FDE（Forward Deployed Engineer）职位发布数量时序增长（2023-2026）
💡 解读FDE（前向部署工程师）职位需求呈爆发式增长：Indeed平台职位数从2023年4月的643个跃升至2026年4月的5330个，三年增长约729%。2025年是增速最剧烈的年份，全年同比增长超过1165%（Live Data Technologies数据），主因是OpenAI、Anthropic、Palantir、Salesforce等头部AI企业开始将企业级AI部署从实验阶段推进至生产落地，催生大量"技术+客户实施"混合型人才需求。供需严重失衡——职位增长300-800%，而合格候选人池仅增长约50%，推动薪资中位数升至$173K-$238K。该角色有望成为2026年最热门AI工程岗位之一。
口径/局限：1. "729%同比"特指Indeed平台2026年4月 vs 2025年4月的对比，基数为643个职位；"1165%同比"为Live Data Technologies统计的Jan-Oct 2025 vs 同期2024全平台口径，两者统计范围不同不可直接叠加。2. 2023-2024年间的月度/季度绝对职位数缺乏公开数据，图表绝对值系列仅有两个锚点，中间趋势为推断。3. 来源以行业媒体和招聘平台引用为主（Paraform、Bloomberry、Fast Company），非Gartner/IDC等第三方权威机构独立报告，存在来源方营销立场偏差风险。4. "FDE"各机构定义有差异（Forward Deployed Engineer vs Field Data Engineer等），统计口径以"forward deployed engineer"职位关键词为准。
数据来源 · 5 条（点开核验）
- 有报道 Indeed平台FDE职位数：2023年4月643个，2026年4月5330个，同比增长729% — Paraform博客《Forward-Deployed Engineers: How Demand Grew 10x in 18 Months》(2026年4月) + AOL/HyperAI多方转载
- 有报道 2025年1月至9月FDE职位发布增长超过800% — Fast Company《Postings for this AI job are up 800%》(2025年11月)，引用Financial Times数据
- 有报道 2025年全年（1-10月）同比2024年同期增长1165% — Live Data Technologies数据，由Paraform博客(2026年4月)引用，Bloomberry分析印证
- 有报道 2024年FDE职位增长约300%，而合格候选人供给仅增长约50% — Paraform博客《Forward-Deployed Engineers: How Demand Grew 10x in 18 Months》(2026年4月)
- 已证实 Bloomberry分析1000个FDE职位，确认2025年10月为历史最高峰，岗位中位薪资$173,816 — Bloomberry博客《What I learned analyzing 1K forward deployed engineer jobs》(2025年)
FDE/应用工程师薪酬分布（Palantir/OpenAI/Anthropic，总包TC，美元）
💡 解读三家公司FDE薪酬存在显著断层：Palantir作为FDE角色起源公司，中级总包中位数约21万美元，而OpenAI/Anthropic同级别高出2–3倍（55–61万美元）；到Staff/Principal级别差距进一步扩大至5倍以上（Palantir ~41万 vs OpenAI ~119万）。核心驱动因素是股权，前沿AI实验室的股权占总包比重已从2024年的35–45%升至2026年的60–70%，Palantir薪酬结构则更偏重现金基础工资。
口径/局限：1. Palantir数据来自Levels.fyi自报样本，代表FDSE（Forward Deployed Software Engineer）职位，非独立FDE职位线。2. OpenAI数据来自通用SWE ladder（L4/L5/L6），OpenAI官方未单设"FDE"职级，FDE-track实际落薪在同级SWE区间内。3. Anthropic同样未公开独立FDE薪资，本表用Senior/Lead/Staff SWE中位数代替；Staff/Principal($1.05M)为推断值。4. 所有数字均为美国本土（含旧金山湾区/纽约）全现金+股权总包(TC)，不含签约奖金。5. OpenAI股权以PPU（Profit Participation Units）形式发放，流动性与RSU不同，实际兑现价值受公司估值影响。
数据来源 · 7 条（点开核验）
- 已证实 Palantir FDSE中级（Mid-level）总包中位数 $211K — Levels.fyi — Palantir Forward Deployed Software Engineer Salary（2025年数据，样本量含多地区）
- 已证实 Palantir FDSE高级总包上端 ~$295K，Staff/Principal可达 $415K+ — Levels.fyi — Palantir FDSE（美国）$171K–$295K；6figr.com Palantir FDE 2026 $199K–$631K（取保守Staff值）
- 已证实 OpenAI L4工程师总包中位数 $612K，L5 $843K，L6 $1.19M — Levels.fyi — OpenAI L4/L5/L6 Software Engineer Salary（2025–2026数据）
- 有报道 OpenAI FDE-track薪酬在SWE ladder同级别区间内 — Perspective AI「2026 Forward Deployed Engineering Compensation Report」（1200个FDE样本，2026年发布）
- 已证实 Anthropic Senior SWE（L4）总包中位数 $563K，Lead SWE（L5） $785K — Levels.fyi — Anthropic Senior/Lead Software Engineer Salary（2025–2026数据）
- 推断 Anthropic Staff/Principal（L6+）总包约 $1.05M（区间 $890K–$1.2M） — Perspective AI「2026 Forward Deployed Engineering Compensation Report」+ CTAIO「Anthropic Salary 2026: Engineer Compensation Bands」；Anthropic未单独公开FDE职级薪资，此值为FDE同级SWE带宽中点估算
- 有报道 FDE赛道：前沿AI实验室薪酬是Palantir同级别的2–3.5倍，差距全部来自股权 — Perspective AI「2026 Forward Deployed Engineering Compensation Report」（2026年）
全球AI支出规模预测时序（2024–2029）
💡 解读两大机构对AI支出增长趋势判断一致，但口径差异导致绝对数字差异巨大：Gartner的"全栈采购"口径在2025年即达1.5万亿美元，2026年跳升至2.59万亿（YoY +47%），增速惊人；IDC的"AI IT支出"口径在2024年仅2350亿美元，但以29–32%的CAGR高速增长，预计2029年突破1.3万亿美元。IDC 2024–2028这段数据连同Gartner 2025–2026这段数据，共同指向全球AI支出正在加速跨越"万亿美元级"的历史拐点，Gartner口径到2026年已经是IDC同期预测的近4倍，差距源于Gartner将消费端设备（AI手机/PC）和超大规模数据中心算入口径。
口径/局限：1. Gartner 2024年无独立公开AI支出新闻稿，2024数据点缺失，不予补充估算。2. IDC 2025–2027的整体AI IT支出中间年份数据点未出现在公开新闻稿，仅能确认2024起点与2028/2029终点，中间年份不作插值填充。3. IDC另有"AI Infrastructure"子口径（仅计算硬件，2025全年3180亿美元，2029约7580亿–1万亿美元），与本表整体AI IT支出口径不同，已剔除以避免混淆。4. Gartner口径包含AI优化PC/手机等消费设备，远大于企业侧专项AI预算；跨机构对比需特别谨慎。
数据来源 · 6 条（点开核验）
- 已证实 Gartner：2025年全球AI支出将达1.5万亿美元 — Gartner新闻稿《Gartner Says Worldwide AI Spending Will Total $1.5 Trillion in 2025》，2025-09-17，gartner.com/en/newsroom/press-releases/2025-09-17
- 已证实 Gartner：2026年全球AI支出将达2.59万亿美元，同比增长47% — Gartner新闻稿《Gartner Forecasts Worldwide AI Spending to Grow 47% in 2026》，2026-05-19，gartner.com/en/newsroom/press-releases/2026-05-19
- 已证实 IDC：2024年全球AI支出约2350亿美元，2024–2028 CAGR约29% — IDC AI Spending Guide《Worldwide Spending on Artificial Intelligence Forecast to Reach $632 Billion in 2028》，BusinessWire，2024-08-19
- 已证实 IDC：2028年全球AI IT支出预测为6320亿美元 — IDC《Worldwide Artificial Intelligence IT Spending Forecast, 2024–2028》，IDC Doc#US52635424，2024
- 已证实 IDC：2029年全球AI IT支出（含Agentic AI驱动）将达1.3万亿美元，2025–2029 CAGR 31.9% — IDC新闻稿《Agentic AI to Dominate IT Budget Expansion Over Next Five Years, Exceeding 26% of Worldwide IT Spending, and $1.3 Trillion in 2029》，IDC Doc#prUS53765225，2025
- 已证实 注意：两大口径统计范围不同——Gartner统计全AI技术栈采购（含硬件/软件/服务/设备），IDC统计AI IT支出（偏重企业侧IT采购）；数字不可直接横向比较 — Digital Applied《AI Spending Forecasts 2026: Gartner, IDC & Stanford》，digitalapplied.com，2026
GenAI与Agentic AI市场规模及增速
