2025年：企業生成式人工智慧的現狀

2025年12月9日

蒂姆·塔利 (Tim Tully)、喬夫·雷德芬 (Joff Redfern)、迪迪·達斯 (Deedy Das)、德里克·肖 (Derek Xiao)

人工智慧熱潮與泡沫

儘管人們擔心過度投資，但人工智慧正以現代軟體史上前所未有的速度在企業中普及。

近三年來，人工智慧領域信心十足，資本流入屢創新高。這股熱潮使輝達 (Nvidia) 榮登全球市值最高公司寶座。¹ 基金會宣布了近1兆美元的人工智慧基礎設施投資承諾。風險投資也回升至歷史最高水平，其中近一半集中在少數幾家前沿人工智慧實驗室。

隨後，狂熱情緒達到頂峰。麻省理工學院的一項研究^² 聲稱，95% 的生成式人工智慧專案都會失敗，這一消息在夏季引發了市場震盪，暴露了在人工智慧巨額資本支出的重壓下，市場情緒可能發生多麼迅速的轉變。泡沫的低語變成了喧囂。

考慮到相關數據的規模，這些擔憂並非毫無根據。但需求方面的情況卻截然不同：我們最新的市場數據顯示，該技術已被廣泛採用，實際收入和生產力均實現了規模化增長，這表明市場正處於繁榮時期，而非泡沫時期。

Menlo 第三份年度《企業生成式人工智慧行現狀報告》中，我們調查了約 500 位美國企業決策者，並將他們的見解與自下而上的生成式人工智慧市場模型相結合，該模型涵蓋模型 API、基礎設施和應用。自 2023 年以來，我們的團隊一直追蹤人工智慧從早期實驗到企業廣泛部署的演進歷程，從而對這一變革的速度和規模有了多年的了解。

追蹤資金流向：企業資金都流向哪裡？

我們的數據顯示，2025 年企業在生成式人工智慧方面的支出將達到 370 億美元，高於 2024 年的 115 億美元^， 同比增長 3.2 倍^。 其中，最大的份額（190 億美元）流向了面向用戶的產品和軟體，這些產品和軟體利用了底層人工智慧模型，也就是應用層。這佔整個軟體市場的 6% 以上，而這一切都是在 ChatGPT 發布後的三年內實現的。

人工智慧的增長遠不止於少數幾款聊天應用，而是滲透到經濟的各個領域。據我們統計，目前至少有 10 款產品 的年度經常性收入 (ARR) 超過 10 億美元，50 款產品 的 ARR 超過 1 億美元，這主要得益於驅動應用的模型 API（例如 Anthropic*、OpenAI 和 Google），但這些 API 的應用範圍也日益廣泛，涵蓋編碼、銷售、客戶支援、人力資源等部門解決方案，以及從醫療保健、法律到創作者經濟等各個垂直領域。

人工智慧如何進入企業：通往生產之路

三年後，企業級人工智慧的生產化路徑已初見雛形。早期採用者缺乏經驗和經驗。如今，一些獨特的模式已經出現，與傳統的 SaaS 模式截然不同。企業更傾向於購買而非自行開發，表現出更強烈的購買意願，並透過產品驅動的增長模式來大規模採用人工智慧，這種規模在企業軟體領域實屬罕見。

企業購買的不僅僅是建構

一段時間以來，普遍的觀點是企業應該自行構建大部分人工智慧解決方案。彭博社在 2022 年訓練了用於金融領域的 BloombergGPT，沃爾瑪在 2024 年為零售業開發了 Wallaby。各團隊都自信地認為，只要擁有正確的數據、領域專業知識和必要的框架，他們就能在內部完成所有工作。

2024 年的數據依然印證了這種信心：47% 的 AI 解決方案是內部開發的，53% 是購買的。^⁵ 如今，76% 的 AI 應用案例都是購買的，而不是內部開發的。儘管企業持續大力投資內部開發，但現成的 AI 解決方案能夠更快地投入生產，並展現出立竿見影的價值，而企業技術棧仍在不斷完善。

