AI 產品經濟成熟化

資料來源#

• State of AI 2026: The Builder's Economy

摘要#

ICONIQ Growth 的 State of AI 2026: The Builder's Economy（第三次半年一次的建構者調查，涵蓋約 305 位打造 AI 產品之軟體公司的高階主管，2026 年第二季，empirical）以一項核心論點貫穿全文：市場已從證明 AI 能「運作」，轉向證明 AI 能「帶來收益」。受訪公司的 AI 產品營收已接近營收的一半，毛利率正在擴張，而領先的營運者將「定價、成本與組織設計視為產品決策，而非事後補救」。本頁整理這項成熟化中的 unit-economics 部分——營收組成、利潤率走勢、定價模式轉移、供應商組合、內部 AI 成本，以及 forward-deployed-engineer（FDE）變現。組織重整部分見於 AI-Native Organization；每位員工營收的脈絡見於 AI Investment Story, Not Efficiency Story。

證據說明——在單一 empirical 來源內區分層級。 原始文件標記為 empirical（確實是對約 305 位高階主管進行的調查），但 ICONIQ 的標題數字混合了兩種等級。2025 年數字是受訪者自報的實際值；2026P／2027P 數字是受訪者自報的預測值——其性質更接近 prediction 等級，而非經測量的 empirical，且因為它們同時是預測與調查結果（受訪者預測自己的業務，並帶有創投出版者對其樂觀的框架）而更應如此看待。全文中會在行文內標註預測數字為「預測」。當 ICONIQ 的前瞻走勢與知識庫中其他地方的測量結果相互印證（例如 RPE 上升）時，它是該結果的較弱證據，而非最強證據。

AI 作為營收與利潤率故事#

「證明 AI 能帶來收益」的核心證據（除非另有註明，皆為受訪群體平均值）：

• AI 產品營收占比：32%（2025 實際值）→ 42%（2026 預測值），上升 10 個百分點（N=265，排除 AI 驅動營收可能達 95% 以上的公司，因其很可能是 AI 原生公司）。AI 產品接近營收一半，是簡報中「不再只是實驗」的標題式結論。
• AI 產品毛利率：45%（2025 實際值）→ 53%（2026 預測值，上升 8 個百分點）→ 59%（2027 預測值，上升 6 個百分點）——兩年間預計總共擴張 14 個百分點（N=287）。高成長公司預測 2027 年毛利率為 64%，高於同儕的 58%。毛利率擴張歸因於營收規模，以及各種最佳化槓桿（降低推論成本排名第 1、路由策略第 2、提高營收以取得成本槓桿第 3、切換 OSS 模型、調高價格、與供應商協商價格）。
• 毛利率故事是預測，不是已入帳的結果。值得注意的是，這比 Emergence Capital 測量到的毛利率情況更樂觀；該公司的股權表資料顯示，成長最快的公司毛利率比成長較慢的同儕低 6–16 個百分點（為成長吸收 AI 基礎設施成本）。ICONIQ 的受訪者預測毛利率擴張；Emergence 測量的是成長前沿的毛利率壓力——這是值得保留的調查預測與實際帳冊之間的張力（見 Telemetry vs. Survey Measurement）。

定價模式的轉移#

毛利率上升部分也是定價故事。訂閱／平台組件仍是最常見的模式，但使用量與價值對齊的模式正在上升，因為建構者讓價格與消費成本及價值一致：

• 受訪者中採用消費型定價者占 42%，成果型定價者占 23%，兩者在六個月內都上升。
• 公司如今平均混用約 1.7 種定價模式（2025 年第四季為 1.5 種）——定價架構本身也正成為組合式產品決策。
• ICONIQ 網絡提出的理由：讓價格對應 AI 的成本（推論隨使用量擴張）與價值（成果），而不是對應席次。採用消費型定價的產品，其 token／推論成本往往是供應商與客戶之間的共同支出。

供應商組合重洗牌——Anthropic 登上第 1#

多模型如今已是預設配置：建構者平均使用約 3.3 家模型供應商（2025 年第四季為 3.1 家），且排行榜頂端在六個月內重新排序（2025 年第四季 → 2026 年第二季，受訪者占比，可複選）：

