[推薦] ICONIQ Capital 2025 State of Ai Report
這份報告綜合了對 300 家軟體公司高階主管的調查結果，有很多可用的數據，這邊只整理出 10 個
Source
https://www.iconiqcapital.com/growth/reports/2025-state-of-ai
Summary
以下是針對您提供的來源所整理出的 10 個重點：
- AI 公司類型與發展速度：
2025 年的報告將 AI 公司分為兩大類：「AI 原生公司」和「AI 賦能公司」。AI 原生公司的產品迭代速度非常快，調查顯示只有 1% 的 AI 原生公司仍在產品發布前的階段，而 47% 的產品已進入規模化階段，證明了市場契合度。相對地，AI 賦能公司則有 11% 的產品仍處於發布前階段。這可能表明 AI 原生公司在團隊組成、基礎設施和融資模式上更具優勢，能更快跳過試錯階段。
- 最常見的 AI 產品類型：
無論是 AI 原生還是 AI 賦能公司，目前最熱門的產品類型是代理工作流（Agentic Workflows）和應用程式層。值得注意的是，約有 79% 的 AI 原生公司正在開發代理工作流。
- AI 模型使用策略：
大多數公司（80%）會依賴第三方 AI API。然而，高成長公司則更為積極，有 77% 會對現有基礎模型進行微調，而 54% 會從頭開發專有模型。此外，報告指出公司越來越傾向於採用多模型策略，平均每家公司使用 2.8 個模型，以優化性能、控制成本並避免單一供應商鎖定。
- 模型選擇的首要考量：
當選擇用於面向客戶的基礎模型時，模型準確性是首要因素，有 74% 的受訪者將其列為前三名考量。然而，對於內部使用的 AI 工具，成本則成為最重要的考量，有 74% 的受訪者將其排在首位，其次是準確性和隱私。
- AI 基礎設施趨勢：
大多數組織正轉向輕資產模式，有 68% 的公司完全基於雲端操作，而 64% 依賴外部 AI API 供應商進行訓練和推論。這種模式能最大程度地減少前期資本支出和營運複雜性，同時最大化產品上市速度。
- 模型部署主要挑戰：
公司在部署模型時遇到的三大挑戰分別是幻覺現象（hallucinations）（39%）、可解釋性與信任（explainability & trust）（38%），以及證明投資回報率（ROI）（34%）。
- AI 成本結構與優化：
AI 賦能公司平均將研發預算的 10-20% 分配給 AI 開發，且大多數公司計畫在 2025 年增加 AI 支出。隨著 AI 產品規模化，AI 預算中人才成本的比例會下降（從預發布階段的 57% 降至規模化階段的 36%），而基礎設施和雲端成本（從 5% 增至 22%）以及推論成本（從 4% 增至 13%）則顯著增加。其中，API 使用費是被認為最難以控制的基礎設施成本，佔比高達 70%。為節省成本，41% 的公司正在考慮轉向開源模型。
- 內部 AI 效率預算與使用狀況：
各收入級別的內部 AI 生產力預算預計在 2025 年幾乎翻倍。例如，年收入超過 10 億美元的公司，內部 AI 生產力預算從 2024 年的平均 342 萬美元增長到 2025 年的 604 萬美元。然而，雖然約有 70% 的員工可以接觸到各種 AI 工具，但只有約 50% 的員工會持續使用這些工具，在大型企業中（年收入超過 10 億美元的公司）持續使用的比例甚至更低，為 44%。
- 內部 AI 用例及其影響：
研發（R&D）和銷售與市場（S&M）是內部 AI 最受歡迎的用例。在對生產力影響最大的用例中，**編碼輔助（Coding assistance）**遙遙領先，有 65% 的公司認為它帶來了最大的生產力提升。高成長公司甚至有平均 33% 的程式碼是由 AI 編寫的，而所有其他公司為 27%。總體而言，公司在這些生成式 AI 用例中報告的平均生產力提升為 15-30%。
- AI 工具棧的普及度：
在編碼輔助工具方面，GitHub Copilot以近 75% 的使用率佔據主導地位。對於模型推論優化，NVIDIA 的 TensorRT 和 Triton Inference Server 加起來的採用率超過 60%。在數據處理和特徵工程方面，Apache Spark（44%）和 Kafka（42%）是主流工具。