Menlo Ventures最新的報告顯示，企業應用模型API支出從2024年的35億美元，成長至2025年的84億美元，正逐步將重心從模型開發轉向生產環境中的推論。而消費性AI市場部分，61%的美國成年人在過去六個月中使用過人工智慧，近五分之一的人每天都依賴AI協助。
隨著LLM模型的能力與經濟性持續演進，建立於基礎模型之上的系統、應用與產業也將同步轉變。根據Menlo Ventures發布的最新報告顯示，企業應用模型API支出從2024年的35億美元，成長至2025年的84億美元，正逐步將重心從模型開發轉向生產環境中的推論。
另外，在消費性AI市場部分，超過半數的美國成年人（61%）在過去六個月中使用過人工智慧，近五分之一的人每天都依賴AI協助。從全球來看，累計有17億至18億人使用過AI工具，其中每天有5億至6億人在使用當中。
企業對LLM API的支出攀升，又以程式碼生成為最
程式碼生成已成為AI首個爆發性應用。除了預訓練之外，基礎模型現在正沿著另一條軸線展開，以驗證器來進行強化學習（Reinforcement Learning with Verifiable Rewards，RLVR）。在2023年底，OpenAI仍掌握50%的企業LLM市場，但早期的優勢早已被侵蝕。如今，OpenAI的企業使用率僅剩25%，約為兩年前的一半。取而代之的Anthropic以32%的市占率成為企業AI市場的新龍頭，領先OpenAI與Google（20%），Meta的Llama（9%），而DeepSeek儘管年初推出備受矚目，但市占僅1%。進一步分析Anthropic迅速成長的關鍵成功因素可歸納為：
‧程式碼生成成為AI的第一個殺手級應用：Claude迅速成為開發者進行程式碼生成的首選，市占率達42%，為OpenAI（21%）的兩倍以上。在短短一年內，Claude將一個單一產品市場（GitHub Copilot）擴展為一個價值19億美元的生態系統，涵括整合開發環境（IDE）、AI應用程式工具，以及程式碼生成代理人等。
‧驗證器強化學習（RLVR）成為模型能力擴展的新途徑：2024年以前，擴大模型能力的主要方式是透過更多資料訓練更大規模的模型，但網路上可獲取作為訓練資料的規模已逼近上限。利用具可驗證獎勵機制的強化學習成為新的突破點，尤其是程式碼這類可進行確定性驗證的領域效果特別顯著。
‧將模型訓練為「代理」能大幅提升其應用價值：LLM最初被設計為一次性提供完整答案，然而讓模型能逐步思考、推理，並在多次互動中調用外部工具（即所謂的AI Agent），使其在實際應用上變得更具效益。2025年被稱為「AI Agent元年」，Anthropic率先推動模型透過MCP進行迭代優化與工具整合，大幅提升模型能力與客戶採用率。
另外值得一提的是，即便開源模型持續進步以及可部署於私有雲或內部環境等優勢，其效能仍普遍落後於閉源模型約9至12個月，OpenAI及Anthropic便為主要代表業者。部署開源模型的技術複雜度，以及企業對於來自中國大陸模型的API採取保留態度（近期多數高效能的開源模型皆來自中國大陸），導致使用開源的市場占比停滯不前。另外，AI支出正從訓練轉向推論，74%的開發者表示，他們大多數的工作負載已轉為推論，相較一年前的48%有顯著提升。大型企業也緊隨其後，近半數（49%）表示其運算資源主要或幾乎全數用於推論，相較2024年大幅增加29%。
消費性AI與企業AI市場發展具異曲同工之妙
全球企業正如火如荼導入AI，若進一步與消費性市場進行比較，不僅能幫助我們理解AI技術如何從個人生活滲透至企業核心業務，更能洞察兩者在規模化應用、效能追求與市場競爭格局上的異同。
‧爆發性成長與主流採用：兩個市場皆呈現快速成長，並以驚人的速度進入主流應用。消費性AI在ChatGPT推出僅僅2年半內，全球用戶數已達17至18億人；企業對大型語言模型（LLM）API的支出則在六個月內呈倍數成長，反映AI已逐步融入企業核心業務功能。
‧預設選擇為通用型模型：兩個領域皆以通用型基礎模型為主要使用工具。消費者大多數任務會選擇ChatGPT或Gemini等較為普及的AI助理；企業則將預算集中於效能最佳的封閉式模型，如Anthropic Claude、Google Gemini與OpenAI等最新產品。一旦預設模型表現夠好，不論是消費者因使用習慣或便利性、企業因整合或生產力考量，顧客黏著度就會大幅提升，市場集中度也進而提高。
‧模型效能優先於其他考量：效能是核心差異化因素，不論是消費者或企業用戶，皆會選擇能完成任務的最佳模型，並在表現更優異的模型問世時快速升級。雖然成本仍是考量，但在追求無摩擦升級與最大生產力的企業情境下，效能比價格更為優先。
‧專業化工具的興起：雖然通用型AI仍主導市場，但兩個領域皆出現專業化、領域導向的AI工具。唯有當專業型AI在特定情境（如對消費者的健康、金融、家庭事務等；對企業的程式編碼、文件處理、產業垂直解決方案等）明顯優於預設選項時，才會被廣泛採用。未來在百工百業用AI的驅動下，產業專用型AI（Industry or Domain Specific AI）將更具成長潛力。
企業鎖定效能、消費者尋找信任，AI Agent將成為市場雙贏的突破口
企業應用及消費者兩大市場皆快速聚焦於效能卓越的通用型模型，並呈現「預設優先」的使用與供應商選擇行為，對於新功能的付費意願遠高於對價格優惠的追求。企業採用較為集中，供應商轉換並不頻繁，單一用戶價值更高且黏著度強，多數選擇在既有的供應商中升級至最新模型。
另一方面，消費性AI仍處於早期變現階段，用戶使用習慣逐漸加深，但付費轉換率仍低。除非有明顯優勢的專業體驗出現，否則用戶仍會偏好便利的通用型助手。新興消費性AI業者正在高頻率、高摩擦或高信任的用戶需求中尋找市場的切入點。異中求同的是，兩個市場皆從靜態LLM的輸出，轉向動態的Agentic AI工作流程，能自主推理、使用工具並執行多步驟操作的AI Agent模型，將成為解鎖下一波應用價值的關鍵。
＜本文作者：朱南勳現任資策會MIC主任，專業於軟體與通訊產業研究，長期關注前瞻軟體應用與通訊技術發展趨勢。曾於緯創資通公司擔任產品經理、趨勢科技公司擔任市場競爭力研究員，負責新產品認證開發與國際電腦大廠專案，並曾任經濟部技術處5G辦公室副主任。資策會產業情報研究所（MIC）長期觀測高科技產業市場情報與發展趨勢，是臺灣資通訊產業與政府倚重的專業智庫。＞