今天的内容来自于Menlo Ventures, Menlo Ventures 是一家老牌硅谷 VC，如今强烈押注 AI，管理规模约 58–68 亿美元，重点覆盖从种子到成长期的科技公司，尤其是生成式 AI、企业软件和医疗健康。
如果对内容的原文PDF感兴趣，请后台留言；或者联系邮箱
整体市场与格局
企业 GenAI 支出从 2024 年的 115 亿美元跃升到 2025 年的 370 亿美元，年增约 3.2 倍，约占全球 SaaS 市场 6%。
应用层拿走超过一半预算（190 亿美元），基础模型与训练等“底层设施”合计约 180 亿美元，说明企业更偏好直接见效的产品而非长期基础设施押注。
采购模式与落地路径
企业正在“买多于建”：2024 年自建与采购还是 47% 对 53%，2025 年已变成约 24% 自建、76% 采购，现成方案更快进生产、回报更确定。
一旦企业开始评估 AI，项目转正率显著高于传统 SaaS：约 47% 的 AI 机会能进生产，而传统软件只有 25%。
PLG、初创公司与应用层
约 27% 的 AI 应用支出来自 PLG（个人先用再向组织扩散），按“影子付费”折算可能接近 40%，远高于传统软件的 7%。
所谓的影子付费，就是员工自我购买来提升效率的行为，而非企业级的应用。
在应用层，初创公司收入约为传统厂商的 2 倍，拿下约 63% 份额，尤其在产品与工程、销售、财务等部门型场景占优，而基础设施层仍以传统厂商为主（约 56% 份额）。
三大应用板块：部门、垂直、横向
2025 年应用层 190 亿美元分为：部门型 73 亿、垂直行业型 35 亿、横向通用型 84 亿，横向 Copilot 仍是最大单类。
部门型中，代码 是第一个真正“杀手级场景”：约 40 亿美元，占部门型 55%，近半开发者每天使用 AI 编程工具，典型收益是开发效率提升 15% 以上。
行业与基础模型格局
垂直 AI 中，医疗是绝对龙头：在 35 亿美元里约占 15 亿，行政和“听写/文书”场景（如门诊语音转病历）成为首先爆发的细分市场。
基础设施与未来趋势
基础设施支出 180 亿美元中，约 125 亿给模型 API，40 亿给训练基础设施，15 亿给数据/RAG/编排等 AI 基建工具。
生产环境中的大多数“Agent”其实仍是简单编排与 RAG，真正具备闭环规划与行动的智能体仅占企业部署的约 16%，显示整体仍处早期探索阶段。
大模型市场及中国开源
LLM 版图出现明显变化：Anthropic 以约 40% 的企业 LLM 支出份额反超 OpenAI，后者降至约 27%，Google 提升到约 21%，三家合计占 88%。剩余 12% 才由 Llama、Cohere、Mistral 等其他厂商瓜分。
在“代码”这一关键细分里，Anthropic 份额约 54%，OpenAI 约 21%，靠持续在 SWE-bench 等编程基准上领先，拉动企业选择 Claude 作为主力编程模型。
企业生产中的开源/开重权模型份额只有 11%，较去年的 19% 还在下滑，说明大企业仍偏好闭源模型（合规、责任归属、易采购）。
中国开源/开重权模型在企业 LLM 使用中只占 1% 左右（约等于企业开源份额的 10%），但在 vLLM、OpenRouter 等开发者平台上增速很快，Qwen、DeepSeek、Moonshot/Kimi、MiniMax、GLM 等都在快速吃掉推理 token 份额。
小尺寸的 Qwen3、GLM 因“性能/成本比”被大量实验和集成，Airbnb 在面向用户功能中大量使用 Qwen，Cursor 也用 Qwen 作为内部开源基座模型之一。
这个和该报告的调研样本有关，我们回过来会说。
