投稿或寻求报道 | zhanghy@csdn.net
AI 热潮的另一面是什么？
在聚光灯无法照亮的角落，那些真正用代码、数据和不眠不休的夜晚构建着AI未来的“Builder”们，他们正在经历什么？他们的“Playbook”（战术手册）上，写下的究竟是通往圣杯的地图，还是九死一生的航海日志？
最近，硅谷顶级投资机构 ICONIQ Capital 发布了一份名为《The Builder’s Playbook》的 2025 年度 AI 报告。他们没有采访那些在发布会上侃侃而谈的 CEO，而是深入了战壕，对全球 300 家正在构建 AI 产品的软件公司（包括工程主管、AI 负责人和产品负责人）进行了对话。
这份长达 67 页的报告，描绘一个高歌猛进、势如破竹的黄金时代，而是用冷静到近乎残酷的数据，揭示了繁荣之下的真相：
每一步看似光明的进展，背后都标记着惊人的代价、艰难的权衡和巨大的不确定性。
报告将围绕构建者最关心的五个核心问题展开，这也是报告的五大支柱：
-
产品战略（Product）：该造什么样的 AI？“原生”与“赋能”的路线之争，理想与现实的巨大鸿沟。
-
市场策略（Go-to-Market）：AI 怎么卖？价值与定价的世纪难题，免费午餐还能吃多久。
-
组织人才（People）：谁来造？组织、人才与速度的生死较量，精英的代价有多高昂。
-
成本投入（Cost）：代价是什么？烧钱背后的账本，每一分钱都流向了哪里。
-
内部生产力（Productivity）：AI 如何赋能自身？“吃自己的狗粮”，为何也如此之难。
产品战略：造什么？
在 AI 领域，所有构建者首先面临一个根本性的身份选择题：你是“AI-Native”（AI 原生）还是“AI-Enabled”（AI 赋能）？
-
AI 原生： 整个产品和商业模式都围绕 AI 构建，AI 是地基，是心脏。比如 ElevenLabs、Sierra。
-
AI 赋能： 在成熟的 SaaS 产品上，嫁接 AI 功能，提升自动化、个性化和效率。比如 Miro、Atlassian。
报告用一张图揭示了两者间的残酷差异：
洞察 1：原生碾压赋能，历史包袱是最大的枷锁。
数据显示，47% 的 AI 原生公司已经进入“规模化（Scaling）”阶段，而 AI 赋能型公司这一比例仅为 13%。更可怕的是，仍有 11% 的 AI 赋能公司在“预发布（Pre-Launch）”阶段挣扎，而 AI 原生公司几乎全部（99%）都已将产品推向市场。
这背后隐藏的真相是：为一辆行驶中的汽车换引擎，远比从零开始造一辆新车要困难得多。
AI 赋能型公司面临着技术债、旧架构、固有工作流和用户习惯的重重阻力。将 AI “塞”进一个非 AI 设计的系统里，往往会带来意想不到的复杂性和妥协。而 AI 原生公司，从第一行代码开始就为 AI 而生，团队、技术栈、数据流都是最优解。它们没有历史包袱，只有前进的速度。
这对构建者的启示是：如果你是一家成熟的 SaaS 公司，必须清醒地认识到，引入 AI 不仅是技术升级，更是一场深刻的组织变革和架构重构。试图用“打补丁”的方式拥抱 AI，很可能会被原生对手用速度和体验彻底击败。
洞察 2：从“买铲子”到“自己炼钢”，模型选择的“不可能三角”。
公司如何选择大模型？是直接调用 API，还是自己微调，甚至从头训练？
数据显示，大多数公司（80%）仍依赖第三方 API，这是最快、最省事的路径。但一个更值得关注的趋势是，高增长公司（High Growth Companies）更倾向于“微调现有模型”（77%）和“从头开发专有模型”（54%）。
为什么？因为他们触及了 AI 产品的天花板——“成本-性能-定制化”的不可能三角。
-
第三方 API： 性能不错，但成本高昂且不可控，定制化能力弱，还面临供应商锁定的风险。
