风险投资公司 Menlo Ventures 在近日公布了一份「2024 企业生成式 AI 现状」的报告，报告对 600 名美国企业 IT 决策者进行了调查，揭示了企业是如何看待 AI、AI 在企业中的运用情况，以及技术趋势变化等内容。

Menlo Ventures 是一家成立于 1976 年的美国风险投资公司，作为硅谷最早的风险投资公司之一，他们投资了包括 Uber、Siri（最初由 Menlo Ventures 投资，后来被苹果收购）、Dropcam（后来被谷歌收购）等知名的公司，作为一家经验丰富的风险投资公司，这份报告还是有很大参考价值的。

2022 年是 AI 大模型刚刚崭露头角的一年，2023 年算是 AI 大模型集体大爆发的一年，到了 2024 年 AI 则是开始进入大量运用的阶段，已经成为企业 AI 应用的关键转折点。

图源：Menlo Ventures

根据 Menlo Ventures 最新的调查数据显示，今年企业在 AI 领域的支出达到了 138 亿美元，相比 2023 年的 23 亿美元增长了近 6 倍。这一显著增长清晰地表明，企业已经从小规模实践转向了全面落地执行，将 AI 作为核心业务战略的重要组成部分。

企业在 AI 方面的支出大幅增长，也表明对 AI 充满信心，超过 72% 的决策者认为在不久的将来会更广泛地采用生成式 AI 工具。

生成式 AI 领域在 2023 年和 2024 年的支出对比（单位：百万美元），基础模型（Foundation models）占了所有支出的近一半：从 2023 年的 10 亿美元跃升至 2024 年的 65 亿美元，增长了 6.5 倍。这一巨大投资表明市场对基础 AI 模型开发的高度重视，毕竟基础模型的能力决定了企业未来在应用 AI 时的水平上限。

训练和部署（Training + deployment）方面的支出也有显著提升：从 6 亿美元增长到 23 亿美元，增长了 3.8 倍。这说明企业不仅在开发模型，还在大规模将 AI 解决方案付诸实践。

特别值得注意的是垂直 AI（Vertical AI）领域的增长倍数最大，达到了 12 倍（从 1 亿美元增至 12 亿美元）。这表明除了通用型的 AI，特定行业的 AI 应用正在蓬勃发展，可能包括医疗、金融等专业领域的定制化 AI 解决方案。

其他类别的增长也很可观：

• 数据和基础设施（Data + infrastructure）：从 5000 万增长到 4 亿美元（8 倍）

• 部门型 AI（Departmental AI）：从 2 亿增长到 18 亿美元（9 倍）

• 横向 AI（Horizontal AI）：从 3 亿增长到 16 亿美元（5.3 倍）

这些数据反映了整个生成式 AI 行业正处于爆发性增长阶段。每个类别都至少实现了 4 倍以上的年度增长，也表明市场对 AI 技术充满信心，预期其将在各个领域产生深远影响。

图源：Menlo Ventures

说到具体的应用层面，代码协作工具以 51% 的采用率领跑企业 AI 应用，也意味着开发者工具可能是目前生成式 AI 最成熟或最受欢迎的应用领域。这个现象很好理解，因为编程语言有着明确的语法规则和大量的开源代码用于训练，使得 AI 在这个领域能够产生相对可靠的输出。以 GitHub Copilot 为例，其年收入已达到 3 亿美元，成为了 GitHub 收入的一个重要来源（年收入 20 亿美元），Codeium 和 Cursor 等新兴 AI 开发工具也同样在快速增长。

紧随其后的是客户支持聊天机器人（31%）和企业搜索与检索（28%）。这两个应用场景的普及反映了企业正在积极寻求提升客户服务效率和优化内部知识管理的解决方案。特别是在客服领域，AI 可以 24 小时工作并处理重复性查询，这种价值显而易见。

值得注意的是，工作流程自动化（10%）和网络研究自动化（9%）的使用比例相对较低，这可能是因为这些场景需要更复杂的系统集成、需要更多工具互相配合，以及更高的可靠性要求，目前的技术还不足以支持大规模应用，这也是 OpenAI、Anthropic 和 Google 等公司目前正在大力研究的 AI 代理所涉及的领域。

图源：Menlo Ventures

在关于企业对生成式 AI 工具选择标准的调查中，结果倒是有点让人意外。在大多数人看来，成本是企业非常关注的一个因素，除了在日常经营活动中要注重成本，在选择 AI 工具时肯定也会关注成本，但在实际调查结果中，成本在所有选择标准中仅占了 1% 的关注度（图表倒数第 5 项，并列倒数第一）。