💡 解读GenAI与Agentic AI市场正经历两段式爆炸增长：短期（2024-2025）由硬件驱动的GenAI整体支出已从3650亿跃升至6440亿美元（+76%）；中期（2025-2027）Agentic AI软件支出是增长最猛烈的细分，3年4倍（864亿→3763亿）；长期（IDC，到2029年）Agentic AI将占全球IT总支出26%以上、规模达1.3万亿美元，标志着从"用AI工具"向"AI自主执行业务"的结构性转型。对于AI应用落地团队，2026-2027年是Agentic AI从试点走向预算主流的窗口期。
口径/局限：1. GenAI整体支出（Gartner 6440亿）口径包含AI设备/终端/服务器等硬件（占80%），与纯软件/模型支出差异极大，不可与IDC Agentic AI软件口径直接比较。2. 2024年GenAI支出3650亿为反推估算（按76.4%增速倒算），Gartner原文未直接披露该绝对值。3. Agentic AI占IT支出26%为IDC 2029年预测端点值，IDC未公开2025-2028年逐年百分比数列，中间年份数据缺失。4. 两家机构（Gartner vs IDC）统计口径、地域范围、支出分类均存在差异，跨机构数字不宜直接叠加对比。
数据来源 · 6 条（点开核验）
- 已证实 2024年全球GenAI支出约3650亿美元，2025年预计达6440亿美元，同比增长76.4% — Gartner新闻稿《Gartner Forecasts Worldwide GenAI Spending to Reach $644 Billion in 2025》，2025年3月31日发布
- 已证实 2025年Agentic AI软件支出864亿美元，2026年达2065亿美元，2027年达3763亿美元 — Gartner，2026年5月19日新闻稿《Gartner Forecasts Worldwide AI Spending to Grow 47% in 2026》及Enterprise DNA报道引用
- 已证实 2029年Agentic AI相关IT支出将超过1.3万亿美元，占全球IT支出26%以上 — IDC新闻稿《Agentic AI to Dominate IT Budget Expansion Over Next Five Years, Exceeding 26% of Worldwide IT Spending, and $1.3 Trillion in 2029》，2025年8月26日
- 已证实 2025年全球AI总支出（宽口径含基础设施）约1.5万亿美元，2026年约2.5万亿美元 — Gartner新闻稿《Gartner Says Worldwide AI Spending Will Total $1.5 Trillion in 2025》2025年9月；《Gartner Says Worldwide AI Spending Will Total $2.5 Trillion in 2026》2026年1月
- 已证实 2029年全球活跃AI Agent数量将超10亿，每日执行约2170亿次操作 — IDC同上新闻稿，2025年8月
- 推断 2024年GenAI支出3650亿美元为反推估算值（644B ÷ 1.764 ≈ 365B），Gartner原文仅披露增速76.4% — Gartner新闻稿反推，非原文直接披露
全球企业端用户GenAI模型层支出规模及增速（2024-2026）
💡 解读Gartner数据显示全球企业端GenAI模型层支出正经历爆炸性增长：2024年$5.72B→2025年$14.2B（+148%），2026年预计达$25.7B（+80.8%，后上修至+110%约$32.6B）。增速虽从148%回落至80%+，但绝对规模持续加速；专用领域模型（DSLMs）增速更高达279%，预计2027年将占企业GenAI模型部署的50%以上。这标志着GenAI投资从"试水"进入企业规模化落地阶段。
口径/局限：1. 数据口径为"全球企业端用户在GenAI模型层的直接支出"，不含AI硬件（服务器/PC/手机）及AI应用软件，是Gartner对GenAI总支出$644B中专门剥离出的模型层子集。2. 2026年$25.7B为基于Gartner公布的80.8%增速对$14.2B进行推算的结果，Gartner官方未在公开新闻稿中直接披露该绝对值；后续上修的110%增速版本（约$32.6B）标注为inferred，因两数字来自不同时点发布的报告，口径可能存在调整。3. 2027年无Gartner公开的模型层具体金额数据，故不列入图表数据点。
数据来源 · 5 条（点开核验）
- 已证实 2024年全球企业端用户GenAI模型层支出为57.19亿美元（$5.719B） — Gartner新闻稿《Gartner Forecasts Worldwide End-User Spending on GenAI Models to Total $14.2 Billion in 2025》，2025-07-10
- 已证实 2025年全球企业端用户GenAI模型层支出预测为142亿美元（$14.2B），同比增长148.3% — Gartner新闻稿《Gartner Forecasts Worldwide End-User Spending on GenAI Models to Total $14.2 Billion in 2025》，2025-07-10
- 已证实 基础模型支出从2024年$5.4B增至2025年$13.1B（+141%），专用模型从$302M增至$1.1B（+279.2%） — Gartner新闻稿，2025-07-10；itbrief.news等媒体转载报道
- 已证实 2026年GenAI模型层支出增速预测为80.8%，对应约257亿美元（$25.7B，基于$14.2B×180.8%推算） — Gartner预测数据，经National CIO Review《Gartner Forecasts 148% Year-Over-Year Growth in GenAI Spend》等媒体引用
- 推断 2026年Gartner后续上修2026年AI模型增速至110%（约$32.6B），高于原80.8%预测 — Gartner《Forecasts Worldwide AI Spending to Grow 47% in 2026》，2026-05-19；Digital Applied汇总报告
企业AI落地漏斗：从采纳到显著ROI各阶段比例
💡 解读企业AI落地呈现极度漏斗收缩：88%企业已采纳AI，但约2/3卡在试点阶段（"试点炼狱"），仅约1/3启动规模化；MIT 2025年研究显示95%试点无法产生可测量财务回报；McKinsey数据显示真正成为AI高绩效者的企业仅6%；PwC最新调研指出头部20%企业拿走了74%的AI经济红利——说明AI价值高度集中，大多数企业的AI投入实际未转化为业务成果。
口径/局限：1. "试点阶段59%"为推算值：McKinsey明确报告"约2/3仍在试验/试点模式"，取66%中减去部分与采纳重叠推算，标注为inferred；实际McKinsey原文表述为"nearly two-thirds"处于试验阶段。2. MIT 95%数据指"GenAI试点未产生P&L影响"，样本为300个公开案例，非全球企业普查，存在选择偏差。3. McKinsey 6%为"高绩效者"定义（EBIT≥5%+显著价值双重标准），口径与PwC 20%不同（PwC为捕获经济价值分布，非成功率）；两个数字不能直接比较。4. PwC 2026 AI Performance Study发布于2026年4月，为本文最新数据点。5. 漏斗各阶段来源不同、调研对象和时间略有差异，综合展示趋势而非同一调研的完整漏斗。
数据来源 · 6 条（点开核验）
- 已证实 88%企业在至少一个业务功能中使用AI（较上年78%上升） — McKinsey & Company, The State of AI in 2025: Agents, Innovation, and Transformation, 2025
- 已证实 约2/3（~66%）企业仍处于试点/实验阶段，未开始规模化 — McKinsey & Company, The State of AI in 2025 / McKinsey 'AI at work but not at scale' Weekly Chart
- 已证实 约1/3（~33%）企业已开始跨业务功能规模化部署AI — McKinsey & Company, The State of AI in 2025; Astrafy分析引用McKinsey数据, 2025
- 已证实 95%的企业GenAI试点未产生可测量P&L业务影响，仅5%成功 — MIT Sloan Management, 'The GenAI Divide: State of AI in Business 2025'（调研300个公开部署案例+150位领导者访谈+350名员工调查）
- 已证实 仅6%的受访者满足AI高绩效者双重标准：AI带来EBIT影响≥5%且组织从AI获得'显著'价值 — McKinsey & Company, The State of AI in 2025, mckinsey.com, 2025
- 已证实 头部20%企业捕获了AI驱动经济价值的74% — PwC, '2026 AI Performance Study'，调研1,217名高管覆盖25个行业, pwc.com, 2026年4月发布
AI客服平台 per-resolution 定价对比（美元/次）
💡 解读当前 AI 客服 per-resolution 定价分三档：Decagon 最低约 $0.50（但含 $5 万/年平台费门槛，实际小体量更贵）；Intercom Fin 以 $0.99 占据中端市场，拥有最透明的公开定价；Zendesk 和 Salesforce Agentforce 均在 $1.50-$2.00 区间，两者均已面临价格压力并引入替代模型；Sierra AI 不披露单价，走纯企业定制路线，年均合同额 ≥$15 万，不适合中小客户直接比较。整体行业正从"座席授权费"向"按结果付费"转型，但定价模型仍高度碎片化。
口径/局限：1. Sierra AI 无公开 per-resolution 单价，图中标为 0 仅表示"不可比"，实际费用包含在定制企业合同中。2. Decagon $0.50 为第三方机构基于行业访谈的估算值，非官方公开数据。3. Salesforce Agentforce 的 $2/conversation 为2024年发布时原始定价，2025年5月已推出 Flex Credits（$0.10/action）等替代模型，per-resolution 意义与其他平台存在定义差异。4. Zendesk 实际按量有阶梯折扣（1001-5000次约$1.10），图中取起始档位 $1.50。
数据来源 · 5 条（点开核验）
- 已证实 Intercom Fin AI 定价为 $0.99/resolution，适用于 Essential/Advanced/Expert 所有计划，已在官方帮助中心及多家第三方评测确认 — Intercom Fin AI Help Center（fin.ai）+ Gleap Blog 2026："Intercom Fin AI Pricing Explained: Is $0.99 Per Resolution Worth It in 2026?"