去年，企業在自研還是購買人工智慧解決方案的問題上意見不一。如今，隨著企業內部構建能力的成熟，越來越多的企業在生產環境中部署了現成的 AI 解決方案。

人工智慧買家轉化率更高。

企業買家對人工智慧的接受度非常高。我們發現，一旦企業決定探索人工智慧解決方案，其交易轉化率幾乎是傳統軟體的兩倍：47% 的人工智慧交易最終投入生產，而傳統 SaaS 的這一比例僅為 25%。如此高的轉化率反映了買家強烈的意願和清晰的即時價值。我們的調查數據顯示，大多數企業會列出一長串潛在的人工智慧應用場景——通常超過 10 個——但他們主要關注的是短期生產力提升或成本節約。雖然企業提出的內部應用場景（59%）略多於面向客戶的應用場景（41%），但這兩類應用場景的轉化率幾乎相同，這表明運營層面的人工智慧投資與面向客戶的創新一樣，都能可靠地帶來價值。

PLG：個人用戶推動人工智慧普及的速度是軟體普及速度的四倍

除了集中採購管道之外，人工智慧解決方案越來越多地透過個人用戶而非企業高管的方式進入企業市場。我們發現，所有人工智慧應用支出中有 27% 來自產品驅動增長 (PLG) 模式，幾乎是傳統軟體（7%）的 四倍。

而且這個數字還是保守的。如果我們考慮到「影子人工智慧應用」——員工使用個人信用卡購買 ChatGPT Plus 等工具（其中約 27% 的使用與工作相關）^⁶—— 那麼由 PLG 驅動的工具可能佔到應用人工智慧支出的近 40%。

在人工智慧領域，PLG（產品生命週期管理）模式正以比傳統 SaaS 更快、更遠的規模達到企業級規模。Cursor 在聘請第一位企業銷售代表之前就實現了 2 億美元的收入。n8n 的業務建立在社群的廣泛應用之上，直到數百名員工成為活躍用戶後才正式簽訂合約。ElevenLabs、Gamma 和 Wispr Flow* 也以類似的方式實現了規模化發展。

開發人員和技術團隊尤其樂於接受這種趨勢。許多工具先是供個人使用，然後在日常工作中證明其價值，由此自下而上地形成需求，最終轉化為企業合約。Lovable、OpenRouter* 和 fal 都遵循這一模式，一旦這些工具嵌入到開發工作流程中，產品經理和工程師的非正式使用就會轉化為企業協議。

初創公司與現有企業：新進入者在人工智慧應用領域佔據優勢

在人工智慧應用層面，初創公司已遙遙領先。根據我們的數據，今年初創公司每獲得 1 美元的收入，就能獲得近 2 美元的收入，而傳統企業則只能獲得 1 美元——初創公司佔據了 63% 的市場份額，高於去年的 36%，當時傳統企業仍佔據主導地位。

從理論上講，這種情況不應該發生。傳統企業擁有穩固的分銷管道、數據護城河、深厚的企業關係、龐大的銷售團隊和雄厚的資產負債表。然而，在實踐中，人工智慧原生創業公司在一些增長最快的應用類別中，卻超越了規模更大的競爭對手。

• 產品與工程（佔初創公司份額的 71%）：程式碼生成是初創公司制勝的典型例證。GitHub Copilot 是先行者，擁有所有結構性優勢，但 Cursor 透過更快地發布更優質的功能，搶佔了相當大的市場份額——在倉庫級別上下文、多檔案編輯、差異審批和自然語言命令方面都領先於 Copilot。Cursor 的模型無關方法讓開發者能夠在發布之初就採用 Claude Sonnet 3.5 等前沿模型，而無需受限於微軟的合作夥伴選擇。這種產品速度創造了 PLG 飛輪效應：Cursor 贏得了個人開發者的青睞，隨後這些開發者將其推廣到企業級應用。
• 銷售（78% 的初創公司份額）：像 Clay 和 Actively 這樣的 AI 原生初創公司透過攻擊 Salesforce 未掌控的工作流程而獲勝：研究、個性化和資訊豐富，這些流程嚴重依賴於 CRM 系統之外的非結構化信號（網路、社交媒體、電子郵件）。透過掌控這些 CRM 系統之外的管道並向下游擴展，它們成為了銷售代表實際交互的 AI 層——短期內取代了傳統的記錄系統，並有望在長遠內成為記錄系統本身。
• 財務與運營（91% 的初創公司佔比）：在金融等監管嚴格的領域，像 Intuit QuickBooks 這樣的老牌企業面臨著極高的準確性要求，這限制了它們推出原生 AI 工作流程的能力。儘管該領域的總規模仍然較小，但這種停滯不前為 Rillet、Campfire 和 Numeric 等初創公司創造了機會，使它們能夠下沉到構建以 AI 為先導、具備即時自動化和智慧工作流程的 ERP 系統——由於老牌企業無法快速推出可靠的下一代產品，這些初創公司最終勝出。

