Menlo Ventures成立于1976年，总部位于美国加利福尼亚州，是一家风险投资与私募股权公司。 该公司主要关注网络安全、智能云服务和生命科学领域，投资不同发展阶段的企业。 至今，Menlo Ventures已投资70多家上市公司，管理资金超过50亿美元。 代表性 AI 投资案例包括 Anthropic，Inflection AI 和 Jasper AI。
近期发布了[2025 生成式 AI 企业现状报告]本报告综合了与独立研究机构合作开展的一项调查结果，该调查于 2025 年 11 月 7 日至 25 日期间进行，受访者为 495 位美国企业人工智能决策制定者，包括高管层、工程与产品副总裁以及负责人工智能采购和开发决策的技术领导者（所在企业均在积极使用人工智能工具）
AI 繁荣 vs. 泡沫
尽管人们担心过度投资，但 AI 正以前所未有的速度在现代软件历史中向企业蔓延。
近三年来，AI 享有坚定不移的信心和创纪录的资本流入。这股热潮将 Nvidia 推上了全球市值最高公司的宝座。基础模型宣布了近 1万亿美元 的 AI 基础设施承诺。风险投资回升至历史高位，其中近一半资金集中在少数几家前沿 AI 实验室。
随后，狂热情绪达到了顶峰。麻省理工学院（MIT）的一项研究声称 95% 的生成式 AI 举措以失败告终，这在夏季震动了市场，暴露了在 AI 巨额资本支出（Capex）的重压下，情绪转变是多么迅速。关于泡沫的窃窃私语变成了喧嚣。
考虑到所涉及的数字量级，这些担忧并非毫无根据。但需求端讲述了一个不同的故事：我们最新的市场数据显示了广泛的采用、真实的收入以及规模化的生产力提升，这标志着这是一场繁荣而非泡沫。
企业级 AI 市场规模自 2023 年以来已从 17 亿美元激增至 370 亿美元，目前占据全球 SaaS 市场的 6%，其增长速度超过历史上任何软件类别。
为了撰写 Menlo 第三份年度《企业级生成式 AI 现状》报告，我们调查了约 500 名美国企业决策者，并将他们的见解与涵盖模型 API、基础设施和应用程序的生成式 AI 市场的自下而上模型相结合。自 2023 年以来，我们的团队一直在跟踪 AI 从早期实验到广泛企业部署的演变，这使我们能够以多年视角观察这一转型的速度和规模。
紧跟资金流向：企业资金流向何处？
我们的数据显示，2025 年企业在生成式 AI 上的支出为 370 亿美元，高于 2024 年的 115 亿美元，同比增长 3.2倍。最大的份额 190 亿美元 流向了利用底层 AI 模型的面向用户的产品和软件，即应用层。这代表了整个软件市场的 6% 以上，而这一切都是在 ChatGPT 推出后的短短三年内实现的。
增长不仅限于少数几个 AI 聊天应用，而是触及经济的每一个领域。据我们统计，目前至少有 10 款产品 的年度经常性收入（ARR）超过 10 亿美元，50 款产品 的 ARR 超过 1 亿美元。这主要由支持应用程序的模型 API（Anthropic*、OpenAI、Google）领衔，但也日益分布在代码、销售、客户支持、HR 等部门解决方案，以及医疗、法律和创作者经济等垂直领域中。
2025 年，超过一半的企业 AI 支出流向了 AI 应用程序，这表明现代企业优先考虑即时的生产力提升，而非长期的基础设施押注。
AI 如何进入企业：通往生产之路
三年后，企业 AI 的生产路径已经成型。早期采用者没有现成的剧本。现在，不同于传统 SaaS 的独特模式已经显现。企业更倾向于购买而非自建，表现出更强的购买意愿，并以前所未有的规模通过产品驱动增长（PLG）采用 AI。
企业更多地选择购买而非自建
有一段时间，普遍的看法是企业会自己构建大部分 AI 解决方案。Bloomberg 在 2022 年为金融领域训练了 BloombergGPT，沃尔玛在 2024 年为零售领域构建了 Wallaby。团队曾自信地认为，只要拥有正确的数据、领域专业知识和架构，他们就可以在内部处理一切。
在 2024年，这种自信仍然体现在数据中：47% 的 AI 解决方案是内部构建的，53% 是购买的。如今，76% 的 AI 用例是购买的，而不是内部构建的。尽管对内部构建的投资依然强劲，但现成的 AI 解决方案能够更快地投入生产并展示即时价值，同时企业技术栈也在不断成熟。
