新闻资讯/News

AI洞察I DeepSeek 为代表的大模型推动传统企业转型升级，创造收益

原创：王子、顾程来、Evan、李海丹   硅兔君

本文内容节选自：硅兔君《我在硅谷看AI：Deepseek狂飙背后，2025年15条AI关键投资启示》。 内容来源： 硅兔赛跑

过去的2024年，是生成式AI的落地之年。而2025年，则是这些企业级AI应用在已有的落地场景中深入发展的一年。

美国风险投资机构Menlo Ventures在统计了600家美国企业的IT支出（包括模型支出、训练&部署支出、AI应用支出，不包括芯片、云计算等支出）情况后发现，2024年企业的AI相关支出达到了138亿美元，相比2023年的23亿美元增长了超过6倍。在这其中，应用支出的增速最快，6亿美元增长到了2024年的46亿美元。
数据来源：Menlo Ventures

企业AI相关支出的提高，让不同的行业间接获益。第一个受益的是咨询公司。2024年，埃森哲和IBM等咨询公司正在实现大幅的收入增长，其中，与人工智能相关的服务对其营收增长贡献显著，客户希望通过咨询，了解实施人工智能能够获得的竞争优势。根据埃森哲披露，截至 2024 年 9 月，其生成式人工智能咨询预订额近 30 亿美元。

第二个从人工智能中获益的行业是云计算和软件公司。软件公司ServiceNow自推出 “Now Assist” 以来，报告了强劲的生成式人工智能预订量，其首席财务官表示，在新产品系列中，最大新增年度合同价值贡献，来自于人工智能的采用。另外，软件巨头甲骨文的基础设施即服务（IaaS）部门实现了强劲增长，这在很大程度上归因于人工智能工作负载的增加。数据中心的领导者Equinix也因为人工智能基础设施需求获得了大量新合同。

另外，广告行业也从人工智能使用中获益。根据Meta Platforms最近报告，在人工智能的加持下，其广告展示量增长了7% ，每广告的平均价格增长了 11%，季度收入同比增张了19%。

亚马逊集成了基于生成式人工智能的产品图像生成工具，导致某些广告活动的广告展示量显著增加。我们预计，随着人工智能服务需求的扩大，具有独特市场定位、强大分销渠道和特权数据访问权限的云计算、软件应用和基础设施公司将成为主要受益者。随着人工智能市场的成熟，这些科技巨头可能在 2025 年实现加速增长。

我们尝试总结了生成式AI渗透率最高的几个应用场景：AI代码、AI客服支持和企业级搜索。

● 最高的是AI代码应用，企业对AI代码应用的采用率达到了51%，比如，头部产品 Github Copilot 的ARR（年度经常性收入，是指企业每年从客户那里获得的或期望从客户那里获得的服务或产品回报的收入计算）达到了3亿美金也真实的反应了用户的需求。Cursor、Cognition 等新兴工具在迎来用户快速增长的同时，也获得了资本市场的火热追捧。

● 其次是AI客户支持，其采用率达到了31%，产品为内部员工或外部用户提供基于产品知识的客户支持。Sierra、Decagon 等初创借力生成式AI的智能，为用户提供符合品牌调性和消费者画像的定制化客服体验，挑战低效、无趣的传统客服。

● 第三是AI数据检索，其采用率达到了28%，这类应用帮助企业解锁和利用分散在各组织中的数据，将数据孤岛中的宝贵知识管理利用。例如一家初创企业Glean，其业务是企业级搜索，旨在为企业打造内部的Google，核心产品 Glean Assistant 的用户每天平均查询 14 次，远超Google的日均查询次数。在过去一年ARR（年经常性收入，Annual Recurring Revenue）达到了5500万美金。
数据来源：Menlo Ventures

2024年，企业60%的AI应用支出来自企业创新业务的预算，说明企业使用这些应用的态度以尝试和探索为主，生成式AI在企业应用场景中的落地尚处于早期阶段。接下来，随着企业未来各个部门对于生成式AI应用的预算持续增长，哪些生成式AI应用能为企业带来实实在在的回报率，哪些或将分得持续性更长、规模更大的预算，从而支持生成式AI应用生根发芽、斩获1亿美金甚至更多ARR。

1. AI Agent正在给企业带来效益

2025年，生成式AI应用正在生根、发芽，给企业带来实实在在的现金回报，基于这样的趋势，AI Agent将是这个商业环节闭环的关键。

AI Agent从学术走向商业落地，仅花了三年时间。

AI Agent的第一波高潮来自2023年年初，AutoGPT的火爆，所谓AutoGPT，其实是把学术圈很多的Agent idea简单呈现出来，尽管其让开发者感受到大模型的强大，但很快大家便发现，AutoGPT的实验性强于实用性，难以解决大部分的实际问题。第二波高潮来自2023年9月，AgentGen，通过构建不同职能的Agent，分工协作。