下圖展示了這種動態如何在企業各部門間變化，每個部門都有其特定的功能工具。那些面臨碎片化、數據密集型工作流程且適合自動化的團隊，往往率先採用人工智慧。而在可靠性、集成深度和現有系統依賴性比快速迭代的優勢更為重要的領域，現有系統仍然佔據優勢。

隨著我們深入到技術棧的底層，情況發生了變化。在基礎設施層，情況則更為複雜。根據我們的數據，現有企業佔據了 56% 的市場份額，因為許多 AI 應用開發者仍然選擇使用他們多年來信賴的數據平台。儘管像 Temporal、Supabase、Neon* 和 Pinecone* 這樣的新兴 AI 原生基礎設施公司取得了驚人的增長，但像 Databricks、Snowflake、MongoDB 和 Datadog 這樣的現有企業也獲得了同樣顯著的增長——因為即使是新興的 AI 原生應用開發者，也仍然主要選擇現有平台來管理數據、編排工作流程和監控運維。

人工智慧應用：一個價值 190 億美元的市場

預計到 2025 年，應用層將獲得 190 億美元 的投資，超過生成式人工智慧總支出的一半。這些支出分為三類：

• 部門級人工智慧（73 億美元），專為軟體開發或銷售等特定工作角色而構建；
• 垂直行業人工智慧（35 億美元），目標行業包括醫療保健或金融等；
• 橫向人工智慧（84 億美元），提高所有職能部門的生產力。

部門級人工智慧：編碼是生成式人工智慧的首個「殺手級應用案例」

到 2025 年，各部門在人工智慧方面的支出將達到 73 億美元，同比增長 4.1 倍。其中，編碼支出最為突出，達到 40 億美元（佔部門人工智慧支出的 55%），使其成為整個應用層中最大的類別；其餘部分涵蓋 IT（10%）、市場行銷（9%）、客戶成功（9%）、設計（7%）和 人力資源（5%）。

隨著模型達到具有經濟意義的性能水平，程式碼成為人工智慧的首個真正意義上的「殺手級應用案例」——Anthropic 的 Sonnet 3.5 在 2024 年年中引發了該領域的首次突破。隨後，人工智慧的應用迅速普及；如今，50% 的開發人員每天都在使用人工智慧編碼工具（在排名前四分之一的組織中，這一比例高達 65%）。程式碼補全市場規模增長至 23 億美元，而程式碼代理和人工智慧應用建構器也從幾乎為零開始呈爆炸式增長。團隊報告稱，隨著他們在軟體開發生命週期的各個階段採用人工智慧工具，開發速度提升了 15% 以上：從原型設計（Lovable）到程式碼重構（Open Hands*）、設計到程式碼（Weaver）、品質保證（Meticulous*）、程式碼提交（Graphite*）、站點可靠性工程（Resolve）以及部署（Harness*）。

儘管編碼領域佔據了部門人工智慧支出的一半以上（40 億美元），但這項技術正在眾多企業部門中迅速普及。IT 運維工具的支出達到 7 億美元，團隊利用人工智慧實現了事件回應和基礎設施管理的自動化。行銷平台的支出達到 6.6 億美元，主要得益於內容生成和行銷活動優化。客戶成功工具的支出達到 6.3 億美元，人工智慧負責處理工單路由、情感分析和主動聯繫客戶。這些類別都針對重複性工作流程，旨在實現即時且可衡量的生產力提升。下圖展示了各個職能部門中湧現出的參與者，他們正在瓜分企業在部門人工智慧領域 73 億美元 的投資。

垂直行業人工智慧：醫療保健行業引領應用

2025 年，垂直行業 AI 解決方案的投資額達到 35 億美元，几乎是 2024 年投資額 12 億美元 的 3 倍。按行業劃分，僅醫療保健行業就佔據了所有垂直行業 AI 支出的近一半——約 15 億美元，比上一年的 4.5 億美元 增長了三倍多，超過了其他四個垂直行業的總和。

醫療保健行業發展緩慢，長期受制於冗長的採購週期和監管阻力。但多年來，隨著行政負擔加重、利潤空間萎縮以及人員長期短缺，醫療系統已成為整個經濟領域中對人工智慧自動化需求最強勁的行業之一。

