新智元报道
编辑：KingHZ
继女皇报告后，硅谷财富管理巨头 Iconiq Capital 发布《2025 年 AI 现状报告》！实测 300 家 AI 公司落地路径，聚焦成本结构、技术选型与人才构建，揭示 AI 从概念走向实战的七大真问题。
继女皇报告后，又一份「实战地图」震动硅谷！
最近，硅谷最神秘的财富管理公司 Iconiq Capital，悄悄搞了个大动作——
他们发布了一份猛料满满的《2025 年 AI 现状报告》，长达 67 页，灵魂拷问：
AI 到底怎么真正落地，而不是停留在 PPT 里自嗨？
在这份报告中，Iconiq 做了两件事：
1. 采访了 300 位 AI 公司高管；
2. 分析了大量 AI 初创公司的真实支出与落地情况。
核心关注点不是「要不要用 AI」，而是——
如何高效构建 AI？如何规模化落地？如何快速试错？
AI 新阶段
从炒作转向落地
Iconiq Capital 堪称「硅谷富人俱乐部管家」，神秘、低调，却管理着包括马克·扎克伯格在内的顶级客户的巨额财富。
他是注册投资顾问（Registered investment adviser，RIA）领域的先驱，保持着非同寻常的保密标准。
早在 2014 年 3 月，这家神秘的公司就管理着高达 76 亿美元的资产，为马克·扎克伯格等多位 Meta 高管提供财富管理服务。
2011 年，前高盛分析师 Divesh Makan、Michael Anders 和 Chad Boeding 创立了 ICONIQ Capital，目前管理着超过 800 亿美元的资产。
该机构提供财务咨询、私募股权、风险投资、房地产及慈善管理等多元化服务
尽管 ICONIQ Capital 未公开披露马克·扎克伯格的具体投资组合，但该机构参与过以下重要融资轮次：
-
Uber：在网约车巨头 IPO 前阶段进行投资
-
阿里巴巴：IPO 前注资购入 237,020 股
除了给科技大佬理财，Iconiq 也对技术趋势非常敏感，这份最新报告不谈梦想，不讲玄学，专攻「如何让 AI 真正落地」，是对「AI 落地难」的全面回应
AI 正步入新阶段——从概念炒作转向实战落地。
报告的关注焦点从「是否采用 AI」转向了「如何高效实施 AI」，全面解析从构思、开发到规模化部署 AI 产品的完整路径。
报告核心观点是： 真正厉害的 AI 创业公司，不靠模型花哨，靠的是产品策略够灵活、成本控制有章法、能快节奏试错迭代。
独家调研
AI 落地的 7 个真问题
软件初创高管如何使用 AI？特别是营收 1 千万至 10 亿美元的 AI 初创高管。
这份报告汇总了 300 位来自 Cursor、ElevenLabs、Sierra 等高管独家调研数据。
GenAI 如何变现？如何长期吃红利？
报告还对 ICONIQ 生态内的 AI 领袖进行了访谈。他们从中提炼出一套切实可行的落地框架。
Menlo Ventures 风险投资合伙人、谷歌搜索创始团队成员 Deedy 总结了 7 个要点。
1. 企业AI选型
在企业选择的 AI 模型中，OpenAI 仍然位居第一，遥遥领先，而 Claude 位居第二。
2. AI支出
在支出方面，结果更是出乎意料：
在大数据存储、处理和 AI 基础设施上的支出，比推理和训练要多！
最烧钱的不是训练，是数据！
3. 开发AI工具地图
开发 AI 最常用的工具，也是如此：
模型训练与微调、模型开发、推理优化等工具只是一小部分。
他们对数百家公司进行了调研，以了解目前哪些框架、库和平台已经被实际部署在生产环境中。
这份结果并非工具排名，而是一次真实反映开发者实际使用情况的快照。以下是当前最常用的一些工具简介，按字母顺序排列。
4. 按产品阶段划分的AI支出
5 亿美元的公司的年支出约为 1 亿美元，用于训练、推理、数据存储和处理。
在数据存储和处理上，高增长初创公司比同行的支出更高。
5. 智能体
2025 年，智能体之年：
高达约 90% 的高增长初创公司，正在积极部署或尝试使用智能体。
6. 定价模式
定价模式正在重构商业模式。AI 初创的盈利模式正在逐渐偏离订阅制：
订阅制不灵了。
高级用户用得多，LLM 的 API 成本高，直接亏本。
而不经常使用 AI 的用户？同样留不住。
7. 生产力方面的AI应用