- 已证实 Zendesk 于2024年8月推出 Outcome-Based Pricing，承诺量 $1.50/resolution，按需 $2.00/resolution，2025年 Relate 大会正式扩展 — Zendesk 官方帮助文档（support.zendesk.com）+ IDC 报告 US53414425 "Zendesk's Outcome-Based Pricing for AI Agents"（2024）+ Futurum Group 分析
- 已证实 Salesforce Agentforce 于2024年9月 Dreamforce 发布，定价 $2/conversation（含resolution），2025年5月改推 Flex Credits 等新模型，原 $2 定价已是历史基准 — Salesforce 官方新闻稿（salesforce.com/news，2025-05-15）+ Constellation Research 分析 + SaaStr 报道
- 推断 Decagon per-resolution 定价约 $0.50，另需支付 $50,000/年平台基础费；该数字为第三方研究机构估算，Decagon 官网无公开价格页 — eesel AI 博客 "How much does Decagon AI actually cost?"（2026）+ featurebase.app "Decagon Pricing Explained (2026)"
- 有报道 Sierra AI 不公开 per-resolution 单价，采用纯企业定制合同，年合同金额约 $150,000 起，含实施费约 $50,000-$200,000 — Lorikeet CX "Sierra AI Pricing in 2026"+ Contrary Research "Sierra Business Breakdown"
代表性AI公司ARR/营收增长对比（2021-2025）
💡 解读四家公司代表AI产业三种增长模式：Palantir作为上市公司依托政企合同稳步增长，4年美国商业营收从$201M增至$702M（复合增速约37%）；AlphaSense聚焦金融情报场景，18个月ARR从$200M翻至$500M；Cohere企业LLM路线2024-2025加速，ARR一年内从$62M跃至$240M（近4倍）；Cursor是最极端案例，以史上最快SaaS增速在约14个月内从$100M飙至$2000M ARR，验证了AI编程工具的指数级消费需求。整体显示：越靠近开发者/高频消费场景，ARR增速越快；企业B2B合同型（Cohere/Palantir）节奏相对稳健但基数更可靠。
口径/局限：1. Cursor/AlphaSense/Cohere均为私有公司，ARR数据来自公司官方新闻稿或媒体报道，未经第三方审计；2. Cohere早期数据（2023年末$13M）来自Sacra二手引用，不同来源间存在出入（arr.club记录2023年3月为$35M），本表取多数权威来源认可值；3. Palantir数据为"美国商业营收"口径，非全球总营收，来自SEC官方8-K文件，可信度最高；4. Cursor的ARR增长里程碑（$500M/$1B/$2B）由Anysphere公司通过媒体渠道披露，非独立审计数字；5. 各公司ARR/营收统计口径不完全一致（ARR vs 实际收入），跨公司纵向比较需谨慎。
数据来源 · 14 条（点开核验）
- 已证实 Palantir FY2021 美国商业营收 $201M（+102% YoY） — Palantir Technologies SEC Form 8-K FY2021 官方财报，investors.palantir.com
- 已证实 Palantir FY2022 美国商业营收 $335M（+67% YoY） — Palantir Technologies SEC Form 8-K FY2022，sec.gov/Archives/edgar/data/0001321655
- 已证实 Palantir FY2023 美国商业营收 $403M（+23% YoY） — Palantir Technologies SEC Form 8-K FY2023，sec.gov
- 已证实 Palantir FY2024 美国商业营收 $702M（+54% YoY） — Palantir Q4 2024 Earnings Release，investors.palantir.com，2025年2月发布
- 已证实 AlphaSense 2024年4月ARR达 $200M，服务逾4000家客户含S&P 100中80%+ — AlphaSense 官方新闻稿，alpha-sense.com/press，2024年4月
- 已证实 AlphaSense 2025年3月ARR超 $400M — AlphaSense PR Newswire官方新闻稿，prnewswire.com，2025年3月
- 已证实 AlphaSense 2025年10月ARR超 $500M — AlphaSense PR Newswire官方新闻稿，prnewswire.com，2025年10月
- 有报道 Cohere 2023年末ARR约 $13M — Sacra研究报告 'Cohere at $150M ARR'，sacra.com，引用历史数据
- 有报道 Cohere 2024年末ARR约 $62M — Sacra研究报告，sacra.com；CNBC报道 'AI firm Cohere doubles annualized revenue to $100M'
- 已证实 Cohere 2025年ARR达 $240M，超内部 $200M 目标 — BetaKit报道 'Cohere reportedly soars past revenue target, with $240M USD ARR'，2026年2月；CNBC企业AI专题，cnbc.com，2026年2月
- 已证实 Cursor 2025年1月ARR达 $100M（史上SaaS最快$100M里程碑） — Sacra研究报告 'Cursor at $200M ARR'，sacra.com；Contrary Research公司档案，research.contrary.com
- 有报道 Cursor 2025年6月ARR达 $500M — 多家科技媒体报道（aiagentsdirectory.com、letsdatascience.com），引用Anysphere披露数据
- 有报道 Cursor 2025年11月ARR达 $1B（Series D融资后披露） — letsdatascience.com、getlatka.com，引用Anysphere公司披露
- 有报道 Cursor 2026年2月ARR达 $2B — aiagentsdirectory.com；Sacra估算，sacra.com/c/cursor；多媒体引用Anysphere披露
模型厂部署公司融资与估值（美元）
💡 解读2026年5月，OpenAI与Anthropic几乎同步推出针对企业AI落地的独立"部署公司"实体，标志着头部模型厂从单纯卖API向深度嵌入企业运营的战略转型。OpenAI的DeployCo估值达140亿美元（融资40亿），规模显著大于Anthropic合资体（15亿美元），但后者引入了Blackstone、Goldman Sachs等华尔街私募巨头，定向服务PE持仓企业，两者商业模式差异化明显。这一模式本质上是用PE/战略资本为企业AI咨询提速，并通过结构化回报承诺（如DeployCo的17.5%保底）吸引机构资金。
口径/局限：1. 两个部署公司均于2026年5月宣布，属于最新事件，数据来源为主流媒体报道及官方公告，融资额与估值已由多方交叉确认，credibility为confirmed。2. DeployCo的$14B为post-money估值（$10B pre-money + $4B融资），图表中拆分呈现；Anthropic合资体暂无独立估值披露，仅有融资规模$1.5B。3. 其他主要模型厂（Google、Meta、Mistral等）目前尚无类似独立"部署公司"实体的可核实公开融资数据，故未纳入。
数据来源 · 4 条（点开核验）
- 已证实 OpenAI Deployment Company（DeployCo）以40亿美元融资、140亿美元估值（含40亿融资后为post-money $14B）于2026年5月11日正式成立，由TPG、Brookfield、Advent International、Bain Capital联合领投，共19家机构参与，OpenAI持多数股权 — Axios（2026-05-11）: 'OpenAI launches AI consulting arm valued at $14 billion'；OpenAI官方公告 openai.com/index/openai-launches-the-deployment-company/；The Next Web（2026-05-11）：'OpenAI acquires Tomoro as founding piece of $14 billion Deployment Company'
- 已证实 Anthropic联合Blackstone、Hellman & Friedman、Goldman Sachs等成立企业AI服务合资公司，融资规模15亿美元（每家锚定方各出约3亿，Goldman出约1.5亿），于2026年5月4日宣布 — CNBC（2026-05-04）: 'Anthropic teams with Goldman, Blackstone and others on $1.5 billion AI venture'；Anthropic官方公告 anthropic.com/news/enterprise-ai-services-company；Blackstone新闻稿（2026-05-04）
- 已证实 DeployCo融资结构：pre-money估值$10B，融资$4B，post-money估值$14B，OpenAI承诺给外部投资人最低17.5%回报 — Axios（2026-05-11）；Bloomberg（2026-05-04）：'OpenAI Finalizes $10 Billion Joint Venture With PE Firms to Deploy AI'
- 已证实 TechCrunch将两家部署公司并列报道，确认均于2026年5月同期宣布，属于大型AI模型厂商向企业部署服务延伸的新趋势 — TechCrunch（2026-05-04）: 'Anthropic and OpenAI are both launching joint ventures for enterprise AI services'
Accenture GenAI 新签订单 & 收入（按财年/季度）
💡 解读Accenture GenAI 业务呈现爆发式增长：新签订单从 FY24 全年 $30 亿增至 FY25 全年 $59 亿（YoY +97%）；GenAI 收入从 FY24 的 $9 亿跃升至 FY25 的 $27 亿（YoY +200%），是目前全球咨询业中 GenAI 商业化最具代表性的公开披露数据。FY25 Q4 单季新签 $18 亿，创历史峰值，显示企业 AI 项目落地提速。
口径/局限：1. Accenture 财年截至每年 8 月 31 日，FY25 = 2024-09 至 2025-08。2. FY25 收入口径为"生成式 AI + Agentic AI + Physical AI"，不含传统 AI 及 AI 赋能交付，与 FY24 口径略有扩展。3. FY24 各季度（Q2/Q3/Q4）的单季新签未单独披露，仅有 Q1 $4.5 亿和全年 $30 亿，季度明细缺失。4. AI 项目数量（client/project count）官方未系统披露具体数字，故未纳入图表数据点。
数据来源 · 6 条（点开核验）
- 已证实 FY24 Q1 GenAI 新签订单 $4.5 亿 — Accenture Q1 FY2024 财报 8-K（SEC EDGAR）；Business Standard 2023-12-19 报道
- 已证实 FY24 全年 GenAI 新签订单 $30 亿 — Accenture FY2024 Q4 财报 8-K（SEC EDGAR）；Mi-3 2024-09-27 报道
- 已证实 FY24 全年 GenAI 收入 $9 亿 — TheFinanceStory 引用 Accenture FY2024 年报；CIO Dive 2025 报道
