VCs再次预测明年企业AI采用率强劲

基尔比·温菲尔德，Ascend创始普通合伙人：企业正在意识到LLM对大多数问题来说不是灵丹妙药。仅仅因为星巴克可以使用Claude编写自己的CRM软件并不意味着他们应该这样做。我们将专注于定制模型、微调、评估、可观察性和数据主权。

莫莉·阿尔特，Northzone合伙人：一部分企业AI公司将从产品业务转向AI咨询。这些公司可能从特定产品开始，例如AI客户服务或AI编码代理。但一旦他们拥有足够多的客户工作流程运行在他们的平台上，他们就可以用自己团队复制前部署工程师模式，为客户构建额外的用例。换句话说，许多专业AI产品公司将变成通用AI实施者。

马西·武，Greycroft合伙人：我们非常看好语音AI的机会。语音是一种更自然、高效和富有表现力的人与人之间以及人与机器之间交流的方式。我们花了数十年的时间在计算机上打字和盯着屏幕，但说话是我们在这个真实世界中互动的方式。我渴望看到建设者如何重新构想以语音为主要交互方式的产品、体验和界面。

亚历克斯·冯·托贝尔，Inspired Capital创始人兼管理合伙人：2026年将是AI重塑物理世界的一年——特别是在基础设施、制造业和气候监测方面。我们正从反应式世界转向预测式世界，在这个世界中物理系统可以在故障发生之前感知到问题。

洛恩·贾菲，Insight Partners董事总经理：我们正在观察前沿实验室如何处理应用层。许多人假设实验室只会训练模型然后将其交给他人建立，但这似乎不是他们的思考方式。我们可能会看到前沿实验室在金融、法律、医疗保健和教育等领域直接投入生产，推出更多一体化应用程序，这比人们预期的要多。

汤姆·亨里克森，OpenOcean普通合伙人：如果我要为2026年的量子选择一个词，那就是势头。对量子优势的信任正在快速建立，公司正在发布路线图来揭开这项技术的神秘面纱。但不要期望出现重大软件突破；我们仍然需要更多硬件性能才能跨过那个门槛。

艾米丽·赵，Salesforce Ventures初级合伙人：我们的目标是两个不同的前沿——AI进入物理世界和模型研究的下一个演变。

迈克尔·斯图尔特，M12管理合伙人：未来数据中心技术。在过去一年左右的时间里，我们一直在启动几项新投资，表明我们对未来"令牌工厂"技术的兴趣，并着眼于真正推进其运行效率和清洁度。这将在2026年及以后继续发展，涵盖数据中心内部的所有类别：冷却、计算、内存以及站点内外的网络连接。

乔纳森·莱尔，Work-Bench联合创始人兼普通合伙人：垂直企业软件，其中专有工作流程和数据创造防御性，特别是受监管行业、供应链、零售和其他复杂运营环境。

亚伦·雅各布森，NEA合伙人：我们在人类生成足够能源来喂养耗电量巨大的GPU的能力上已达到极限。作为投资者，我正在寻找能够推动每瓦性能突破的软件和硬件。这可能是更好的GPU管理、更高效的AI芯片、下一代网络方法如光学，或重新考虑AI系统和数据中心内的热负荷。

罗布·比德曼，Asymmetric Capital Partners管理合伙人：AI的护城河更多是关于经济和集成，而不是模型本身。我们寻找深度嵌入企业工作流程、拥有专有或持续改进的数据访问权，并通过转换成本、成本优势或难以复制的结果展示防御性的公司。

杰克·弗洛门伯格，Wing Venture Capital合伙人：我对仅建立在模型性能或提示上的护城河持怀疑态度——这些优势在几个月内就会消失。我会问的问题是：如果OpenAI或Anthropic明天推出一款好10倍的模型，这家公司是否还有存在的理由？

莫莉·阿尔特，Northzone合伙人：今天在垂直类别中建立护城河比在水平类别中更容易。最好的护城河是数据护城河，其中每个增量客户、数据点或交互都使产品变得更好。在制造、建筑、健康或法律等专业化类别中，这些相对容易建立，因为数据在客户之间更加一致。但也有一些有趣的"工作流程护城河"，其中防御性来自于了解任务或项目如何在行业中从A点移动到B点。

哈沙·卡普雷，Snowflake Ventures董事：对于AI初创公司来说，最强的护城河来自它们如何有效地将企业现有数据转化为更好的决策、工作流程和客户体验。企业已经拥有极其丰富的数据；他们缺乏的是以有针对性、可信的方式推理数据的能力。我们寻找将技术专业知识与深入行业知识相结合的初创公司，可以直接将特定于领域的解决方案带到客户的托管数据中，而不创建新的孤岛，从而交付以前不可能实现的洞察或自动化。

