悦高软件

2026-11-13

导读：Menlo报告：企业AI支出一年从330亿增至1770亿美元，增长5.4倍。Agent占AI用量80%，支出转向“按工作量”。前沿实验室拿69%份额，Anthropic与OpenAI合计占企业API支

本文由悦高软件翻译，无商业目的，仅供学习参考

声明

重要声明

原文标题：2026: The State of Enterprise AI

原文链接：

https://menlovc.com/perspective/2026-the-state-of-enterprise-ai

发布机构：Menlo Ventures（门罗风投）

作者：Tim Tully、Joff Redfern、Deedy Das、Derek Xiao

调查时间：2026 年 9 月 8 日—26 日（由 Morning Consult 执行）

本文为英文原报告的中文翻译，所有数据与观点归原作者及 Menlo Ventures 所有；翻译仅供学习参考。

摘要

《2026企业AI现状》核心结论：企业AI部署支出一年内从330亿美元飙升至1770亿美元（5.4倍），Agent（智能体）成为最大变量——已占AI总用量80%，OpenRouter上代理流量较人产生的流量超37倍，支出逻辑从"按人头"转向"按工作量"。资金追随能力而非价格：前沿实验室（Anthropic、OpenAI、Google）拿走69%的部署支出，其中Anthropic与OpenAI合计占企业LLM API的86%；开源虽占用量19%，却仅获4%支出。应用支出高度集中：编程（340亿）与聊天机器人（250亿）占据773亿应用市场的76%，因这两类环境最利于Agent行动、学习与验证。AI并非吞噬软件业，而是扩张它：55%的支出来自净新增预算；每投入1美元建模型，企业就用1.70美元将其落地。结论：Agent重构了资金流向与竞争格局，价值正从模型层向应用层迁移，AI所及之处创造丰裕而非零和。

核心发现（Key Findings）

企业 AI 部署支出到 2026 年 9 月已增至 1770 亿美元，高于去年的 330 亿美元。增长正在加速：同比增长 5.4 倍，而一年前为 3.9 倍。今年投入到模型开发的每一美元，正在产生 1.70 美元的营收。

代理（Agent）改变了计算方式：OpenRouter 的代理流量自 2 月超过人类流量（代理产生的流量首次反超人类产生的流量）以来增长了 37 倍，将支出与"完成的工作量"挂钩，而非与"用户数"挂钩。
截至目前，资金追随能力：前沿实验室占据了部署美元的 69%（去年为 50%）。Anthropic 的企业 API 支出份额从 40% 增至 55%，OpenAI 从 27% 增至 31%，而 Google 从 21% 降至 9%。尽管使用量占 19%，开源仍只占支出的 4%。
AI 支出集中在代理最能发挥作用的地方：编程（340 亿美元）和聊天机器人（250 亿美元）占 773 亿美元应用市场的 76%，因为这些环境让代理能够行动、学习工作流并验证结果。
AI 原生公司正在赢得编程等新的代理类别——编程领域 96% 为 AI 原生。与去年相比，老牌厂商在 IT（91%）、数据科学（88%）和 HR（68%）领域正在收复份额。
AI 正在扩大软件经济：55% 的 AI 美元来自净新增支出，而非现有的软件或人力预算。

企业 AI 达到规模化

2026 年，AI 已成为具有经济体量级的影响力。企业 AI 部署支出在短短一年内从 330 亿美元激增至 1770 亿美元。这是超过 1400 亿美元的新增年度支出，是一年前整个市场规模的四倍多。

AI 崛起的速度引发了警报。对 AI 将取代传统软件的担忧在今年早些时候引发了"SaaSpocalypse"（SaaS 末日）抛售，而另一些人则担心它会侵蚀人力预算。