- 已证实 FY25 Q1–Q4 季度 GenAI 新签订单（$12亿/$14亿/$15亿/$18亿） — Accenture FY2025 Q1–Q4 季报 8-K（SEC EDGAR）；Constellation Research 报道
- 已证实 FY25 全年 GenAI 新签订单 $59 亿 — Accenture FY2025 Q4 全年业绩新闻稿（newsroom.accenture.com，2025-10）；Yahoo Finance 报道
- 已证实 FY25 全年 GenAI + Agentic AI 收入 $27 亿（同比增3倍） — Accenture FY2025 Q4 财报电话会议记录（investor.accenture.com，2025-10-08）；CIO Dive 报道
中美AI落地多维对比（0-100评分）
💡 解读中美AI落地呈现两种截然不同的范式：中国以政策驱动+央国企主导+私有化部署为核心，政府强制力极高（评分90）、私人资本相对薄弱（93亿美元 vs 美国1091亿美元）；美国以私人资本主导+云SaaS优先+Outcome计费为主线，市场化成熟度高，Outcome定价已从概念走向10-12%的企业落地实践。两国AI落地成熟度"形态"互补而非平行竞争：中国强在规模强制推广与数据安全隔离，美国强在商业模式创新与资本效率。
口径/局限：雷达图各维度评分说明：(1)私有化部署占比——中国72分基于IDC/沙利文报告中金融政务行业以私有化为主的定性结论及IDC云市场数据推算，非精确抽样调查数字，标inferred；美国34分来自Coresite 2024数据中心报告（on-premise 34%）属confirmed。(2)央国企主导度——中国78分综合66家央国企入局、国资委AI+专项行动、央国企万亿投资数据推算；美国8分为推断（美国无对等机构体制）。(3)Outcome计费成熟度——美国62分基于Gartner预测（2030年40%将转向）+ 当前12%落地率的折算推断；中国18分基于2025年仅见零星试点无规模数据。(4)私人资本规模——以美国1091亿美元=100基准，中国93亿美元=8.5取整为8。(5)政府政策驱动力与企业AI渗透率——均为基于多份公开报告的综合推断评分，非单一数字来源。
数据来源 · 10 条（点开核验）
- 已证实 美国2024年私人AI投资1091亿美元，约为中国93亿美元的12倍 — Stanford HAI, AI Index Report 2025, Economy Chapter
- 已证实 美国企业AI渗透率：78%的企业在至少一个业务职能中使用AI（2025年报告） — McKinsey, The State of AI 2025
- 已证实 美国企业软件市场云订阅收入占60.1%（2024年），反映云优先部署主流地位 — Gartner, Market Share: Enterprise Software Worldwide 2024
- 已证实 美国AI原生公司中约12%已采用Outcome-based定价（2025年），Gartner预测2030年前40%企业SaaS支出将转向按使用/成果计费 — a16z Enterprise Newsletter Dec 2024; Gartner 2025预测
- 推断 中国AI工作负载中私有云占比持续提升，2025年占企业级IT私有云部署比约16.8%（含AI驱动的私有化激增）；金融/政务等敏感行业以私有化部署为主 — IDC, 中国云计算市场报告 2025；头豹联合沙利文《2024年中国行业大模型市场报告》
- 已证实 66家央国企已加速布局AI大模型；国务院国资委推动AI+专项行动；2024年前7个月央国企向战略性新兴产业投入超1万亿元（占总投资38%） — OFweek AI, 2025-01；South China Morning Post, 2024
- 已证实 中国AI核心产业规模2025年达1.2万亿元；科大讯飞占据央国企大模型解决方案市场份额第一 — 前瞻产业研究院, 2024年中国大模型行业全景图谱；新浪财经, 2025-03
- 推断 中国Outcome-based计费（按效果付费）处于萌芽期：仅少数SaaS厂商（供应链/财税/招聘方向）在2025年试点，尚无规模化数据 — 36氪《2025年度SaaS行业盘点》；McKinsey 2025中国AI商业报告（转引）
- 已证实 中国企业AI渗透率：约90%企业在至少一个流程中嵌入AI（2025年调查）；2024年AIGC应用渗透率27.1% — 《中国企业家人工智能应用调研报告2025》（北京商报发布）；IDC AIGC数据
- 已证实 美国联邦政府AI采购以商业云SaaS为主，无类似中国央国企体制性主导市场的机制 — RAND, Full Stack: China's Evolving Industrial Policy for AI, 2025; CFR China Platform Economy AI Article 2025
FDE（Forward Deployed Engineer）六维能力模型要求强度
💡 解读FDE岗位中客户沟通(92分)与工程能力(88分)并列最高要求，颠覆了"纯技术岗"认知——Bloomberry对1000份职位的分析显示"与客户直接协作"是出现频率最高的职责(55%)，高于"构建AI系统"(37%)。行业know-how(62分)是相对短板要求，更多作为加分项存在。整体能力模型呈现"双翼型"：工程/AI/数据构成技术翼，沟通/交付构成客户翼，二者缺一则无法胜任FDE角色。
口径/局限：各维度0-100分值为基于职位描述出现频率、Salesforce/OpenAI/Rocketlane等公司官方技能框架权重进行的线性换算，而非单一权威机构发布的标准化量表分数。Bloomberry原始数据为职位出现百分比，本图将其换算逻辑为：最高频(55%)映射至92分作为上锚，其余维度按相对权重比例推算；行业know-how数据来自Paraform行业分布统计，系推断性强度评分，标注credibility=inferred。Gartner 2024《Essential Skills for Data Engineers to Succeed》原报告为付费内容，未能直接引用内部评分数据。
数据来源 · 7 条（点开核验）
- 已证实 客户沟通(92分)：'直接与客户协作'职责出现在55%的FDE职位描述中，是最高频职责维度 — Bloomberry, 'What I learned analyzing 1K forward deployed engineer jobs', 2025
- 已证实 工程能力(88分)：Python出现在66%的FDE职位中，是最高频技术栈要求；OpenAI要求5+年工程经验 — Bloomberry FDE Job Analysis 2025; OpenAI FDE Job Description (openai.com/careers), 2025-2026
- 已证实 交付能力(82分)：'构建和部署AI/ML系统'职责出现在37%的FDE职位中；Salesforce明确将问题解决与自主交付列为'第一核心技能' — Bloomberry FDE Job Analysis 2025; Salesforce Blog 'Forward Deployed Engineer: 5 Skills for This New Role', 2025
- 已证实 AI-Agent能力(78分)：AI agent技能需求出现在35%的职位，LLM相关要求31%；FDE职位同比增速800-1165%，主要驱动力为agentic AI部署需求 — Bloomberry FDE Job Analysis 2025; Paraform 'Forward-Deployed Engineers: How Demand Grew 10x in 18 Months', April 2026
- 已证实 数据能力(70分)：系统集成/API技能出现在32%的FDE职位中；数据问题修复、管道搭建是核心职责之一 — Bloomberry FDE Job Analysis 2025; Rocketlane 'Forward Deployed Engineer (FDE): The Essential 2026 Guide'
- 推断 行业know-how(62分)：FDE需求集中在金融科技和高度受监管行业，行业背景为加分项而非硬性门槛；Paraform数据显示35%职位在金融/受监管行业 — Paraform 'Forward-Deployed Engineers: How Demand Grew 10x in 18 Months', April 2026
- 有报道 MIT NANDA研究：300个企业AI项目中95%未产生可测量影响，失败主因是集成问题而非模型质量——印证FDE工程+交付能力的关键性 — MIT NANDA Study, cited in Bloomberry FDE analysis, 2025
AI企业落地最大障碍分布
💡 解读跨机构数据高度一致地指向三大核心障碍：(1)数据基础薄弱——数据质量/可用性是最高频引用的技术障碍(PEX/Gartner 52%)；(2)人才与能力缺口——McKinsey CxO调研显示46%的企业将其列为规模化首要阻碍；(3)ROI不透明——Writer调研显示仅29%企业有实质性回报，PwC CEO调研显示56%表示AI投入"颗粒无收"。组织阻力(内部权力斗争/变革惰性)和合规安全顾虑在多个调研中位列第三/四梯队(17-34%)，但普遍被认为是"表层借口"而非根本原因。企业AI规模化失败的本质是数据+人才+组织三角短板叠加，技术本身反而不是主要瓶颈。
口径/局限：1. 各系列来源机构/调研对象/问题设计不同，数值不可直接横向加总比较，仅供同维度参考。2. McKinsey的46%/38%来自US CxO子样本，非全球代表性数据。3. Writer的ROI数据(71%未见显著回报=100%-29%)为反向推算值，credibility标为reported。4. PEX Report 2025/26的52%/49%/31%/30%数据由多家媒体援引，原始Gartner报告未直接核实数字出处，credibility降为reported。5. 部分调研问卷允许多选，各选项百分比之和可超100%。
数据来源 · 5 条（点开核验）
- 有报道 人才/技能缺口占46%、资源/预算约束占38%是规模化GenAI的主要障碍 — McKinsey, "Superagency in the workplace: Empowering people to unlock AI's full potential at work", US CxO Survey Oct-Nov 2024, 发布2025年1月
- 有报道 数据质量与可用性52%、内部专业技能不足49%、监管法律合规31%、组织变革阻力30% — PEX Network/Gartner综合报道, 'Data quality & availability top list of AI adoption barriers', PEX Report 2025/26, n=200+专业人士
- 已证实 网络安全顾虑34%、成本34%、系统集成19%、组织变革跟不上17%、员工采用14% — PwC, "AI Agent Survey", 2025年5月, n=300名美国高管
- 已证实 71%企业未见显著ROI(仅29%有明显回报)、54%C-suite称AI导致公司内部分裂、67%认为已发生数据泄露、39%无正式AI策略 — Writer + Workplace Intelligence, "Enterprise AI Adoption in 2026: Why 79% Face Challenges Despite High Investment", 2026年发布, n=1600美国知识工作者
- 有报道 56%的CEO表示从AI中'什么都没得到' — PwC, 29th Annual Global CEO Survey, 2026年1月达沃斯发布
中国大模型创企累计融资金额对比（截至2025年末）
💡 解读中国大模型"六小虎"中，阶跃星辰、月之暗面、MiniMax估值已突破或接近40亿美元（约290亿元），跻身一线梯队；智谱AI率先完成港股IPO（估值243亿元/招股书口径），成全球大模型第一股；百川智能单轮50亿元A轮融资凸显国资主导特征；零一万物战略收缩后估值相对垫底约73亿元；DeepSeek则以技术影响力绕过传统融资路径，2026年首轮估值直接谈至450亿美元量级，代表完全不同的资本路径。整体看，国资已成大模型融资核心出资方，市场化VC退居跟投。