大部分支出集中在行政和臨床相關工作流程中，其中以環境醫療記錄員（Ambience Recorder）最為突出。到 2025 年，醫療記錄員市場規模將達到 6 億美元（ 同比增長 2.4 倍），屆時將誕生 ^兩家 新的獨角獸企業（Abridge* 和 Ambience），以及市場領導者 Nuance 旗下的 DAX 指數成分股公司 DAX Copilot。由於臨床醫生平均每 5 小時的診療時間就要花費 1 小時進行記錄，因此，如果醫療記錄員能夠將記錄時間縮短 50% 以上，就能顯著減輕醫生的行政負擔，使他們能夠專注於自身執業範圍內最重要的工作。

如需更深入地分析人工智慧如何改變醫療保健，請參閱我們的《2025 年醫療保健領域人工智慧行現狀報告》，了解採用趨勢、預算變化以及醫療系統已獲得顯著投資回報的領域。

除了醫療保健領域，人工智慧正開始滲透到幾乎所有經濟領域。在 Eve* 等公司的引領下，法律行業市場規模達 6.5 億美元；創作工具市場規模達 3.6 億美元；政府市場規模達 3.5 億美元。人工智慧的應用在以往軟體服務不足的行業最為強勁：這些行業以往依賴人工操作，工作流程缺乏結構化，過去依賴人工服務，而現在可以透過生成式人工智慧實現自動化。下圖展示了在這些領域中構建業務並爭奪市場份額的公司，這些市場份額今年已流入垂直人工智慧領域 35 億美元。

橫向人工智慧：副駕駛智能體支出

橫向人工智慧市場規模達 84 億美元，仍然是應用層中規模最大、增長最快的類別，同比增長 5.3 倍。其中，Copilot 佔據主導地位，市場份額高達 86%（72 億美元），主要由 ChatGPT Enterprise、Claude for Work 和 Microsoft Copilot 領銜。Salesforce Agentforce、Writer 和 Glean 等代理平台佔據另外 10% 的市場份額（7.5 億美元），而 Granola 和 Fyxer 等個人效率工具則佔據剩餘的 5% 市場份額（4.5 億美元）。

人工智慧基礎設施：180 億美元用於「鏟子與鍬」

我們的數據顯示，2025 年基礎設施層支出將達到 180 億美元，佔生成式人工智慧總支出的一半，比 2024 年的 92 億美元增長了 2 倍。這些支出分為三類：

• 基礎模型 API（125 億美元）為所有 AI 應用背後的智慧提供支持。
• 模型訓練基礎設施（40 億美元）使前沿實驗室和企業能夠訓練和調整模型。
• AI 基礎設施（15 億美元）管理著將 LLM 與企業系統連接起來的數據的存儲、檢索和編排。

LLM 市場份額：Anthropic 擴大其在企業級領域的領先地位

今年，基礎架構模型格局發生了決定性變化，Anthropic 出人意料地取代 OpenAI 成為企業級領頭羊。我們估計，Anthropic 目前佔據了企業級 LLM 支出的 40%，高於去年的 24% 和 ²⁰²³ 年的 12%。同期，OpenAI 的企業級市場份額下降了近一半，從 2023 年的 50% 降至 2025 年的 27%。谷歌也取得了顯著增長，其企業級市場份額從 2023 年的 7% 增長到 2025 年的 21%。這三家公司合計佔據了企業級 LLM API 使用量的 88%，剩餘的 12% 則分散在 Meta 的 Llama、Cohere、Mistral 以及眾多規模較小的供應商之間。

Anthropic 的崛起得益於其在程式碼市場中持久的統治地位，目前其市場份額估計為 54%，而 OpenAI 的市場份額僅為 21%。這一數字較六個月前的 42% 有所增長，這在很大程度上歸功於 Claude Code 的流行。

事實上，Anthropic 在 LLM 程式碼生成排行榜上已經保持了近乎無與倫比的 18 個月領先地位，這始於 2024 年 6 月發布的 Claude Sonnet 3.5。2025 年 11 月中旬，谷歌發布了 Gemini 3 Pro，其官方模型卡顯示，Gemini ³ Pro 在大多數主要評測中都名列前茅——除了 SWE-bench Verified 之外，^在 SWE-bench Verified 的評測中，Gemini 3 Pro 仍然落後於 Claude Sonnet 4.5。僅僅一周後，Anthropic 又憑藉 Claude Opus 4.5 進一步擴大了領先優勢，這款 ^軟體 刷新了程式碼生成性能的紀錄，並再次鞏固了 Anthropic 在該類別中的領先地位。

