关于报告的所有内容，公众号『行业报告智库』阅读原文或点击菜单获取报告下载查看。
“我们每月烧掉160万美元，只为让模型每快10毫秒。”这不是段子，而是300位AI产品构建者交出的最新账本。
先看进度条。调研里，AI原生公司已有47%进入“规模化”阶段，而传统SaaS改造过来的AI-Enabled公司只有17%到达同一水位。更扎心的是，AI原生公司里只有1%还在“预发布”，几乎没人原地踏步。一位受访者直言：“如果今天还没公测，明年可能就不用公测了。”
“Agentic Workflows”成了最大公约数：79%的AI原生公司、65%的AI-Enabled公司都在做。可真正敢把代理放到生产环境的，只有32%的高增长公司。大多数人还在内部Pilot里打转。原因很简单，幻觉、可解释性、ROI三大拦路虎。一句话：概念人人会讲，落地步步是坑。
GPT系列依旧霸榜，95%的人都在用。但“单模走天下”的时代结束了，受访者平均调用2.8家模型。策略直白：用户问天气就用便宜的轻量模型，写代码再切回GPT-4o。成本、延迟、合规，一个都不能少。正如一位全栈AI公司VP所说：“不同客户不同报价，模型也得跟着菜单走。”
把模型养到“规模化”阶段，每月训练费中位数冲到150万美元；而在Beta期只要16万美元。差距整整9倍。更残酷的是，31%的人每月就要重训一次，20%甚至一周一次。理由无它——数据漂移比房租涨得还快。
推理费用是另一把血淋淋的尺子。Beta到正式发布，普通公司每月从10万涨到110万美元，而高增长公司直接从28.6万飙到230万美元，整整两倍。原因很简单：并发一上来，GPU像抽水机一样吃预算。有人干脆把“每token几分钱”做成实时看板，挂在大屏给全员盯着。
缺人仍是主旋律。AI/ML工程师平均要70天才能招到，比数据科学家还多2天。更大的麻烦是，只有54%的受访公司觉得“招人速度跟得上需求”。原因排第一的是“合格的候选人太少”。一句话：抢人大战没有最卷，只有更卷。
公司内部的AI生产力预算，2025年直接翻倍：千万美元级公司从60万涨到120万，亿美元级公司从200万涨到400万。钱从哪来？59%还是走R&D预算，但已经有23%开始动“人头预算”，原来招5个实习生，现在换成买Copilot席位。别小看这笔账，一位$1B+公司的CDO透露：“一张Enterprise Copilot年票，顶半个应届生的工资，还不用交社保。”
工具堆得再多，关键看人用不用。调研显示，70%的员工有AI工具权限，但持续使用的只剩50%。在收入超过10亿美元的大企业，这一比例最低，只有44%。一位纽约人寿的SVP一语道破：“光发账号不给培训，等于把法拉利钥匙扔给新手，结果就是撞墙。”
ROI怎么量化？75%的人首要看“效率提升”，51%的人把“成本节省”写进KPI。真正敢把“营收增长”当衡量标准的，只占20%。AI离钱还有最后一公里，先把时间省下来再说。
具体到场景，代码辅助以65%的“最大生产力提升”碾压其他用例；然后是内容生成和知识检索。高增长公司更夸张，33%的代码由AI写，而普通公司只有27%。一位工程师自嘲：“我现在每天最大的运动，就是按Tab键。”
开发者工具层面，GitHub Copilot以74%的占有率独孤求败，Cursor凭50%稳居第二。第三名开始就直接断层到个位数。设计圈更统一：Figma 87%使用率，Miro 37%，其他连尾灯都看不见。一句话：生态一旦形成，后浪想拍死前浪，得先问问用户习惯答不答应。
当账单涨到肉疼，41%的公司开始把“换开源”当成节流大招，37%的人死磕推理效率，32%尝试模型蒸馏。有人已经跑通“Llama 3 + 量化”方案，把单次推理成本从0.006美元打到0.001美元。省出来的不是钱，是续命的时间。