去年，企业在自建与购买之间平分秋色。如今，随着内部构建的成熟，企业在生产环境中拥有更多现成的 AI 解决方案。
AI 买家的转化率更高
企业买家对待 AI 的态度带有明显的高意向。我们发现，一旦组织承诺探索 AI 解决方案，交易转化为生产的通过率几乎是传统软件的两倍：47% 的 AI 交易进入生产阶段，而传统 SaaS 仅为 25% 。这种高转化率反映了买家的坚定承诺和清晰的即时价值。我们的调查数据通过显示，大多数组织列出了长长的潜在 AI 用例清单（通常 10 个或更多），但将采用重点放在近期的生产力提升或成本节约上。虽然企业确定的内部用例 (59% ) 略多于面向客户的用例 (41% )，但这两种类别通过管道的速度几乎相同，这表明运营类 AI 投资与面向客户的创新一样能可靠地交付价值。
AI 买家的转化率为 47%，而 SaaS 的转化率为 25%，这表明 AI 提供了足够的即时价值来缩短标准的采购流程。
PLG：个人用户现在以 4 倍于软件的速度推动 AI 采用
在中心化采购渠道之外，AI 解决方案正日益通过个人用户而非企业高管在企业中找到最初的“落脚点”。我们发现，27% 的 AI 应用程序支出通过产品驱动增长（PLG）模式产生，几乎是传统软件（7% ）的 4倍。
而且这个数字还是保守估计。当我们考虑到“影子 AI 采用”——员工使用个人信用卡购买像 ChatGPT Plus 这样的工具，其中大约 27% 的使用与工作相关——PLG 驱动的工具可能占到应用类 AI 支出的近 40%
在 AI 领域，PLG 模式触达并转化企业用户的速度远快于传统 SaaS。实际使用在任何正式签约流程开始之前很久就证明了价值。
在 AI 领域，PLG 模式达到企业级规模的速度和深度都超过了传统 SaaS。Cursor 在没有聘请一名企业销售代表的情况下就达到了 2 亿美元 的收入。n8n 建立在开源社区采用的基础上，直到数百名员工已经是活跃用户后才正式签订合同。ElevenLabs、Gamma 和 Wispr Flow* 也是以同样的方式扩张的。
开发人员和技术团队对这种模式尤为接受。许多人发现用于个人使用的工具，在日常工作中证明其价值，并产生自下而上的需求，最终转化为企业合同。Lovable、OpenRouter* 和 fal 遵循这种模式，随着工具嵌入开发工作流，将产品经理和工程师的非正式采用转变为企业协议。
初创公司 vs. 传统巨头：新进入者在 AI 应用领域获得优势
在 AI 应用层，初创公司已经果断领先。根据我们的数据，今年它们每赚取 1 美元，传统巨头仅赚取不到 2 美元——初创公司占据了 63% 的市场份额，高于去年的 36% ，当时企业巨头仍占据主导地位。
理论上，这不应该发生。传统巨头拥有稳固的分销渠道、数据护城河、深厚的企业关系、规模化的销售团队和庞大的资产负债表。然而，在实践中，AI 原生初创公司在一些增长最快的应用类别中正击败规模大得多的竞争对手。
- 产品 + 工程（初创公司份额 71% ）：代码生成是初创公司为何获胜的典型例子。GitHub Copilot 是先行者并拥有所有结构性优势，但 Cursor 通过更快地发布更好的功能——在代码库级上下文、多文件编辑、差异批准和自然语言命令方面击败 Copilot——夺取了显着的份额。Cursor 的模型无关方法让开发人员可以在 Claude Sonnet 3.5 发布的瞬间就采用它，而不是受限于微软的合作伙伴选择。这种产品速度创造了 PLG 飞轮：Cursor 赢得了个人开发者的青睐，进而被带入企业。
- 销售（初创公司份额 78% ）：像 Clay 和 Actively 这样的 AI 原生初创公司通过攻击 Salesforce 未占领的工作流获胜：研究、个性化和丰富化，这些严重依赖于位于 CRM 之外的非结构化信号（网络、社交、电子邮件）。通过拥有这些 CRM 之外的界面并向下游扩展，它们成为了销售代表实际交互的 AI 层——在短期内去中介化传统的记录系统，并定位自己在长期内可能成为新的记录系统。
