作者是将定价、成本和组织设计视为产品决策而非事后想法的那些公司。 探索我们的AI观点 目录 数据来源 被调查公司基本信息 & 方法论1 本研究总结了来自2026年第二季度对约305名来自构建AI产品的软件公司高管（包括CEO、工程负责人、AI负责人和产品负责人）进行的调查数据。 在本报告全文中，我们将在适用情况下，将见解与我们在2025年第四季度发布的先前《人工智能状态报告》“2026人工智能状态：双年度快照”（编号3）进行比较。如有必要，已对纵向数据进行标准化处理，以考虑公司特征差异，确保趋势能代表数据情况。 在本报告中，符合以下标准的企业被称为“高增长企业”： 我们也会融入来自ICONIQ社群中AI领袖们的见解以及我们认为的最佳实践。 若收入低于2500万美元，则年收入增长率将达100%以上。 本报告中所有行业观点均已匿名化，以保护公司层面的信息。 ➢ 若营收达到2.5亿至2.5亿美元，则年收入增长率为50%以上。 若收入达到2.5亿美元或以上，则可实现30%及以上的年同比增长。 执行摘要 当今定义人工智能市场的四大转变 01 建设者们已聚焦于应用层，并押注于代理的深度发展。 02多模型似乎已成为默认设置，而供应商组合也已重新洗牌。 为支持人工智能产品，如今大多数构建者平均运行约3.3个供应商（较2025年第四季度的3.1个有所上升）。在调查受访者中，Anthropic凭借该领域的拓展，已跃居首位（从2025年第四季度的51%升至2026年第二季度的81%）。选择标准保持稳定（先是可靠性，其次是成本），但安全/隐私及SOC2/服务水平协议（SLAs）的重要性均有所提升，这表明随着产品成熟，企业级准备需求压力正在增大。 近三分之二的建筑者正在开发水平或垂直应用（其中仅垂直应用就占所分析公司的43%），并且他们正进入高复杂度领域，金融服务和医疗保健用例的受欢迎程度正在上升。代理能力和代理可靠性/编排是未来一年面向客户的前两大优先事项。 03 人工智能如今更多地关乎营收和利润，而非实验。 人工智能正在重塑组织架构，而不仅仅是产品。 04 人工智能驱动型公司¹的层级结构更扁平化，且跨职能协作更强。45%的公司计划采用不同角色组合，而33%的公司正积极规划规模更小的团队。虽然公司持续在内部生产力上获得收益，但内部人工智能的真正成本难以预测，超支问题已出现在代币、数据基础设施和赋能²方面。 人工智能产品收入占比从2025年实际值的32%增长至本年度预计的42%，毛利率随之从45%提升至53%，并预计到2027年将达到约59%。毛利率的提升部分得益于定价模式的变化：基于消费和结果的模式正在增长（分别占42%和23%），目前企业平均采用1.7种模式（而2025年第四季度为1.5种），因为构建者正根据使用成本和价值来调整价格。 人工智能模型与基础设施 建设者们已聚焦于应用层，近三分之二的市域能力集中在水平和垂直人工智能应用上。其中，数据分析与生产力工具是目标最集中的用例。 与六个月前相比，企业正越来越多地将目光投向具有高度复杂和专业工作流的用例，例如金融服务和医疗保健领域。垂直产品的流程嵌入式特性似乎为产品构建了天然护城河，通用型AI模型难以在短时间内将其取代。 深度工作流集成是优先事项。许多构建者正为其产品设计习惯性使用，并在未来12个月内优先投资于智能代理能力。 在接下来12个月内，您将优先投资哪些面向客户的AI产品？根据受访者将每个类别列为前三的份额进行排名，N=305 您如何描述您的主要AI产品在活跃用户中的典型使用模式？% 的受访者，单选，N=305 84% 针对活跃客户，产品目标使用频率为每周超过1次 授权的第三方 API 是驱动面向客户的人工智能产品的最受欢迎的模型类型，但开源模型的采用率正在提高。我们预计这种转变将持续下去，因为成本和控制优势会不断叠加。 2026年第二季度，受访者在现有模型的基础上进行微调和定制。 同样地，构建者们正在选择更多样化的模型提供者（平均约3.3个模型）。在过去六个月中，Anthropic已成长为调查受访者中的顶级提供者。 近六个月，顶级模型的选择标准大体保持一致，模型可靠性与准确性始终位居首要优先级。 ICONIQ网络的观点 按受访者将其列入前三的份额排名，N=305 安全/隐私、可解释性以及SOC2/服务水平协议（SLA）在过去六个月中的重要性日益凸显，这标志着随着产品成熟，企业级就绪的压力也随之增加。 安全正成为一种转换成本。一位企业软件CISO指出，率先在企业控制（如账户封禁、执行治理、治理钩子等）方面领先的供应商将成为默认选择，并推动市场整合。 可观测性是新的瓶颈。某大型数据平台的首席信息安全官（CISO）将缺乏对代理工具实际运作情况的遥测数据与可见性视为一个日益严峻的问题。 可解释性是一道严格的门槛。一家全球保险公司的首席信息安全官目前还无法向监管机构说明已部署代理人在做什么或如何被监控，而这个问题并非能力问题，而是核心障碍所在。 这些差距是真实存在的，并非假设性的。一家全球性银行的安保团队将五个生产领域（身份、影子AI、数据溯源、供应链、内部风险）视为当前评估模型提供者的标准。 建设者们正广泛采用多种方法来帮助确保模型输出质量和安全，包括用户反馈驱动的评估和审计日志记录。 安全与安保 品质与可靠性 数据保护框架，包括审计日志记录、范围限制和受个人影响信息（PII）控制，被广泛采用。