• Anthropic 51% → 81%——在這些打造 AI 的軟體公司中，從第 3 名躍居首位供應商。
• OpenAI 77% → 71%（現為第 2 名）；Google 56% → 50%（第 3 名）；Azure 30% → 26%；AWS 27% → 22%；Meta 21% → 21%；接著是 Databricks 9%、Mistral 8%、DeepSeek 7%、Alibaba 6%、Moonshot 4%、xAI 3%。
• 選擇標準維持原有順序：模型可靠性與準確性第 1、成本第 2——但安全性／隱私上升（第 4 → 第 3）且 SOC2／企業 SLA 上升（第 10 → 第 8），顯示產品成熟時面臨企業就緒度壓力。ICONIQ 網絡認為安全性「正成為轉換成本」，而可觀測性／監管可解釋性則是新興阻礙（某全球保險公司的 CISO「目前還無法向監管機構描述已部署的代理正在做什麼」）。

這是市場占有率的解讀（約 305 家建構者中的採用廣度），不是支出或 token 用量的解讀——但這是知識庫中第一個關於 Anthropic 建構者端供應商地位的資料點，也從需求端印證了 Anthropic 實體「110 億美元 ARR、快速成長」的敘事。

內部 AI：支出上升，真實成本難以預測#

簡報中的另一個經濟前沿是內部 AI——建構者讓自家員工提高 AI 生產力所需的成本：

• 內部 AI 系統支出預計在 2026 年從營收的 11% 上升至 16%，2027 年預期還會繼續成長——高於 ICONIQ 在先前分析中測得的營收 1–3%。這個數字刻意涵蓋廣泛範圍：納入間接支出（變革管理、技能提升、資料治理），以捕捉 AI 的「真實成本」；受訪者表示該成本難以預測。
• 超支來源（依排名）：（1）token 支出——從單輪呼叫轉向多步驟 agentic pipeline，成本以非線性方式擴大（某個預計每次執行 0.10 美元的工作流程，在代理重試／自我修正後達到 1.50 美元以上）；（2）資料基礎設施——production 等級的 RAG、權限管理、結構化；（3）組織賦能——治理、使用標準、持續訓練，而這些「很少出現在初始商業案例中」。token 數量本身「很快就會失效成為指標——一旦消費量成為目標，實務就會反過來破壞目標」；將 AI 使用量回充至成本中心效果更好。
• 實現的生產力確實存在，但幅度有限，且因使用情境而差異很大。 自報的生產力增益以**程式撰寫協助（高成長公司 48%，同儕 32%，差距 16 個百分點）**領先，其次是文件／知識檢索與產品及設計（約 40%），再降至銷售／HR（約 25%）。AI 代理在所有營收區間的增益都 <30%——低於非代理式 AI——而且對多步驟或高度依賴上下文的任務「往往需要人為介入」。高成長公司也更快導入新的 AI 工具（達成價值需 2.5 個月，而同儕需 3.5 個月），並撰寫更多 AI 輔助程式碼（59% 對 47%）。內部生產力作為護城河的代表案例是 Ramp（99% 內部 AI 採用率；350+ 個可重複使用的工作流程在全公司共享，受 Git 支援、具版本控管，並像程式碼一樣接受審查）——這是單一公司中觀察到的 internal-productivity-as-moat 與 skillify-it 方法。

將前線部署工程師打造成可變現的 GTM 動作#

簡報中的人才焦點是前線部署工程師（FDE）——一種嵌入客戶現場、面向客戶的工程職位，AI 建構者正將其制度化為營收職能，而非交付成本。這是知識庫首次專門處理此模式：

• 約 50% 的公司正在擴大 FDE 模式，使其成為 GTM 動作的永久部分（而非暫時的實作支撐）；預期到 2027 年，企業客戶將看到最高程度的 FDE 整合。
• FDE 扮演的主要角色（單選，N=200）： 營收驅動者 38%（實質促成擴張／留存／策略客戶成果）> 產品情報循環 24%（客製化有意識地回饋核心路線圖）> 交付必要性 22%（實作所需，但不是成長驅動因素）> 產品缺口覆蓋 17%（補足尚未建置的能力）。多數公司將 FDE 定位為成長或產品訊號，而非單純的服務。
• 薪酬約為 70／30 的固定／變動比例，變動部分通常與客戶留存／續約掛鉤——這是明確與成果對齊的薪酬結構。變現方式仍然分散：納入訂閱、另收專業服務費，或採混合模式。

