來源：A16Z

轉譯：產業(yè)家

2025年，AI大模型在企業(yè)場景的落地走到哪了？

過去一年，AI在企業(yè)中的地位發(fā)生了根本性轉變。它不再是創(chuàng)新實驗室里一場場孤立的試驗，也不僅是技術部門熱衷的“新玩具”，而是真正走入了核心業(yè)務系統(tǒng)，成為IT和經營預算中不可或缺的一部分。

這是一場靜悄悄卻迅猛的演進：AI模型變得更多樣，采購流程愈發(fā)嚴謹，企業(yè)不再“自己造輪子”，而是開始像采購傳統(tǒng)軟件那樣，有條不紊地選擇、部署、評估人工智能服務。技術領導者們正變得越來越成熟——他們明白，不同模型適配不同任務，用例碎片化是常態(tài)，而高質量的AI原生應用，正在快速超越傳統(tǒng)軟件廠商。

近日，A16z發(fā)布了一份主題為《AI技術在企業(yè)場景落地》的調研報告，報告基于與20多位企業(yè)買家的深度訪談和100位CIO的調研，全面回顧了企業(yè)在2025年如何部署、采購、集成和規(guī)劃AI。

這份報告背后對應的是一個新的觀點，即：AI不再是“是否值得嘗試”的問題，而是“如何規(guī)�；�落地”的現實挑戰(zhàn)。

AI落地到底如何？又或者說，AI在企業(yè)場景中到底該如何落地？怎樣更好的落地？可以說，它是一份調查，也更是一面全球企業(yè)落地AI的鏡子。

讓我們一起來走進這份報告。

以下為報告原文（部分語句做可讀性調整）：

一年前，我們總結了企業(yè)在構建與采購生成式 AI（Gen AI）方面面臨的 16 項變革。時至今日，形勢已然大變。為此，我們重訪了 20 多位企業(yè)買家，并調研了橫跨 15 個行業(yè)的 100 位 CIO，試圖幫助創(chuàng)業(yè)者了解企業(yè)客戶在 2025 年及未來如何使用、采購與規(guī)劃 AI。

盡管 AI 世界瞬息萬變，過去一年市場格局的演進仍然超出了我們的預期：

1、企業(yè) AI 預算持續(xù)超標增長，從試點項目躍升為 IT 和業(yè)務核心預算的一部分。

2、企業(yè)在“多模型組合”上的運用日益成熟，開始注重性能與成本的平衡。OpenAI、谷歌和 Anthropic 是閉源市場的主力，而 Meta 與 Mistral 成為開源陣營的熱門選擇。

3、AI 模型采購流程日趨接近傳統(tǒng)軟件采購：評估更嚴、托管更講究、標準化測試更受重視。與此同時，更復雜的 AI 工作流也在推高模型替換成本。

4、AI 應用生態(tài)逐漸成型：標準化應用開始取代定制開發(fā)，AI 原生的第三方應用迎來爆發(fā)增長。

本報告將圍繞企業(yè)在預算分配、模型選擇、采購流程與應用使用四大維度的最新趨勢，幫助創(chuàng)業(yè)者更細致地理解企業(yè)客戶真正關注的重點。

一、預算：AI 支出超出預期，并持續(xù)增長

1. AI 預算增長遠超預期，且毫無放緩跡象

企業(yè)對大語言模型（LLM）的投入已大幅超出去年原本就很高的預算預期，且預計未來一年將繼續(xù)增長，平均增幅約為 75%。正如一位 CIO 所說：“我 2023 年一整年的支出，現在一周就能用完。”

預算上升的原因有二：一方面，企業(yè)持續(xù)發(fā)掘更多內部用例，推動員工廣泛采用；另一方面，越來越多的企業(yè)開始部署面向客戶的 AI 應用，尤其是科技創(chuàng)新型企業(yè)，這些場景的投入呈指數級擴展。一家大型科技公司表示：“去年我們主要專注于內部效率提升，今年的重點將轉向面向客戶的 Gen AI，投入會大大增加�！�

2. AI 正式納入核心預算，結束“試驗期”

一年前，企業(yè)在 LLM 上的支出中仍有約 25% 來自創(chuàng)新專項預算；如今，這一比例降至 7%。企業(yè)普遍將 AI 模型和應用的費用納入常規(guī) IT 與業(yè)務部門預算，體現出 AI 不再是探索性項目，而是業(yè)務運轉的“基礎設施”。