- 财务 + 运营（初创公司份额 91% ）：在像财务这样受到高度监管的领域，像 Intuit QuickBooks 这样的巨头面临着对准确性的高要求，这减缓了它们推出 AI 原生工作流的能力。尽管这里的总金额仍然很小，但这种瘫痪为像 Rillet、Campfire 和 Numeric* 这样的初创公司创造了真空，它们在低端市场构建具有实时自动化和智能工作流的 AI 优先 ERP——获胜的原因是巨头无法足够快地行动来交付可信的下一代产品。
下图显示了这种动态如何在不同的企业部门中变化，每个部门都有其特定的功能工具。在处理碎片化、数据繁重且适合自动化的工作流的团队中，AI 采用率领先。在可靠性、集成深度和现有系统依赖性超过快速迭代收益的地方，传统巨头依然强大。
AI 初创公司在市场研究、销售、营销和产品等敏捷部门蓬勃发展。传统巨头在 IT 和数据科学领域坚守阵地，因为那里的可靠性和深度集成比速度更重要。
当我们向下移动到技术栈底层时，故事发生了变化。在基础设施层，情况更加混合。根据我们的数据，传统巨头占据了 56% 的市场份额，因为许多 AI 应用构建者继续在他们信任多年的数据平台上进行构建。尽管像 Temporal、Supabase、Neon* 和 Pinecone* 这样的新 AI 原生基础设施公司看到了令人印象深刻的增长，但像 Databricks、Snowflake、MongoDB 和 Datadog 这样的巨头也享受了同样有意义的重新加速——因为即使是新的 AI 原生应用构建者也仍然主要选择现有平台来管理数据、编排工作流和监控运营。
初创公司主导了 AI 应用程序，每赚取 2 美元对应传统巨头的 1 美元，而企业基础设施支出继续偏向传统巨头。
AI 应用程序：一个 190 亿美元的市场
2025 年，应用层获得了 190 亿美元 的收入，占所有生成式 AI 支出的一半以上。这笔支出分为三类：
- 部门级 AI (73 亿美元)，为特定工作角色（如软件开发或销售）构建；
- 垂直 AI (35 亿美元)，针对特定行业（如医疗保健或金融）；以及
- 水平 AI (84 亿美元)，提高所有职能部门的生产力。
部门级 AI：编程是生成式 AI 的第一个“杀手级用例”
2025 年部门级 AI 支出达到 73 亿美元，同比增长 4.1倍。编程以 40 亿美元（占部门级 AI 支出的 55% ）成为明显的佼佼者，使其成为整个应用层最大的类别；其余分布在 IT (10% )、营销 (9% )、客户成功 (9% )、设计 (7% ) 和 HR (5% )。
编程已成为部门级 AI 的突破性用例。投资集中在影响最直接的地方：产品和工程团队现在占据了绝大多数支出。
随着模型达到经济上有意义的性能，代码成为了 AI 第一个真正的“杀手级用例”——Anthropic 的 Sonnet 3.5 在 2024 年中期 引发了该类别的最初爆发。采用随之而来；50% 的开发人员现在每天使用 AI 编程工具（在顶级组织中为 65% ）。代码补全增长到 23 亿美元，而代码智能体（Code Agents）和 AI 应用构建器从几乎为零爆发式增长。随着团队在整个软件开发生命周期中采用 AI 工具，他们报告了 15%+ 的速度提升：从原型设计 (Lovable) 到代码重构 (Open Hands )、设计转代码 (Weaver)、QA (Meticulous)、PRs (Graphite )、网站可靠性工程 (Resolve) 和部署 (Harness)。
2025 年从 5.5 亿美元急剧跃升至 40 亿美元，反映了能力的转变：模型现在可以解释整个代码库并执行多步骤任务。编程正从点解决方案转变为端到端的自动化类别。
尽管编程以 40 亿美元 占据了部门级 AI 支出的一半以上，但该技术正在许多企业部门获得关注。IT 运营工具达到 7 亿美元，因为团队自动化了事件响应和基础设施管理。营销平台达到 6.6 亿美元，受内容生成和活动优化的推动。客户成功工具获得了 6.3 亿美元，AI 处理工单路由、情感分析和主动外联。这些类别中的每一个都针对重复性工作流，其生产力收益是即时且可衡量的。下面的市场地图显示了哪些参与者在各个职能部门中脱颖而出，以通过部门级 AI 捕获 73 亿美元 企业投资的一部分。
AI 原生初创公司正在各个工作职能中迅速涌现，在 2025 年 73 亿美元的部门级 AI 支出中占据了有意义的份额。