最受企业重视的三大标准分别是：

1. 容易量化的投资回报（Easily quantifiable ROI）排在首位，占 30%。这表明在选择 AI 工具时，企业最关心的是能否清晰地看到投资带来的具体收益。

2. 可针对组织/行业定制（Customizable for my org/industry）位居第二，占 26%。这反映出企业非常重视 AI 工具是否能够适应其特定需求和行业特点。

3. 性能和准确性（Performance and accuracy）排第三，但比例下降很多，仅为 7%。

这个调查结果揭示了一个重要趋势：在选择生成式 AI 工具时，企业更注重实际的商业价值（ROI）和功能适配性，而不是技术本身的特性或成本因素。这可能表明，企业已经开始将 AI 工具视为战略性投资，而不仅仅是一个技术采购决策。

这对于 AI 工具开发商来说也是一个重要信号：他们应该更多地关注如何让其产品的商业价值更容易被量化，以及如何提供更好的定制化能力，而不是过分关注技术指标或价格竞争。

图源：Menlo Ventures

深入到企业的各个部门在生成式 AI 方面的支出分布情况来看，IT 部门以 22% 的比例位居首位，这表明技术部门仍然是生成式 AI 应用的主力军，IT 也是最早了解 AI 技术，对这种新兴技术接纳程度最高的部门。紧随其后的是产品和工程部门，占 19%，这两个技术导向的部门合计占据了 41% 的总支出，说明生成式 AI 目前的应用仍然以技术领域为主导。

虽然技术部门占比最高，但其他业务部门如销售(8%)、数据科学(8%)、市场营销(7%)、人力资源(7%)和会计财务(7%)的占比相当接近。这种分布也表明生成式 AI 正在向各个业务领域渗透，不再仅仅是技术部门的专属工具。生成式 AI 的应用正在经历从技术导向向业务导向的转变，各个部门都在寻找适合自己的 AI 应用场景。

图源：Menlo Ventures

在 AI 技术架构方面，最引人注目的是 RAG（检索增强生成）技术的大幅上升，从 2023 年的 31% 增长到 2024 年的 51%（增长 1.6 倍）。这反映了业界越来越重视将外部知识整合到 AI 系统中的趋势。

与此形成鲜明对比的是，过去经常被提及的提示工程（Prompt engineering）、微调（Fine-tuning）和 RLHF（基于人类反馈的强化学习）都出现了下降趋势，提示工程从 55% 骤降至 16%（下降 3.4倍），微调和 RLHF 则是分别下降了 2.1 倍和 2.6 倍。

另一个技术趋势则是 Agents（智能代理），这一新兴技术从完全无人问津的 0% 增长到 12%，显示了 AI 正在向更自主的方向发展。

整体观察下来，今年的技术方法正在经历重大转变和快速的技术更迭，一年之内就发生了技术方法的变化。

图源：Menlo Ventures

在基础模型市场，企业目前普遍采用的是多模型策略，通常会在企业内部的 AI 技术栈中部署三个或更多的基础模型。闭源解决方案仍占据 81% 的市场份额，而开源替代方案（以 Meta 的 Llama 3 为首）保持在 19%。

值得注意的是，在这一年时间里，各大公司在 LLM（大语言模型）的市场份额发生了不小的变化，其中最显著的变化发生在前两名：OpenAI 的市场份额从 50% 下降到 34%（降低 16 个百分点），而 Anthropic 则从 12% 上升到 24%（增长 12 个百分点）。这表明 LLM 市场竞争正在变得更加激烈，OpenAI 虽然具有先发优势，在一开始吞下了一半的市场，但它的优势在逐渐被缩小。

Meta 和 Google 的表现也很有趣：Meta 保持稳定在 16%，而 Google 则有小幅增长，从 7% 上升到 12%（增长 5 个百分点）。这显示传统科技巨头在 AI 领域也在稳步推进。

Mistral AI、Cohere、内部模型和其他玩家各占 3% 左右的市场份额，形成了一个具有多样性的市场格局。

展望未来，今年开始发力的 AI 代理技术将推动下一波转型浪潮，有望颠覆 4000 亿美元的软件市场，甚至影响美国 10 万亿美元的服务业经济。传统企业将面临更大的挑战，正如 OpenAI 对 Chegg（市值降低 85%） 和 Stack Overflow（网络流量减半） 的冲击所显示的那样。同时，AI 人才短缺问题将进一步加剧，具备 AI 技能的企业架构师薪资可能会出现 2-3 倍的溢价。

2024 年标志着企业 AI 应用从炒作开始走向实质性落地的重要一年。随着技术不断成熟，AI 将继续推动工作方式的变革，催生新的商业模式，对于企业来说，如何在这场变革中把握机遇，构建自身的 AI 能力，也将是未来发展的关键所在。