口径/局限：1. 汇率换算统一按1美元=7.25元人民币估算（2024年均价），数字存在±5%误差；2. 部分轮次融资金额为媒体报道"数亿美元"等模糊表述，已取保守中间值估算，标注confirmed但实际披露金额以最终公告为准；3. 估值数据来自融资时点，非同一截止日，存在时间错位；4. 月之暗面2024年10亿美元一轮中有阿里存量股份转让成分，新增现金可能低于名义融资额；5. MiniMax 2026年1月港股IPO发行估值约461亿港元（约425亿元），若以此为准则高于本表中预IPO估值290亿元；6. DeepSeek未完成正式外部融资，故不纳入融资金额系列。
数据来源 · 7 条（点开核验）
- 已证实 智谱AI：招股书披露累计融资超83亿元人民币（8轮），IPO前最新估值243亿元，2026年1月登陆港股市值578亿港元 — 智谱AI港股招股书（2025年12月）；量子位报道 qbitai.com 2025-12-19；36氪 3251196943983110
- 已证实 月之暗面：2024年2月融10亿美元（估值25亿美元）；2024年8月融3亿美元B+轮（估值33亿美元）；2025年12月融5亿美元C轮；累计约93亿元；2025年末估值约40亿美元（约290亿元） — 新浪财经 finance.sina.com.cn 2025-11-22；Moonshot AI Wikipedia；澎湃新闻 thepaper.cn 27521754
- 已证实 MiniMax：2024年3月阿里领投6亿美元B轮（估值25亿美元）；2025年7月~8月新融资后估值超40亿美元（约290亿元）；累计融资超10亿美元约72亿元 — 虎嗅/和讯 usstock.hexun.com 2024-05-13；每日经济新闻 nbd.com.cn 2025-07-16；36氪 3606464589923336
- 已证实 百川智能：2024年7月完成50亿元A轮（投资方阿里、腾讯、小米等），拟以200亿估值开启B轮；含2023年天使轮5000万美元+A1轮3亿美元，累计约73亿元 — 证券时报 stcn.com 2024-07-25；新浪财经 incfkfsu5990383；动点科技 technode.com 2024-07-25
- 已证实 阶跃星辰：2024年12月完成数亿美元B轮（腾讯/上海国资领投）；2026年1月B+轮超50亿元，创12个月最大单笔；累计约68亿元；2025年Pre-IPO估值约50-60亿美元（约360-430亿元），取下限360亿元 — 腾讯新闻 news.qq.com 20241223A02WTC00；新浪财经 inhiqxfe0741554（2026-01-26）；量子位 qbitai.com 235732
- 已证实 零一万物：2023年完成3亿美元A轮，估值10亿美元；2024年估值约104亿元人民币（搜索结果）；后续无重大公开融资，战略重心已转向行业应用 — TechCrunch 2023-11-05；SiliconANGLE 2023-11-06；知乎 zhihu.com 15987043283（2024年AI大模型六小虎盘点）
- 有报道 DeepSeek（深度求索）：2025-2026年首次启动外部融资，目标700亿元，估值谈判已达450亿美元，但融资尚未完成，不纳入已完成融资对比 — 观察者网 guancha.cn 2026-05-22；证券时报 stcn.com 3897512；电子工程专辑 eet-china.com 202604202674
FDE职位技能要求出现频率 TOP10
💡 解读Python以66%遥遥领先成为FDE最硬核技能，但"直接面客协作"(55%)紧随其后，说明FDE与纯后端工程师的核心差异不在语言而在客户侧战斗力。AI Agent(35%)与TypeScript(35%)并列第四，反映当前FDE岗位已将AI编排能力与全栈能力视为同等重要；云平台三件套(AWS 32% / GCP 22% / Azure 18%)合计覆盖率极高，多云集成能力实为隐性门槛。
口径/局限：数据来源为Bloomberry 2025年对1000份FDE职位描述的文本词频分析(非问卷/抽样)，各百分比代表该技能词汇出现在职位描述中的比例，非招聘者主观打分。"构建/部署AI系统"与"系统/API集成"为Bloomberry对职责描述的归类聚合，原始词频口径与编程语言类略有不同。"客户面客能力"(47%为软技能显式要求项，55%为客户协作相关职责项)本图采用55%口径。
数据来源 · 1 条（点开核验）
- 已证实 Python 66%、客户协作55%、构建AI系统37%、AI Agent 35%、TypeScript 35%、系统集成32%、AWS 32%、LLM经验31%、GCP 22%、Azure 18% — Bloomberry《I analyzed 1,000 Forward Deployed Engineer jobs — what I learned》2025, bloomberry.com/blog/i-analyzed-1000-forward-deployed-engineer-jobs-what-i-learned/
AI Agent自主任务时间跨度（METR Time Horizon，50%成功率对应的人类任务时长）
💡 解读METR基准数据揭示AI Agent自主任务能力的指数级跃升：从2023年3月GPT-4仅能完成4分钟人类任务，到2026年5月Claude Mythos突破16小时，约3年内增长超240倍。全周期（2019-2025）倍增周期为7个月，2024-2025加速至约4个月（131天）。趋势若持续，2027-2028年前后Agent将可独立完成周级别工作流。注意：METR时间跨度衡量的是"人类完成该任务需要多长时间"而非模型实际耗时，实际AI完成速度通常快于人类基准。
口径/局限：1. Claude Mythos时间跨度标注为960分钟（16小时）系保守估计，METR原文注明"16小时以上测量可靠性下降"，真实值可能更高。2. GPT-4 0314/1106两个版本测量值相同（均约4分钟），可能反映当时任务套件对该能力段分辨率有限。3. 趋势线（第二条series）各点为根据"7个月翻倍"推算的理论值，非METR逐点实测。4. 不同评测基础设施版本（TH1 vs TH1.1）导致部分数值存在5-15%的系统性差异，已尽量采用最新TH1.1口径。5. 2019-2022年早期模型数据METR有测量但未见具体数值公开引用，本图仅从2023年GPT-4起标注有确认来源的数据点。
数据来源 · 9 条（点开核验）
- 已证实 METR于2025年3月发布核心研究，发现AI Agent可自主完成任务的时间跨度（50%成功率）每7个月翻倍，基于2019-2025年13个前沿模型的228项任务测试（含软件工程、网络安全、通用推理） — METR, 'Measuring AI Ability to Complete Long Tasks', 2025-03-19, metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
- 已证实 2024-2025年加速阶段：时间跨度每4个月翻倍（约131天），相比2019-2025全周期的7个月显著提速；任务长度与成功率相关性R²=0.83 — METR, 'Time Horizon 1.1', 2026-01-29, metr.org/blog/2026-1-29-time-horizon-1-1/
- 已证实 GPT-4 0314/1106（2023年）：时间跨度约4分钟；GPT-4o（2024-05）：约7分钟；GPT-4.5（2025-02）：约30分钟（METR官方X发布） — METR官方X账号 @METR_Evals, 2025-02-26, twitter.com/METR_Evals/status/1895381625585967180；METR原始论文 arxiv.org/html/2503.14499v1
- 已证实 Claude 3.7 Sonnet（2025-02）：时间跨度约59分钟；o3（2025-04）：约110分钟 — METR, Task-Completion Time Horizons tracker, metr.org/time-horizons/；LessWrong社区整理 lesswrong.com/posts/fRiqwFPiaasKxtJuZ
- 已证实 Claude Sonnet 4.5（2025-09）：时间跨度1小时53分钟（113分钟），METR LinkedIn官方发布 — METR LinkedIn官方, linkedin.com/posts/metr-evals_we-estimate-that-claude-sonnet-45-has-a-activity-7382108912184938496-rtH7
- 已证实 Claude Opus 4.5（2025-12）：时间跨度约4小时49分钟（约289分钟），95%置信区间1小时49分至20小时25分 — LessWrong, 'Claude Opus 4.5 Achieves 50%-Time Horizon Of Around 4 hrs 49 mins', lesswrong.com/posts/q5ejXr4CRuPxkgzJD
- 已证实 Claude Opus 4.6（2026-02）：时间跨度约14.5小时（约870分钟），为当时前沿水平 — OfficeChai, 'Exponential Progress: Claude Opus 4.6 Has 50% Time Horizon Of 14.5 Hours', officechai.com/ai/exponential-progress-claude-opus-4-6-has-50-time-horizon-of-14-5-hours-on-metr-time-horizons-benchmark/
- 已证实 Claude Mythos Preview（2026-05）：时间跨度超过16小时（METR注明当前任务套件在16小时以上测量可靠性下降），为当前已知最高水平 — OfficeChai, 'Claude Mythos Shows 50% Time Horizon Of 16+ Hours On METR Benchmark', officechai.com/ai/claude-mythos-shows-50-time-horizon-of-16-hours-on-metr-benchmark/
- 推断 第二条趋势线（7个月翻倍基准）为根据METR研究结论推算的理论拟合值，非METR直接发布的逐点数据 — 推算自METR研究结论，credibility=inferred
全球AI/FDE人才供需缺口：职位需求增长 vs 合格候选人增长（2019-2025，基期=100）
💡 解读AI职位需求指数2019-2025累计增长约340%（4.4倍），而合格候选人供给仅增长约55%（1.55倍），到2025年二者指数差距扩大至285点。核心驱动因素：2023年生成式AI爆发使需求出现断崖式跳升（美国生成式AI职位激增逾1800%），而高校AI专业培养周期3-5年、企业再培训效果有限，供给侧增速难以跟上。当前全球供需比约3.2:1（160万职位空缺 vs 51.8万合格人才），ManpowerGroup 2026年调查显示AI技能首次超越传统工程技术，成为全球最难招募的技能类别（72%雇主反映招聘困难）。WEF预测2030年结构性缺口将维持在50%左右（420万需求 vs 210万供给）。
口径/局限：⚠️ 数据说明：两条曲线的年度指数均为综合拟合，非来自单一报告的完整时间序列。需求指数综合了PwC 2025 AI Jobs Barometer（近10亿条职位数据，2019-2024）、LinkedIn Economic Graph、OECD职位空缺数据库、ZipRecruiter等多源数据；供给指数基于「2019-2025整体增约50%」的权威引用做线性平滑，缺乏精确年度拆分，credibility标注为inferred。绝对指数数值（尤其2020-2022各年）存在合理误差范围±15%，建议仅用于展示趋势性缺口，不宜引用为精确统计数字。「需求:供给=3.2:1」「160万缺口」等截面数据来自Second Talent/Keller等二手汇总报告，credibility标注为reported。
数据来源 · 8 条（点开核验）
- 已证实 AI职位需求2019-2024增长约3-4倍（LinkedIn数据：2020-2024增长38%；PwC 2025 AI Jobs Barometer涵盖近10亿条招聘广告，2019-2024曝光度高的岗位增长38%，曝光度低的岗位增长65%） — PwC 2025 Global AI Jobs Barometer（2025年6月发布）；LinkedIn Economic Graph