但我们的数据讲述了一个不同的故事：AI 远非零和博弈，它正在整个经济中创造新价值，扩张的市场远多于被取代的现有收入。

代理扩展了软件市场。代理的进步解锁了工作软件以前无法完成的任务，已经回报了对模型开发的巨额投资：每投入 1 美元用于训练，就能产生 1.70 美元的部署 AI 营收。新预算为 55% 的增量 AI 支出提供了资金，而非现有的软件或人力预算。
开源与前沿增长齐头并进。前沿实验室在部署支出中的份额从 50% 增至 69%，但开源模型在使用量中的份额也从 11% 升至 19%。支出仍然很小，但兴趣表明未来还有显著增长空间。
独立应用与实验室同步增长。实验室的编程代理从 10 亿美元增至 240 亿美元，但编程市场的其余部分仍增长了 2.9 倍至 100 亿美元。即使排除实验室自己的应用，最大的应用市场也是实验室最瞄准的那些：编程、AI 助手（95 亿美元）和医疗健康（37 亿美元）。

小结：

企业 AI 支出在 2026 年达到 1770 亿美元，一年内增长超过 5 倍。

企业生成式 AI 部署支出三年内增长了约 100 倍，从 2023 年的 17 亿美元、2024 年的 85 亿美元（5.0 倍）、2025 年的 330 亿美元（3.9 倍），到 2026 年 9 月达到 1768 亿美元，同比增长 5.4 倍。

第一部分：代理拐点（The Agent Inflection）

代理已占到 AI 使用量的 80%

过去一年最大的故事是 AI 代理的崛起，即使在消费者中也是如此。Anthropic* 的 Opus 4.5 于 2025 年 11 月发布，标志着一个拐点——该模型首次让 AI 超越以对话轮次回答问题的模式，能够在有限的人类监督下执行复杂的多步骤任务。

自那时起，代理已成为 AI 模型最大的消费者。在 OpenRouter*（一个为开发者提供数百个 AI 模型的平台）上，它们现在占总 token 的 80%，约为人类驱动使用量的 7 倍。

OpenRouter 上的代理 token 与人类 token 对比
代理已超过人类，成为 AI 的主导消费者。在 OpenRouter 上，代理现在产生全部 token 的 80%——每周 130.9 万亿 token，约为人类驱动使用量的 7 倍。

代理流量在 Opus 4.5 发布后那一周增长了三倍，随后在 2 月初 Opus 4.6 和 GPT-5.3-Codex 发布后超过人类流量。自那时起，它增长了 37 倍，而人类驱动使用量仅增长 5 倍。OpenRouter 只是一个渠道，但它显示了 AI 消费从人类提问向机器工作转变的速度有多快。

领先的 AI 应用围绕这种新自主性重建：Harvey 和 Legora* 各自将合同审查从固定工作流重构为多代理系统，Sierra 推出了 Horizon——一个让代理在数天或数周内追求目标的平台，比如发起一笔贷款。Factory* 的 Droids 本就已自主工作，在新模型下也一飞冲天——到 2026 年 4 月连续六个月营收环比翻倍。

AI 实验室俘获了每 1 美元企业 AI 支出中的 69 美分

随着代理承担更多工作，买家即使面对便宜得多的选择，也愿意为最强大的模型支付溢价。我们估计 Anthropic、OpenAI 和 Google 占据 1227 亿美元的企业支出——占所有部署美元的 69%，高于去年的 50%，是市场其余部分总和的 2.3 倍。

集中度不仅体现在 API 层。实验室的第一方应用也主导了应用层，目前总计 400 亿美元：Claude Code 和 Codex 占编程支出的 240 亿美元（70%），而企业版 Claude、ChatGPT 和 Gemini 占 AI 聊天机器人和生产力支出的 155 亿美元（62%）。

截至目前，资金追随模型进展。价值归属于引入像长周期代理这样的新能力的实验室，以及它们围绕其构建的初始应用。不过，随着时间的推移，我们预计随着能力成熟、应用公司将能力带入新市场，这种集中度会缓解。

