全球AI原生企业：基本格局、生态特点与核心策略

The following article is from 腾讯研究院 Author 腾讯研究院

导读

本文通过揭示全球 AI 企业的聚合趋势与落地扫描，为我国在 AI 生态建设上提供一个观察视角。

作者 | 腾讯研究院

来源 | 腾讯研究院管理智慧 AI+

以大模型为核心的新一轮人工智能浪潮，正在全球范围内催生一批 AI 原生企业。本系列研究将 AI 原生企业界定为：创立之初即将人工智能作为核心产品、服务或能力，并以此驱动价值创造和业务创新的公司，有别于仅将 AI 嵌入现有业务或作为工具的企业。聚焦全球 100+ 家 AI 原生企业，围绕三大关键问题展开系列观察：1）AI 原生企业正催生了哪些新技术、产品形态和商业模式？2）AI 技术如何深度融入千行百业的应用场景和核心流程，赋能产业升级？3）AI 产业生态正在沿着怎样的路径加速演进，带来哪些结构性变革？

与以往产业分析多聚焦单点技术发展或单一企业创新不同，本系列研究将生态作为开篇切入。当前，生成式人工智能正处于从工具跃升为平台的转折期，生态的开放性、可扩展性和协同效应成为决定产业格局的关键变量。本文基于对 AI 原生企业所依赖基础模型的梳理，初步识别出海外正形成以 OpenAI、Anthropic 和 Google 为核心的三大生态阵营。这一选择基于基础模型能力、开发者吸引力、生态开放度及产业影响力等方面的综合考量。

全球 AI 原生企业生态全景概览

当前，全球生成式人工智能领域已初步形成以 OpenAI、Anthropic 和谷歌为核心的三大基础模型生态阵营。这三家企业凭借各自在大模型研发、平台开放能力及生态战略上的优势，为 AI 原生企业提供了不同的创新土壤。OpenAI 生态以开放与多元见长，Anthropic 生态以安全和企业级应用为主，谷歌生态则突出技术赋能和垂直创新。

OpenAI 生态：规模最大，吸引力最强。截止到 2025 年 5 月 13 日的数据显示，OpenAI 生态内初创企业数量最多，共计 81 家，总估值约 634.6 亿美元。凭借 GPT 系列模型开放时间早、通用性强、多模态能力突出等优势，其生态里的 AI 原生企业在数量和范围上较其他阵营更加丰富，覆盖了 AI 搜索（如 Perplexity AI）、内容生成（如 Jasper 凭借 GPT 模型构建第一代产品）、法律服务（如 Ironclad、Harvey）、具身智能（如 Figure）等众多领域，展现出广泛的应用场景和极强的生态吸引力。

Anthropic 生态：规模居中，定位企业级市场与安全。该生态聚集 32 家企业，估值约 501.1 亿美元，多聚焦于对安全性、可靠性要求较高的应用场景，如知识管理、自动化决策等。典型 AI 原生企业如 Poe、Alphasense、Cusor 等，基于 Claude 模型开发出面向企业数据管理、合规审查、编程等细分场景的 AI 产品。Anthropic 通过强调模型可控性、安全性和透明性，吸引力了一批致力于企业级 AI 解决方案的原生创业公司，推动了金融、法律、医疗等高门槛领域的 AI 原生创新。

谷歌生态：规模最小但增速快。谷歌生态内 AI 原生企业数量相对较少，有 18 家，总估值约 127.5 亿美元。但依托谷歌全栈的技术底座和已有的生态优势，这些企业在创意生成、营销优化、数据分析等细分赛道表现突出。代表企业如 BandLab（音乐生成）、Persado（营销内容生成）等，均以 Gemini 模型为核心驱动力，探索 AI 驱动的新型商业模式。此外，谷歌通过云服务、工具链和生态集成，助力这些 AI 原生企业快速落地产品、拓展应用边界。

（二）采用多模型接入策略以增强竞争力

面对激烈竞争和技术的快速迭代，越来越多原生企业选择接入多个基础模型，以兼享不同模型的优势，并降低对单一生态的依赖。例如 Anysphere、Clay、Glean、Hebbia 和 Jasper 等公司均支持多模型接入。Hebbia 利用 Anthropic 的安全性进行企业服务，同时通过 OpenAI API 快速拓展企业智能搜索市场。Anysphere 的 Cursor 产品则整合了各大生态的旗舰模型，为用户提供更多自主选择空间。且部分数据显示，这类企业的估值整体较高。不过，接入多个基础模型，也可能带来技术集成、成本控制等挑战。