针对特定人工智能风险（例如提示注入、数据窃取、自主模型行为）的安全措施则采用率较低。 如今，质量保证主要是被动式的。建设者通过反馈、监控和人工审核来发现问题，而不是通过部署前测试。主动对抗性测试仍然是一种少数实践，占比为21%。 上下文工程正日益成为人工智能产品开发中越来越重要的环节，因为构建者们结合了检索增强生成（RAG）、记忆、智能体间上下文等技术，以在运行时管理和为模型提供上下文。 受访者百分比，可选择多项，N=294 对人工智能基础设施的投资似乎正在见效，越来越多的公司表示其数据基础已完全准备就绪并得到优化，能够支持精确的人工智能工作流程。 AI市场进入策略与经济 人工智能开发者的 GTM 策略在不同动作上呈现多元化，但在过去 6 个月中，混合动作（PLG 和 SLG 的组合）获得了最多的关注。 订阅/平台组件仍然是最常见的定价模式；然而，过去六个月以来，基于消费和结果的定价模式因其能更好地使价格与产品价值相匹配而日益普及。 人工智能 GTM 与经济学 随着AI成为构建AI产品公司收入和客户群日益重要的驱动力，构建和销售AI产品的经济性正变得越来越重要。 ICONIQ网络的观点 1. 在客户群中推广人工智能应用往往需要“特洛伊木马”策略• 自上而下的“端到端自动化”推广会可靠地引发非AI原生企业用户的抵触。• 什么有效：将AI工作流程与用户已有的操作相匹配，只是更快，并让他们自己发现复合效应。一旦两个加速步骤明显地连接起来，采用就会自然而然地发生。 • 客户素养计划即使没有生产产出也能见效。让用户亲自动手可以创造出后期扩展所需的内部拥护者。 我们尝试了完整的端到端自动化提案，每个人都做出了本能反应。像特洛伊木马一样植入，只是更快，让他们有机地形成自己关于什么可以自动化的看法。“——A轮融资CTO，AI原生公司 2. 特性分布和客户教育仍然是瓶颈• 快速发货会引发自身问题：与客户沟通的人员需要持续接受 新功能的教育，以便将其转化为客户采纳 • 产品与客户之间的层级越多，其在产品营销、销售赋能和客户管理方面的复杂性问题就越加剧烈 “我还没找到一种能自动驱动客户采用的人工智能方法。与客户交谈的人仍然是主要渠道，他们需要持续的教育。”——来自一家年营收低于5000万美元的人工智能赋能公司的现场首席技术官 随着产品规模的扩大，人才成本往往会下降，而推理成本往往会上升。对于采用按量计费模式的公司而言，token/推理成本通常是由提供方和客户共同承担的费用。 贵组织如何处理面向客户的AI产品的令牌/推理使用成本？受访者百分比，仅限按使用量计费用户，N=72 总的来说，企业通过主要关注降低推理成本、实施路由策略以及扩大收入以实现成本杠杆，正看到其单位经济在按查询或按任务的基础上得到适度改善。 提升AI利润的主要杠杆，按受访者将其列为前三名的比例排序 #1 降低推理成本#2 实施路由策略#3 通过成本杠杆增长收入#4 转向低成本/OSS模式#5 提高AI模型价格#6 协商更优供应商定价#7 降低人才成本与收入的对比#8 其他 营收扩张及利用优化杠杆，已推动毛利率提升；预计到2027年，人工智能产品的毛利率将增至约60%。 才能与组织 才能与组织结构 人工智能驱动的1号公司和高增长公司往往采用更多跨职能结构、更少层级和更宽的控制范围。 组织结构 人工智能驱动的公司往往具有更多跨职能的组织结构 控制跨度 管理层 2026年，高增长公司正扩大一线管理者的管理幅度。 人工智能驱动型公司，从首席执行官到最基层的集成电路工程师，管理层级更少。 根据收入结构，从CEO/创始人到最低级别IC之间的管理层级 拥有7名以上直接下属的一线经理 当前按AI收入结构划分的组织架构 我们在此探讨围绕人工智能公司以新方式构建组织、重新定义工作场所的主题：从组织架构到成果——人才新运营模式 人工智能正在重塑劳动力规划，78% 的公司计划采用不同的职位组合或组建更小的团队。 ICONIQ网络的观点 “正确”的工程团队正在实时重新设计 网络中，组织设计已从未来规划问题转变为当前的运营挑战。这场讨论与其说是关于工程师的数量，不如说是关于哪些角色仍然创造价值。 将设计文档转化为功能的传统软件工程师所承担的角色风险最大；人工智能已经能很好地完成大部分这项工作。真正有价值的是基础设施和安全责任，以及能够与客户沟通并交付产品的产品工程混合型人才。 公司正将船的权限尽可能下放到信任允许的最低层级，通常下放到新成员之上的层级，并辅以连贯的策略，以便负责人能够做出决定而无需升级。有一家公司将团队限制为每8名工程师配1名负责人，该负责人在其产品领域内拥有完整的船的权限。 才能与组织结构 由于人员数量变化和人工智能赋能的效率提升，预计到2027年，年收入（ARR）或每全职员工收入（Revenue perFTE）将稳步增长，高增长公司预计将在2027年比同行超出约11%。 才能与组织结构 研发、销售以及产品和设计团队在未来12至24个月内通常预计会增长，而客户支持和G&A团队预计会缩减。 才能与组织结构 许多公司正积极招聘前派工程师（FDE），并计划招聘更多专注于人工智能安全/可信性与可靠性方面的工程师。 才能与组织结构 约50%的公司正在将其FDE模式作为其永久性GTM战略的一部分进行扩展；FDE主要被用作营收驱动力，并预计将对