垂直 AI：医疗保健引领采用
2025 年垂直 AI 解决方案获得了 35 亿美元，几乎是 2024 年 12 亿美元 投资的 3倍。按行业细分时，仅医疗保健就占据了所有垂直 AI 支出的近一半——约 15 亿美元，比较前一年的 4.5 亿美元 增加了三倍多，并超过了接下来的四个垂直行业的总和。
今年垂直行业投资了 35 亿美元，几乎是去年支出的 3 倍。医疗保健占总额的 15 亿美元，占据 43% 的市场份额，超过了接下来四个垂直行业的支出总和。
医疗保健发展缓慢，受制于漫长的采购周期和监管阻力。但在多年的行政负担增加、利润率缩水和长期的员工短缺之后，卫生系统已成为经济中 AI 自动化需求最强劲的来源之一。
支出主要集中在行政和临床相关的工作流，以环境记录员（ambient scribes）为首。记录员市场在 2025 年达到 6 亿美元（同比增长 2.4倍），诞生了两家新的独角兽（Abridge 和 Ambience），以及市场领导者 Nuance 的 DAX Copilot。因为临床医生每进行五小时的护理就要花费大约一小时进行记录，能减少 50% 以上记录时间的记录员可以极大地减轻行政负担，让医生能够专注于最高水平的执业。
有关 AI 如何改变医疗保健的更深入分析，请参阅我们的 2025：医疗保健 AI 现状 报告，了解采用趋势、预算变化以及卫生系统已经看到有意义 ROI 的领域。
除医疗保健外，AI 正开始在经济的几乎每个部门扎根。在像 Eve* 这样的公司带领下，法律已成长为一个 6.5 亿美元 的市场；创作者工具达到 3.6 亿美元；政府达到 3.5 亿美元。在历史上软件服务不足的行业中，采用率最强：这些领域由通过人工服务完成的手动、非结构化工作流定义，现在可以通过生成式 AI 实现自动化。下面的市场地图突出了在这些领域建设并争夺企业今年投入垂直 AI 的 35 亿美元 份额的公司。
垂直 AI 在 2025 年已成为一个 35 亿美元的类别，是去年投资金额的三倍。这些公司展示了 AI 原生软件如何涌现以服务经济的每一个部门。
水平 AI：Copilot 支出让智能体（Agent）相形见绌
84 亿美元 的水平 AI 仍然是应用层最大和增长最快的类别，同比增长 5.3倍。Copilots 以 86% 的份额（72 亿美元）占据主导地位——由 ChatGPT Enterprise、Claude for Work 和 Microsoft Copilot 领衔。像 Salesforce Agentforce、Writer 和 Glean 这样的智能体平台占据了另外 10% (7.5 亿美元)，而像 Granola 和 Fyxer 这样的个人生产力工具占剩余的 5% (4.5 亿美元)。
通用 Copilot 如今占据主导地位，但随着智能体变得更加强大，我们可以期待从辅助向自动化的转变。
AI 基础设施：180 亿美元的“镐和铲”
我们的数据显示，基础设施层在 2025 年获得了 180 亿美元——占所有生成式 AI 支出的另一半，较 2024 年的 92 亿美元 增长了 2.0倍。这笔支出分为三类：
- 基础模型 API (125 亿美元) 为所有 AI 应用程序背后的智能提供动力。
- 模型训练基础设施 (40 亿美元) 使前沿实验室和企业能够训练和调整模型。
- AI 基础设施 (15 亿美元) 管理连接 LLM 与企业系统的数据的存储、检索和编排。
LLM 市场份额：Anthropic 扩大其在企业中的领先优势
基础模型格局今年发生了决定性转变，Anthropic 取代 OpenAI 成为企业领导者，令行业观察家感到惊讶。我们估计 Anthropic 现在获得了 40% 的企业 LLM 支出，高于去年的 24% 和 2023 年的 12% 。同期，OpenAI 失去了近一半的企业份额，从 2023 年的 50% 降至 27% 。Google 也取得了显着收益，其企业份额从 2023 年的 7% 增加到 2025 年的 21% 。这三家公司合计占企业 LLM API 使用量的 88% ，其余 12% 分布在 Meta 的 Llama、Cohere、Mistral 和众多小型提供商中。
