编译：Haozhen、ChatGPT
AI 正在成为企业软件史上扩散速度最快的技术浪潮。
过去十年，传统巨头凭借成熟的渠道、数据积累和客户关系主导企业软件市场。但在 AI 领域，AI-native 初创公司正凭借高效执行和快速迭代实现反超。
本报告基于 Menlo Ventures 对 495 位美国企业 AI 决策者的调研，揭示了企业为何采购 AI、支出分布、受益企业类型及 LLM 与 AI infra 的竞争格局演变。
- 企业级 AI 市场规模两年内从 17 亿美元增至 370 亿美元，较 2024 年增长约 3.2 倍，增速超越历史任何软件品类；
- 47% 的 AI 解决方案在评估后进入生产环境，远高于传统 SaaS 的 25%；
- 2025 年 AI 应用与 infra 各获 190 亿和 180 亿美元支出；
- AI 应用支出中 27% 来自 PLG 模式，约为传统软件（7%）的 4 倍；
- AI 应用层初创公司占 63% 市场份额，infra 层传统巨头仍占 56%；
- 医疗行业吸纳近半 Vertical AI 支出，达 15 亿美元，同比增长超三倍；
- Horizontal AI 中 Copilots 占比 86%（72 亿美元），远超 agent。
AI 是真实的繁荣，不是短期泡沫
尽管外界担忧 AI 投资过热，但企业端的采用节奏和规模前所未有。过去三年，AI 吸引巨额资本投入，推动 Nvidia 成为全球市值领先企业之一，多家基础模型公司宣布近万亿美元 infra 投资计划。然而 MIT 研究指出约 95% 的生成式 AI 项目失败，引发“AI 泡沫”讨论。
但从需求端看，AI 已在企业广泛落地，贡献实际营收并提升可规模化生产力，更符合“繁荣”而非“泡沫”的特征。
The GenAI Divide: State of AI in Business 2025
自 2023 年以来，企业级 AI 市场规模从 17 亿美元增长至 370 亿美元，约占全球 SaaS 市场 6%，增速超过历史上任何软件类别。
企业为什么要购买 AI？
2025 年企业在生成式 AI 上总支出达 370 亿美元，同比增长约 3.2 倍。其中 190 亿美元流向 AI 应用层，占比超 50%，已占整个软件市场逾 6% 份额，且在 ChatGPT 发布三年内完成。目前至少有 10 款 AI 产品 ARR 超 10 亿美元，约 50 款超 1 亿美元。
AI 应用已从模型 API 供应商（如 Anthropic、OpenAI、Google）带动，加速向 coding、销售、客服、HR 及医疗、法律、创作者经济等垂直场景渗透。
超半数企业 AI 支出流向应用层，表明企业优先选择能快速落地、提升生产力的解决方案，而非高风险长周期的 infra 自建。
相比自建，现成的 AI 解决方案能够更快进入企业生产环境
早期观点认为企业将自行构建多数 AI 方案，如 BloombergGPT 和 Walmart 的 Wallaby。但现实是，2024 年企业内部构建与外部采购比例接近对半，而到 2025 年，76% 的使用场景选择直接采购成熟方案。
Bloomberg 推出 BloombergGPT
Walmart 推出 Wallaby
企业更倾向采用现成 AI 方案以缩短部署周期并快速体现业务价值。
相比传统 SaaS，AI 能够提供稳定且可预期的价值回报
一旦启动评估，47% 的 AI 交易最终进入生产环境，显著高于传统 SaaS 的 25%。这反映企业对 AI 投入预期明确，能在短期内获得可量化收益。
企业通常识别出 10 个以上潜在应用场景，但优先推进能快速提升效率或降低成本的项目。对内应用（59%）略多于对外应用（41%），但两类转化率相近，说明无论运营提效还是客户服务创新，AI 均具备稳定回报。
47% 的转化率意味着 AI 提供的即时价值足以绕过或简化标准采购流程。
PLG 模式使得 AI 产品达到企业级应用规模的速度更快
当前所有 AI 应用支出中，27% 来自 Product-Led Growth（PLG）模式，约为传统软件的 4 倍。若计入员工个人信用卡购买 ChatGPT Plus 等“影子 AI”行为，该比例可能接近 40%。
PLG 模式使 AI 工具在正式签约前通过日常使用验证价值，显著加快企业渗透速度。
Cursor 在招聘首位企业销售前营收已达 2 亿美元；n8n 依托开源社区发展，在数百名员工活跃使用后才签署企业合同；ElevenLabs、Gamma、Wispr Flow 等亦走类似路径。
开发者和技术团队尤为青睐此模式：先个人使用，再推动组织采纳，最终转化为企业协议。Lovable、OpenRouter、fal 等均遵循这一路径。
AI 应用层由初创主导，infra 层仍依赖巨头
AI 应用层初创公司占据 63% 市场份额，较去年 36% 显著提升。理论上传统巨头拥有渠道、数据、客户关系等优势，但在多个高增长领域，AI-native 初创公司凭借更高执行效率实现领先。
产品与工程（初创公司市场占比 71%）
代码生成是典型例证。GitHub Copilot 具备先发优势，但 Cursor 凭借更快迭代在 repo 级上下文、多文件编辑、diff 审批、自然语言指令等方面实现超越，并支持 Claude Sonnet 3.5 等前沿模型即时接入，形成 PLG 飞轮：先赢得个体开发者，再渗透企业。