小结：

前沿实验室俘获了每 1 美元企业支出中的 69 美分，高于去年的 50%
前沿实验室正在拉开与其他竞争者的距离。Anthropic、OpenAI 和 Google 在 2026 年俘获了 69% 的企业 AI 支出（1227 亿美元），高于去年的 50%。它们的支出同比增长 7.5 倍，而其他所有方为 3.3 倍。

Anthropic 在日益成为"双雄竞赛"中领先

在赢得 AI 构建者的竞赛中，Anthropic 和 OpenAI 现在占据了企业 LLM API 支出的 86%，高于去年的 67%。随着市场围绕前沿领导者整合，模型能力——而非价格——正被证明是决定性竞争优势。

Anthropic 和 OpenAI 现在掌控企业 LLM API 支出的 86%
Anthropic 和 OpenAI 正在拉开与竞争对手的距离。两者合计俘获了企业 LLM API 支出的 86%，高于去年的 67%。

Anthropic 扩大了去年的领先优势，凭借其尤其擅长长周期任务和编程的 Opus 模型，从 40% 增长到 55%。
OpenAI 也增加了份额，从 27% 到 31%，今年下半年尤其强劲，得益于 7 月发布的 GPT-5.6 模型（Sol、Terra、Luna）和 9 月发布的 GPT-6。
Google 跌幅最大，从 21% 降至 9%。Gemini 3 Pro 在 2025 年 11 月让该实验室处于前沿，但此后 Google 未能匹配 Anthropic 和 OpenAI 的旗舰模型，其 API 支出现在偏向更便宜的 Flash 模型。

近前沿模型尚未突破。 xAI 的 Grok 4.7 以及 Moonshot 的 Kimi K3、DeepSeek 的 V4、Z AI 的 GLM-5.3 等开源模型以极低成本接近前沿性能，但合计仅占 LLM API 支出的不到 5%。

AI 支出远超预算，代理驱动需求

平均而言，企业计划在 2026 年将 AI 支出翻近一番。结果它们花的钱远超预期。

报告的平均支出达到去年水平的 4.7 倍，而计划为 1.9 倍——约为计划的 2.5 倍。中位数支出也超出预期，尽管没那么剧烈：支出达到去年水平的 2.2 倍，而预期为 1.8 倍。平均值与中位数之间的差异反映了 AI 的"胖头"现象：一小群重度用户占据了不成比例的 AI 支出份额，且增长远快于大多数企业。

小结：

企业 AI 支出超出预算：

2026 年企业 AI 支出远超预期的：平均而言，公司支出达到 2025 年水平的 4.7 倍，而计划为 1.9 倍——约为预算的 2.5 倍。中位数支出也超出预期，达到去年水平的 2.2 倍，而计划为 1.8 倍。

至于实际支出与计划支出之间的差异，代理解释了这一缺口。它们独立工作、并行运行，即使在人们离开后也持续运转，因此支出随工作量而非员工人数扩展。这种增长是今年 AI 市场拐点的关键驱动因素：每家企业支出几乎翻了五倍，而企业的采用率仅从 55% 上升到 65%。

展望未来，我们将此解读为未来持续需求的鼓舞性信号：由于如此多的 AI 支出来自重度用户，在经济的长尾中，采用率和用量仍有显著的增长空间。

AI 正在发展软件市场，而非吞噬它

以 1768 亿美元计，AI 部署支出现在相当于公共云收入的 30% 以上，高于一年前的仅 6%。这些钱从何而来？

主要是新预算，为 55% 的增量 AI 支出提供了资金，而来自软件预算的占 22%——不过即便如此，大部分（13%）仍留在将 SaaS 许可证转换为 AI 的老牌厂商手中（如 Microsoft Office 转 Copilot），而只有 9%（126 亿美元）流向了 AI 原生供应商，约为 6000 亿美元+ 应用 SaaS 市场带来 2 个百分点的增长逆风（从去年的 +13% 到今年的 +11%）。

