AI 投資故事，而非效率故事

資料來源#

• 2026 State of Scaling: The Great Sorting
• Beyond Benchmarks 2026: Five Data Sets Grounded in the Real World
• China, Open Source & AI Competitiveness — Andrew Ng
• Engines of Growth: Global Startup Trends Report
• Founder Ownership Report 2026
• Indian AI Coding Startup Emergent Becomes a Unicorn with $130M Series C
• State of AI 2026: The Builder's Economy
• The ICONIQ Pacesetter Index
• The state of AI in 2026: On the road to ROI

摘要#

Emergence Capital 的 Beyond Benchmarks 2026 最違反直覺的核心發現是：在每個營收級距中，非 AI 公司的人均營收（RPE）都高於 AI 公司——最高十分位約高出 39%。 中位數約高出 39% (2026-08-03 更正：重新閱讀來源 PDF 後確認，約 39% 的數字出現在報告的 TOP DECILE ANNUALIZED REVENUE PER EMPLOYEE 投影片（p19），是四個最高十分位級距差距（+36/+43/+45/+35%）的平均值。報告沒有公布 AI 與非 AI 公司的中位數 RPE 比較，因此中位數的說法從未有資料依據。) 「AI 能讓你用少得多的人力完成多得多的工作」這項效率敘事，目前尚未在大規模公司的財務數據中顯現。用報告的話來說：「AI 尚未成為躋身頂尖效率的捷徑，而是一個投資階段」，以及「AI 目前更像是投資故事，而非效率故事」。

這與知識庫中的 lean-10-person-unicorn 論點直接衝突；報告也將此視為正是那種「讓你看出自己的直覺在哪裡失準」的資料。兩者可以調和——差距是落後，不是上限——但這項調和很重要：它表示效率紅利將會到來，而不是已經到來。

證據說明。 標記為 empirical，但要仔細檢視其來源脈絡。Emergence Capital 是一家 VC——它在結構上有動機講述樂觀的 AI 投資故事，而「AI 公司」的分類與級距切分也由它自行設定。不過，這些資料是來自合作夥伴的實際資料，並非問卷調查：五個專有資料集（Carta 股權表、Standard Metrics 投資組合財務資料、Stackpack 廠商支出、Pave 薪酬、Ashby 招募結果）涵蓋 5 萬多家營運公司——是實際收據，不是情緒反應。關鍵是，這項特定發現與 AI 熱潮唱反調，這提高而非降低其可信度：一家 VC 發布「目前 AI 公司的人均效率較低」的發現，並不是在替自己的投資利益說話。這些資料集是專有資料，無法由外部獨立重現，因此數字不能接受外部稽核——凡是論點仰賴這些資料，都要附上這項保留說明。

數據#

**最高十分位 RPE，AI 與非 AI 比較：在每個級距中，非 AI 公司都領先，平均約 39%（Standard Metrics 財務基準群組，2025 年第 4 季）。~~中位數 RPE，AI 與非 AI 比較：**整體而言，每個級距中非 AI 公司都領先約 39%。~~ (2026-08-03 更正——AI 與非 AI 的比較只公布於最高十分位。)

各級距最高十分位 RPE（報告明確製成圖表的比較——2025 年第 4 季年化營收／FTE）：

級距	AI 公司	非 AI 公司	非 AI 領先幅度	AI YoY	非 AI YoY
$1–5M	$233K	$316K	+36%	+29%	+27%
$5–20M	$341K	$488K	+43%	+16%	+18%
$20–100M	$552K	$800K	+45%	+30%	+23%
$100M+	$960K	$1.3M	+35%	+58%	−6%

報告自己的解釋是：AI 公司正處於超高速成長模式，積極為未來 12–18 個月招募人力，在能支撐這些人力的營收出現前先擴編；同規模的非 AI 公司則較可能是在提升既有業務的效率。分母（員工人數）先於未來營收擴大，因此 RPE 被壓低——這是投資階段的典型特徵，而非效率階段。