基尔比·温菲尔德，Ascend创始普通合伙人：企业正在意识到，对数十种解决方案进行随机实验会产生混乱。他们将专注于更少的解决方案，进行更有思想的参与。

安东妮亚·迪恩，Black Operator Ventures合伙人：这里的复杂性在于，许多企业，尽管他们是否准备好成功使用AI解决方案，都会说他们正在增加对AI的投资，以解释为什么他们削减其他领域的支出或缩减员工队伍。实际上，AI将成为高管们为掩盖过去错误寻找借口的替罪羊。

斯科特·比丘克，Norwest Venture Partners合伙人：我们确实在逐渐接近。如果去年是关于为AI奠定基础设施，那么2026年就是我们开始看到应用层能否将该投资转化为实际价值的时候。随着专业模型的成熟和监督的改善，AI系统在日常工作中正变得更加可靠。

玛丽尔·埃文斯，Exceptional Capital创始人兼管理合伙人：是的，但仍是渐进式的。还有很多迭代，AI仍在改进到能够展示针对各种行业的企业痛点解决方案的程度。我相信解决仿真到现实训练可能会为现有和新兴行业的许多机会打开大门。

詹妮弗·李，Andreessen Horowitz普通合伙人：今年有很多耸人听闻的头条新闻称企业没有从AI投资中看到回报。问问任何软件工程师，他们是否愿意回到没有AI编码工具的黑暗时代。不太可能。我的观点是，企业今年已经在获得价值，明年将在各个组织中成倍增长。

拉吉夫·达姆，Sapphire管理董事：是的，我相信他们会，虽然这很微妙。组织不会简单地增加AI预算，而是将部分劳动力支出转向AI技术，或者通过AI能力产生如此强劲的收入回报，使得投资实际上可以自我支付三到五倍以上。

罗布·比德曼，Asymmetric Capital Partners管理合伙人：对于那些明显产生结果的AI产品，预算将会增加，而对于其他一切，预算将会急剧下降。总体支出可能会增长，但会显著更加集中。我们预计会出现两极分化，少数供应商将占据不成比例的企业AI预算份额，而许多其他供应商将看到收入持平或收缩。

戈登·里特，Emergence Capital创始人兼普通合伙人：是的，但支出将集中。企业将在AI扩展机构优势的地方增加预算，并从那些只是自动化工作流程而不捕获（和保护！）专有情报的工具中撤回。

安德鲁·弗格森，Databricks Ventures副总裁：2026年将是CIO们反对AI供应商泛滥的一年。今天，企业正在为单一用例测试多个工具——在许多情况下月支出和转换成本很低，所以实验的激励就在这里——而且有大量初创公司专注于某些购买中心，如[市场进入]，即使在[概念验证]期间也很难区分差异化。随着企业看到AI的实际证明点，他们将削减一些实验预算，合理化重叠的工具，并将这些节省部署到已经交付的AI技术中。

瑞安·伊索诺，Maverick Ventures管理董事：总体而言，是的，将有一些从试点/实验预算转移到预算项目中。2026年AI初创公司的福音将是那些试图构建内部解决方案的企业，现在他们已经意识到在生产中规模化所需的困难和复杂性。

杰克·弗洛门伯格，Wing Venture Capital合伙人：目前最好的公司结合了两件事：一个引人入胜的"为什么是现在"的叙述——通常与GenAI创造新的攻击面、基础设施需求或工作流程机会有关——以及企业采用的具体证据。一百万美元到两百万美元的年度经常性收入是基准，但比这更重要的是客户是否将您和您的产品视为对其业务至关重要，而不仅仅是锦上添花。没有叙述的收入是一个功能；没有牵引力的叙述是空谈。两者都需要。

洛恩·贾菲，Insight Partners董事总经理：您应该力求展示您正在构建一个AI降低成本的情况下总地址市场扩大而不是消失的空间。一些市场具有高需求弹性——90%的价格下降会导致市场规模增加10倍。另一些则具有低弹性，价格下降可能会蒸发市场，因此客户保留了所有创造的价值。

乔纳森·莱尔，Work-Bench联合创始人兼普通合伙人：客户在真实的日常操作中使用产品，并愿意接受参考电话并诚实地谈论影响、可靠性以及购买过程等。公司应该能够清楚地展示产品如何节省时间、降低成本或增加产出，这些都能经得起安全、法律和采购审查。