我们的研究还发现，企业用 AI 替换 Salesforce 的 CRM、Workday 的 HRIS 或 Oracle 的 NetSuite 等核心系统的证据有限。换言之，AI 正在显著扩大整体软件市场，同时适度放缓传统 SaaS 的增长。对这些老牌厂商而言，未来的问题在于其新 AI 产品能否赢得足够的增量支出，以避免随 SaaS 市场一起减速增长。

投入 AI 使用的钱多于建造它的钱

行业每投入 1 美元用于构建 AI 模型，企业就投入约 1.70 美元将其投入使用。截至 2026 年 9 月，我们估计企业在使用 AI 上的支出为 1768 亿美元（增长 5.4 倍），而在构建模型上的支出为 1025 亿美元（增长 5.3 倍）。

这种需求支撑了建设。我们估计仅 Anthropic 和 OpenAI 就占 AWS、Azure 和 Google Cloud 收入的 25% 以上，其中大部分支出用于训练。只有当企业持续将模型投入使用——代理现在正在推动这一点——这项投资才有回报。

部署（使用 AI）——1768 亿美元：

¡基础设施（995 亿美元）：运行模型及其上构建的代理的堆栈，从前沿模型推理（Anthropic、OpenAI、Google）和推理平台（Fireworks*、Baseten、Modal*、Gimlet*）到代理基础设施（Databricks*、Temporal*）。

¡应用（773 亿美元）：企业使用的 AI 产品，包括编程（340 亿美元；Claude Code、Codex）和工作场所助手（250 亿美元；Microsoft Copilot）。

开发（构建 AI）——1025 亿美元：

¡训练计算（872 亿美元）：训练模型的计算，从超大规模云厂商（AWS、Azure、Google Cloud）到专业云（CoreWeave、Together）。

¡训练数据与服务（153 亿美元）：训练模型的输入，包括专家数据和评估（Mercor*）以及强化学习环境（Fleet*）。

小结：

2025 年与 2026 年按类别的生成式 AI 支出
构建模型的支出在 2026 年增长 5.3 倍至 1025 亿美元，使用 AI 的支出增长 5.4 倍至 1768 亿美元，为其 1.7 倍。

第二部分：模型使用（Model Usage）

买家持续为前沿付费

开源使用量正在上升，且近几周 Anthropic 和 OpenAI 已开始对其旗舰模型打折。结果是每个智能层级上的竞争更加激烈，但我们的数据显示，买家在模型选择上继续将能力置于成本之上。

前沿模型在 token 和支出中的份额都在增加。前沿和开源模型正在获得优势，挤压较小的闭源模型。从 2025 年 Q3 到 2026 年 Q3，前沿模型在企业 AI 支出中的份额从 35% 升至 63%，而 token 份额从 18% 攀升至 42%。开源模型也增加了 token 份额（11% 到 19%），而较小的闭源模型从 29% 降至 13%。

前沿模型正在获得份额。前沿模型的 token 份额翻倍以上，从 18% 到 42%，甚至超过开源的增长。它们的支出份额也攀升，从 35% 到 63%。

买家正在从较便宜的模型升级。一年前，最受欢迎的模型是 Claude Sonnet 4.5（每百万输入 token 3 美元 / 每百万输出 token 15 美元）和 GPT-5（1.25 美元 / 10 美元）。如今它们是 Claude Opus 5.5（4 美元 / 20 美元）和 GPT-6 Astra（10 美元 / 60 美元）。即使个别模型家族在打折，这种结构转变仍将大部分价值保留在最强大的模型手中。

价格战在低端。前沿实验室已将小模型价格削减了 80% 或更多，但 Haiku 和 Luna 等较小的闭源模型 token 份额仍从 29% 降至 13%，因为开源正在争夺这些工作负载。