開源模式：企業採用滯後於更廣泛的生態系統

儘管今年發展速度有所放緩，Llama 仍然是企業中應用最廣泛的開源模型。但該模型的停滯不前——包括自 4 月份發布 Llama 4 以來沒有推出任何新的重大版本——導致企業開源軟體的整體份額從去年的 19% 下降到目前的 11%。

儘管今年中國開源模式取得了令人矚目的進展，並在初創企業中越來越受歡迎，但企業仍然保持謹慎態度。總體而言，它們僅佔 LLM API 總使用量的 1%（約佔企業開源的 10%）。

在企業之外，採用情況則大相徑庭。vLLM 和 OpenRouter* 是 ^兩個 常用的初創企業和獨立開發者使用情況基準測試工具，結果顯示 Qwen、DeepSeek（V3、R1）、Moonshot/Kimi、MiniMax 和 Z AI 的 GLM 的使用率正在迅速上升，儘管 DeepSeek 的使用率在 R1 版本發布後的初期激增之後有所放緩。

規模較小的模型 Qwen3 和 GLM 因其性能足以媲美規模更大的同類模型而備受青睞。例如，Airbnb 在其面向用戶的 AI 功能中大量使用了 Qwen 模型¹⁴，而 Cursor 則將該模型作為其內部模型的開源基礎^15。

人工智慧基礎設施：仍在開發的現代人工智慧堆疊

儘管智能體/「代理」一詞被廣泛討論，但實際生產架構仍然出奇地簡單：只有 16% 的企業部署和 27% 的初創公司部署才稱得上真正的代理——即 LLM 能夠規劃和執行操作、觀察反饋並調整自身行為的系統——而大多數系統仍然圍繞固定順序或基於路由的工作流構建，這些工作流都圍繞著單個模型調用展開。客製化模式也強化了這種技術上的不成熟。提示設計仍然是主流技術，其次是檢索增強生成(RAG)。更進階的方法——微調、工具調用、上下文工程和強化學習(RL)——仍然屬於小眾領域，主要由前沿團隊使用。

由於基於 LLM 的應用架構仍在逐步演進，現代 AI 技術棧與去年相比總體上並無太大差異。迄今為止，最大的受益者是那些擴展可信數據和基礎設施平台的現有企業，例如 Databricks、Snowflake、MongoDB 和 Datadog。

另一方面，初創企業的活動主要集中在推理和計算領域，人工智慧原生供應商與超大規模開發者平台直接競爭。Fireworks、Baseten、Modal 和 Together 等推理平台憑藉性能和開發者體驗脫穎而出——它們提供無伺服器、高吞吐量、開放權重的端點，並透過手工編寫或融合內核、優化的服務堆疊和嚴格管理的 GPU 集群，實現了 2 倍以上 的加速。

在技術棧的更上層，包括 LangChain、Braintrust 和 Judgment Labs 在內的新一代可觀測性和工具供應商正在構建人工智慧的運行時可觀測性層，並透過評估、追蹤和持續學習等開發工作流程逐步介入。下圖展示了構建驅動生成式人工智慧應用的基礎層的關鍵參與者。

接下來會發生什麼？對 2026 年的預測

2025 年，人工智慧將成為歷史上增長速度最快的軟體類別。基於我們對整個生態系統的觀察，我們對未來一年做出五項預測。

1. 人工智慧在日常實際編程任務中的表現將超越人類。
機器學習技能的發展沒有瓶頸，尤其是在數學和編程等可驗證的領域，最好的模型會不斷進步。

2. 傑文斯悖論依然成立。
儘管推理成本因推理量的數量級增長而下降，但生成式人工智慧的淨支出仍在持續增長。

• 基準測試雖然不斷飽和，但已無法完全反映模型在實際應用中的有效性。僅僅追求基準測試最高分的模型無法長期留住用戶。
• 對於編碼等前沿應用場景，用戶其實對價格不太敏感，更願意為效能支付更高的價格。
• 模型在編程之外的一個重要應用場景中得到了廣泛應用。

3. 可解釋性和治理成為主流。
隨著智能體自主性和決策能力的提升，解釋和治理其決策的能力將變得愈發重要，而這主要源於人工智慧用戶的需求。我們預計政府將要求提供可解釋的決策過程和智能體運行結果的審計日誌。像 Goodfire* 這樣致力於使神經網路可解釋和可控的公司，對企業而言將變得日益重要。

