AI行业现状与趋势 - AI产品构建与运营已成为竞争新前沿 重点关注如何端到端构思、交付和扩展AI驱动的产品[11] - 2025年报告聚焦"如何做" 提供将生成式AI从概念转化为可靠收入驱动资产的蓝图[12] - AI成熟度分为传统SaaS、AI增强型(31%)、AI新产品型(37%)和AI原生型(32%)三类[22] AI产品开发 - AI原生公司产品开发进度更快 47%已进入规模化阶段 而AI增强型仅13%[28][29] - 79%AI原生公司开发代理工作流 65%开发垂直AI应用 显示行业专业化趋势[33][34] - 80%公司依赖第三方AI API 高增长公司更倾向微调基础模型(77%)和开发专有模型(54%)[36][37] - 模型选择首要考虑准确性(74%)和可定制性(57%) 成本考量从去年最低升至第六位(41%)[39][40] 技术架构与挑战 - OpenAI GPT模型仍最受欢迎(95%) 但多模型策略成为趋势 平均每家公司使用2.8个模型[42][44] - RAG(66%)和微调(69%)是最常用训练技术 高增长公司使用更多提示技术(67%)[49][50] - 68%公司采用全云方案 64%依赖外部API提供商 仅10%使用完全本地部署[52][53] - 模型部署主要挑战包括幻觉(39%)、可解释性(38%)和证明ROI(34%)[55][56] 组织与人才 - 收入超1亿美元公司中61%设立专职AI领导岗位 显示AI战略集中化趋势[86][87] - 88%公司拥有AI/ML工程师 72%有数据科学家 54%配备AI产品经理[89][90] - 高增长公司计划将30%工程团队投入AI 高于其他公司的20%[95][96] - 46%公司认为招聘速度不足 主要因合格候选人短缺(60%)[92][93] 成本与投资 - AI开发占研发预算10-20% 2025年预算预计增加[100][101] - 产品成熟后基础设施成本占比从24%升至36% 人才成本从57%降至36%[103][104] - API使用费(70%)是最难控制的基础设施成本 公司转向开源模型(41%)优化[106][107][111] - 高增长公司在GA阶段推理成本达230万美元 是其他公司的2.3倍[114][115] 内部生产力应用 - 2025年内部AI生产力预算预计翻倍 占收入1-8%[122][123] - 70%员工可访问AI工具 但仅50%持续使用 大企业采用率更低(44%)[129][130] - 内部用例首选考虑成本(72%)和准确性(74%) 与外部产品侧重不同[133][134] - 编码辅助带来15-30%生产力提升 高增长公司33%代码由AI生成[144][145] 技术工具栈 - PyTorch和TensorFlow占模型训练主导 AWS SageMaker和OpenAI微调服务也广泛使用[155][159] - LangChain和Hugging Face是LLM应用开发首选框架 70%使用私有API[160][164] - Datadog等传统监控工具仍占近半数 LangSmith和W&B在AI专用领域崛起[165][166][167] - GitHub Copilot以75%使用率主导编码辅助 Cursor以50%位居第二[205][208]