开源在使用量上起飞，但在支出上还——没有

开源现在处理约五分之一的 token，但仅占模型支出约二十五分之一美元，这是由闭源与开源模型之间的显著价格差异驱动的。

开源正在赢得 token 而非美元。开源在使用量上获得优势，但在支出份额上失利。从 2025 年 9 月到 2026 年 9 月，其 token 份额从 11% 升至 19%，而支出份额从 6% 降至 4%，这是由平均 token 价格下跌 3.3 倍驱动的。

四个关键趋势：

（1）量大幅增长。开源量增长了 22.5 倍，估计达到每月 2.9 千万亿（quadrillion）token，轻松超过闭源 token 12.1 倍的增长。其中大部分运行在 Fireworks 和 Modal 等推理云上，两者今年的收入运行率都超过了 10 亿美元。

（2）但价格跌得更快。平均开源 token 价格下跌 3.3 倍至每百万 0.13 美元，而闭源 token 的混合价格下跌 24% 至 0.70 美元。结果，开源的支出份额从 6% 降至 4%，即使其 token 份额几乎翻倍。

（3）中国模型主导开源支出。随着其能力定义了开源前沿，中国模型增长到占开源支出的 89%，由 Kimi（61%）、DeepSeek（15%）、GLM（11%）和 Qwen（3%）领跑。Meta 的 Llama 是最受欢迎的西方开源模型，占 7%。

（4）代理也在拉低混合价格。缓存读取可占代理 token 的 95% 或更多，而且很便宜：Opus 5.5 对它们收费每百万 0.20 美元，而新鲜输入为 4 美元，输出为 20 美元。在 3% 新鲜输入和 2% 输出的组合下，一个代理会话的成本约为每百万 token 0.70 美元。随着代理占用量比例越来越大，平均每个 token 的价格下降。

后训练仍处于早期（且困难），但生态系统正在涌现

开放权重给了构建者闭源模型大体无法提供的东西：对模型本身的控制。后训练让他们为自己的任务专门化模型，以降低成本并减少对前沿实验室的依赖。采用率从 2025 年 AI 构建者的 6% 上升到今年的 10%，但仍然有限。

两件事阻碍了它：专门化模型需要持续更新以跟上每隔几个月就前进的前沿；而且大多数应用公司缺乏有效训练它们的专业知识。这为基础设施和服务提供商创造了机会。在进行了后训练的构建者中，91% 使用外部合作伙伴，包括：

50% 使用 Fireworks 和 Modal 等基础设施提供商
41% 使用 Mercor 等专家数据和评估平台
30% 使用 Applied Compute、Trajectory 和 Noeri* 等专家

Cursor* 在 Kimi K2.5 上构建了 Composer 2，由 Fireworks 提供强化学习 rollout 的推理基础设施。Harvey 与 Fireworks 和 Mercor 开发了 Tenet，并分别与 Applied Compute 合作开发其 Review Table 模型。

只有 10% 的 AI 构建者进行后训练；其中 91% 依赖外部合作伙伴
AI 构建者的后训练采用率从 2025 年的 6% 上升到 2026 年的 10%，其中 91% 的后训练者依赖外部合作伙伴。

第三部分：生产环境中的代理（Agents in Production）

AI 支出集中在代理最能发挥作用的地方

AI 应用总市场现在为 773 亿美元，高于去年的 190 亿美元。但仅两个市场就占所有应用支出的 76%：编程（340 亿美元，增长 7.7 倍）和企业聊天机器人（250 亿美元，增长 3.0 倍）。换个角度看，医疗健康——世界上最大的行业之一——以仅 37 亿美元排名遥远的第三。

编程引领 AI 应用支出。AI 应用支出集中在两个市场。2026 年，编程（340 亿美元，增长 7.7 倍）和企业 AI 聊天机器人（250 亿美元，增长 3.0 倍）占 773 亿美元市场的 76%。医疗健康以 37 亿美元排名遥远的第三。