迈克尔·斯图尔特，M12管理合伙人：我们（投资者）直到最近一直对估计年度经常性收入或试点收入持怀疑态度。现在这不再被视为一个星号，而是客户在面临众多选项推送的情况下对评估解决方案的兴趣和意愿。获得这些接触和客户认可不仅仅是前部署工程师让客户更容易的问题。在2026年，做到这一点需要质量和获胜的营销信息。投资者希望在六个月的试点使用后看到转化成为故事的主要部分。

玛丽尔·埃文斯，Exceptional Capital创始人兼管理合伙人：执行力和牵引力。最好的信号是真正喜欢使用产品的用户以及业务的技术复杂性。我们关注的一个巨大指标是真实的合同协议，12个月以上。除此之外，这位创始人是否能够吸引顶级人才加入他们的初创公司，而不是竞争对手或传统超大规模企业？

恩纳米·奥基克，645 Ventures管理合伙人兼联合创始人：到2026年底，代理仍处于初始采用阶段。企业要真正从AI代理中受益，还需要克服许多技术和合规障碍。还需要为代理间通信创建标准。

拉吉夫·达姆，Sapphire管理董事：一个通用代理将出现。今天，每个代理都在其角色中孤立存在——例如，内向销售开发代表、外向SDR、客户服务、产品发现等。但到明年年底，我们将开始看到这些角色融合为一个具有共享背景和记忆的单一代理，打破长期存在的组织孤岛，并在公司与其用户之间实现更统一、更有背景的对话。

安东妮亚·迪恩，Black Operator Ventures合伙人：赢家将是那些快速找出自主性和监督之间正确平衡的组织，并认识到代理部署是协作增强而不是干净的劳动分工。与其让代理处理所有常规工作而人类做所有思考，我们将会看到人类和代理在复杂任务上更复杂的协作，他们的角色边界不断演变。

亚伦·雅各布森，NEA合伙人：大多数知识工作者至少会有一个他们认识名字的代理同事！

埃里克·班，Hustle Fund联合创始人、普通合伙人：我认为AI代理可能会成为企业劳动力中比任何人更大的部分。普及AI代理基本上是免费的，零边际成本。那么为什么不通过机器人来增长呢？

杰克·弗洛门伯格，Wing Venture Capital合伙人：增长最快的公司是那些识别出由GenAI采用产生的工作流程或安全缺口，然后在产品市场契合度上不懈执行的公司。在网络安全领域，这是处理数据安全的工具，以便LLM可以安全地与敏感数据交互，以及确保自主系统有适当控制的代理治理。在营销领域，这是像回答引擎优化(AEO)这样的新领域——在AI响应中被发现，而不仅仅是在搜索结果中。共同点是：这些两年前还不是类别，但现在对于企业大规模部署AI来说是必需品。

安德鲁·弗格森，Databricks Ventures副总裁：我们看到的增长与几个共同主题相关。一个是专注于用例的公司——公司从一个狭窄的楔子开始（可能是聚焦的目标人物或用例），真正掌握它，变得粘性并获得从初始楔子扩展的权利。

詹妮弗·李，Andreessen Horowitz普通合伙人：帮助企业将AI投入生产的公司做得很好。包括数据提取和结构化、AI系统的开发者生产力、生成媒体的基础设施、媒体的语音和音频，以及支持或呼叫中心等应用程序等领域。

杰克·弗洛门伯格，Wing Venture Capital合伙人：具有留存和扩展的公司共享一种模式——他们解决的问题随着客户部署更多AI而加剧。强大的留存来自三个方面：至关重要（移除会破坏生产工作流程）、积累难以重新创建的专有背景，以及解决随AI采用而增长的问题，而不是一次性解决的问题。

汤姆·亨里克森，OpenOcean普通合伙人：对于较年轻的公司来说，留存率更难衡量，但我们看到的最高留存率是在认真的企业软件提供商中，尤其是那些增强AI的提供商。一个很好的例子是Operations1，它端到端数字化员工主导的生产流程。这些公司深入客户的组织，改变他们的运营方式，并积累专有数据和知识，使其非常难以替代。

迈克尔·斯图尔特，M12管理合伙人：为企业的数据工具和垂直AI应用程序提供服务的初创公司，配备前部署团队协助客户满意度、质量和产品改进。这似乎是这些市场中所有领先初创公司采用的制胜公式。从长远来看，随着客户开始在组织和日常工作实践中内化AI的使用，嵌入式团队可能会减少。

乔纳森·莱尔，Work-Bench联合创始人兼普通合伙人：在软件成为基础架构而非点解决方案的地方，留存率最高。AuthZed有很强的留存率，因为授权和政策位于现代系统的核心，一旦嵌入就极难拆除。Courier Health和GovWell充当端到端工作流程、医疗保健患者旅程和政府许可的记录系统和编排层，这使得它们一旦上线就深深嵌入。