销售（初创公司市场占比 78%）
Clay 和 Actively 等初创公司切入 Salesforce 未覆盖的研究、个性化、数据补全等环节，这些工作流依赖网页、社交媒体、邮件等非结构化信号，常处于 CRM 体系之外。通过掌控这些 off-CRM 表面，逐步成为销售日常使用的 AI 层，削弱传统 system of record 的中介地位，长期或演变为新 system of record。
财务与运营（初创公司市场占比 91%）
Intuit QuickBooks 等老牌厂商因监管严格、准确性要求高，推出 AI-native 流程较慢，为 Rillet、Campfire、Numeric 等初创公司在下沉市场构建 AI-first ERP 提供空间，聚焦实时自动化与智能工作流。
AI 初创公司在市场调研、销售、营销、产品等部门表现活跃；传统巨头则在 IT 与数据科学领域保持优势，因可靠性与集成深度重于迭代速度。
在 infra 层，传统巨头仍占 56% 市场份额，因多数 AI 应用开发者仍在使用其长期信任的数据平台。Databricks、Snowflake、MongoDB、Datadog 等迎来业绩再加速，支撑数据管理、工作流编排与运维监控。
AI 应用层初创公司营收接近传统巨头两倍，而 infra 支出仍向传统巨头倾斜。
2025 年 AI 应用是一个 190 亿美元的市场
AI 应用获 190 亿美元支出，占生成式 AI 总支出一半以上，分为三类：
- Departmental AI（部门级 AI）：73 亿美元，面向特定职能如开发或销售；
- Vertical AI（垂直领域 AI）：35 亿美元，针对医疗、金融等行业；
- Horizontal AI（通用领域 AI）：84 亿美元，提升整体生产力。
Departmental AI：coding 是生成式 AI 的第一个“杀手级用例”
2025 年 Departmental AI 支出达 73 亿美元，同比增长 4.1 倍。其中 coding 以 40 亿美元（55%）成为最大细分赛道。
coding 已成为 departmental AI 中爆发式用例。
随着模型性能达到经济可用水平，coding 成为首个“杀手级用例”。Anthropic Sonnet 3.5 在 2024 年中触发突破性进展。目前 50% 开发者每日使用 AI 编程工具，顶尖机构达 65%。代码补全市场规模达 23 亿美元，code agents 与 AI 应用构建工具从零爆发。
AI 工具覆盖原型设计（Lovable）、代码重构（OpenHands）、设计转代码（Weaver）、质量保障（Meticulous）、PR 流程（Graphite）、SRE（Resolve）、部署（Harness）等环节，团队交付速度提升超 15%。
coding 支出从 5.5 亿增至 40 亿美元，反映技术能力质变：模型已能理解完整代码库并执行多步任务，正从点工具演变为端到端自动化。
除 coding 外，其他职能 AI 渗透加速：
- IT 运维工具达 7 亿美元，用于故障响应与 infra 自动化；
- 营销平台达 6.6 亿美元，驱动内容生成与活动优化；
- 客户成功工具获 6.3 亿美元，应用于工单分流、情绪分析与主动触达。
这些场景共性在于高度重复、易衡量提效。下图展示各职能代表性厂商争夺 73 亿美元总投资。
AI-native 初创公司已在各职能领域崛起，占据可观市场份额。
Vertical AI：医疗行业占据了几乎一半的支出
Vertical AI 2025 年获 35 亿美元支出，接近 2024 年 12 亿的三倍。仅医疗行业即占 15 亿美元（43%），超其后四个垂直行业总和。
医疗行业虽受制于长采购周期与强监管，但在行政负担加重、利润压缩、人力短缺背景下，成为 AI 自动化需求最强领域之一。
主要支出集中于行政与临床流程，尤以环境式病历记录（ambient scribes）为核心。该市场 2025 年达 6 亿美元（同比增长 2.4 倍），催生 Abridge 和 Ambience 两家独角兽。因医生每服务 5 小时需耗 1 小时文书，能减少 50% 文档时间的工具显著降低负担。
其他领域中，法律 AI（Eve 等）达 6.5 亿美元，创作者工具 3.6 亿，政府应用 3.5 亿。AI 在缺乏软件支持、依赖人工、流程非结构化的行业中落地强劲。
Vertical AI 已成长为 35 亿美元市场，投资额为去年三倍，服务于经济各领域。
Horizontal AI：Copilot 支出远大于 Agent
Horizontal AI 支出达 84 亿美元，为应用层最大类别，同比增长 5.3 倍。
- Copilots 占 86%（72 亿美元），主力为 ChatGPT Enterprise、Claude for Work、Microsoft Copilot；
- Agent 平台（如 Salesforce Agentforce、Writer、Glean）占 10%（约 7.5 亿美元）；
- 个人生产力工具（如 Granola、Fyxer）占 5%（约 4.5 亿美元）。