代理推动了这两个市场的大部分增长，因为两者都提供了帮助代理成功的关键条件：

（1）代理可以行动的环境。代理需要连接到工作发生的系统，以便检索上下文并采取行动。代码仓库和连接的邮件、Slack、网盘等应用提供了这种访问。

（2）代理可以学习的完整上下文。代理既需要请求背后的隐性知识（其意图、假设和组织特定惯例），也需要工作通常如何完成的程序性知识。代码、文档和已完成的示例使两者都易于获取。

（3）代理可以验证的结果。清晰的成功标准帮助模型在训练中学习，并帮助代理在生产中评估进度、纠正错误。编程在这方面尤其强大：编译器检查代码是否构建，测试检查其行为是否符合预期。常见的企业代理任务（如知识检索）也相对容易验证。

在这些条件具备的地方，支出随之而来。客户成功——支持 playbook 记录步骤、解决方案定义成功——增长了 4.3 倍至 27 亿美元。在这些条件更难满足的地方，增长就不那么稳健。人力资源——工作往往涉及更主观的判断——增长较慢（2.5 倍），规模较小，达到 9 亿美元。营销同样仅增长 1.8 倍至 12 亿美元。

编程：AI 实验室领先，但催化了一个庞大的应用生态系统

作为 AI 的第一个杀手级用例，软件开发预览了代理如何变革整个类别。影响现在在生态系统规模上可见：企业代码活动同比增长 5 倍，这还不包括 vibe coding（氛围编程），仅 Lovable* 一个月新增的代码仓库（+3200 万）就超过整个 GitHub（+2400 万）。

实验室俘获了大部分支出。Anthropic 的 Claude Code 和 OpenAI 的 Codex 合计 240 亿美元，占 340 亿美元编程市场的 70%，高于去年约 10 亿美元。

但独立公司也在增长。市场的其余部分增长了 2.9 倍至 101 亿美元，由 Cursor、Cognition 和 Factory 等编程平台以及 Lovable 等 AI 应用构建者领跑。更多代码也在创造对审查、部署和维护它的工具的需求：Pierre 和 East River Source Control 用于代码存储，Greptile* 用于代码审查，Harness* 和 Blacksmith 用于构建和部署，Resolve 用于 SRE。

AI 编程达到 340 亿美元，前沿实验室和编程应用双双飙升

横向应用：AI 正在编程之外大量扩散

横向应用服务于某个职能或整个员工队伍，而非单一行业。在编程和聊天机器人之外，它们合计 88 亿美元（增长 3.0 倍）。增长最快的是看起来最像编程的职能——有代理可以行动的已连接系统、工作如何完成的完整上下文以及可验证的结果。

大多数企业市场缺乏这些条件，因此应用层的机会是为新领域创造它们。这意味着将代理连接到它们所需的所有碎片化系统和上下文，使隐性知识和程序可获取，并设计评估以帮助代理改进。

一些突出的做这项工作的公司包括：

Sierra 和 Decagon（客户支持，27 亿美元市场，增长 4.3 倍）构建跨聊天、邮件和语音端到端解决客户问题的代理——嵌入前期部署工程师或代理 PM 来设计程序、连接系统并将工作流编码化。
Serval（IT，16 亿美元，增长 2.3 倍）同样为 IT 帮助台搭建自动化，处理访问请求、配置和故障排除。Hone 将过去的工作转化为模拟，创建一个测试场，团队可以在部署前评估和改进行理。
Clay 和 Monaco*（销售，14 亿美元，增长 3.6 倍）覆盖销售栈的两面。Clay 使用网络代理研究潜在客户并丰富账户信息。Monaco 是一个自我更新的 AI 原生 CRM，让销售代表去销售而不是录入数据。

