2026 年，企業對生成式 AI 的投入已陷入狂熱。
據a16z對全球2000強企業中100家公司的第三次年度資訊長（CIO）調查，大型語言模型的平均企業支出在兩年內從 450 萬美元翻倍至 700 萬美元，今年更預計突破 1160 萬美元（約新台幣3.66億元）。
然而，高額預算並未換來預期的效率奇蹟。報告揭露，受限於技術落地困難與流程重構成本，多數資訊長面臨投資報酬率（ROI）低於預期的困境，迫使企業的AI採購邏輯轉向「尋求確定性」而非單純追求領先技術。因此即便各家模型性能日益接近，市場仍呈現大廠壟斷（Oligopoly）趨勢。
a16z在該報告中鎖定的對象是 100 位來自全球 2000 強企業，且經過驗證的副總裁（VP）及高階主管（C-level）。受訪企業的年營收至少達 5 億美元，其中 88% 超過 10 億美元，30% 超過 100 億美元。
規模上，超過 50% 的企業員工人數超過 10,000 人，且超過 80% 為跨國企業。產業分布包括金融服務、軟體與科技、製造業、醫療保健、零售業以及專業服務。
在上述樣本中，OpenAI 仍是企業端主力，有78%的資訊長在生產環境使用 OpenAI（直連或透過雲端業者），但成長動能卻漸漸轉向 Anthropic 與 Google：
- Anthropic 自 2025 年 5 月起滲透率成長最快，已有 44% 企業在產品中使用；若含測試，超過 63%。
- 在企業AI採購預算佔比上，OpenAI 仍約掌握 56%，但 Anthropic、Gemini 正持續蠶食。
簡單來說，企業多模型成為常態，81% 企業在測試或正式環境同時使用三個以上模型家族（去年不到七成），不再押單一供應商。
而報告中最違反直覺的結論之一，就是企業 AI 應用目前由 Microsoft 壟斷性領先：Microsoft 365 Copilot 是企業 chat 類應用的一哥，即便 ChatGPT 在背後追趕。
Anthropic攻企業端有成，OpenAI霸主地位受挑戰
現在企業用的 AI 模型市場，呈現一種「看來看去，好像什麼都有，但都不夠好用」的情況。也就是說，雖然有很多種類可以選，但真的要深入解決特定問題時，卻找不到夠專業的選擇。
OpenAI 以 78% 的生產環境滲透率維持其名義上的霸主地位，但其「權力厚度」正在變薄。一個關鍵的穿透性指標是「採購預算佔比（Wallet Share）」：儘管滲透率極高，OpenAI 僅掌控了約 56% 的預算佔比，且其增長面臨存量遷移的阻力。
反直覺的洞察在於：OpenAI 的市場統治力在很大程度上依賴於「先發慣性」下的存量業務。數據顯示，僅 46% 的 OpenAI 客戶部署了最新的 GPT 5.2 系列，多數企業仍停留在舊款模型，因為它們在既有工作流中「勉強夠用」。
相比之下，Anthropic 展現了極強的「利基收割」能力，其滲透率在短短不到一年內激增至 44%。Anthropic 的增長高度依賴於「技術溢價」，高達 75% 的客戶直接在生產環境部署其最新、最昂貴的 Sonnet 4.5 或 Opus 4.5。
這反映出一種分層策略：OpenAI 守著毛利低的通用客服和知識管理市場，而 Anthropic 則靠編碼和複雜數據分析，直接搶奪高價值的 Token 市場。
| 任務維度 | 市場分配策略 | 領先供應商 | 決策邏輯 |
|---|---|---|---|
| 橫向通用 (Horizontal) | 通用聊天、知識管理、客服 | OpenAI | 慣性鎖定、既有生態遷移成本高 |
| 特定任務 (Task-specific) | 軟體開發、推理驅動的數據分析 | Anthropic | 性能驅動、追求邊際增量、利潤提取 |
白話來說，現在企業不再只盯著同一家廠商不放，而是轉向「小孩子才做選擇，我全都要」的策略（有 81% 的公司會同時併用 3 個以上的模型）。