这些视图共同捕捉了 LLM 生态系统的变化。堆叠条形图显示了市场份额变化的幅度，趋势线突出了领先提供商背后的势头，而编程份额则强调了竞争优势的获胜点。
Anthropic 的崛起是由其在编程市场中极其持久的主导地位推动的，目前在该市场中它拥有估计 54% 的市场份额，而 OpenAI 为 21% 。这比仅仅 六个月前 的 42% 有所上升，这在很大程度上是由 Claude Code 的流行推动的。
事实上，自 2024 年 6 月发布 Claude Sonnet 3.5 以来，Anthropic 已经在编程 LLM 排行榜上占据了近乎无与伦比的 18 个月 的榜首位置。当 Google 在 2025 年 11 月中旬发布 Gemini 3 Pro 时，其自己的模型卡显示它在大多数主要评估中领先——除了 SWE-bench Verified，在那里它仍然落后于 Claude Sonnet 4.5。仅仅一周后，Anthropic 凭借 Claude Opus 4.5 再次拉大了差距，该模型重置了代码生成的高水位线，并重申了 Anthropic 作为该类别表现最佳者的地位。
开源模型：企业采用落后于更广泛的生态系统
尽管今年跌出了前沿步伐，但 Llama 仍然是企业中采用最广泛的开放权重模型。但该模型的停滞——包括自 4 月发布 Llama 4 以来没有重大的新发布——导致整体企业开源份额从去年的 19% 下降到今天的 11% 。
企业保持谨慎，更喜欢闭源模型。开源 LLM 仅占当今市场的 11%，但开发人员正在突破界限，在生产中运行中国模型并测试大规模的新架构。
尽管中国的开源模型今年取得了令人印象深刻的进展并在初创公司中越来越受欢迎，但企业对它们仍持特别谨慎的态度。总体而言，它们仅占 LLM API 总使用量的 1% （大约是企业开源的 10% ）。
在企业之外，采用情况看起来截然不同。vLLM 和 OpenRouter* 这两个针对初创公司和独立开发者使用的流行基准显示，Qwen、DeepSeek (V3, R1)、Moonshot/Kimi、MiniMax 和 Z AI's GLM 的采用率迅速上升，尽管 DeepSeek 的使用量在 R1 发布后的最初激增后有所缓和。
较小的模型 Qwen3 和 GLM 因其相对于更大型替代品的竞争性能而特别受欢迎。例如，Airbnb 在其面向用户的 AI 功能中严重依赖 Qwen，而 Cursor 使用该模型作为其内部模型的开源基础。
开源 LLM 代币的分布继续演变，中国模型在过去一年中在开发人员中获得了明显的关注。
AI 基础设施：现代 AI 堆栈仍在开发中
尽管人们都在谈论“智能体（Agents）”，但实际的生产架构仍然出奇地简单：只有 16% 的企业部署和 27% 的初创公司部署有资格成为真正的智能体——即 LLM 规划和执行行动、观察反馈并调整其行为的系统——而大多数仍然围绕包裹在单个模型调用周围的固定序列或基于路由的工作流构建。定制模式强化了这种技术上的初期状态。提示设计（Prompt design） 仍然是主导技术，其次是 检索增强生成 (RAG) 。更先进的方法——微调、工具调用、上下文工程 和 强化学习 (RL) ——仍然是利基市场，主要由前沿团队使用。
剥去炒作，大多数“AI 智能体”只是围绕模型调用的基本 if-then 逻辑。简单的架构适用于今天的用例，但也揭示了我们处于多么早期的阶段。
由于基于 LLM 的应用程序架构继续逐渐演变，现代 AI 堆栈看起来与去年大致相似。迄今为止最大的受益者是扩展受信任数据和基础设施平台的巨头：Databricks、Snowflake、MongoDB 和 Datadog。
另一方面，初创公司的活动聚集在推理和计算领域，AI 原生供应商在这里与超大规模开发者平台直接竞争。像 Fireworks、Baseten、Modal 和 Together 这样的推理平台在性能和开发者体验上获胜——通过手写或融合内核、优化的服务堆栈和严格管理的 GPU 舰队，提供无服务器、高吞吐量、开放权重端点，并实现 2倍+ 的加速。
在堆栈的更高层，新一波的可观测性和工具供应商，包括 LangChain、Braintrust 和 Judgment Labs，正在构建 AI 的运行时可观测性层，通过包括评估、追踪和持续学习在内的开发工作流切入。下面的市场地图显示了构建为生成式 AI 应用程序提供动力的基础层的关键参与者。