【图表】横向 AI 市场地图（来源：Menlo Ventures）

垂直应用：医疗健康和法律领先

垂直应用为单一行业构建。垂直 AI 是一个 101 亿美元的市场，比去年 35 亿美元增长 2.9 倍。

医疗健康（37 亿美元，增长 2.5 倍）仍以占垂直支出 37% 的比例领先每个行业类别，就其本身而言，它现在比去年整个垂直 AI 还大。临床工具推动了增长，由护理点的 OpenEvidence* 和无处不在的 scribe（如 Abridge）领跑。今年，生物学成为下一个前沿，因为 Anthropic、OpenAI、Isomorphic Labs 和 Chai Discovery* 在 AI 用于研究和药物发现上投入巨资。
法律（18 亿美元）位居第二，增长 2.8 倍。Harvey 和 Legora 继续复合增长，因为其产品从起草辅助转向处理整个工作流的代理，从尽职调查到合同审查。AI 也正在触及原告律所，像 Eve* 这样的平台自动化了诉求函和案件准备。

【图表】垂直 AI 市场地图（来源：Menlo Ventures）

AI 原生公司正在赢得代理类别

当 AI 增强现有工作流时，分销获胜；当 AI 重新定义工作流时，能力获胜。老牌厂商在 AI 必须适配系统记录的部门占据优势，而 AI 原生公司正在代理重新编写工作本身的领域获胜。

总体而言，AI 原生供应商现在俘获了应用层支出的 77% 和基础设施层支出的 90%，高于去年的 63% 和 44%。领先优势也不只是前沿实验室；排除它们，初创公司仍占据应用支出的 61%。

按类别：初创公司与老牌厂商之间的战斗，AI 原生供应商俘获了最大的类别——编程（340 亿美元）的 96%。老牌厂商在另外五个类别中领先，合计 65 亿美元：IT、数据科学、HR、客户成功和营销。

编程说明了初创公司为何获胜。 AI 原生供应商占 340 亿美元市场的 96%，包括实验室自己的产品（Claude Code、Codex）以及 Cognition 和 Factory 等独立公司。面对老牌的 GitHub Copilot，挑战者主要通过其产品迭代速度获胜——迅速将模型进步转化为从完成代码行到构建整个功能的产品。

例如，Cognition 和 Factory 围绕自主规划、执行和测试构建了产品。当 Opus 4.5 在 2025 年 11 月到来时，那些系统已经就位，可以利用其更强的能力。

另一方面，在它们是系统记录且 AI 必须适配既定工作流的地方，老牌厂商守住了阵地——包括 IT（ServiceNow，91%）、数据科学（Databricks 和 Snowflake，88%）和 HR（Workday，68%）。事实上，在历史上一直被新进入者超越之后，我们看到今年老牌厂商在我们追踪的近一半类别中收复了阵地。

代理是基础设施最大的新消费者

AI 代理正成为构建 AI 应用的标准方式。如今，74% 的构建者使用代理管理工作流和执行任务，而 2025 年初创公司部署中为 27%。近三分之一（32%）已经在使用多个代理协同工作。

这种转变正在重塑基础设施需求。传统软件基础设施主要为人类使用的应用而构建——人类节奏、一次一个会话、配置一次然后持续运行。代理的运作方式不同：它们以机器速度工作、并行运行、按需启动和丢弃资源。

这创造了两个机会：现有基础设施必须演进以处理 AI 驱动活动的速度和规模，同时全新的基础设施类别正在涌现以支持新的代理需求。

代理基础设施采用率飙升，随着代理承担更多工作，让它们执行代码、检索信息和浏览网页的基础设施采用增长最快。从 2025 年到 2026 年，代码沙箱采用率从 11% 跃升至 40%，搜索从 5% 升至 30%，浏览器基础设施从 4% 升至 14%。

既有系统正在为机器速度和规模重建。数据库仍是代理接触最多的系统（91% 的 AI 应用），但它们正从手动配置、在持续数年的应用背后长期存在的系统，转变为高容量、短暂的系统，代理为每个任务启动、使用并丢弃。Neon*/Lakebase、Supabase、ClickHouse 和 Archil 等提供商的出现最强烈地显示了这一点。