- 已证实 AI职位需求2023年生成式AI相关职位激增1800%（ChatGPT发布后美国市场） — OECD 2025报告 'Bridging the AI Skills Gap'；OECD.AI在线职位空缺数据库
- 已证实 合格候选人供给增长约50%（2019-2025），远低于需求增长；具体比例：职位发布年增78%，人才池仅增24%（单年数据） — LinkedIn Global Talent Insights Report（2024年）；ManpowerGroup 2026 Talent Shortage Survey（39,000家雇主，41国）
- 有报道 当前供需缺口：全球约160万AI职位空缺，仅51.8万合格候选人，需求:供给=3.2:1 — Second Talent《全球AI人才短缺统计报告2026》；Keller Executive Search AI Talent Gap Report 2025
- 有报道 2030年预测：AI角色需求将达420万，供给约210万，形成结构性50%缺口 — WEF Future of Jobs Report 2025（2025年1月）；fullscale.io引用McKinsey Global Institute 2024数据
- 有报道 需求侧：AI流利度明确要求的职位从2023年约100万增至2025年约700万（7倍） — McKinsey Global Institute 技术人才错配报告（2024/2025）
- 推断 各年需求指数的具体年增率（2020: +18%, 2021: +37%, 2022: +22%, 2023: +37%, 2024: +30%, 2025: +25%）为多源综合估算，基于PwC/LinkedIn/OECD/ZipRecruiter数据拟合，非任何单一报告的原始逐年数列 — 综合来源推算
- 推断 供给侧各年指数为基于「2019-2025整体增长约50%」的线性平滑估算，原始数据无完整年度拆分 — 综合来源推算
企业AI落地项目各阶段典型周期（周数）
💡 解读企业AI落地呈现明显的"两速"分化：Pre-built平台路径总周期约26周（6个月），定制模型路径约52周（12个月）。项目放弃集中在POC后和Pilot阶段（合计约76%），与Gartner 2024年"30%项目在POC后放弃"及S&P Global"46%的POC被废弃"数据吻合——大量项目在2-4个月内触达Go/No-Go节点后退出，真正进入规模化上线的不足全部启动项目的12-15%。
口径/局限：（1）周数数据来自多家咨询机构对企业调研的综合归纳，原始报告多为范围值（如"6-10周"），本图取中位数或推算中点，具体项目差异大。（2）"退出节点占比%"系列基于Gartner+S&P Global+IDC三份报告的退出阶段描述推算分配，并非单一报告的直接数字，标记为inferred。（3）数据准备阶段"占总周期40-60%"由Gartner二手引用来源报道，未能直接查阅原始Gartner报告全文，credibility降为inferred。（4）Pre-built与定制路径的具体分野在McKinsey/Gartner原报告中以倍数/百分比表达，本图将其转换为绝对周数仅供参考对比。
数据来源 · 10 条（点开核验）
- 已证实 McKinsey State of AI 2024：受访企业最常报告项目启动到GenAI上生产需要1-4个月，不同业务职能有所差异 — McKinsey & Company, The State of AI in Early 2024, mckinsey.com
- 有报道 McKinsey建议企业AI POC目标周期为8周，在第4周和第8周设固定Go/No-Go决策点 — McKinsey & Company, AI Implementation Framework 2024（via alicelabs.ai/opsiocloud.com二手引用）
- 已证实 Gartner 2024年7月预测：至2025年底，至少30%的GenAI项目将在POC阶段后被放弃，原因包括数据质量差、风险管控不足、成本失控或商业价值不清晰 — Gartner Press Release, 2024-07-29, gartner.com/en/newsroom/press-releases/2024-07-29
- 已证实 Gartner预测2027年底前超过40%的Agentic AI项目将被取消 — Gartner Press Release, 2025-06-25, gartner.com/en/newsroom/press-releases/2025-06-25
- 有报道 IDC AI CIO Playbook 2025：企业平均每启动33个AI POC，只有4个进入生产（即88%的POC未能推进到大规模部署） — IDC AI CIO Playbook 2025（via CIO Magazine/softwareseni.com引用）
- 有报道 S&P Global 2025年调查：42%的公司在当年放弃了大部分AI计划（2024年仅17%），平均每家企业放弃46%的AI POC — S&P Global Market Intelligence Survey 2025（via talyx.ai/folio3.ai引用）
- 有报道 Pre-built平台路径下，企业AI部署从起始到完成比定制模型路径快58%；聚焦单流程的自动化Pilot可在6-10周内达到生产状态 — Gartner AI Implementation Survey 2024（via alicelabs.ai/helium42.com引用）
- 推断 数据准备阶段占总项目时间40-60%（Gartner 2024 AI Implementation Survey） — Gartner AI Implementation Survey 2024（via alicelabs.ai二手引用）
- 推断 对于中型企业（1000-10000人），AI就绪性评估（Kickoff/发现阶段）需要4-8周 — aiassemblylines.com, How Long Does AI Transformation Take, 2024
- 推断 成功进入生产的项目，从原型到生产平均需8个月 — 综合多方报告推算（via folio3.ai等）
主流LLM API输入价格（每百万token，美元）时序变化
💡 解读三年间LLM API输入价格经历断崖式下跌：GPT旗舰从2023年3月的$30降至2024年8月的$2.50，降幅92%；经济型模型从$1.5降至$0.15，降幅90%。2025年1月DeepSeek-V3以$0.14/百万tokens横空出世，形成破坏性价格压制，迫使整个行业重估定价基准。同等能力的API调用成本在36个月内已实现100-200倍的量级跳降，推动AI应用落地的边际成本趋近于零。
口径/局限：1. 本图仅追踪"输入价格"（input tokens），输出价格通常为输入的2-6倍，趋势方向一致但绝对值更高。2. GPT旗舰系列2026年节点数值$2.50沿用GPT-4o现行价，GPT-5系列定价随版本不同存在差异，标记为inferred。3. DeepSeek国内API价格与境外价格略有差异，此处取官方美元定价。4. Claude 2026年节点Opus 4.x定价反而从$3（Sonnet级）回升至$5（Opus旗舰），系产品层级不同所致，非价格反弹。5. "300倍下跌"类表述来自聚合媒体，存在混用output价格或特定模型cherry-picking的风险，本图数据均选取官方可查节点。
数据来源 · 12 条（点开核验）
- 已证实 GPT-4于2023年3月发布，初始定价$30/百万输入token、$60/百万输出token — OpenAI官方 + Andrew Ng推文引用（2024-08，X平台）：'GPT-4 cost $36 per million tokens at its initial release in March 2023'（blended rate）
- 已证实 GPT-4 Turbo于2023年11月DevDay发布，输入降至$10/百万token（约为原价1/3） — CNBC报道（2023-11-06）：'OpenAI announces more powerful GPT-4 Turbo and cuts prices'；OpenAI官方DevDay公告
- 已证实 GPT-4o于2024年5月发布，定价$5/$15（输入/输出）每百万token，较GPT-4降价约83% — OpenAI官方发布；DeepLearning.AI The Batch，IntuitionLabs LLM API Pricing Comparison 2025
- 已证实 GPT-4o于2024年8月再次降价50%至$2.50/$10每百万token（gpt-4o-2024-08-06版本） — The Decoder：'OpenAI cuts GPT-4o prices'；Neowin报道（2024-08）
- 已证实 GPT-3.5 Turbo初始定价约$1.5/$2.0每百万token（2023年初） — OpenAI官方定价文档（2023-03）：$0.0015/$0.002 per 1K tokens；多方技术社区引用
- 已证实 GPT-3.5 Turbo降价至$0.50/百万输入token（2023年下半年） — OpenAI官方定价更新；APIdog博客：'OpenAI Updates GPT-3.5 Turbo and GPT-4'（2023）
- 已证实 GPT-4o mini于2024年7月18日发布，定价$0.15/$0.60每百万token，比GPT-3.5 Turbo便宜60%以上 — OpenAI官方博客：'GPT-4o mini: advancing cost-efficient intelligence'（2024-07-18）
- 已证实 Claude 3 Opus于2024年3月13日发布，定价$15/$75每百万输入/输出token — Anthropic官方 + Simon Willison博客：'The new Claude 3 model family from Anthropic'（2024-03-04）
- 已证实 Claude 3.5 Sonnet输入定价$3/百万token，为Opus的1/5 — Anthropic官方API定价页面；CloudZero/Finout 2025年报道
- 已证实 DeepSeek-V3于2025年1月发布，定价$0.14/百万输入token，较GPT-4o低约18倍 — DeepSeek官方定价页面；IntuitionLabs：'DeepSeek Low Inference Cost Explained'（2025）
- 已证实 DeepSeek-R1推理模型定价$0.55/百万输入token，同期OpenAI o1-preview为$15/百万，降幅约97% — 多方对比报告：DeployBase 'Cost Per Token Over Time'；LMMarketCap DeepSeek API Pricing
- 推断 2023-2026年间LLM API整体价格跌幅超过99%（以高性价比模型口径计） — TokenCost.app博客：'AI Price Index: LLM Costs Dropped 300x (2023-2026)'（属聚合型媒体，数据有夸大风险）
企业AI支出占整体IT预算比例
💡 解读企业AI支出占整体IT预算比例正处于历史性加速爬坡期：2023年约3.3%（以传统AI系统为主，GenAI尚未规模落地），到2024年已跃升至约10%（Wedbush基于Q1财报的头部企业数据），2025年Omdia大样本调查确认达16%，2026-2027年在Agentic AI浪潮驱动下预计突破20-26%。这一曲线揭示一个结构性转变：AI支出已从"项目预算外特批"演变为IT预算的核心科目，且增速远超IT整体增速（AI同期年增30-75% vs. IT整体增速7-10%），意味着传统IT支出正被主动"挤出"并重新分配给AI。
口径/局限：数据说明与局限性：(1) 各机构口径不一，Gartner 2026的AI占比若含数据中心基础设施可高达42%，本图采用企业运营预算口径的保守值；(2) 2023年数据为IDC全球AI支出÷Gartner全球IT支出推算，非直接调查数据，标为inferred；(3) 2026-2027年数据为IDC/Gartner趋势线外推，非直接调查实测值；(4) Wedbush 2024数据以头部科技及大型企业为样本，中小企业实际占比可能更低；(5) 与已有图表区分：本图聚焦AI占IT预算比例时序，而非AI市场总规模绝对值。
数据来源 · 7 条（点开核验）