一位 CTO 指出：“我們的產品正在陸續(xù)集成 AI 功能，相關支出也自然水漲船高。”這意味著，AI 融入主流預算的趨勢還將進一步加速。

二、模型：多模型策略成為主流，

三大廠商初步確立領先地位

3. 多模型時代已成常態(tài)，“差異化”而非“同質化”成驅動力

當前市面上已存在多個性能出色的 LLM，企業(yè)開始在實際生產中部署多種模型。雖然避免供應商綁定是一個重要原因，但更根本的動因是：不同模型在不同用例中的表現差異越來越顯著。

本年度調查中，37% 的企業(yè)正在使用五種及以上的模型，較去年的 29% 明顯增長。

雖然模型在某些通用評估中得分相近，但企業(yè)用戶發(fā)現，其實際效果差異不容忽視。例如，Anthropic 的 Claude 更擅長細粒度代碼補全，而 Gemini 更適用于系統(tǒng)設計和架構。在基于文本的任務中，用戶反饋 Anthropic的語言流暢性和內容生成更強，而 OpenAI 的模型更適合復雜問答任務。

這種差異促使企業(yè)采用“多模型最佳實踐”，既保障性能優(yōu)化，又降低對單一廠商的依賴。我們預判這種策略將在未來繼續(xù)主導企業(yè)的模型部署路徑。

4. 模型格局仍激烈，但三大廠商初顯優(yōu)勢

雖然企業(yè)在實驗和生產中持續(xù)試用多個模型，但市場上已出現三個領先者：OpenAI 保持市場份額領先，谷歌和 Anthropic 則在過去一年迅速追趕。

具體來看：

（1）OpenAI：其模型組合被廣泛應用，GPT-4o 是最常部署到生產環(huán)境中的模型，推理模型 o3 也引發(fā)高度關注。67% 的OpenAI 用戶在生產中部署了非前沿模型，這一比例遠高于谷歌（41%）和 Anthropic（27%）。

（2）谷歌：在大型企業(yè)中表現更突出，得益于 GCP 客戶基礎和品牌信任。Gemini 2.5 不僅具備頂級上下文窗口，在性價比上也具明顯優(yōu)勢——Gemini 2.5 Flash 每百萬 Token 成本為 0.26 美元，遠低于 GPT-4.1 mini 的 0.70 美元。

（3）Anthropic：在技術前沿型企業(yè)（如軟件公司與初創(chuàng)企業(yè)）中受到高度青睞。其在代碼相關任務中的表現尤為突出，是增長最快的 AI 編碼應用背后的核心引擎。

此外，開源模型如Llama 與 Mistral 更受大型企業(yè)青睞，主要出于數據安全、合規(guī)和可定制性考慮。新玩家 xAI 的 Grok 模型也開始受到廣泛關注，市場仍充滿變數。

5. 對于中小型模型而言，閉源模型的性價比優(yōu)勢愈發(fā)明顯

如前所述，模型成本正以每年一個數量級的速度下降。在這一趨勢下，閉源模型（尤其是中小型模型）的性能/成本比正變得越來越有吸引力。

目前在這一領域表現領先的是 xAI 的 Grok 3 mini 和谷歌的 Gemini 2.5 Flash。例如，一些客戶表示，出于成本考量及生態(tài)系統(tǒng)集成便利，他們更傾向選擇閉源模型。

正如一位客戶坦言：“現在的定價已經非常誘人，而我們已經深度嵌入谷歌生態(tài)，從 G Suite 到數據庫都在使用，他們的企業(yè)服務經驗對我們來說很有價值。”另一位客戶則更直白地總結道：“Gemini 很便宜。”

這反映出閉源模型在中低成本場景中正逐步贏得市場。

6. 隨著模型能力增強，微調的重要性正在下降

隨著模型智能水平和上下文窗口顯著提升，企業(yè)發(fā)現，實現優(yōu)異性能已不再依賴微調，而是更多依靠高效的 Prompt 工程。

某家企業(yè)觀察道：“我們不再需要提取訓練數據去微調模型，只要把它放進一個足夠長的上下文窗口，結果幾乎一樣好。”

