[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。