为什么产品而非模型将赢得企业人工智能 |由 G2 风险投资伙伴 | 2026 年 3 月 | G2 见解
为什么产品而非模型将赢得企业人工智能
企业人工智能已经是一个巨大的市场，估计价值约 400 亿美元，同比增长超过 3 倍。1 然而，尽管人工智能工具、基础模型和代理平台呈爆炸式增长，但企业实际利用人工智能所做的事情却出人意料地狭窄。
在过去的几个月里，一波报告试图捕捉到 2025 年底企业人工智能采用的状态，从 Menlo Ventures 的自下而上分析 到 OpenRouter 对近 100 万亿美元的研究令牌。每一个都提供了不同的市场份额，有时，这些片段似乎是矛盾的。我们希望退后一步，将这些报告综合成一个连贯的叙述，讲述企业人工智能目前的状况，更重要的是，它的发展方向。
简短的回答？企业在人工智能上花费了数百亿美元，但他们主要做两件事：编码和副驾驶。在这两者中，只有一个已证明具有投资回报率。
企业实际利用人工智能做什么
编码已成为生成式人工智能的第一个“杀手级用例”。现在，它约占通过 OpenRouter 处理的所有代币的 50%，估计占企业代币的 85% 以上（！！）。² Menlo Ventures 认为编码占部门 AI 支出的 60% 左右，同比增长 8 倍。³ 这是有道理的 — 编程本质上是一种生成活动，而生成 AI 是一个自然的选择。 Claude Code、GitHub Copilot 和 Cursor 等工具正在带来显着的生产力提升，随着这些功能的持续快速改进，我们仍处于早期增长阶段。
Copilot 是第二大支出类别——想想 ChatGPT Enterprise、Microsoft Copilot 和 Claude for Work。企业正在大规模购买这些工具，但人们仍然对其投资回报率持怀疑态度。使用率常常低于预期，并且对于员工是否发现其中有意义的价值尚无定论。
除了编码和副驾驶之外，采用率很快就下降了。一些大型 SaaS 公司，如 Salesforce、ServiceNow 和 HubSpot，正在将人工智能嵌入到他们的产品中，并取得了不同程度的成功，但大多数企业仍然没有大规模部署人工智能代理。 OpenRouter 的数据显示，“工具调用”（人工智能调用其他工具的代理行为的代理）仍然保持平稳且相对较低。在代理平台上的支出仍然不多。正如一位微软高管所说，人工智能代理应被视为“研发预算”⁴——这并不完全是对近期企业采用的明确认可。
专有与开源：谁将赢得企业堆栈
根据 OpenRouter 的研究，在技术堆栈方面，专有模型目前占据主导地位，占据了大约 70% 的代币份额和估计 88% 的企业 API 支出。但这个标题掩盖了一个重要的细微差别：专有模型赢得了编码，而不一定是其他企业用例。
如果你理清数据，就会发现编码严重偏向专有模型——超过 90% 的市场份额。对于所有其他用例（诚然，这些用例仍然较小），专有模型和开源模型之间的比例接近 50-50。⁵ 没有一种方法成为标准。
有强有力的领先指标表明开源将在非编码企业用例中占据重要份额：
- 开发者调查显示他们明显偏好使用开源模型进行构建⁶
- 大多数企业已经在其云环境中托管开源模型（基于 API 的市场数据中不会出现的用法）
- 开源模型的下载量猛增⁷
- 开源模型的成本大大降低，并且在功能上正在迎头赶上
- 80% 的 a16z 投资组合公司已经在建立中国开源模型⁸
成本很重要。很多。据报道，由于模型成本的原因，一些基于专有 API 的初创公司的毛利率为负。随着企业从简单的试点转向生产规模部署，经济因素将推动严重依赖开源功能的多模型方法。
是什么阻碍了非编码企业人工智能的发展？
如果模型足够好并且市场机会巨大，为什么企业人工智能的采用没有在编码之外取得实质性进展？
在您的收件箱中获取 G2 Venture Partners 的故事
免费加入 Medium 以获取该作者的最新动态。
记住我以便更快登录
首先，缺乏可预测的结果。让法学硕士持续做某件事是非常困难的。 Programming is a naturally generative activity, so the probabilistic nature of LLMs is a feature, not a bug.但许多企业工作流程需要灵活性和一致性的结合。您可能希望系统调整其语言或方法，但您仍然需要它每次都以相同的方式升级某些问题，或者在每次支持交互后发送客户调查。生成模型经常与这种确定性行为作斗争，使许多早期的企业人工智能计划受挫。
其次，需要定制和专业服务来提取价值。基础模型不仅仅适用于许多现实世界的用例。他们需要与多个数据源、可靠的连接器和重要的定制集成，以适应现有的工作流程。就连微软也承认，它的连接器没有达到需要的效果。⁹ 有前景的演示和可投入生产的系统之间存在巨大差距，填补这一差距需要努力工作。
前进的道路
那么，面对这些挑战，下一代获胜的人工智能产品会是什么样子呢？我们有几个想法：
- 他们将把确定性框架与生成能力结合起来，确保人工智能解决方案提供所需的一致性，同时保留生成人工智能的灵活性。
- 他们将从客户那里抽象出“模型选择”，使用多模型方法来平衡成本与能力。
- 他们通常会根据特定的客户用例和数据定制或微调模型。
- 最后，他们将应对使人工智能在实际生产环境中可靠工作的“最后一英里”挑战，包括与关键数据存储集成、增加可观察性以及连接到其他工作流程工具。
目前，我们看到企业家在构建产品和平台时都考虑到了这些方法，并努力将生成式人工智能的不可思议的力量转化为适用于企业用例的可靠、可扩展的解决方案。如果您正在这个领域进行建设，我们很乐意听取您的意见。
来源
1、3：Menlo Ventures，“2025 年：企业中生成式人工智能的现状”，2025 年 12 月 9 日，https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/#b80db139-f442-4176-8179-56de9fa744e8
2、5：OpenRouter，“AI 现状：使用 OpenRouter 进行的 100 万亿代币实证研究”，2025 年 12 月，https://openrouter.ai/state-of-ai
4：The Information，“Anthropic、AWS 为 AI 代理客户提供帮助”，2025 年 11 月 3 日，https://www.theinformation.com/articles/anthropic-aws-give-customers-ai-agents-helping-hand
6：Theory VC，“2025 年人工智能实践调查”，2025 年 12 月，https://survey.theoryvc.com/
7：NVIDEO，“NVIDIA 首席执行官黄仁勋在 2025 年 3 月 GTC 主题演讲”，2025 年 3 月，https://www.youtube.com/watch?v=_waPvOwL9Z8
8：《经济学人》，“中国正在以其开放模式悄悄抢走美国的风头”，2025 年 8 月 21 日，https://www.economist.com/business/2025/08/21/china-is-quietly-upstaging-america-with-its-open-models
9：信息，“微软的纳德拉向代表们施压，加速副驾驶改进”，2025 年 12 月 22 日，https://www.theinformation.com/articles/microsofts-nadella-Pressures-deputies-accelerate-copilot-improvements
原文链接：https://blog.g2vp.com/why-products-not-models-will-win-enterprise-ai-649963bb3772