这些采用多模型接入的企业还有一个共同特点，即普遍采用 B2B2B 模式（指 AI 原生企业为服务型企业客户提供 AI 能力，这些客户再将服务用于其自身的终端企业或用户，例如 "AI 企业 → 营销服务商 → 品牌商 "）。这类企业多聚焦于数据、营销、金融等典型 B 端场景，例如 Glean 专注企业内部搜索，Kindo 连接企业数据与多模型接口，Clay 提供 AI 驱动的市场营销服务。其客户往往对模型的能力结构和特性有不同偏好，因此能否提供灵活接入、满足多样化需求，成为这些企业在竞争中的关键优势。

（三）部分 AI 原生企业专注自研模型

除了三大生态阵营之外，选择完全自研模型的企业也在持续壮大。这些企业大致可以分为两类：一类是以 xAI、Cohere、Mistral、智谱等为代表的独角兽公司，它们专注于攻坚通用大模型，力图在基础模型层面实现技术突破，并有望在未来构建起属于自己的生态体系，成为行业新势力。另一类企业则将战略重心放在垂直领域，力求在细分场景中做深做透。比如，Midjourney、Stability、Pika、Suno 等公司专注于内容生成、多模态等细分方向，通过技术创新和场景优化，满足特定行业或用户的个性化需求。此外，Physical Intelligence、World Labs 等企业则在具身智能、世界模型等更前沿领域积极探索开辟新赛道。自研模型企业的多元化探索和深度创新，正成为推动 AI 生态进一步多元化和专业化的重要动力。

生态布局差异化：三剑客的打法解析

生成式 AI 的全球竞争已从单纯的模型能力比拼，逐步演变为生态构建的系统性较量。OpenAI、Anthropic 与 Google（Gemini 等）作为当下最具影响力的三大平台，不仅在技术研发上各自为战，更在生态层面展开了深度博弈。接下来尝试通过统一的分析框架，剖析三者如何通过模型开放、开发者扶持、渠道绑定及行业渗透，构筑各自的生态护城河。

（一）生态核心定位

正如上述所说，三者的生态核心定位各有侧重：OpenAI 强调平台吸引力，Anthropic 突出安全壁垒，Google 则依托生态闭环实现全链路协同。

OpenAI 以 " 通用 AI 工具平台 " 为目标，积极构建插件与 API 生态，通过收购等主动布局，试图成为生成式 AI 领域的 "超级入口 "。这种策略有助于快速吸引开发者和企业用户，形成强大的平台网络效应。

Anthropic 则将自身定位为 " 安全导向的企业级 AI 服务商 "，主打 Claude 模型的稳定性、可靠性与合规性。其生态布局更注重在高门槛行业的深度渗透，通过突出安全和合规优势获取企业信任，进而以稳健为核心建立行业壁垒。

Google 则凭借 Gemini 将 AI 深度嵌入自身的产品矩阵，实现了从模型到终端硬件的全栈一体化。通过与搜索、办公套件、Android 等核心系统的深度整合，Google 打造了闭环的生态体系，这种全栈整合极大提升了用户黏性和数据协同能力。

（二）开发者策略对比

OpenAI：通用开发平台 + 插件生态，激励开发者创新

OpenAI 自 GPT-3 发布起即开始布局开发者生态，提供 API、SDK、函数调用、Fine-tuning 等工具，支持开发者围绕 GPT 打造多样化应用，并设有收益分成机制。ChatGPT Plus 与 Enterprise 版本分别面向个人和企业，企业版支持更高调用配额、数据隔离与团队管理功能。OpenAI 也提供企业部署的插件功能，使模型能与内部知识库、数据库等系统集成；部分客户通过 Azure 部署专属实例实现性能隔离与定制化调用。整体上，OpenAI 以通用模型 + 插件机制为主路径，不主动承担行业定制开发，多依赖微软及合作伙伴完成深度服务。

Anthropic：安全为核心的 B2B 集成，强调协议与行业深耕

Anthropic 构建的是以安全性为核心的 B2B 技术栈，其开发策略以开放协议为基础，并推出 MCP（模型上下文协议）用于连接 Claude 模型与外部系统。Claude 支持超长上下文（如 100k tokens），适用于法律合同、医疗记录等复杂文档处理任务，极大提升了其在高敏感行业中的实用性。Anthropic 并未建设面向通用开发者的大型平台，而是通过 API 合作、创业者扶持计划（如 API 补贴、技术对接）与行业客户共建应用场景。例如 Robin AI 将 Claude 深度嵌入其法律审阅产品中，并参与模型调优。Claude 允许企业通过 MCP 调用、定制输出结构及对话流程，形成更深层次的 AI 集成体验。