-
微调（Fine-tuning）： 提升了特定任务的性能和定制化，但需要数据、人才和算力，成本和技术门槛陡增。
-
自研模型： 终极定制化，可能实现极致性能和成本控制，但这是只有少数巨头和明星创业公司才玩得起的游戏。
报告进一步揭示了大家在做选择时的核心考量：
准确性（Accuracy）以 74% 的得票率遥遥领先，成为首要因素。 但成本（Cost）以 57% 紧随其后，这与去年的报告形成了鲜明对比。
去年，成本还是最不被关心的因素之一。
这传递出一个强烈的信号：模型层的“商品化”正在加速。
随着 DeepSeek 等高性价比模型的崛起，大家不再盲目迷信最强的模型，而是开始精打细算，寻找“够用且便宜”的最优解。
洞察 3：多模型（Multi-model）是唯一的出路，别把鸡蛋放一个篮子里。
报告显示，受访公司平均使用 2.8 个不同的模型供应商。从 OpenAI 到 Anthropic，再到 Google、Meta 和开源的 Mistral AI，大家都在采取一种“鸡尾酒疗法”。
一位产品副总裁一语道破天机：
“我们使用不同的专有和第三方模型，因为客户的需求是多样化的。专用模型能帮我们更好地定制体验……同时，我们也能提供更灵活的价格选项，并不断尝试新的模型和商业机会。”
这对构建者的启示是：未来 AI 应用的核心竞争力，可能不在于你押中了哪个单一模型，而在于你是否构建了一个灵活、可插拔、能够动态路由的多模型管理架构。这个架构能让你根据任务类型、成本预算、延迟要求，智能地选择最合适的模型，从而在激烈的市场竞争中获得结构性优势。
洞察 4：Agentic Workflows（智能体工作流）是新战场，高增长公司已在抢滩登陆。
大家都在用 AI 做什么类型的产品？
最引人注目的是“Agentic workflows”，高达 79% 的 AI 原生公司和 62% 的 AI 赋能公司都在构建它。这是一种能自主理解目标、拆解任务、调用工具并执行复杂流程的 AI 系统。
报告进一步显示，47% 的高增长公司已经将 AI Agent 投入生产环境，而其他公司的这一比例仅为 32%。
这意味着，AI 的价值正在从“生成内容”的辅助工具，进化为“完成任务”的自主伙伴。这不仅是技术的跃迁，更是商业模式的颠覆。一个能够 7×24 小时自主工作的“数字员工”，其想象空间远超一个简单的聊天机器人。
市场策略：怎么卖？
好的产品造出来了，但怎么卖出去？
AI 的定价，是所有 CEO 和 CFO 夜不能寐的难题。
洞察 5：普遍的“免费午餐”，不可持续的“防御性策略”。
报告揭示了一个普遍现象：大多数 AI 赋能公司选择将 AI 功能作为高阶套餐的一部分（40%）或完全免费提供（33%）。
ICONIQ 的洞察一针见血：
“大多数支持 AI 的 SaaS 供应商似乎将 AI 视为一个平局打破者（tiebreaker）或向上销售的钩子（upsell hook）——还不是它自己的利润中心。”
这是一种典型的防御性策略。在竞争对手纷纷上线 AI 功能时，免费提供是最快跟上、防止客户流失的方法。但这也是一颗“糖衣炮弹”。
大模型的推理成本（Inference Cost）是按 token 或调用次数计算的，这是一个巨大的可变成本。
一个“Power User”的重度使用，很可能让你的利润瞬间蒸发，甚至变成亏损。而那些不使用 AI 功能的用户，则会因为感觉“没用到”而增加流失风险。
正如报告里采访的一位产品副总裁所说：
“订阅模式对我们没用。
重度用户用得太多，导致负利润；而不用的人则有流失风险。考虑到高昂的可变成本，我们正计划转向基于使用量（usage based）的模式。”
奥特曼以前在采访也吐槽过类似的问题，但他找不到比订阅更好的方式。
这对构建者的启示是：“免费”或“打包”的 AI 功能只是权宜之计。