這一轉變帶來兩個重要影響：

（1）降低使用成本：Prompt 工程成本遠低于微調；

（2）降低供應商綁定風險：Prompt 可輕松遷移至其他模型，而微調后的模型往往存在遷移困難和高前期投入。

不過，在某些超特定用例中，微調仍不可或缺。比如，一家流媒體公司就針對視頻搜索中的查詢增強，對開源模型進行了微調，以適應領域語言。

此外，若強化微調（Reinforcement Fine-tuning）等新方法在實驗室外得到廣泛應用，微調在未來也可能迎來新一輪增長。

總體而言，大多數企業(yè)在常規(guī)場景中對微調的 ROI 預期已經下降，且更傾向于在成本敏感型場景中選用開源模型。

7. 企業(yè)對“推理模型”前景樂觀，正積極準備規(guī)模化部署

推理模型（Reasoning Models）能夠讓大語言模型更準確地完成更復雜的任務，從而顯著擴大 LLM 的可用場景。盡管目前多數企業(yè)仍處于測試階段，尚未正式上線部署，但對于其潛力普遍持樂觀態(tài)度。

一位高管表示：“推理模型能幫助我們解決更多新型、復雜的任務場景，我預計它的使用量很快會出現大幅增長。只是目前我們還處于早期測試階段�！�

在早期使用者中，OpenAI的推理模型表現最為突出。盡管 DeepSeek 在行業(yè)中也有不少關注，但在生產部署方面，OpenAI 的優(yōu)勢非常明顯：本次調研顯示，有 23% 的企業(yè)已在生產中使用 OpenAI 的 o3 模型，而使用DeepSeek 的僅為 3%。不過，DeepSeek 在初創(chuàng)企業(yè)中的采用率相對更高，企業(yè)市場滲透仍較低。

隨著推理能力逐步融合進企業(yè)應用主流程，其影響力有望迅速放大。

三、采購：企業(yè)AI 采購流程趨于成熟，

正全面借鑒傳統(tǒng)軟件采購機制

8. 模型采購流程日趨規(guī)范，成本敏感度提升

當前，企業(yè)在選擇模型時已普遍采用系統(tǒng)性的評估框架。在我們訪談中，安全性和成本與準確性、可靠性一樣，成為模型采購的核心考量。正如一位企業(yè)負責人所言：“現在大多數模型的基礎能力都夠用，價格反而成了更重要的因素。”

此外，企業(yè)在“用例-模型”匹配上也日益專業(yè)化：

（1）對于關鍵場景或對性能要求高的任務，企業(yè)更傾向于選擇具有強品牌背書的頂級模型；

（2）對于內部或低風險任務，企業(yè)更多以“成本導向”作決策。

9. 企業(yè)對模型廠商信任度顯著提升，托管策略更加多元

過去一年，企業(yè)與模型廠商之間的信任明顯提升。雖然仍有一部分企業(yè)偏好通過現有云服務關系托管模型（如通過 AWS 使用 OpenAI），但越來越多的企業(yè)選擇直接與模型提供方合作，或通過 Databricks 等平臺托管，尤其是在模型并未由主力云廠商托管時。

正如一位受訪者所說：“我們想第一時間用上最新最強的模型，預覽版本也很關鍵�！毕噍^去年“盡可能繞回主云廠商”的策略，這種直接托管趨勢是一個顯著轉變。

10. 隨著任務復雜性上升，模型切換成本也在快速上漲

去年，不少企業(yè)在設計AI 應用時刻意降低切換成本，希望模型“來去自如”。但隨著“代理式工作流”的興起，這一策略開始失效。

代理工作流通常涉及多步驟協(xié)作，模型之間的替換將牽一發(fā)而動全身。企業(yè)在構建提示語、設計護欄、驗證質量方面投入大量資源后，更不愿意輕易更換模型。

一位 CIO 總結得非常直接：“我們所有提示都為 OpenAI 優(yōu)化過了，每個 prompt 都有特定的結構和細節(jié)。要切到另一個模型，不僅要重新調教所有提示，還可能影響整個工作流的穩(wěn)定性�！�

11. 外部評估基準日漸成為“模型采購的第一道篩選”