Google （Gemini 等）：构建全栈式 AI 开发环境，强调从云到终端的深度整合

Google 依托其云服务将 Gemini 等模型开放给开发者，并提供 API 及工具链。同时 Google 推出 Agents 服务和 A2A 协议（Agent-to-Agent）来支持多智能体协作开发。开发者可以使用 Google 的工具快速构建代理型应用，让多个模型 / 代理分工合作完成复杂任务。此外，Google 通过与开发工具的集成（如协作代码环境）来吸引开发者：例如与 Replit 合作，将 PaLM 2 模型融入编程 IDE，实现即写即测的 AI 编码体验。Google 强调其生态 " 开放 " 但实际上将开发者引入自家云平台，上下游服务紧密捆绑。

（三）渠道策略对比

OpenAI：联盟 + 自有入口双轨制，C 端、B 端协同扩张

OpenAI 通过微软 Azure 深度绑定企业用户，依托 Azure 云平台作为主要企业分发渠道。同时，OpenAI 自有入口：ChatGPT 网页和 App 直接面向终端用户，在消费级市场建立品牌。此外，OpenAI 通过与应用厂商合作提供预集成（如与 Stripe、Shopify 合作插件等）拓展场景。但硬件或系统级预装较少，更多通过微软生态（Office 365 Copilot、Windows Copilot 等）间接预装在用户环境中。总的来说，OpenAI 的渠道一方面借助云合作伙伴触达企业，另一方面凭借 ChatGPT 直接触达个人用户。且伴随着 OpenAI 成为周活跃用户 5 亿的超级 APP 后，自有入口的影响力与日俱增。

Anthropic：云平台托管 + 第三方工具集成

Anthropic 主要通过 AWS Bedrock、Google Cloud Vertex AI 等主流云平台深度合作，将 Cloude 模型作为这些平台上的可选 AI 服务，面向企业客户开放。依托云平台的分发能力，Anthropic 能够高效覆盖各类企业客户，降低了自建销售和部署渠道的成本。同时，Anthropic 积极推动 Claude 在第三方平台的集成。例如，在 Slack 中，Claude 以 AI 写作助手的形式嵌入团队协作流程；在 Quora 平台，Claude 为 Poe 等 AI 问答产品提供底层能力。这种 API/OEM 模式，使 Cloude 能够隐身进入各类企业级和专业场景，提升渗透速度，同时减少前端产品开发压力。Cloude 也可通过官网注册，向个人用户提供直接服务。与 ChatGPT 数亿级用户体量相比，Anthropic 的 C 端入口影响力和规模有限。整体而言，Anthropic 在渠道上更偏向 " 技术赋能者 " 角色，适合重视安全、合规和行业深度的用户。

Google （Gemini 等）：全渠道闭环，AI 能力深度嵌入原生生态

Google 的渠道策略围绕其原生生态展开。Gemini 作为 AI 中枢能力，已被预装至 Gmail、Docs、Android 系统、Chrome 浏览器等核心产品，并以默认选项出现在多数工作场景中，用户无需额外配置即可调用。在企业侧，Gemini 功能通过 GCP 进行分发，与 Google Workspace 等工具套件形成打包销售，并可与云存储、权限管理、数据平台集成。此外，Google 还通过 OEM 合作让 Gemini AI 能力进入合作硬件、车载系统、会议工具等，渠道覆盖广、用户迁移成本较高，形成了一定的渠道壁垒。

（四）垂直行业渗透对比

OpenAI：广泛但依赖第三方完成落地

OpenAI 的通用模型被众多初创公司应用于医疗、法律、金融、创意等各行业，实现跨领域渗透。如医疗领域有 Abridge 将 GPT 用于病历摘要、健康问答；法律领域有 Harvey 等用于法律检索和合同分析；创意内容方面，大量写作、绘画平台集成了 OpenAI 的 API。由于 OpenAI 自身不做细分行业定制，它通过投资和扶持垂直 AI 公司来间接覆盖行业，OpenAI Startup Fund 投资的 Descript（音视频编辑）、Mem（知识管理）、Speak（语言学习）等都是典型案例。微软的生态合作也放大了 GPT 在行业的渗透，如将 GPT-4 嵌入医疗记录系统、办公软件，为各行业提供现成解决方案。因此 OpenAI 生态的行业覆盖面最广，但多由合作伙伴驱动完成最后一公里。

Anthropic：重点攻坚高敏感 / 高价值领域

Anthropic 凭借 Claude 在高合规、高安全要求的领域逐步打开局面。金融和法律是 Claude 早期渗透的重要场景：前述的 Robin AI 用 Claude 让审合同速度提升，被多家头部律所采用；金融行业部分对话投顾、风控分析开始调用 Claude 以减少幻觉和偏见。医疗健康方面，Claude 作为更 " 守规 " 的模型，也被一些医疗创业项目测试用于病患沟通总结；在安全 / 安防（如网络安全情报分析）领域，Claude 由于输出可控也有潜力。2024 年 11 月，Anthropic 与 Palantir 和 AWS 合作，向美国情报和国防机构提供 Claude 模型。在编码能力方面，Claude 在多个基准测试上能力表现突出，Cursor 选择将编程助手默认模型从 GPT 换成 Claude，另一家代码辅助工具企业 Sourcegraph 的数据显示，用户有 66% 的时间都更偏爱 Anthropic 的模型。总体看，Anthropic 生态选择在法律、金融、安防、编码等高要求场景垂直发力，通过表现出更可靠和守纪律，争取这些行业客户。尽管目前覆盖的行业广度不如 OpenAI，但在特定垂直建立了品质口碑。