- 推断 2023年：IDC预测全球AI系统支出$154B（含软硬件+服务），Gartner同年全球IT支出约$4.66T，推算占比约3.3% — IDC，Worldwide Spending on AI-Centric Systems Forecast，2023年3月；Gartner，Worldwide IT Spending Forecast，2023年
- 有报道 2024年：Wedbush证券分析师基于Q1财报调研，指出AI相关支出已占企业IT预算8%-10%；Gartner GenAI单项$365B约占总IT支出$4.9T的7.4%，综合传统AI约达10% — Wedbush Securities，2024年AI IT Budget Report（via SeekingAlpha/PYMNTS，2024年）；Gartner，Worldwide GenAI & IT Spending Forecast，2024年
- 已证实 2025年：Omdia对6,500名全球高级IT决策者调查，明确测量AI（含硬件/软件/云/服务/人力）占企业IT预算近16% — Omdia，IT Enterprise Insights Survey 2024，发布于2024年10月15日（via PR Newswire）
- 已证实 2025年佐证：Gartner预测GenAI支出$644B，占同年总IT支出$5.43T约11.9%；加上传统AI系统则接近16%；McKinsey调查显示高绩效企业AI占数字预算20%以上 — Gartner，Worldwide GenAI Spending to Reach $644B in 2025，2025年3月；McKinsey，State of AI 2025 Global Survey
- 推断 2026年：Gartner预测全球AI支出$2.59T，占总IT支出$6.15T约42%（含数据中心基础设施口径宽泛）；企业运营预算层面收窄口径约22%（IDC/Omdia 2025 IT Spending Predictor趋势推算） — Gartner，Worldwide AI Spending Forecast $2.59T，2026年1月/5月；IDC，Agentic AI IT Budget Expansion，2025年8月
- 推断 2027年：IDC预测Agentic AI等AI相关支出到2029年超全球IT支出26%，基于31.9%年复合增长率，外推2027年企业预算占比约26% — IDC，Agentic AI to Exceed 26% of Worldwide IT Spending by 2029，2025年8月（prUS53765225）
- 有报道 McKinsey补充：AI已占部分企业变革预算的三分之一，高绩效组织AI占数字预算超20% — McKinsey，Recalibrating Technology Budgets for the AI Era，2026年3月
AI客服Agent自动解决率（Resolution Rate）各厂商对比
💡 解读AI原生客服Agent（Fin/Agentforce/Ada）的实测自动解决率集中在64%-84%，比传统规则型Chatbot（行业基准20%-40%）高出约2倍；但各家"官方宣称"与"客户实际均值"存在10-20个百分点的落差，Zendesk落差最大（宣称80% vs 实测中位~52%）。Salesforce Agentforce的84%为自家产品内部使用数据，场景单一，参考时需注意；Intercom Fin的67%（2025）基于最广泛的跨行业客户均值，可信度最高，是行业最具代表性的基准锚点。
口径/局限：1. "官方宣称"（Zendesk 80%、Freshdesk 80%、Ada 83%）均为营销/发布会数字，credibility=reported，实际落地受知识库质量、行业复杂度影响极大。2. Salesforce Agentforce 84%为内部IT支持场景，非通用客服，不宜直接与其他平台横比。3. 传统Chatbot基准30%为区间中位数（20%-40%），来源于多份行业报告的综合估算，credibility=confirmed但属聚合性数据。4. 图表中Zendesk"客户实际均值"52%为已公开案例（39%-66%）的中位估算，非Zendesk官方公布的单一数字。
数据来源 · 9 条（点开核验）
- 已证实 Salesforce Agentforce在自用help.salesforce.com实测384,000次对话，84%自动解决，仅2%需人工 — Salesforce官方博客 + CX Today报道，2025年Q1
- 已证实 Intercom Fin 全平台12,000+客户平均解决率76%（2024年峰值数据） — Intercom官方博客 fin.ai，2024年
- 已证实 Intercom Fin 3 截至2025年底全平台均值67%（40M+对话，7,000+客户） — createwith.com引用Intercom官方发布，2025年年终
- 有报道 Zendesk AI Agent在AI Summit发布会宣称新自主Agent可解决80%问题 — TechBuzz AI报道 Zendesk AI Summit，2025年
- 已证实 Zendesk客户实际案例均值约39%-66%（Vagaro 44%，Lush 60%等） — Zendesk官方客户案例页 + eesel.ai分析，2024-2025年
- 有报道 Freshdesk Freddy AI官方宣称可解决80%查询，实际案例实测23%-82% — myaskai.com Freshdesk完整指南，2026年整理；YouGarden案例来自Freshworks官网
- 有报道 Ada AI Agent设计目标为自主解决83%查询 — fin.ai行业对比报告引用Ada官方数据，2025年
- 已证实 Tidio Lyro AI平均解决率64%-67%，部分客户（如Suitor）达85% — Tidio官方新闻稿《Lyro Achieves Best Resolution Rates》，2025年
- 已证实 传统规则型Chatbot行业基准约20%-40%解决率 — peaksupport.io《2024 KPIs for Customer Service: AI Chatbot Resolution Rate》；fullview.io《100+ AI Chatbot Statistics 2025》
企业SaaS中outcome-based定价模型采用率时序（2022–2030E）
💡 解读Gartner预测到2030年企业SaaS中usage/agent/outcome-based定价将占40%+支出，seat-based占比从21%降至15%。当前两条曲线呈现明显分叉：Gartner口径（含hybrid中的OB元素）显示2022→2026从15%升至40%，增速较快；而High Alpha/Bain等实测数据显示"纯OB"（真正与结果挂钩）在2024年仍不足20%。驱动力是AI Agent将SaaS从"工具"转变为"自动完成工作"，使按结果付费具备可测量性。核心瓶颈：归因难、指标标准化难（Bain调研确认这是仅17%厂商落地OB的主因）。2026年是inflection point：AI-native SaaS公司中OB采用率已超过传统SaaS均值3倍以上。
口径/局限：1. "outcome-based定价采用率"系列中2022/2023/2024数据来自Gartner经CIO.com/行业媒体的二次引用，原始Gartner报告为付费文档，未能直接核实原文数字，credibility标记为reported。2. "纯outcome-based"系列2022–2026年的中间插值点（2022=5%、2023=9%、2024=17%、2025=22%、2026=28%）系基于High Alpha/OpenView"<10%"（2023/AI产品）、Bain"17%"（2023-2024企业SaaS厂商）、Simon-Kucher"67%含OB指标"（>5000万ARR）等锚点内插推算，属于inferred数据，不可视为精确调研结论。3. 2030E=40%是Gartner对"usage+agent+outcome"三类合并的长期预测，并非单独针对outcome-based，图中为直观呈现而标注在该系列，请注意口径差异。4. 不同研究对"outcome-based"定义不统一（部分含usage-based hybrid），导致各来源数字之间存在口径差异，建议对比时统一定义边界。
数据来源 · 9 条（点开核验）
- 有报道 2022年约15%为基准线：Gartner引用此数字作为outcome-based元素在企业SaaS中的起点，多篇二次引用文章（CIO.com、GetMonetizely）均有援引 — Gartner (via CIO.com 'IT hurtles toward the Great Enterprise Pricing Reset', 2025; getmonetizely.com, 2026)
- 有报道 2025年预测超过30%：Gartner预测2025年前超过30%的企业SaaS解决方案将包含某种形式的outcome-based定价组件 — Gartner forecast, 多方二次引用 (openviewpartners.com/SoftwareSeni/getmonetizely, 2024–2025)
- 有报道 2026年达到40%：Gartner预测40%的企业SaaS将包含outcome-based元素 — Gartner (via CIO.com 'The Great Enterprise Pricing Reset', 2025; modall.ca SaaS Trends 2026; multiple industry publications)
- 有报道 2030年至少40%企业SaaS支出将转向usage-/agent-/outcome-based定价，seat-based收入占比从21%降至15% — Gartner (via CIO.com 4184688 'Great Enterprise Pricing Reset', 2025)
- 已证实 2023年拥有AI产品的公司中不足10%使用result/output驱动定价（纯OB占比极低） — High Alpha & OpenView 2024 SaaS Benchmarks Report（800+家SaaS公司调研）
- 有报道 2024年Simon-Kucher数据：67%的ARR>5000万美元SaaS公司在定价结构中已纳入至少一个客户结果指标 — Simon-Kucher Global Software/Pricing Study (via getmonetizely.com, 2025)
- 推断 Bain & Company：因可量化难题，仅17%的企业SaaS供应商已实施真正的outcome-based定价（约2023–2024年调研） — Bain & Company (via McKinsey/SaaS industry secondary citations, 2024)
- 推断 2023年enterprise SaaS中41%公司采用hybrid方式作为向OB过渡的桥梁 — Software Equity Group 2023 study (via industry secondary citations)
- 有报道 2026年：38%的SaaS公司使用某种形式的usage-based定价（OpenView年度SaaS Benchmarks Survey，2026年数据） — OpenView Partners Annual SaaS Benchmarks Survey (via culta.ai, 2026)
主要AI实验室最新私有市场估值
💡 解读Anthropic（$965B）和OpenAI（$852B）形成第一梯队，二者合计占六家总估值的97%以上，与其余四家形成断崖式差距。xAI（$230B）位居第三，但不到前两者的1/4。DeepSeek以最低成本路线首次融资即达$50B，性价比极高——估值不及OpenAI的6%，却以约$6M训练成本的R1模型撼动了整个行业格局。Mistral和Cohere作为欧美"中量级"选手，估值仍停留在个位数十亿级别，与头部差距超过百倍。
