牛客栈策略 Anthropic领跑企业生成式AI编码工具驱动的市场格局大变

在企业中,生成式人工智能最受欢迎的单一用途是为程序员提供的编码工具。根据最新的企业支出调查,这类工具的流行帮助Anthropic在2025年超过OpenAI,成为企业市场的领头羊。
报告称“当Anthropic令业界观察者惊讶地取代OpenAI成为企业领袖时,基础模型格局在今年发生了决定性转变。”该报告是风险投资公司Menlo Ventures发布的《企业生成式AI状态》第二次年度报告。
报告估算,Anthropic目前占企业大模型(LLM)支出的40%。这一比例高于去年的24%,也高于2023年的12%。与此同时,OpenAI的企业份额几乎减半,从2023年的50%降至27%,作者Tim Tully、Joff Redfern、Deedy Das与Derek Xiao如是写道。
团队根据企业在生产环境中使用API的美元支出,并按客户规模加权,计算出市场份额。报告估计,美国企业的总支出为370亿美元,较去年的115亿美元增长了三倍多。
由于报告仅基于美国支出数据,尚不清楚全球趋势如何。该团队在11月通过第三方调查公司,对495家美国公司高管(C‑suite、IT与工程)进行了调研,以估算总体支出。
报告确认了Menlo Ventures早前对Anthropic Claude大语言模型受欢迎程度的发现(去年8月已详细披露),其增长主要得益于代码编写的自动化。
报告称“Anthropic的崛起源于其在编码市场的极其稳固的主导地位,估计其市场份额达54%,而OpenAI仅为21%。”
编码工具(如Replit、Cursor、Harness、Windsurf、Augment Code与All Hands AI)如今已成为年收入40亿美元的业务,Menlo Ventures团队指出,“这已成为整个应用层最大的类别”,并称之为“生成式AI的首个‘杀手级用例’”。
Anthropic的成功因此受到这些编码工具创业公司的助力。这与软件创业者Jeremy Burton在十月访谈中的观察相吻合。
Burton指出,大多数编码工具(例如Cursor与Replit)都依赖Anthropic的Claude技术。
“这些创业公司大多依赖Anthropic的模型,”Burton对我说。
Menlo对调查结果拥有直接的金融利益,因为它资助了许多该领域的创业公司,包括Anthropic。
本报告的语调明显比Menlo去年发布的报告更加积极。去年报告详细描述了企业在AI起步阶段的困难,而今年的转变在于越来越多的包装应用取代了企业自行研发的项目。
作者指出“过去,一段时间内的普遍共识是企业会自行构建大部分AI解决方案。”去年,47%的AI解决方案是内部构建,53%为采购;而今年,这一比例已翻转。
“如今,76%的AI用例是采购而非内部构建。尽管内部研发仍在强劲投资,现成的AI解决方案更快进入生产并展示即时价值,同时企业技术栈也在持续成熟。”
编码工具的崛起,以及面向客户体验和金融等垂直领域的工具,使得风险投资者的口吻异常乐观。
他们写道“今年的发现表明,这一转变已不再是投机行为。企业AI已成为370亿美元的市场——软件史上增长最快的类别。跨行业来看,AI已成为工作方式的核心。企业看到真实回报后正加码投入。”
面对目前关于AI资金泡沫的普遍担忧,作者回应称,尽管“这些担忧并非毫无根据”,但“需求端讲述了不同的故事”,实际收入显示这更像是“繁荣而非泡沫”。
Menlo估算的今年企业总支出370亿美元,比去年增加了三倍以上。
目前尚未出现的一个领域是Menlo长期看好的“代理AI”,即大语言模型能够接入企业其他程序和数据存储,以执行更高级任务。
截至目前,代理AI既未在包装应用中大规模出现,也未在AI基础设施支出中占据显著份额。
在AI应用中增长最快、规模最大的横向应用领域,86%的支出用于更简单的副驾驶程序,如ChatGPT Enterprise、Claude for Work与Microsoft Copilot;而真正的代理AI(如Salesforce Agentforce、Writer与Glean)所占比例较小。
在15亿美元的AI基础设施支出中,投入生产的大多不是代理,而是传统的提示工程(prompt engineering),Tully与团队指出。
他们写道“尽管‘代理’被大肆讨论,真实的生产架构仍出奇地简洁。仅有16%的企业部署和27%的创业公司部署算是真正的代理——即LLM能规划执行动作、观察反馈并自行适应的系统——其余大多仍围绕单模型调用的固定序列或路由工作流构建。”
报告末尾列出了多项预测,其中包括编码工具将在某些琐碎任务上优于人类程序员的前景。
他们称“AI将在日常实用编程任务上超越人类表现。LLM的技能集不会出现平台期,尤其在数学与编程等可验证领域,最佳模型将持续提升。”
值得思考的是,报告的乐观态度是否真的得到数据的支撑。
行业收入在一年内增长三倍固然惊人,但细看数据后,这一增幅的惊艳程度会有所下降。
虽然美国全年生成式AI销售额370亿美元听起来不菲,但与云计算等支出相比仍显逊色。例如,仅排名前三的云服务商——Google Cloud、AWS与Azure——的合计收入预计已达2880亿美元。
如果审视Tully团队整理的各支出类别,可发现除最可预期的几类外,其他类别的动能几乎不存在。
在370亿美元中,180亿美元用于基础设施——即已连续三年稳步增长的前沿模型API(如Claude与GPT)及其配套设施。应用方面,84亿美元用于最早的横向应用(如Microsoft的Copilot系列),42亿美元用于热度极高的编码工具(如Cursor)。
这意味着企业的支出(占比83%)几乎全部集中在最显而易见的用例上租用API、运行副驾驶以及使用编码工具,主要倾向技术用户——程序员和产品开发者。
在剩余的64亿美元中,各细分领域的起始支出显得微不足道。
例如,在部门AI方面,仅有3.6亿美元用于AI驱动的人力资源应用,1亿美元用于金融与运营AI应用。这些数字相较于Workday(HR与财务SaaS供应商)预计95亿美元的年度销售额,显得异常渺小。
尽管业界不断讨论企业营销团队使用生成式AI替代创意工作,但营销对生成式AI的总投入仅为6.6亿美元,远低于Adobe与Figma等公司的收入。
作者可能对整体三倍增长率——历史上任何软件类别最快的增速——过于乐观。当遍布全球的所有成熟软件厂商以及数百家风险投资支持的创业公司同时冲向一个细分市场时,快速增长是情理之中的。
但当这些公司在一年内仅实现370亿美元的销售额时,这并不像最初看起来那样是一次巨大的成功。
金领速配提示:文章来自网络,不代表本站观点。