到了2024年，AI Agent开始从实验走向现实。

2024年末，OpenAI首席执行官Sam Altman提出了AGI（通用人工智能）的五层框架：

Lv1 - Chatbot，具备基础的对话能力，能够理解和回应简单的文本输入
Lv2 - Reasoner，具备基本的逻辑推理能力，能够分析复杂信息并进行推断
Lv3 - Agent，具备理解复杂指令的能力
Lv4 - Innovator，具备创新和创造的能力
Lv5 - Organizer，具备协调和管理庞大系统、资源和团队的能力

他提出，如今我们正处于第二个阶段并非常接近第三个阶段的状态。

Lv3的Agent智能体能够自主与环境交互、收集信息，具备持续规划并执行多步骤、长时间任务的能力。要达成这个阶段，需要一个推理能力、逻辑能力更强的模型（可能是o1的下一个版本、也可能是对标o1的开源模型）。同时，服务AI Agent应用的基础设施也必不可少。

当下，企业出于安全性、准确性、稳定性等因素的考量，更倾向于使用 AI Copilot （人在回路中参与）增加人在工作流中的效率，而不是直接采用端到端自动化 AI Agent。随着底层模型能力和Agent框架开发的持续升级，Agent应用将为企业提供更智能高效的数字员工。人与AI的协作关系将从AI赋能人工作，逐渐转变到人监督指导AI完成工作，最终达到AI自主完成工作。这个转变会在未来几年迅速发生。

至于适合AI Agent最先产生价值的应用场景，2025年大概将延续现阶段生成式AI渗透率高的场景，例如代码编程、客服、销售、营销等。

根据第三方机构Menlo Ventures的调查数据显示，企业内各部门的生成式AI预算划分中，IT部分独占鳌头（22%）、产品和工程开发次之（19%），客服（9%）、销售（8%）和营销（7%）紧随其后。 数据来源：Menlo Ventures, UpHonest Capital

根据硅兔赛跑的观察，一些企业的确正在从这几个场景中赚钱：

IT部门选择之一的初创公司Glean，在2024年9月份完成新一轮融资，估值达到46亿美元，其旨在优化企业内部数据检索和问题答复。

在产品和工程开发部门依赖的AI编程应用中，初创公司Cognition在2024年3月推出了首个AI程序员Devin，成立仅6个月就达到了20亿美金估值。同年12月其Agent产品Devin正式上线，区别于普通的代码补全应用，Devin能够无需人类参与进行自主编码，完成需要人类工程师参与的项目开发。目前 Devin拥有诸多头部客户：例如Ramp 使用Devin 编写测试代码并清理死亡代码，MongoDB使用 Devin 更新过时的代码架构。

硅谷投资机构UpHonest Capital早期投资的Cosine，正在打造全自动的AI软件开发助理Genie，曾在SWE-Bench测试中获得全球最高分数。Cosine 研发了独有的数据管道，能够生成具有人类工程师开发逻辑、增量知识、支持搜索的高质量数据集。同时，Cosine是OpenAI最大的模型微调合作伙伴，拥有其前沿模型的早期使用权限。结合数据和模型优势，Cosine已经与多家世界500强公司和明星初创公司达成合作。

客服作为人力密集型工作，也将成为AI Agent最先颠覆的环节。比如UpHonest Capital早期投资的Proactive AI 正在为零售品牌打造具有高情感智能语言能力的客服助理，主要帮助企业向其用户提供契合品牌调性和个性化需求的客服服务，目前已与餐饮、健身、沙龙等行业多家头部企业达成深度合作。销售和营销作为企业开源的重要入口，企业利用最新技术提高获客效率的意愿也非常高。美国的人工智能初创公司11x，打造AI驱动的“数字工作者”以取代传统的销售团队，其Agent能够自主执行GTM工作流程。11x不通过软件帮助企业降本增效，而是直接提供实在的工作成果，数字员工能够自主实现完成的收入闭环。

11x成立6个月就达到了200万美金的ARR，目前ARR已经达到了1,000万美金。

FlashIntel正在打造AI驱动的GTM平台并向企业提供AI驱动的销售助理（SDR）。

FlashIntel在G2 2024冬季报告中总计获得了189枚徽章，其中FlashRev被评为最佳销售产品，最佳营销和数字广告产品，以及最高满意度产品。

2. 在数字化渗透率低的传统行业有隐藏的“金矿”

曾经，传统行业的玩家对AI嗤之以鼻，过高的投入成本和微不足道的效果，让他们难以对AI押注过多。

不过这一次，传统行业的生成式AI之路，有可能跳过软件阶段，直接进入AI阶段，类似新兴市场从使用现金直接转向移动支付。

这些行业本身对于科技的采用速度较慢，生成式AI的出现带来了直接交付结果而非交付软件的模式，减少了前期投入成本、肉眼可见的提升了投资回报率，使得恐惧新技术的决策者更容易被说服。比如医疗领域的病例记录、法律领域的案件报告生成、金融行业的合规风险筛查等等。