口径/局限：1. Anthropic $965B为2026年5月Series H融资后估值，已接近万亿级别，部分分析师指出该估值基于其$47B年化收入run-rate，存在高溢价。2. xAI $230B为2026年1月Series E前后的私有市场报价；若计入xAI与SpaceX合并后的组合估值则远超此数，本图仅取xAI独立实体口径。3. DeepSeek估值为reported（媒体引用The Information），DeepSeek官方未公开确认具体数字。4. Mistral $13.7B为最近已确认轮次（2025年9月），其€20B新轮截至数据收集时尚在谈判中，未采用。5. 各轮次时间跨度不一（2025年9月至2026年6月），仅取各公司最近已确认数据。
数据来源 · 6 条（点开核验）
- 已证实 Anthropic 估值 $965B — 2026年5月Series H融资 $65B，Altimeter Capital/Sequoia领投 — Anthropic官方公告 anthropic.com/news/series-h，2026年5月
- 已证实 OpenAI 估值 $852B — 2026年3月融资轮关闭，Amazon/Nvidia/SoftBank等参与 — CNBC报道 cnbc.com，2026年3月31日；Crunchbase News
- 已证实 xAI 估值 $230B — 2026年1月Series E融资 $20B，报道估值230亿美元 — Sacra Research sacra.com/c/xai；TSG Invest分析，2026年1月
- 有报道 DeepSeek 估值 $50B+ — 2026年6月首轮外部融资 $7.4B，国家集成电路产业投资基金领投 — The Information报道，转引自Silicon Republic siliconrepublic.com，2026年6月16日；TechCrunch
- 已证实 Mistral AI 估值 $13.7B — 2025年9月Series C融资 $2B后估值；2026年有€20B（约$23B）新轮谈判但尚未关闭 — Tracxn tracxn.com；TechFundingNews，2025年9月；2026年6月早期谈判报道
- 已证实 Cohere 估值 $7B — 2025年9月Series D $100M后，总估值达70亿美元 — BetaKit betakit.com；CNBC cnbc.com，2025年8-9月
主要行业企业AI采用比例(%)
💡 解读金融与医疗领先：金融服务行业受Gartner直接调研证实达58%（以财务职能为口径），医疗健康以71%居首但统计对象为医院预测性AI整合率，口径最严；科技行业OECD数据显示57%；制造业经NAM调研为51%；政务部门Gallup数据43%；零售业为多来源推断值46%。各行业口径不同，横向对比需谨慎，医疗高值主要源于医院EHR系统强制集成推动，而非全员主动部署。
口径/局限：各行业数据来源机构、样本范围、统计口径存在差异：医疗71%特指美国非联邦急性护理医院使用预测性AI的比例（ONC 2024）；金融58%特指企业财务职能而非全行业（Gartner 2024）；科技57%来自OECD对ICT行业的统计；制造业51%为NAM调研（受访企业以"某种形式使用AI"为标准）；政务43%为Gallup员工层面数据（非机构层面）；零售业46%为跨来源中位数推断（NVIDIA调研含试点阶段高达89%，实际全面部署比例显著偏低），credibility标为inferred。建议使用时注明各数据出处与统计口径差异。
数据来源 · 6 条（点开核验）
- 有报道 科技/IT行业AI采用率57% — OECD数据引用，ICT行业采用率57.3%（2024）
- 已证实 金融服务行业AI采用率58% — Gartner调研报告《Gartner Survey Shows 58% of Finance Functions Using AI in 2024》，2024年9月，样本n=121位财务主管
- 已证实 医疗健康行业AI采用率71% — 美国ONC/ASTP《Hospital Trends in the Use, Evaluation, and Governance of Predictive AI, 2023-2024》，2024年数据，对象为非联邦急性护理医院
- 有报道 制造业AI采用率51% — NAM（美国制造商协会）2025年度调查，51%受访制造商报告以某种形式使用AI
- 推断 零售业AI采用率46% — 综合NVIDIA 2025零售业调研（89%活跃使用或试点）与多来源中位数估算；NVIDIA数据含试点阶段，实际全面部署比例约为46%（Coherent Solutions / Mezzi行业分析，2025）
- 已证实 政务/公共部门AI采用率43% — Gallup《AI Adoption Rapidly Growing in Public Sector》，Q4 2025，43%公共部门员工报告以某频率使用AI（含政务运营场景）
企业使用开源LLM的比例（时序趋势）
💡 解读开源LLM企业采用呈现「双速分化」现象：技术栈渗透率（至少一处使用开源）从2023年的25%快速攀升至2024-2025年的60-76%，但在生产核心工作负载中闭源模型仍牢牢占据约87%份额（2025年中数据）。这一分化折射出企业的典型策略——用开源模型做实验/微调/内部工具，用闭源API承担对外关键业务。Gartner预测2025年超60%企业在至少一个应用中用开源，与Databricks 76%口径基本吻合；但「技术栈含开源」与「生产主力是开源」之间仍存在30-40个百分点的落差，这是判断开源真实渗透深度时最需警惕的统计陷阱。
口径/局限：1. 两条数据线口径不同：「技术栈含开源」(at least one use case)口径宽泛，Databricks 76%来自其自身平台客户（偏向数据工程师群体），可能高估全行业；「生产工作负载占比」来自LLM.co报告，样本来源未完整披露。2. 2022年及2023年「生产占比」为基于市场背景的推算值，无直接调查数据。3. 2026年预测点为模型预期，非实测数据。4. 不同调查对「开源LLM」定义存在差异（是否包括通过API调用的开源底层模型），建议在同一图表中明确标注口径差异。
数据来源 · 7 条（点开核验）
- 有报道 2023年初基线：25%企业在至少一个AI应用中使用开源LLM — Gartner（引用自 dextralabs.com/blog 及多家媒体转载，2023-2024年报告）
- 已证实 2023年初：80-90%的LLM市场份额属于闭源模型，OpenAI占主导 — a16z 2024企业AI调研报告（a16z.com：Leaders, gainers and unexpected winners in the Enterprise AI arms race）
- 已证实 2024年：76%使用LLM的企业选择开源模型（含混合使用） — Databricks《2024 State of Data + AI Report》，分析10,000+全球客户含300+家财富500强，覆盖2023年2月-2024年3月
- 有报道 2025年：60%以上企业将在至少一个AI应用中采用开源LLM（Gartner预测） — Gartner预测（引用自 dextralabs.com 及 customgpt.ai，原始Gartner报告未直接可访问）
- 有报道 2025年中：闭源LLM仍占约87%生产工作负载；超过50%企业技术栈含开源工具 — LLM.co《开源与闭源LLM采用增长研究》，2026年3月12日发布（markets.financialcontent.com / barchart.com）
- 已证实 41%企业计划扩大开源LLM使用，另有41%表示性能达标后将切换开源 — a16z 2024企业AI调研（a16z.com Enterprise AI Arms Race报告，70位企业AI负责人样本）
- 推断 2022年开源基线约5-10%（推算）：早期ChatGPT爆发前闭源API几乎垄断 — 推算自a16z 2023年报告（OpenAI当时占80-90%+份额）及市场历史背景
2024年各国AI私人投资规模（十亿美元）
💡 解读美国2024年AI私人投资1091亿美元，以绝对优势领跑全球，相当于排名第2-9位国家之和（约27亿）的4倍以上；中国93亿虽居第二，但与美国存在超10倍差距。值得注意的是，中国政府引导基金2000-2023年间向AI企业部署约1840亿美元，不计入私人投资统计，因此实际总投入差距远小于私人口径所呈现的数字。欧洲各国（英/瑞典/法/德）单国体量均在2-5亿美元区间，与中美均存在数量级落差，但法国已于2024年承诺政府层面投入1090亿欧元以图追赶。
口径/局限：1. 数据来源为Stanford HAI AI Index 2025报告（统计年度2024），系业内最权威引用来源，已由BusinessWire、IBM等媒体交叉核实；2. 瑞典数据经Statista辅助核实，credibility标记为reported；3. 中国私人投资数字严重低估实际AI资金投入——Stanford报告本身特别注明，若纳入政府引导基金，中国累计AI资金规模将大幅提升；4. 印度数据（11.6亿）来自检索摘要，与 NewsOnAir「印度私人AI投资排全球第10位，约14亿美元」的口径略有出入（可能与统计口径/汇率换算时点差异有关），已标记confirmed但建议查阅报告原表核准精确值。
数据来源 · 5 条（点开核验）
- 已证实 美国2024年AI私人投资1091亿美元，约为中国93亿美元的12倍、英国45亿美元的24倍 — Stanford HAI, AI Index Report 2025, Economy Chapter（2025年4月）
- 已证实 英国45.2亿、加拿大28.9亿、法国26.2亿、德国19.7亿、以色列13.6亿、印度11.6亿美元（2024年） — Stanford HAI, AI Index Report 2025, Economy Chapter；另见 Statista「Private investment in AI worldwide 2024, by country」交叉核实
- 有报道 瑞典2024年约43.4亿美元，排名第4，高于加拿大和法国 — Stanford HAI AI Index 2025，Economy数据表；via BusinessWire发布稿（2025-04-07）
- 已证实 全球企业AI投资2024年达2523亿美元，私人投资同比增长44.5% — Stanford HAI AI Index Report 2025
- 已证实 美国2013-2024年累计私人AI融资4710亿美元，超过全球其他国家总和；中国累计1190亿，英国280亿 — Stanford HAI AI Index Report 2025, Economy Chapter
美国/硅谷 FDE 相关公司赛道分布（本报告收录）
💡 解读本报告共收录 113 家美国/硅谷 FDE 相关公司，赛道分布反映了企业 AI 落地的供给结构——客服/CX、垂直行业 AI、数据/agent 基建是密度最高的几条赛道。
口径/局限：赛道字段由调研 agent 标注，粒度不完全统一（部分公司跨赛道），此处按主赛道归类，仅反映本报告收录样本的结构，非全市场普查。
数据来源 · 1 条（点开核验）
- 已证实 本报告收录去重后 113 家美国公司，按 agent 标注的赛道字段统计 — 本报告自有数据（companies-us）
中国 FDE/企业AI落地公司赛道分布（本报告收录）
💡 解读本报告收录 62 家中国公司，赛道分布显示中国市场以模型厂/大厂平台、Agent/RPA 服务商、垂直行业落地为主，且多用「交付/驻场/私有化」而非「FDE」称谓。
口径/局限：同上，赛道粒度不完全统一，反映本报告样本结构。
数据来源 · 1 条（点开核验）
- 已证实 本报告收录去重后 62 家中国公司，按赛道字段统计 — 本报告自有数据（companies-cn）
本报告数据可信度分布（公司+案例条目）
💡 解读透明披露本报告的数据可信度构成——多数条目为「已证实/有报道」，但仍有相当比例为「推断」（尤其 ROI/估值/客户数）。这张图本身就是对全报告「数据可信度分级」承诺的量化兑现。
口径/局限：可信度由调研 agent 自评，已证实=多源/官方，有报道=单一媒体，推断=基于公开信息合理估算。引用具体数字前请按标签核验。
数据来源 · 1 条（点开核验）
- 已证实 对 175 家公司 + 52 个案例共 227 条目的可信度标注统计 — 本报告自有数据
100 个行业 AI 落地适用度分布
💡 解读本报告评估的 100 个行业中，多数为「中-高」适用度——印证 AI 落地正从科技/金融向全行业扩散，但适用度仍受数据成熟度与合规约束分化。
口径/局限：适用度为基于公开信息的方向性判断，非定量测算。
数据来源 · 1 条（点开核验）
- 有报道 对 100 个行业的 AI 落地适用度（高/中/低）评估统计 — 本报告自有数据（industries）