企业在基础模型、训练系统以及数据和编排层的 AI 基础设施上投资了 180 亿美元。这张市场地图显示了服务于该堆栈每个部分的公司。
下一步是什么？2026 年预测
2025 年，AI 成为历史上扩张最快的软件类别。基于我们在整个生态系统中看到的情况，我们对未来一年有五个预测。
1. AI 将在日常实用编程任务中超越人类表现。
LLM 的技能集没有停滞，特别是在数学和编程等可验证领域，最好的模型将继续变得越来越好。
2. 杰文斯悖论（Jevons paradox）继续成立。
尽管推理量呈数量级增加导致推理成本下降，但生成式 AI 的净支出仍在继续上升。
- 基准测试继续饱和，但将无法完全捕捉模型的现实世界功效。以基准测试为目标的模型将无法长期留住用户。
- 对于像编程这样的前沿用例，用户实际上对价格相当不敏感，并且会为性能支付更多费用。
- 模型在编程之外的一个大用例中获得广泛采用。
3. 可解释性和治理成为主流。
随着智能体自主性和决策能力的增加，解释和治理它们所做决策的能力将变得越来越重要，这由使用 AI 的人们的需求驱动。我们预计政府将要求对智能体结果进行可解释的决策和审计日志。像 Goodfire* 这样使神经网络可解释和可控的公司，对企业将变得越来越重要。
4. 模型最终走向边缘。
受低延迟要求、隐私/安全和其他因素的驱动，计算将继续向设备端移动，越来越多的非前沿模型价格接近 $0。像 Google、Apple 和 Samsung 这样的移动制造商将推出专用的低功耗 GPU 计算，在您的手机上提供无需网络且无成本的快速推理。
最后的想法
两年前，当生成式 AI 仍主要局限于试点和概念验证时，我们发布了第一份《企业级生成式 AI 现状》报告。我们着手为正在发生的事情提供真实的数字支持，利用实际的企业买家而非分析师预测和供应商预测。我们想在噪音中找到信号。
今年的调查结果清楚地表明，这种转变不再是投机性的。企业 AI 现在是一个 370 亿美元 的市场——软件历史上扩张最快的类别。在各行各业，AI 已成为工作完成方式的核心。企业看到了真正的回报，正在加倍投入。
我们很幸运能与许多推动这一转变的公司合作：领导编程转型的前沿模型提供商、大规模保护企业 AI 的安全平台，以及重新定义医疗保健、法律、金融和教育的垂直应用程序。这些团队正在设定新标准，并为下一波创新奠定基础。
我们进入这场全面转型已有三年。虽然还很早，但第一批领导者正在涌现，价值是显而易见的。如果您是在前沿进行构建的创始人，我们很乐意与您见面。
Menlo Ventures 全力投入 AI。让我们一起构建未来。
数据来源和方法论
调查方法
本报告综合了 2025 年 11 月 7 日至 25 日与一家独立研究公司合作进行的 495 名美国企业 AI 决策者的调查结果。受访者包括正在积极使用 AI 工具的公司的 C 级高管、工程和产品副总裁，以及负责 AI 购买和开发决策的技术领导者。
市场规模模型
我们的市场规模测算结合了企业 AI 决策者的调查数据和对生成式 AI 生态系统的分析。我们将公司按行业、类型（初创公司 vs. 传统巨头）和进入市场策略（PLG vs. 企业销售）进行分类，利用公开信息、行业报告和市场分析来估算整个 AI 领域的收入分布。
范围
生成式 AI 支出包括基础模型、模型训练基础设施、AI 基础设施以及来自初创公司和传统巨头的 AI 应用程序。它不包括芯片（如 Nvidia）、推理和模型服务（如 AWS、GCP、Azure、Fireworks）以及内置于现有软件解决方案中的 AI 功能（如 Intuit Assist）。
LLM 市场份额
LLM 市场份额代表基于生产 API 使用比例的估算支出。调查受访者报告了其 AI 工作负载使用每个模型的份额。响应根据每个企业和初创公司应用程序的规模进行加权，并在可用的情况下与公开报告的财务数据进行三角验证。
局限性
市场估算代表了我们截至 2025 年 12 月的最佳评估。调查样本仅限于美国企业。私营公司的收入估算基于公共数据和行业分析。
*Menlo Ventures 投资项目