雖然這種做法讓技術變複雜了，但並沒有讓應用開發失去空間，反而給了第三方工具生存的機會。只是現在的門檻變高了：開發者不能只是串接模型，更要把解決問題的邏輯給打包好，才能發揮價值。
「App 末日論」根本言之太早
以前大家總擔心 AI 模型變強後，所有的應用程式都會沒戲唱，但到了 2026 年，情況反而反過來了：比起自己動手研發，現在的企業更傾向直接買現成的 AI 套裝軟體。
為什麼會這樣？最主要的原因是「省錢又省事」。現在像 OpenAI 或 Google 這些大廠的推理成本大幅下降，還提供整套服務，企業如果還想自己拿開源模型來改裝，算下來根本不划算。
現在第三方 AI 軟體的真正價值，不再只是幫模型套個殼，而是幫企業處理「專業的工作流程」和「模型調度（Model Routing）」。現在 81% 的企業都同時使用多種模型，但要根據任務的難易度、速度快慢和法規要求，在不同的模型之間切換，這在技術上非常麻煩。而專業的軟體可以把這種「不確定性」變成的「品質保證」。
對企業資訊長（CIO）來說，與其花大錢養團隊去處理複雜的技術細節和數據安全，不如直接買合規、成熟的產品。
不過，在這波 AI 應用普及化中，最後賺最大的可能不是新創公司，而是那些本來就有客戶、有信譽的傳統科技巨頭。
應用端的頭號贏家：微軟
在企業 AI 應用市場，微軟展現了令人出乎意料的統治力。儘管技術社群對 Copilot 的評價參差不齊，但數據顯示 65% 的企業仍優先選擇既有供應商的 AI 方案。這種領先並非基於技術的絕對優勢，而是一種基於組織心理的「信任賦稅」。
微軟的護城河由採購簡便性、系統整合度與合規架構構築而成。報告指出「信任與合規，而非模型參數，正成為企業採購的第一優先級。」 超過三分之一的企業明確偏好封閉源代碼模型，本質上是在為其「數據安全性」與「廠商背書」支付溢價。
然而，這種基於慣性的領先正露出破綻。一個極具穿透力的數據是：當軟體開發者嘗試過 Cursor 等 AI 原生工具後，Microsoft Copilot 的 NPS（淨推薦值）出現了高達 48 分的斷崖式下跌。
這說明在「工具體感」與「實際產出」面前，微軟的信任圍城並非堅不可摧。一旦開發者對 ROI 的期望被更高效率的工具拉高，基於慣性的採購決策將面臨嚴峻的內部挑戰。這種「ROI 鴻溝」正是初創企業在巨頭圍攻下唯一的破局點。
終局預判：AI好不好用，遠比聰明更重要
a16z報告指出，未來一年半，AI 產業的重點會從單純追求「模型規模大、參數多」，轉向研究如何讓 AI 真正「好用且落地」。
現在很多企業覺得投資 AI 報酬率不如預期，問題通常不在於 AI 不夠聰明，而是公司內部還沒準備好。常見的阻礙包括：
- 缺乏清楚規則：員工不確定哪些情境「可以用 AI」、哪些資料能丟給模型，只好保守不用。
- 沒有試錯空間：犯錯會被究責，大家傾向把 AI 當玩具 demo，而不是實際承接關鍵流程。
- 工作流程沒改：原本流程沒重設，只是硬把一個聊天窗貼上去，結果多了一步操作、少了實際產出。
- 只量「使用度」不量「成果」：看 token、登入次數很漂亮，但沒有對齊營收、成本、品質等實際 KPI。
- 缺專職負責人與跨部門協作：沒有人對 AI 專案的商業結果負責，IT、業務、營運各做各的，導致落地碎片化。
同時，超過一半的資訊長（CIO）認為，接下來導入AI的關鍵在於「推理模型」，因為它不需要複雜的下指令技巧（Prompt Engineering），而且邏輯更透明好懂，這會讓系統整合變得容易許多。
總結來說，對新創公司來說，與其在通用模型上硬碰硬跟科技巨頭競爭，不如趁巨頭轉身慢、產品僵化的弱點，針對特定產業開發更靈活、思考更深入的解決方案。
最後，這場 AI 競賽的結局已經可以看見端倪：終局比的不是誰的模型最聰明，而是誰能「不露痕跡地進入工作決策流程」。在那裡，最強大的技術通常藏在最順手的流程和深厚的信任感之中。
資料來源：a16z
本文初稿為AI編撰，整理．編輯/ 李先泰
