目錄
過去一年 AI 模型的競爭熱鬧非凡，但從企業導入的第一線觀察，技術社群熱衷的「跑分」與決策者在意的「落地」，正逐漸形成兩條平行線。當社群熱烈討論哪個模型又多了幾分時，企業決策者想的是：這東西多久能接上現有系統？導入三個月內老闆能看到什麼成效？數據安全與責任歸屬又該如何處理？
a16z 近期訪談了 100 位全球 2000 強企業決策者（CIO），這份報告印證了這些觀察。以下結合報告數據與實務經驗，探討三個「模型之外」的真實戰場。
從單選到多選：模型組合策略
報告顯示，OpenAI 依然穩坐領頭羊，78% 的 CIO 表示公司已在生產環境使用，但 Anthropic 和 Google 追趕速度同樣飛快。更關鍵的數據是：目前有 81% 的企業同時測試或使用了三種以上的模型，這個比例一年前還不到七成。
這反映出企業心態變得更成熟了。以前選 AI 就像選 ERP 系統，習慣做完評估後「選定一家」。但現在大家發現技術迭代太快，各家模型各有擅長，把雞蛋全放同一個籃子裡風險太高。企業對模型的看法已經從追求最強轉向追求彈性，隨著 AI Agent 概念落地，對風險與韌性的要求自然更高。
整合能力比模型分數更關鍵
近期接觸的企業主不再急切詢問模型是否最新最聰明，取而代之的是特定應用場景能不能做、推薦用哪個模型。尤其當多樣任務的工作流程想導入 AI 時，每個任務的模型選擇都讓企業陷入沉思。
目前三大主要模型商的優勢大致分化：OpenAI 在聊天機器人和知識管理上依然是首選；Anthropic 在程式撰寫與數據分析領域展現強勁專業感；Google Gemini 在多模態處理和原生生態系整合上擁有獨特護城河。
然而實務現場的真正挑戰往往藏在細節裡。任務是否拆得夠細？以「客服」為例，裡面包含分流、QA、情緒安撫，有效的做法是拆解後讓不同模型各司其職。組織是否準備好了？技術到位但治理框架沒跟上，AI 往往淪為「好玩但不敢用」的裝飾品。
第三方應用的價值被重新定義
市場上有些討論認為模型能力變強後，第三方應用會失去價值。但結果恰恰相反：多數企業更傾向採購封裝好的第三方方案，而非從頭自建。大廠的邏輯通常是「提供最強地基，你自己蓋房子」，但對多數企業來說，最大痛點是「不知道怎麼開始」或「沒人力做整合」。
某家製造業客戶的需求就是典型案例：從工程圖辨識到海運單據擷取，涉及 RAG、視覺辨識、SQL 等多種能力。他們需要的不是萬能模型，而是「任務梳理加模型配對加自動調用」的完整方案。這種拆解複雜問題並搞定細節的能力，正是大廠較難深入、新創可以深耕的空間。
值得關注的是，有 76% 的企業對 AI 新創抱有高度期待。成功的 AI 新創通常不與大廠硬碰硬，而是專注特定場景做到極致、提供極致整合體驗省下摸索時間、以及陪跑式服務——有時候有人帶著一起解決問題，比多給幾個功能更實用。
企業心態的微妙轉變
企業心態上也出現幾個微妙轉變。兩年前許多企業堅持用開源模型保持控制權，現在發現閉源模型在穩定性和支援度上確實拉開差距。當資安規範和責任邊界被制度化後，心態從「防備」轉向「專業的風險評估」。
關於 ROI 的衡量也變得更理性。企業不再期望 AI 一夕之間讓營收翻倍，而是關注「生產力提升」和「組織能力的累積」。雖然目前投資報酬率多在 1.5 倍左右，但企業依然願意持續加碼，因為 AI 已被視為未來的基礎設施，現在投入是為了在未來十年不掉隊。
模型之外，看見真正的勝負
這份調查揭示了企業 AI 市場的真實樣貌：競爭重心正在發生本質性的移轉。戰場從模型能力轉向落地能力，思維從技術領先轉向問題理解，關係從產品銷售轉向夥伴關係。
未來幾年肯定還會看到更多驚人的跑分紀錄被打破，但對企業來說，真正決定 AI 轉型成敗的，或許不在那些漂亮的數字裡，而是在安靜紮實的整合工作、細膩的流程重新設計，以及建立在信任上的長期合作關係之中。