FDE 作為營收驅動者的框架，將「讓 GTM 緊貼產品」的直覺（Founder-Led Sales Discipline）延伸成規模化、PMF 之後的形式；而產品情報循環角色（24%）則是一個由 GTM 端將客戶訊號回饋至路線圖的循環。

相關連結#

• AI Investment Story, Not Efficiency Story——同一份 ICONIQ 簡報中關於 RPE 的部分：ARR／每 FTE 營收是知識庫的第四個人均營收測量工具（調查加前瞻預測），並在該頁整理至測量工具框架；本頁則承載 RPE 頁面所引用的毛利率／定價／成本經濟學
• Organizational Complements to AI——ICONIQ 內部 AI 支出的跳升（營收 1–3% → 11%→16%）及其三個超支來源（token、資料基礎設施、賦能），是對制約 AI 價值之互補要素的定價枚舉——也就是該頁所主張生產力增益必須依賴的工作流程／技能／治理重設成本
• AI-Native Organization——本簡報中關於組織重整的部分（更扁平的組織、角色組合轉移、職能層級人數、FDE 作為新的招募類別）；「內部生產力是護城河／將其技能化」的做法（Ramp 的 350 個具版本控管的工作流程）是 Tan 對約 305 家建構者所測量的論點
• AI-Native Startup Lifecycle——這就是 AI 產品成為營收來源後，Scale 階段的 P&L 所呈現的樣貌：利潤率最佳化、定價組合、供應商投資組合，以及 FDE 驅動的擴張
• Telemetry vs. Survey Measurement——測量工具的提醒：ICONIQ 是一份附帶前瞻預測的調查，因此其樂觀的毛利率／RPE 走勢是對未來的自我報告；當兩者不一致時，其權重低於測得的實際結果
• Compounding Data Moat——Ramp 的內部生產力護城河，以及對供應商重洗牌的「模型品質是租來的，你擁有的是如何串接工作」解讀：轉換供應商很容易（投資組合中有 3.3 家），因此持久優勢位於內部工作流程層，而非模型
• Anthropic——建構者端的市場資料點：在受訪 AI 公司中，Anthropic 在六個月內成為第 1 模型供應商（51%→81%）

開放問題#

• ICONIQ 的受訪者預測毛利率到 2027 年將擴張至約 59%，但 Emergence 的股權表資料測量到，最快成長者目前的毛利率比同儕低 6–16 個百分點。預測的毛利率擴張會實現嗎？還是這只是調查樂觀主義，當這些公司擴張時會回歸至測量到的成長／毛利率取捨？
• FDE 的變現方式相當分散（捆綁／獨立 PS 費用／混合），薪酬則與留存掛鉤。是否會出現主導性的 FDE 變現模式？「營收驅動者」的自我定位（38%）能否通過毛利率分析——也就是說，FDE 真正帶來增值，還是只是被重新分類為成長的服務拖累？
• 內部 AI 支出從 1–3% 跳升至預測的營收 16%，受訪者並稱真實成本難以預測。16% 是隨工具成熟而下降的短暫賦能膨脹，還是軟體公司的持久新成本項目？

資料來源#

• State of AI 2026: The Builder's Economy — ICONIQ Growth，《State of AI 2026: The Builder's Economy》（2026-07-08，empirical）：§「AI Go-to-Market & Economics」（AI 營收占比、毛利率走勢、定價模式組合、unit-economics 槓桿）、§「AI Models & Infrastructure」（供應商組合、選擇標準）、§「AI for Internal Productivity」（內部 AI 支出、成本超支、各使用情境的生產力、代理增益、Ramp 案例研究）、§「Talent & Organization → Spotlight: Forward Deployed Engineering」（FDE 角色、薪酬、變現）。大多數圖表數值取自簡報圖片（兩階段）：營收占比（image_000037）、毛利率（image_000046）、供應商組合（image_000020）、各使用情境的生產力（image_000089）；FDE 角色分布與內部支出數字則取自原生文字／表格。 </content> </invoke>