从第一天起，你就必须构建对 AI 使用情况的遥测（telemetry）和 ROI 追踪能力。只有当你能清晰地向客户展示 AI 为他们节省了多少时间、创造了多少价值时，你才有底气推行基于使用量或基于结果的定价，从而避免陷入“卖得越多，亏得越多”的窘境。
洞察 6：透明度与治理，从“可选项”到“必选项”。
当 AI 产品从玩具变成企业级工具，客户的追问也变得尖锐：“我凭什么相信你？”、“你的决策依据是什么？”
报告显示，随着产品成熟度的提升，提供“模型透明度报告”或“AI如何影响结果的基础洞察”的公司比例急剧上升。在规模化阶段，高达 72% 的公司都提供了某种程度的 AI 可解释性。
在安全与治理方面，“人机协同监督（Human-in-the-loop）”是目前最主流（66%）的护栏。这说明，在 AI 的“完全自动驾驶”时代到来之前，我们仍然极度依赖人类的智慧和直觉来作为最后一道防线。
这对构建者的启示是：不要把 AI 治理和可解释性看作是法务部门的事。它是一个核心的产品特性，是构建客户信任的基石。尤其是在医疗、金融等高风险行业，一个无法解释的“黑箱” AI，商业价值为零。
AI 产品爆发，但你的痛点解决了吗？
8.15-16 北京威斯汀·全球产品经理大会 PM-Summit，3000+ AI 产品人社群已就位。
添加小助手进群，获取这份报告 PDF 的原文+中文翻译版，抢占 AI 产品下一波红利！
· 独家视频及文章解读 AGI 时代的产品方法论及实战经验
组织人才：谁来造？
AI 竞赛，归根结底是人才的竞赛。
但人才的代价有多高昂？一个顶级的 AI 团队又该如何搭建？
洞察 7：AI 领导力，1 亿美元营收是分水岭。
你的公司需要一个“首席 AI 官”吗？
报告显示，当公司年营收超过 1 亿美元后，拥有专门 AI/ML 领导者的比例从 33% 跃升至 50% 以上，并在营收超过 10 亿美元时达到 61%。
这表明，AI 在早期可以是一个分散的 R&D 项目，但当公司规模化后，运营复杂性激增，必须有一个集中的所有者（centralized owner）来统一 AI 战略、协调资源、推动落地。否则，AI 很容易沦为各个部门的“自留地”，无法形成合力。
洞察 8：人才争夺白热化，最缺的还是“造枪的人”。
目前公司最需要哪些 AI 人才？
AI/ML 工程师以 88% 的需求率高居榜首，平均招聘周期长达 70 天，是所有岗位中最难招的。其次是数据科学家（72%）和 AI 产品经理（54%）。
当被问及招聘速度时，46% 的受访者认为“不够快”，而导致缓慢的首要原因（60%）是“缺乏合格的候选人”，远超“成本限制”（49%）和“竞争激烈”（35%）。
这对构建者的启示是：市场上不缺会用 AI 工具的人，但极度缺乏能从底层构建、优化和部署 AI 系统的人。
这意味着，除了外部招聘，内部培养和技能提升（upskilling）将变得至关重要。同时，这也为那些提供 AI 工程师工具、简化开发流程的平台（如Anyscale, Modal）创造了巨大的机会。
洞察 9：All in AI，高增长公司的唯一选择。
高增长公司是如何配置他们的工程团队的？
报告预测，到 2026 年，高增长公司的工程团队中，将有 37% 的人专注于 AI，而其他公司仅为 28%。
这是一个惊人的数字。它意味着对于顶尖玩家而言，AI 早已不是一个“部门”或一个“功能”，而是整个研发体系的重心。这不是一个选择题，而是一个关乎存亡的必选项。他们正在用最宝贵的资源——工程师的时间，为公司的未来下注。
成本投入：烧多少？
谈论 AI 而不谈成本，就像谈论火箭而不谈燃料。
这部分的数据，可能是整份报告中最“劝退”也最发人深省的。
洞察 10：成本结构演变：从“人”贵到“电”贵。