4. 模型最終向邊緣端遷移。
受低延遲、隱私/安全等因素的驅動，計算將繼續向設備端遷移，越來越多的非前沿模型的成本將接近於 零。谷歌、蘋果和三星等行動裝置製造商將推出專用的低功耗 GPU 計算模組，讓用戶在手機上無需網路即可實現快速推理，且無需任何費用。

最後想說的話

兩年前，當生成式人工智慧還主要局限於試點和概念驗證階段時，我們發布了首份《企業生成式人工智慧行現狀報告》。我們力求用真實的數據來佐證當時的現狀，數據來源包括實際企業買家、分析師的預測以及供應商的預期。我們希望從紛繁的資訊中找到真正有價值的資訊。

今年的研究結果清楚地表明，這種轉變已不再是推測。企業人工智慧市場規模現已達到 370 億美元，是軟體史上增長速度最快的領域。在各行各業，人工智慧已成為工作的核心組成部分。看到實實在在的回報，企業正在加大投入。

我們很榮幸能與眾多推動這一變革的公司合作：引領編碼轉型的前沿模型供應商、大規模保護企業人工智慧的安全平台，以及重新定義醫療、法律、金融和教育等垂直行業應用的團隊。這些團隊正在樹立新的標準，並為下一波創新浪潮奠定基礎。

這場全面變革已經進行了三年。雖然仍處於早期階段，但第一批領導者正在湧現，其價值也顯而易見。如果您是一位走在行業前沿的創始人，我們非常期待與您交流。

Menlo Ventures 全力投入人工智慧領域。讓我們攜手共創未來。

數據來源和方法

調查方法
本報告綜合了與一家獨立研究公司合作，於 2025 年 11 月 7 日至 25 日期間對 495 位美國企業 AI 決策者進行的調查結果。受訪者包括積極使用 AI 工具的公司的首席高官、工程和產品副總裁以及負責 AI 採購和開發決策的技術負責人。

市場規模模型：
我們的市場規模估算結合了企業人工智慧決策者的調查數據和對生成式人工智慧生態系統的分析。我們根據行業、類型（初創公司與現有企業）和市場推廣策略（面向個人和企業銷售）對公司進行分類，並參考公開資訊、行業報告和市場分析，估算人工智慧領域的收入分佈。

範圍：
生成式人工智慧支出包括來自初創公司和現有企業的基礎模型、模型訓練基礎設施、人工智慧基礎設施和人工智慧應用程式。它不包括晶片（例如，輝達）、推理和模型服務（例如，AWS、GCP、Azure、Fireworks）以及內建於現有軟體解決方案中的人工智慧功能（例如，Intuit Assist）。

LLM 市場份額：
LLM 市場份額代表基於生產 API 使用比例估算的支出金額。調查受訪者報告了其 AI 工作負載中使用每種模型的比例。所有回覆均根據各企業和初創公司應用程式的規模進行加權，並在有公開財務數據的情況下進行驗證。