隨著模型數量激增，企業(yè)采購者也越來越依賴類似 Gartner 魔力象限那樣的外部評價體系，如 LM Arena。這類評估為模型采購提供了初篩參考。

盡管企業(yè)仍高度重視內部基準測試、金標數據集和開發(fā)者反饋，但外部指標正在成為“第一道門檻”。不過，企業(yè)普遍強調：外部 benchmark 只是評估的一部分，真正決定性因素仍然來自實際試用和員工反饋。

四、應用：AI 應用加速落地，

企業(yè)從“自建”轉向“采購”

12. 企業(yè)從“自己開發(fā)”向“購買成品”大幅轉變

AI 應用生態(tài)正在迅速成熟。過去一年，企業(yè)從“自己構建”向“采購專業(yè)第三方應用”的轉變非常明顯。

原因主要有兩個：

（1）性能與成本的動態(tài)差異使持續(xù)評估和調優(yōu)成為必要，而這通常更適合由專業(yè)團隊而非內部團隊執(zhí)行；

（2）AI 領域演進迅速，內部自研工具難以長期維護，且未必構成競爭優(yōu)勢，反而降低了“自建”的性價比。

例如，在客戶支持場景中，超過 90% 的受訪 CIO 表示正在測試第三方應用。一家上市金融科技企業(yè)曾嘗試自研客戶服務系統(tǒng)，但最終決定轉向采購成熟方案。這一趨勢在醫(yī)療等高風險行業(yè)尚未完全展開，因數據隱私與合規(guī)仍是首要考量。

13. “按結果計費”仍不被 CIO 廣泛接受

盡管“按效果付費”被廣泛討論，但企業(yè)在實踐中仍有諸多顧慮——例如結果定義模糊、歸因困難、成本不可控等。多數 CIO 表示：他們更傾向于按使用量計費的方式，因為這更直觀、可預測、可控。

14. 軟件開發(fā)成為首個“殺手級”AI 應用場景

雖然 AI 已在內部搜索、數據分析、客戶服務等多個領域落地，但軟件開發(fā)的應用爆發(fā)最為顯著。這得益于三重利好：

（1）模型能力顯著提升；

（2）現成工具質量極高；

（3）投資回報率直接可見，適用行業(yè)廣泛。

一家高增長 SaaS 公司 CTO 表示，他們現在近 90% 的代碼由 Cursor 和 Claude Code 生成——而一年前使用 GitHub Copilot 時，僅占比 10-15%。這種躍遷式采用雖仍屬于前沿現象，但可能正是企業(yè)界未來的風向標。

15. Prosumer 市場（生產者消費者融合）拉動應用早期增長

強消費品牌帶動企業(yè)采購決策的現象再次上演。

ChatGPT 是典型案例：許多 CIO 表示購買企業(yè)版 ChatGPT 是因為“員工用得慣、喜歡、信得過”。從生產者市場向企業(yè)端的自然延伸，加速了新一代 AI 應用的增長。

16. AI 原生應用的速度與質量正在超越傳統(tǒng)巨頭

雖然傳統(tǒng)廠商擁有渠道優(yōu)勢和品牌信任，但在產品質量與迭代速度上，AI 原生公司已開始超越。例如在編碼工具領域，Cursor 這類專為 AI 場景構建的工具，讓用戶對傳統(tǒng)的 GitHub Copilot 明顯“不再滿意”。

一位公共安全行業(yè) CIO點出：“第一代和第二代 AI 編碼工具差異極大。新一代原生產品更智能，也更實用。”

展望未來：企業(yè)級AI 的“試驗時代”已經結束

企業(yè)部署 AI 不再是試驗項目，而是戰(zhàn)略行動。預算已經常態(tài)化、模型選擇多元化、采購流程標準化、AI 應用開始系統(tǒng)落地。盡管用例碎片化，但這正是企業(yè)擁抱的方向。一些關鍵廠商正在脫穎而出，企業(yè)也越來越多選擇成品應用以加速落地。

市場形態(tài)愈加接近傳統(tǒng)軟件，但變化節(jié)奏與復雜性卻完全不同——這是 AI 的特有節(jié)奏。

       原文標題 : 2025年，AI大模型在企業(yè)場景走到哪了？