AI 项目的钱都花在哪了？
在预发布阶段，人才成本（薪资、招聘）占据了预算的半壁江山（57%）。这时，最贵的是人的大脑。
但随着产品走向成熟、用户量激增，成本结构发生了戏剧性的反转。在规模化阶段，人才成本占比下降到 36%，而基础设施和云计算成本（22%）、模型推理成本（13%）、模型训练成本（12%）三者相加，占据了近一半的预算。
简言之，创业初期，你为精英付薪；产品成功后，你为算力付费。
这种成本结构的转变，对公司的财务模型和融资策略提出了严峻的挑战。
洞察 11：推理成本，正在成为压垮骆驼的最后一根稻草。
报告进一步揭示了不同阶段的月度 AI 支出，数字令人咋舌。
-
模型训练成本： 从预发布阶段的月均 16.3 万美元，飙升至规模化阶段的 150 万美元。
-
模型推理成本： 高增长公司在规模化阶段，月均推理支出高达 230 万美元，是其他公司的两倍多！
推理成本是 AI 商业模式中最凶猛的“现金焚烧炉”。
它与用户活跃度直接挂钩，每一次用户交互都在消耗真金白银。一个看似成功的病毒式增长，很可能在财务上是一场灾难。
这就是为什么 API 使用费（70%）被列为“最难控制的基础设施成本”。
也是为什么转向开源模型（41%）和优化推理效率（37%）成为公司降本增效的首选。
这对构建者的启示是：如果你的商业模式严重依赖大模型推理，那么你的 CFO 和技术团队必须像一个人一样思考。成本优化不再是“锦上添花”，而是“生死攸关”。量化（Quantization）、蒸馏（Distillation）、缓存（Caching）、使用更小的专用模型等技术，必须成为你技术栈的标配。
内部改造：从哪开始？
在用 AI 改造世界之前，公司首先要用 AI 改造自己。
但这场内部革命，远比想象中要复杂。
洞察 12：从“授权”到“使用”的鸿沟。
报告显示，虽然平均有 70% 的员工可以接触到内部 AI 工具，但只有约 50% 的员工在持续使用它们。在年收入超过 10 亿美元的大企业中，这个使用率更是下降到 44%。
纽约人寿的首席数据与分析官 Don Vu 如是说：
“仅仅部署工具是导致失望的秘诀，尤其对大企业而言。要真正赋能员工，你需要将工具的可用性与一套脚手架（scaffolding）结合起来，包括培训、树立标杆、以及最重要的——领导层的不懈支持。”
工具的变革，永远追不上习惯的惯性。
员工不使用新工具，往往不是因为工具不好，而是因为学习成本、对未知的恐惧、以及缺乏清晰的激励和指引。
洞察 13：编程助手（Coding Assistance），AI 内部应用的最大公约数。
在众多的内部 AI 用例中，哪个的 ROI 最高？
无论是从普及率（77%）还是对生产力的最大影响（65%）来看，编程助手都一骑绝尘，遥遥领先于内容生成、知识检索等其他所有用例。
报告指出，高增长公司平均有 33% 的代码是在 AI 的辅助下完成的，高于其他公司的 27%。
受访者普遍认为，在这类用例上，AI 带来了 15-30% 的生产力提升。
用 AI 来帮助那些构建 AI 的人，从而更快地构建出更好的 AI。它证明了，在当前阶段，AI 对结构化、逻辑性强的任务（如编程）的赋能效果，远超那些需要创造力、同理心和复杂商业判断的任务。
这对构建者的启示是：如果你想在公司内部推动 AI 落地，请从你的工程团队开始。让他们成为 AI 的第一批受益者和最坚定的拥护者。
一个尝到甜头的工程师，胜过一百页的宣传 PPT。
· · ·
📢 AI 产品爆发，但你的痛点解决了吗？
2025 全球产品经理大会
8 月 15–16 日
北京·威斯汀酒店
互联网大厂、AI 创业公司、ToB/ToC 实战一线的产品人
12 大专题分享，洞察趋势、拆解路径、对话未来。
立即扫码领取大会PPT
抢占 AI 产品下一波红利
（文：AI科技大本营）