Google （Gemini 等）：深耕优势领域 + 全面覆盖

Google 依托既有行业解决方案，推动大模型全面渗透各垂直行业。具体而言，其策略包括在过往解决方案中推出专用模型：如 Med-PaLM 在临床问答测试中领先，用于协助医生解读医疗信息；编码版 Gemini 已整合进开发者工具；安全版模型与 Google 云安全产品结合用于自动分析威胁。这些专用模型迅速打开医疗、开发者、安全等细分市场。与此同时，Google 通过其云客户网络，将生成式 AI 引入几乎所有行业：从制造业（质量检测 AI 助手）到创意媒体（YouTube 摘要生成）再到教育（课堂助教 AI）等，都由 Google Cloud 团队联合行业伙伴落地 Gemini 应用。尤其在创意产业，Google 与音乐、设计平台合作提供生成模型（如与 BandLab 合作 AI 编曲），显示出对各领域的全面渗透野心。

（五）价格策略对比

OpenAI：API 计费 + 订阅，逐步降低价格

OpenAI 采用按调用量计费的 API 模式，早期价格高企，随着竞争出现已多次降价。OpenAI 还推出 ChatGPT Plus 订阅（个人每月 $20）和 ChatGPT Enterprise 套餐（按用户数收费），通过按席位订阅绑定企业用户长期使用。其与大客户的合作常包含最低消费或 Azure 云额度绑定（如有报道称法律 AI 创业公司 Harvey 承诺两年内在 Azure 花费 $1.5 亿以换取优惠）。总体而言，OpenAI 在高端模型上维持溢价（例如 GPT-4 的 API 费用曾显著高于竞争对手），但正在通过细分产品差异化价格策略争取更大用户基数和数据反馈，从纯利润最大化逐步转向生态规模优先。

Anthropic：灵活定价，价值导向绑定高价值客户

Anthropic 的 Claude 采取与 OpenAI 类似的按 Token 计费方式，但常以更长的上下文窗口和安全性作为卖点，对大批量企业客户可能给予折扣。Claude 2（100k 上下文）刚推出时性价比被认为优于同等条件下 GPT-4。Anthropic 还提供 Pro 与 Team 订阅（Claude Pro 等）供中小团队按月使用。其获得大笔云厂商投资后，也可能在合作云平台上补贴价格以换取流量（例如通过 AWS 让客户以更低成本试用 Claude）。Anthropic 总体价格策略偏 " 价值导向 " ——在其擅长的高可靠应用上愿以合理价格获取客户，相比之下不和 OpenAI 展开最低价竞争，而是在服务质量和定制支持上绑定企业，从而形成客户粘性。

Google （Gemini 等）：低价捆绑与规模效应并举

Google 依托自有算力和产品生态，采取低价捆绑 + 交叉补贴策略，快速拓展市场份额。依托 TPU 等自研芯片的成本优势，Gemini API 价格显著低于 OpenAI 同水平模型。例如，GPT-4.1 的每百万 token 输入输出费用（2/8$）约为 Gemini 2.5 Flash 模型（非推理）费用（0.15/0.6$）的 13 倍。Google 同时通过其广泛产品线交叉补贴：个人用户几乎免费使用 Bard 等（以获取数据和宣传），企业用户则可以通过已有的 Google 云合同内获得折扣（例如将 Gemini 算力计入云消费包）。此外，Google 常采用 " 大单绑定 " 方式吸引明星创业公司：如与 Replit 合作时提供云资源和折扣，降低其使用 OpenAI 的意愿。通过在价格上给予优厚条件，配合其端到端服务，Google 意在快速扩大 Gemini 的企业用户群。可以预见其定价将保持弹性，用规模效应和算力优化来打 " 持久战 "。

结语：

总体来看，尽管 OpenAI、Anthropic 和 Google 等头部厂商在大模型生态的构建上各有探索，但目前整个行业的生态壁垒和用户粘性仍处于初步形成阶段。技术更迭迅速、产品体验不断演进，用户和开发者的选择空间依然广阔。未来，生态格局仍有很大变数，谁能持续创新、开放合作、真正满足多元需求，才有望在这场大模型生态的竞逐中占据更为有利的位置。眼下，行业远未到定局之时，一切皆有可能。

（文章仅代表作者本人观点）

—— · END · ——