代理正在创造全新的基础设施需求。沙箱（供编程代理运行不受信任的代码）、搜索（供代理检索信息）和浏览器基础设施（供个人代理浏览网页）是大赢家：代码沙箱从构建者的 11% 升至 40%，搜索从 5% 升至 30%，浏览器基础设施从 4% 升至 14%。

【图表】AI 基础设施市场地图（来源：Menlo Ventures）

结语（Final Thoughts）

企业 AI 在一年内从 330 亿美元增长到 1770 亿美元，增长 5.4 倍。代理改变了资金流向、哪些市场有效以及买家选择哪些模型，我们预计随着代理承担更长的周期、计算机使用和多方协调，这种能力驱动的增长将持续。

但能力不会长期稀缺。随着公司将原始智能转化为特定企业或行业可用的东西，价值转移到应用层。远非一些人担心的 SaaSpocalypse，我们的研究发现 AI 在它触及的每个市场都创造了丰裕——跨越前沿和开源模型、实验室和独立应用。

在 Menlo Ventures，我们很荣幸能与处于这一浪潮前沿的许多公司合作，包括前沿的 Anthropic；模型层的 Skild 和 Chai Discovery；基础设施层的 Fireworks、Modal、Gimlet 和 OpenRouter；训练数据的 Mercor 和 Fleet；以及应用层的 Legora、Lovable、Factory、OpenEvidence、Eve、Assort Health、Wispr Flow、Suno 和 Higgsfield。

如果您是一位希望定义 AI 下一站的创始人，我们很乐意与您合作，共同构建未来。

方法论（Methodology）

这是 Menlo Ventures 第四份年度《企业 AI 现状》报告。它基于对近 400 名负责超过 40 亿美元 AI 支出的美国企业决策者的调查，由 Morning Consult 于 2026 年 9 月 8 日至 26 日执行。

市场规模。总市场规模的美元数字是 Menlo Ventures 基于调查回复、公开文件和第三方报告的自下而上模型得出的估计。收入以年化运行率显示。前几年的数字已被重新分类以反映今年的分类法，该分类法将 Mercor 等数据标注供应商从部署移至开发。

LLM 支出和 token 份额。 LLM 市场份额代表基于生产 API 使用量比例的估计支出美元。调查受访者报告了其 AI 工作负载使用每个模型的份额，按 AI 支出加权。Token 经济学（美元/百万 token）来自 token 增长的自下而上模型，由公开收入和 token 披露提供信息，并与包括 OpenRouter、Ramp 和 Vercel 在内的第三方来源进行三角验证。

模型层级。模型按其家族中每个实验室的阵容位置分组。落后其家族最新版本两代或以上的模型为"较旧"。专门化模型包括图像、音频、网络和生物。

2026 年 Q3 层级。前沿包括 GPT-6 Astra、GPT-5.6 Sol、GPT-5.5 和 Anthropic 的 Fable 和 Opus 级别模型。中端包括 GPT-6.1 Sol、GPT-6 Sol、GPT-5.6 Terra 和 Anthropic 的 Sonnet 级别。小型包括 OpenAI 的 Luna 级别、Anthropic 的 Haiku 级别和 Google 的 Gemini Flash。

2025 年 Q3 层级。前沿包括 GPT-5 Pro、Claude Opus 4/4.1、Sonnet 4.5 和 Gemini 2.5 Pro。中端包括 GPT-5、Claude Sonnet 4 和 Gemini 2.5 Flash。小型包括 OpenAI 的 Mini 和 Nano 模型、Claude Haiku 3/3.5 和 Gemini 2.5 Flash-Lite。

OpenRouter token 数据。人类与代理 token 趋势基于 OpenRouter 按 API 密钥类型（代理、人类、混合）的每周 token 量，2025 年 9 月 1 日至 2026 年 9 月 28 日。作为一个现已处理每周 160T+ token 的模型无关网关，OpenRouter 是 AI 使用更广泛模式的良好指标，尽管其用户相对于 Menlo 调查中的企业买家更偏向独立开发者和初创公司。

* Menlo Ventures 投资组合公司