局限性：
市場預測代表我們截至 2025 年 12 月的最佳評估。調查樣本僅限於美國企業。私營企業的收入預測基於公開數據和行業分析。

1. 路透社，「輝達市值突破 5 兆美元」，2025 年 10 月 29 日，https://www.reuters.com/business/view-nvidia-breaches-5-trillion-market-cap-2025-10-29/；Companies Market Cap，「輝達市值」，存取於 2025 年 12 月，https://companiesmarketcap.com/nvidia/marketcap ↵
2. 麻省理工學院 MLQ AI，《2025 年商業人工智慧行現狀報告》，2025 年，https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf ↵
3. 生成式人工智慧支出包括用於基礎模型、模型訓練、人工智慧基礎設施以及來自初創公司和現有企業的人工智慧應用程式的資金。請注意，此市場規模不包括晶片（例如輝達）、推理和模型服務（例如 AWS、GCP、Azure、Fireworks）或內建於現有軟體解決方案中的人工智慧功能（例如 Intuit Assist）的收入。有關詳細方法，請參閱「方法論」部分。
4. 預計 2023 年生成式人工智慧支出將達到 17 億美元，2024 年將達到 115 億美元，但此預測不包括推理部分，推理部分此前已包含在 Menlo Ventures 發布的《2023 年和 2024 年企業生成式人工智慧行現狀報告》中。
5. Menlo Ventures，《2024：企業生成式人工智慧行現狀》，2024 年 11 月 20 日，https://menlovc.com/2024-the-state-of-generative-ai-in-the-enterprise/ ↵
6. Aaron Chatterji、Tom Cunningham、David J. Deming、Zoë Hitzig、Christopher Ong、Carl Shan 和 Kevin Wadman，《人們如何使用 ChatGPT》，NBER 工作論文第 34255 號，2025 年 9 月，https://doi.org/10.3386/w34255 ↵
7. Menlo Ventures，《2024：企業生成式人工智慧行現狀》，2024 年 11 月 20 日，https://menlovc.com/2024-the-state-of-generative-ai-in-the-enterprise/ ↵
8. Menlo Ventures，《2025：人工智慧在醫療保健領域的現狀》，2025 年 10 月 21 日，https://menlovc.com/perspective/2025-the-state-of-ai-in-healthcare/ ↵
9. LLM 市場份額近似於基於生產 API 使用比例的支出金額。調查受訪者報告了其 AI 工作負載中使用每種模型的比例。然後，根據每個企業和初創公司應用程式的規模對回覆進行加權，並將結果與公開披露的財務數據進行三角驗證。
10. Google DeepMind，「Gemini 3 技術報告」，2025 年 11 月，https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-Pro-Model-Card.pdf ↵
11. SWE-bench，「SWE-bench 認證排行榜」，存取日期：2025 年 12 月，網址：https://www.swebench.com/ ↵
12. Anthropic，「Claude 4.5」，2025 年 12 月，https://www.anthropic.com/news/claude-4-5 ↵
13. 基於 vLLM (https://github.com/vllm-project/vllm) 公開的採用指標和 OpenRouter (https://openrouter.ai) 的模型使用份額，數據收集時間為 2025 年 11 月至 12 月。↵
14. 彭博社，「切斯基稱 OpenAI 工具尚未準備好與 Airbnb 應用程式的 ChatGPT 整合」，2025 年 10 月 21 日，https://www.bloomberg.com/news/articles/2025-10-21/airbnb-ceo-brian-chesky-says-chatgpt-integration-not-ready-for-airbnb-app ↵
15. KrASIA，「編碼工具 Cursor 和 Windsurf 最新版本被發現使用了中國人工智慧」，2025 年 11 月 6 日，https://kr-asia.com/coding-tools-cursor-and-windsurf-found-using-chinese-ai-in-latest-releases；半島電視台，「中國的人工智慧正在悄然進軍矽谷」，2025 年 11 月 13 日，https://www.aljazeera.com/economy/2025/11/13/chinas-ai-is-quietly-making-big-inroads-in-silicon-valley

蒂姆·塔利 (Tim Tully)
Tim 是 Menlo Ventures 的合夥人，專注於早期投資，這些投資體現了他對人工智慧/機器學習、新型數據棧和下一代雲端運算的熱情。他作為技術建設者、買家和賣家的經驗，也影響著他對 Pinecone、Neon（已被 Databricks 收購）、Edge Delta、JuliaHub、TruEra 等公司的投資。

喬夫·雷德芬 (Joff Redfern)
自稱「身材高挑、略帶書呆子氣的產品經理」的喬夫曾任 Atlassian 首席產品官，領導其備受讚譽的產品組合，包括 Jira、Confluence 和 Trello。在此期間，喬夫曾入選 Products That Count 評選的「全球 20 位首席產品官」榜單，並被評為「20 位頂尖產品經理」之一。

迪迪·達斯 (Deedy Das)
Deedy 是 Menlo Ventures 的合夥人，專注於人工智慧/機器學習、下一代基礎設施和企業軟體領域的早期投資。他曾在成功的初創公司和大型上市公司擔任工程師和產品負責人，因此能夠幫助技術型創始人了解如何構建和擴展可持續發展的科技公司。

肖德里克 (Derek Xiao)
作為 Menlo Ventures 的合夥人，Derek 專注於人工智慧、雲端基礎設施和數位醫療領域的早期投資。他與從種子輪到轉型期的公司合作，包括 Anthropic、Eve、Neon 和 Unstructured。加入 Menlo 之前，Derek 曾在貝恩公司 (Bain & Company) 工作，為科技投資者提供從機器學習等領域的投資機會諮詢...

https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/