Copilots 当前主导市场，但随 agents 能力增强，AI 将从“辅助”转向“自动化”。
2025 年 AI infra 支出达到 180 亿美元
AI infra 获 180 亿美元支出，占生成式 AI 总支出另一半，较 2024 年 92 亿增长 2 倍，分三类：
- 基础模型 APIs：125 亿美元，提供底层智能；
- 模型训练 infra：40 亿美元，支持模型训练与适配；
- AI infra：15 亿美元，连接 LLMs 与企业系统，管理数据存储、检索与编排。
现代 AI 技术栈尚在开发中
尽管 agent 讨论热烈，真实生产架构仍较简单：仅 16% 企业与 27% 初创公司部署的 agent 符合真正定义（LLM 规划、执行、反馈、调整）。多数系统仍为固定序列或路由-based 工作流，本质是单一模型调用封装。
定制化方式以 prompt 设计与 RAG 为主，fine-tuning、tool calling、context engineering、强化学习等高级方法仍属小众。
多数所谓 AI agents 实为基于模型调用的“if-then”逻辑，反映市场仍处早期阶段。
当前 AI 技术栈形态与去年相似。最大受益者仍是 Databricks、Snowflake、MongoDB、Datadog 等传统数据与 infra 平台，因其长期被企业信任。
初创公司活跃于推理与算力层，Fireworks、Baseten、Modal、Together 等平台凭借性能与开发者体验，在 serverless、高吞吐、开放权重推理上实现 2 倍以上性能提升，与云厂商平台竞争。
上层新兴可观测性与开发工具厂商如 LangChain、Braintrust、Judgment Labs，围绕评测、追踪、持续学习构建 AI 运行时可观测性层。
企业投资 180 亿美元于基础模型、训练系统、数据及编排层，图示为各环节关键参与者。
LLM 竞争格局
Anthropic 在企业级市场领先
Anthropic 取代 OpenAI 成为企业级市场领导者，占 40% 企业级 LLM 支出，高于 2023 年 12% 与 2024 年 24%。OpenAI 份额从 2023 年 50% 降至 27%。Google 从 7% 升至 21%。
三者合计占据 88% 企业级 LLM API 使用量，其余 12% 分散于 Meta Llama、Cohere、Mistral 等。
图表显示 LLM 生态变化趋势：堆叠柱状图展现份额变动，趋势线突出增长动能，coding 占比凸显关键竞争领域。
Anthropic 崛起得益于其在编程市场的持久统治。其市占率达 54%，远超 OpenAI 的 21%。Claude Code 推广功不可没。自 2024 年 6 月 Claude Sonnet 3.5 发布以来，Anthropic 在编程排行榜连续领先近 18 个月。
即便 Google Gemini 3 Pro 在多数指标领先，但在 SWE-bench Verified（真实软件工程能力测试）上仍落后于 Claude Sonnet 4.5。一周后 Anthropic 发布 Opus 4.5，再度拉开差距，巩固其领先地位。
Gemini 3 Pro Model Card
Claude Opus 4.5 的表现
中国开源模型在初创和独立开发者中影响力增强
Llama 仍是美国企业最广泛使用的开源模型，但因自 4 月发布 Llama 4 后无重大更新，企业级开源市场份额从 19% 降至 11%。
企业偏好闭源模型，开源 LLM 仅占 11% 市场份额，但开发者正积极测试中国模型与新架构。
中国开源模型在美国大企业中谨慎使用，占 LLM API 总用量 1%，企业级开源支出约 10%。但在初创与独立开发者中，Qwen、DeepSeek（V3、R1）、Moonshot/Kimi、MiniMax、GLM 采用率迅速上升。Airbnb 在用户 AI 功能中大量使用 Qwen，Cursor 将其作为内部开源基础。
小型模型 Qwen3 与 GLM 因性能媲美大模型而受欢迎。
过去一年，中国模型在开发者群体中的影响力显著增强。
2026 年 AI 预测
Menlo Ventures 基于生态观察，提出 2026 年五大预测：
- AI 将在日常编程任务中超越人类：尤其在数学、编程等可验证领域，先进模型将持续进化。
- 杰文斯悖论成立：推理成本下降，但使用量激增导致净支出上升。
- 可解释性与治理将成为主流：随 agent 自主性提升，用户与监管将要求决策可解释与审计日志。Goodfire 等可解释 AI 公司将愈发重要。
- 模型将移至边缘端：出于低延迟、隐私安全考虑，计算将向设备迁移，非前沿模型成本趋近 $0。手机端将实现无需联网的快速推理。
- 基准测试无法完全反映真实效果：仅追求分数的模型难留用户；coding 等前沿场景用户愿为性能支付溢价；模型将在 coding 外另一重要场景实现广泛采用。
Reference
2025: The State of Generative AI in the Enterprise｜https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/
排版：傅一诺