在生产力方面的 AI 应用，目前排名第一的是代码智能体（包括 Cursor，Claude 等编程助手），其中高增长初创公司用 AI 编写了 33% 的代码。
接下来，我们将分解报告中的五个重点章节及其对积极使用 AI 构建团队的意义：
（1）基础设施的演进：探讨了为支持高效 AI 开发所需的基础架构变化。
（2）模型开发的最佳实践：分享了如何有效地开发和迭代 AI 模型的经验。
（3）市场进入策略：解析了成功将 AI 产品推向市场的策略。
（4）人才培养与发展：讨论了如何吸引、培养和保留顶尖 AI 人才。
（5）实验文化的重要性：强调了建立一种鼓励快速失败和学习的文化对于持续创新的重要性。
深挖
5 大趋势正在发生
1. AI产品战略成熟了
数据显示，AI 原生企业推向市场的速度远超仅对现有产品添加 AI 功能的企业。
具体来看：
· 47% 的 AI 原生公司已达到关键规模并验证市场匹配度
· 仅 13% 的 AI 增强型产品公司达成同等里程碑
产品构建趋势：
· 智能体工作流和垂直应用占据主导地位
· 近 80%AI 原生构建者重点投入智能体工作流开发（可代表用户执行多步骤行动的自主系统）
技术架构选择：
· 企业普遍采用多模型架构以平衡性能、成本和场景适配性
· 面向客户的产品平均使用 2.8 个模型（受访企业数据）
2. AI定价模式=新经济学
AI 正在重塑企业为产品和服务定价的方式。
根据调查数据，许多公司现在采用混合定价模式：
在基本订阅费用的基础上，另外按照实际使用量收费。
部分企业甚至在尝试根据客户的使用情况或实际获得的成效来完全决定价格。
尽管目前很多公司仍免费提供 AI 功能，但已有超过三分之一（37%）计划在未来一年调整定价策略，更加贴近客户实际获得的价值和 AI 功能的使用程度。
3. 人才，是核心竞争力
人才战略成为企业竞争的关键差异化因素。
AI 不仅是技术上的挑战，更是组织层面的考验。
许多领先企业正积极组建跨职能团队，成员包括 AI/ML 工程师、数据科学家以及 AI 产品经理，以协同推进 AI 项目。
展望未来，大多数公司预计其工程团队中将有 20-30% 的成员专注于 AI，而快速成长的企业则预计这一比例可达 37%。
不过，调查显示，寻找合适的 AI 人才依然是一大难题。在所有 AI 专业岗位中，AI/ML 工程师的招聘周期最长，平均需超过 70 天才能招到合适人选。
对于招聘进展的看法也不尽相同。尽管一些企业认为招聘节奏正常，但仍有 54% 表示进度落后，主要原因是合格人才储备不足。
4. AI支出持续上升，但结构在变
财务报表显示：AI预算快速增长。
越来越多具备 AI 能力的公司将 10-20% 的研发预算投入到 AI 开发中，而且这一比例在 2025 年各类收入规模的企业中都呈上升趋势。
这种变化表明，AI 已成为企业产品战略的核心组成部分。
随着 AI 产品不断扩展，其成本结构也随之发生变化。
在产品开发的早期阶段，最大支出通常是人才相关费用，包括招聘、培训及技能提升。然而，随着产品逐渐成熟，云服务费用、模型推理成本以及治理相关支出则逐步成为主要开销。
5. 内部AI应用正在扩展，但推进速度不一
企业内部对 AI 的应用正在迅速增长，但在不同公司和部门之间存在明显差异。
多数受访企业为约 70% 的员工开放了内部 AI 工具的使用权限，但真正经常使用这些工具的员工仅占一半左右。
在大型、发展成熟的企业中，员工对 AI 工具的接受度尤其偏低。
那么，哪些方法效果显著？
在那些 AI 采用率较高的组织中——即超过 50% 员工日常使用 AI 工具的公司——
通常在七个以上的内部业务场景中部署了 AI。
例如，代码助手（77% 的受访者使用）、内容生成（65%）以及文档搜索（57%）等。通过这些应用，相关岗位的生产效率提升幅度通常在 15% 到 30% 之间。
Iconiq 这份报告告诉我们：
真正跑通 AI 的不是 PPT 和融资，是实打实的产品落地、组织结构、技术选型、成本控制和定价设计。
而这些，才是 AI 时代的核心竞争力。
AI 落地，已是进行时。
参考资料：
https://www.iconiqcapital.com/growth/reports/2025-state-of-ai
https://x.com/deedydas/status/1939363811938726073
