算法的账本：硅谷如何将人工智能的野望兑现成真金白银

TL;DR：

ICONIQ Capital的报告揭示，企业级AI正从技术竞赛步入价值变现的深水区，重心从“能做什么”转向“如何赚钱”。随着人才成本和基础设施支出的此消彼长，企业正通过多模型策略和灵活定价模式，精打细算地将AI赋能转化为实实在在的生产力与利润。这场转型不仅重塑了商业模式，更预示着一场AI投资回报率（ROI）的“成人礼”即将到来。

在硅谷喧嚣的创新回音壁中，人工智能曾是那枚在空中盘旋、许诺无限可能的金币。如今，当这枚金币终于落地，市场关心的不再仅仅是它掷地时的清脆，而是它究竟能兑现出多少真金白银。ICONIQ Capital，这家曾为马克·扎克伯格等科技巨擘掌管财富的“幕后军师”¹，其发布的《2025年人工智能现状报告》²恰如其分地为这场科技盛宴拉开了第二幕——一幕关于变现、成本与回报的商业正剧。

模型的多元化与成本的罗生门

曾几何时，OpenAI的GPT模型如同AI世界中无可争议的旗舰，承载着无数企业的憧憬。然而，这份报告却描绘了一幅更为审慎的图景：尽管OpenAI依然是首选，但“多模型并行”已成为越来越多企业的共识。这不啻是市场在用实际行动宣告：鸡蛋不能放在同一个篮子里。高达**90%**的高增长初创公司正积极部署或使用智能体，而多数企业选择OpenAI搭配一到两个其他供应商模型，这是一种务实的策略，旨在根据用例、性能和成本寻求最优解，而非盲目追逐单一神话。这种灵活性不仅能优化网络安全、销售自动化和客户服务等多种应用场景，更能在跨地区运营时确保合规性，为全球化企业提供了精妙的平衡之道。

然而，野心勃勃的AI布局并非没有代价。在AI产品的早期开发阶段，人才，特别是那些稀缺的AI/ML工程师，无疑是最昂贵的投入，平均招聘周期甚至超过70天——这几乎是传统招聘周期的两倍。然而，报告指出，一旦产品规模化并获得市场认可，人才成本在总支出中的占比反而会下降，取而代之的，是云成本、模型推理和治理费用如脱缰野马般飙升。这活生生演绎了一出科技世界的“此消彼长”：在初始阶段，你为“智囊”付费；而当智慧开始跑起来，你则为“跑道”和“燃料”买单。API使用费更是被受访者视为最难控制的支出，这如同黑盒中的可变成本，让企业在追求效率的同时，也面临着财务上的不确定性。据统计，营收规模约5亿美元的公司，在AI上的年支出高达1亿美元，每月模型训练成本在16万至150万美元之间浮动，这笔数字无疑在提醒着全球各地的首席财务官们：AI不是廉价玩具，它是实实在在的重资产投资。

价格的权衡与人才的稀缺

当AI功能从技术炫技转变为核心竞争力，其定价策略自然也随之演变。报告显示，纯粹的订阅模式正逐渐被市场所扬弃，取而代之的是“订阅费+按用量计费”的混合模式，甚至有部分企业大胆尝试完全基于使用量或客户实际效果来收费。目前，近四成企业表示暂不调整定价，这或许是市场观望期的一种体现；但另有**37%**的公司已开始积极探索基于用量、投资回报率（ROI）和使用层级的全新收费模式。这种转变，其背后是商业逻辑的根本性调整——从“卖软件”到“卖价值”，从“按功能收费”到“按效益提成”。Full Stack AI Company的产品副总裁一语道破天机：一旦AI能力被验证能为客户带来额外价值并达到关键采用规模，分层定价（如推出高级版AI功能）将是必然趋势。这预示着，AI将不再是SaaS产品中的“添头”，而是未来利润增长的独立驱动力。

然而，任何宏伟的商业愿景都离不开人的执行。报告直言不讳地指出，合适的AI人才储备不足已成为阻碍企业发展的关键瓶颈。人工智能不仅仅是技术问题，更是深刻的组织问题。大多数头部企业正组建由AI/ML工程师、数据科学家和AI产品经理组成的跨职能团队，并预计其工程团队中将有20%-30%的成员专注于AI领域，而高增长企业这一比例更高达37%。尽管对人才的渴求日益高涨，但超过一半（54%）的受访者表示招聘进展滞后。这种供需失衡，不仅推高了人才薪酬，更在无形中减缓了AI商业化落地的速度，成为新时代数字经济版图上一块不容忽视的“阿喀琉斯之踵”。毕竟，即便拥有最先进的算法和芯片，若无人能驯服它们，也不过是一堆昂贵的数据。

生产力的隐秘革命与未来的盈利路径

企业内部，AI的普及率与实际使用率之间存在一道耐人寻味的鸿沟。尽管大多数公司已为约**70%**的员工提供了内部AI工具，但真正定期使用的员工却仅占一半左右。尤其是在规模较大、历史较长的传统企业中，员工对AI应用的接受度远低于预期。这或许印证了纽约人寿高级副总裁Don Vu的观点：单纯部署工具，尤其是对于庞大且根深蒂固的企业而言，注定收效甚微。真正的赋能，需要系统化的培训、标杆榜样的树立，以及最关键的，高管层的持续支持²。

在这场悄无声息的内部效率革命中，编程辅助工具异军突起，成为最直接的生产力助推器。无论是GitHub Copilot以近四分之三的开发团队使用率遥遥领先，还是Cursor以50%的使用率紧随其后，都昭示着AI正在重塑软件开发的底层逻辑。在高增长的初创企业中，AI生成的代码量已占总量的33%，显著高于其他公司的27%。受访者普遍表示，在使用了AI的领域，生产力提升范围在**15%至30%**之间。这不仅仅是数字上的跃升，更是对传统工作模式的颠覆。当AI开始承担“脏活累活”，人类员工得以解放，将更多精力投入到创造性、战略性的工作中，这无疑为企业带来了难以估量的边际效益。高增长企业更积极地试验和采用新AI工具，将AI视为战略杠杆，加速将其整合到内部工作流程中，并积极追踪AI驱动的效率收益，这表明它们对AI的价值变现有更为清晰和紧迫的认识。

展望未来，企业级AI的演进将是一场持续的精打细算与战略调整。资本的流动将从早期的“技术押注”转向更具韧性的“价值投资”，监管政策也必将如影随形，试图在创新与风险之间寻找平衡点。在这场AI军备竞赛中，没有人愿意成为手持长矛的骑兵，而是在计算每一次投资、衡量每一分回报。AI的商业化并非一场一蹴而就的短跑，而是一场马拉松，胜者将是那些能将技术野望与市场现实巧妙结合，最终将比特（bits）真正炼化为金币（coins）的企业。

引用

• 企业级AI
• AI变现
• 人才战略
• 成本管理
• 定价模式