从“RAG+提示”到“早期 Agent”：目前企业与初创在生产中的真实架构依然很“朴素”：只有 16% 的企业部署、27% 的初创部署能算“真正的 Agent”（可规划行动、执行、观察反馈并调整），大部分仍是固定流程或路由工作流 + 单次模型调用。
定制手段以 Prompt 设计和 RAG 为主，微调、工具调用、上下文工程、强化学习等更复杂手段只在少数前沿团队使用。
基础设施层仍由 Databricks、Snowflake、MongoDB、Datadog 等传统数据与监控平台受益最大，AI 原生厂商（如 Fireworks、Baseten、Modal、Together）更多在推理性能和开发体验上形成差异化。
全球 LLM 格局：三强继续主导，总量扩张，中高端更集中。
2026 年企业级 API 份额仍将高度集中在 Anthropic、OpenAI、Google 三家，其他闭源玩家很难突破“长尾”地位，除非在特定垂类或地区形成强势生态。
编程、复杂推理等高价值场景将进一步“锁定”到少数前沿模型，价格战有限，性能战和产品战为主。
开源 + 中国模型：开发者与端侧是突破口，企业要晚一个节拍。
2026 年企业端对开源 LLM 的采用会温和上升，但在监管严格、合规压力大的北美大企业中，闭源模型仍占主导。
中国模型和开源模型会更多借由：工具链（IDE、Agent 框架）、SaaS 产品内嵌、端侧推理（手机、本地桌面）等方式“隐身式”进入全球市场，而不是直接与 OpenAI/Anthropic 抢 API 合同。
从“提示 + RAG”走向“半自动 Agent + 可治理堆栈”
2026 年大部分企业系统仍以单/少量模型调用 + RAG 为核心，但真正的 Agent 架构占比会逐步提高，在客服、财务对账、开发运维等流程中形成“半自动流水线”。
新增的一层会是：评估 + 监控 + 治理（evals、日志、解释、策略引擎），让企业敢于在更多关键业务环节放权给模型。
❝我们之前整理过各大咨询公司和各大AI厂家有关于Agents在企业里落地的PPT和PDF文档（包括，麦肯锡、BCG、Bain、Deloitte），大家可以后台留言，AI会推送相关的文章；如果想要原文，请注明且耐心等待，我们发送链接。之前有一篇BCG的文章可能搜不到，如果对BCG如何看企业落地Agent的，可以后台直接留言“BCG Agents"。报告对我们的一起启发
对 VC 来说，别再广撒网投一堆模型公司，Anthropic / OpenAI / Google 已吃掉 88% 企业 LLM 支出，真正机会在：头部少数 + 区域/垂直差异化模型。
Infra 要从“算力/托管”上移到“评估、监控、治理、端侧推理”，押能让企业放心把 Agent 放进关键流程的 安全层 与 运维层。
对创业者：别迷信“大而全 Agent”，先把一条链路做穿。现在 80%+ 的生产系统本质还是“数据平台 + LLM + RAG + 少量工具调用”，先把稳定性、监控、回滚和质量闭环做好。
场景上只做两类：要么直接替代高成本人力（开发、合规、客服等），要么创造肉眼可见的新收入，其他“炫技式场景”尽量别碰。
对咨询来说，收费空间在帮客户选模型、搭 RAG、Agent、接老系统，并给出可审计、可解释、可合规的落地方案。
报告数据的局限性
调研对象是 495 名美国企业 AI 决策者，由 Menlo 与第三方独立研究机构在 2025 年 11 月 7–25 日期间联合完成。
受访者包括 C-level、高管（VP of Engineering / Product）以及负责 AI 采购与开发的技术负责人，前提是公司已经在实际使用 AI 工具。
Menlo 明确写出局限：
样本仅覆盖美国企业，结论不直接代表全球市场。 私营公司的收入数据多为公开信息与行业分析推算，存在不确定性。 所有市场估计都是截至 2025 年 12 月的“最佳判断”，未来可能随新数据调整。