2024年12月，美国家政垂直软件巨头ServiceTitan上市，上市当天股价涨幅超过40%，在2024年上市公司中，该涨幅仅次于社交平台Reddit和芯片公司Astera Labs两家。

要知道，ServiceTitan 2012年成立，历经12年发展，在仅拿下家政行业1%市场份额的情况下，其市值一度达到90亿美元。由此可见，美国垂直行业，数字化渗透速率之低，垂直行业AI化的价值之高。ServiceTitan之成功，自然使我们关注到美国传统行业的机会，数字化渗透率低的传统行业。

美国初创公司Sameday为美国家庭服务行业（除虫、HVAC、家庭维修等）提供AI销售代理，通过自动化的语音客服接听来电并安排服务预约，提高电话接听率，从而提高转换率，现在已经与ServiceTitan集成。Sameday的创始人曾在美国增长最快的家庭服务行头部公司担任CMO，拥有极深的行业认知和丰富的行业资源。2024年，Sameday的ARR预计将增长5倍以上，月度客户留存率达98.5%。

建筑行业的AI解决方案提供商Pantheon，能够生成高精度且可编辑的 3D 建筑模型，通过AI实现更快的设计迭代周期可以显著降低项目成本。Pantheon AI不向建筑师出售软件许可证，而是直接向房地产开发商和业主出售其设计服务。2024年10月，Pantheon AI完成了由a16z领投的2500万美金种子轮融资。

传统行业以外，法律、金融、医疗行业积累了大量数据，为行业垂直基石模型训练提供了丰富的燃料，且法律、金融、医疗行业价值高，但普遍在传统软件巨头的垄断下变化缓慢。即便垂直SaaS一定程度上取代了过时繁琐的老系统，但总体的渗透率依然有限。以医疗行业为例，其行业规模高达4.3万亿美元，贡献了约1/5的美国GDP。但在美国市值前100的上市软件公司中，只有一家是服务医疗行业的软件公司。

2024年，Evenup ARR预计将达到5000万美金，最新一轮的投后估值达到了10亿美金。Evenup 利用生成式AI帮助律师进行人身损害赔偿（Personal Injury Claims）案件的索赔工作。虽然目前只服务于人身损害赔偿这一个领域，但这已经是一个非常大的市场了。美国每年约有30万参与处理人身损害赔偿的律师，每年支付给受害者的索赔金额高达1000亿美金。

有备而来者，率先享受红利，那些垂直行业专家、对行业的工作流有深入认知的创业者，结合不断进化的生成式AI基础设施，有机会迅速抢占用户，构建自身的行业数据壁垒。

3.  AI不再按席位收费 ：“Sell work, not software”

Menlo Ventures的调查数据显示，企业在进行生成式AI产品采购决策时，第一考虑要素是产品是否具有简单可测量的投资回报率，其次是产品是否根据实际应用场景定制。

值得注意的是，现阶段，产品价格反而是最不重要的影响因素，仅1%的企业决策者声称产品价格影响采购决策。 数据来源：Menlo Ventures

结果正在变得更为重要。随着AI的独立工作能力提升，其工作结果、创造的价值会更容易被量化，企业对AI产品的价值评估，也会根据其工作成果界定，美国投资机构a16z提出。因此，商业模式变得更加重要。

SaaS时代，SaaS公司创新了按席位收费的商业模式，即按照使用SaaS产品的员工账号数量按月或按年收取订阅费用，这种定价方式背后的逻辑是，使用SaaS产品的每位员工，效率会有不同程度的提升、处理更多工作，许多SaaS定价的策略在于评估使用者效率提升创造的收益。

但到了生成式AI时代，这个SaaS时代一直以来赖以生存的逻辑正在被颠覆。随着Copilot产品向Agent产品的升级，未来的Agentic AI系统将在不同AI agents的相互配合下，自动完成任务，取代越来越多的工作者，显然，如果继续按照席位收费，开发者的收入则会逐渐减少。

Benchmark合伙人最先建议生成式AI公司“Sell work, not software”，即按照工作成果收费，打破按席位收费的模式。

基于此，目前原生AI公司普遍采取的商业模式分为两类，一类是基于用量的定价模式，Salesforce发布的Agent force智能体系统，提供客服、销售、员工服务等AI agent智能体，按照用户与agent实际交互的用量收费，每次”对话“收费2美元，如果发生以下三种情况之一，即视为一次”对话“结束—— AI agent无法满足用户需求，需要人工介入；用户主动结束与AI agent对话；用户超过24小时没有再主动与AI agent对话。

另一类是基于工作结果的定价模式，前Salesforce联席CEO Bret Taylor创立的AI客服公司Sierra，为客户提供基于工作结果收费的客服AI agent，从消费者满意度、问题解决程度、以及每次的交互成本三方面来评估工作结果，决定企业付费规模。采用按照工作结果定价的模式，实现了AI agent企业客户与开发公司的利益一致性，双方将共同得益于agent独立任务完成能力的提升。