内部格鲁吉亚人的人工智能应用报告：Vibe 编码崛起，人才缺口阻碍人工智能进展

格鲁吉亚 合伙人，与 NewtonX 和 11 个合作伙伴的全球联盟合作，发布了其 人工智能应用基准报告，提供了人工智能如何转变 B2B 软件和企业公司的全面快照。这个扩大的第二波报告基于 612 位高管的盲测调查——其中一半是研发领导者，另一半是市场领导者——跨越 10 个国家和 15 个行业，代表的公司年收入从 500 万美元到 2 亿美元以上不等。

这个报告的独特之处在于其全球范围和战略支持。联盟合作伙伴包括 阿尔伯塔机器智能研究所、人工智能营销员行会、FirstMark、GTM 合伙人、Untapped Ventures、向量研究所和特拉维夫的 Startup Nation Central 和 Grove Ventures 等。他们的参与有助于扩大参与范围和确保行业多样化的国际基准。

这个报告不仅仅是采用率的衡量指标，还捕捉了结构性障碍、像 Vibe 编码这样的新兴人工智能用例以及人工智能集成的成熟度曲线。凭借基于高管级别输入的验证发现，报告为公司提供了一个实用的框架来衡量他们的位置以及是什么阻碍了他们的进步。

人工智能成为战略必备

人工智能不再被认为是可选的。报告发现，83% 的 B2B 和企业公司现在将人工智能列为他们的前五项战略优先事项。事实上，前五项最常被选中的商业优先事项中有三项与人工智能相关，表明人工智能已经在整个企业议程中根深蒂固。

采用人工智能的主要动机仍然是：

• 提高内部生产力
• 创造竞争优势
• 增强成本效率和收入增长

然而，竞争差异化已经超过了成本节约和收入成为第二重要的动机。这标志着思维方式的转变：人工智能不仅仅是一个自动化工具，它是一种市场领导力的武器。

Vibe 编码进入主流

报告中的一个突出见解是 Vibe 编码的快速崛起——一种使用人工智能模型进行自动代码生成和调试的术语。Vibe 编码已经成为 #3 研发用例，被 37% 的公司 使用，而另外 40% 的公司正在积极试验它。

这种趋势不仅仅是关于提高开发人员的生产力。它也是对行业范围内挑战的直接回应：人工智能技术人才的短缺，已经成为 #1 阻碍人工智能扩展的障碍。45% 的研发领导者将这个人才缺口列为他们的首要关注点——超过了甚至人工智能模型开发的高成本。

Vibe 编码有助于填补这一空白，允许精简的工程团队加速交付时间表、更快地调试并产生更干净、有文档的代码，减少了人工努力。受访者注意到在 QA、基础设施和部署工作流程中手动努力的显著减少。

人工智能生产力收益和局限性

人工智能在开发流水线中的使用显示出明显的好处。根据报告，70% 的研发受访者报告了更快的开发速度，63% 的受访者看到代码质量和文档的改善，超过一半的受访者增加了部署频率。

然而，并非所有指标都有所改善。像 平均恢复时间、周期时间 和 更改失败率 这样的领域仍然是弱点。这表明，虽然人工智能正在加速开发的前端，但稳定性和弹性仍然依赖于人力。

基础设施升级推动人工智能堆栈

支撑这些收益的是基础设施投资的戏剧性转变。人工智能驱动的团队正在采用新的工具，从实验到生产：

• LLM 可观察性平台 已被 53% 的公司整合
• 数据编排工具，如 Dagster 和 Airflow，目前被 51% 的公司使用
• 向量数据库、cron 作业 和 可靠的工作流引擎 正在被部署以支持规模和可靠性

同时，公司比以往任何时候都更需要数据来为他们的模型提供动力。使用 自有数据 的比例上升了 12 个百分点，达到 94%，而 公共数据 的使用率上升到 80%。合成数据和暗数据——曾经的边缘来源——现在分别被超过一半和四分之一的公司使用。

LLM 采用率多样化

OpenAI 仍然是大型语言模型的领先提供商，85% 的受访者在生产中使用其模型。然而，格局正在迅速演变：

• Google Gemini 的采用率上升了 17 个百分点，目前被 41% 的公司使用
• Anthropic Claude 上升到 31%
• Meta 的 Llama 3 家族 正在获得关注，采用率达到 28%
• 推理特定模型，如 OpenAI 的 o1-mini（35%）和 DeepSeek（18%），也正在进入生产

这种转变反映了向 多模型人工智能堆栈 的转变，在这种堆栈中，组织将模型与用例相匹配，而不是依赖单一供应商的生态系统。

人工智能成熟度收益不均衡

格鲁吉亚公司使用其 爬行、走路、跑步人工智能成熟度模型 进行分段。虽然更多组织正在从初学者到中级水平进步，但最高级别的成熟度仍然难以达到：

• “行走者” 降至 40%，低于 49%
• “慢跑者” 上升到 31%，表明增长势头
• “跑步者” 仍然停滞在 11%，表明可扩展性上限

能够达到 “跑步者” 阶段的公司往往是那些将人工智能项目直接与收入或成本结果联系起来的公司——这是一个在整个行业中仍然欠发达的能力。

投资回报率仍然难以捉摸

报告中确定的最持久的挑战之一是 缺乏明确的投资回报率衡量标准。超过一半的研发团队承认他们没有将人工智能项目与任何具体的 KPI 联系起来。只有 25% 的人直接将人工智能计划与新的收入联系起来，只有 24% 的人报告了对客户获取成本的积极影响。

尽管如此，乐观情绪仍然存在。超过 50% 的受访者表示，人工智能已经提高了客户满意度和长期价值。然而，总体感觉是人工智能的财务理由仍然模糊，特别是在中级成熟度水平。

成本管理正在改善

虽然人才仍然是最大的障碍，但成本正在逐渐变得更易于管理。报告显示：

• 数据存储成本稳定或降低了 9 个百分点
• 软件维护、劳动力和运营成本降低
• 减少对成本削减措施的依赖，例如项目限制

此外，68% 的公司现在依赖第三方人工智能解决方案来管理成本和复杂性，特别是当人工智能被嵌入营销软件和内部平台时。

展望未来

这些基准数据的影响远远超出了仪表盘和会议室。随着人工智能成为软件开发、部署和维护的核心，行业正在进入一个新阶段——在这个阶段，生产力不仅仅是关于人员，还关于团队如何与机器合作伙伴进行智能增强。

Vibe 编码代表了一个转折点。它不仅仅是一个生产力工具；它正在成为现代软件开发的基础层。对于面临持续人才短缺的公司来说，它提供了一种方式来解锁吞吐量、减少上市时间并在不以同等速度扩大员工的同时提高代码质量。对于那些更成熟的公司来说，它为人工智能本地工程工作流程创建了基础——这些工作流程可以扩展、可观察、可靠，并具有可衡量的业务影响。

更广泛的信息是明确的：成功的公司不仅仅会使用人工智能——他们会使其运作、嵌入并与其一起演进。在这个新时代，自动化不再是关于取代开发人员；它是关于放大他们的能力。

那些将 Vibe 编码和其支持基础设施视为战略投资——而不是实验——的公司将定义下一波企业创新浪潮。他们不会仅仅使用人工智能——他们会使其运作、嵌入并与其一起演进。在这个新时代，自动化不再是关于取代开发人员；它是关于放大他们的能力。那些将 Vibe 编码和其支持基础设施视为战略投资的公司将定义下一波企业创新浪潮。