為何這是落後，而非上限#

同一份資料中有兩個訊號顯示，效率差距正在縮小，而非結構性存在：

1. AI 原生公司的 RPE 成長更快。在 $5–100M 級距中，AI 公司的人均營收成長速度高於非 AI 同業。在級距頂端，差異尤其明顯：$100M+ 最高十分位 AI 公司的 RPE 年增 +58%（2024 年第 4 季 $606K → 2025 年第 4 季 $960K），而非 AI 同業則下滑 −6%（$1.4M → $1.3M）。最大規模級距的差距在一年內大幅縮小。
2. 各階段的效率都在累積提升。每個級距、每個百分位的 RPE 都年增；最高四分位的 $1–5M 公司已達 $167K/FTE，最高四分位的 $100M+ 公司則達 $827K——兩者相差 5 倍，報告將此解讀為「效率增益持續累積，而非只有規模擴大」。（相同兩個級距的中位數為 $97K 與 $394K；最高十分位則為 $301K 與 $1.2M——以上均為全體公司數據，並非僅限 AI 公司。）最高十分位的 $1–5M 公司已達 $167K/FTE，$100M+ 公司則為 $827K（中位數 $394K） *(依據來源 PDF p18，2026-08-03 更正百分位——$167K/$827K 是最高四分位欄位，正如報告內文所述。)*

因此，AI 群體在 RPE 曲線上落後，是因為先招人、稍後才取得營收；而它們正以比落後中的既有公司更快的速度沿著曲線上升。

機制：效益落後於採用#

這是以外部公司財務數據清楚呈現的 Organizational Complements to AI 案例——也就是通用技術論點：新技術帶來的生產力增益，只有在互補性的工作流程、職務與組織架構重新設計後才會出現，而非工具一經採用便立即產生（David 的電氣化、Brynjolfsson 的生產力悖論）。報告指出，「隨著公司擴大使用並將能力轉化為產出，AI 採用與可衡量的人均營收增益之間預期會有時間落差」——這幾乎逐字重述了互補條件落後論點；如今它是以股權表與財務資料衡量，而非以 Codex 研究所用的使用遙測資料衡量。這也是 Acceleration Whiplash 在財務指標上的對應案例（SDLC 吞吐量上升，但實際品質落後，因為吸收新技術的互補條件跟不上）——形狀相同，測量工具不同。

AWS 調查的反向觀點——方向相反，測量工具不同#

這裡再加入第三種 RPE 讀數，方向與前兩者相反。AWS 的 Engines of Growth（2026 年 6 月）——由 Strand Partners 代表 AWS 在 20 個國家調查 3,413 位新創公司創辦人與高階主管——報告中的 AI 原生群體人均效率更高，而非更低：

• 55% 的 AI 原生公司人均營收達 $400K 以上，全球新創公司為 34%，大型企業為 23%。
• 平均年營收成長 156%，全球新創公司為 65%，大型企業為 12%；達到年營收 $1M 以上的可能性是全球新創公司的 5.2 倍。
• AWS 將此描述為「以約一半的人力擴大產出」。

若照字面理解，這與 Emergence 的發現矛盾（AI 公司的人均營收比同級非 AI 同業約低 39%）。**要標示測量工具的差異，不要把兩者取平均。**兩者的歧異正符合 Telemetry vs. Survey Measurement 的預期軸線：

• Emergence 衡量的是實際財務收據——Carta 股權表加上 5 萬多家營運公司的 Standard Metrics 財務資料；是實際營收/FTE，不是情緒反應。
• **AWS 是雲端廠商委託並製作為行銷內容的創辦人自陳調查。**兩份原始文件名義上都帶有 empirical 層級，但 AWS 文件自己的註記提醒讀者，「將標題統計數字……視為自陳調查資料，而非經驗證的公司財務數據。」就特定的 RPE 問題而言，股權表工具更具權威性；兩者衝突時，應以它的比較結果為重。

這項衝突不會因為比較數值大小而消失——它是參照群體不同所造成的歧異。仔細檢視後，衝突部分消失——數值相符，只有比較對象不同。Emergence 的AI 公司中位數 RPE 為 $394K；AWS 則說 55% 的 AI 原生公司超過 $400K。兩種工具都顯示約半數 AI 群體的人均營收在 $400K 左右——數字幾乎沒有差異。 (2026-08-03 已取代——重讀來源 PDF 時發現數字歸屬錯誤。$394K 根本不是 AI 公司中位數：它是 p18 百分位表中 $100M+ 級距所有公司的中位數 RPE。Emergence 只公布各級距 AI 公司的最高十分位 RPE：$233K（$1–5M）、$341K（$5–20M）、$552K（$20–100M）、$960K（$100M+）——所以即使是 AI 公司最高十分位，也只有在最大兩個級距才超過 $400K，Emergence 並沒有任何數字顯示「約半數 AI 群體的人均營收在 $400K 左右」。以數值相符來調和的說法，是源自引用了錯誤的資料欄位；AWS 的 55% 超過 $400K，比 Emergence 資料中的任何結果都樂觀得多。)真正分歧的是參照群體：AWS 以所有新創公司和大型企業為比較對象（其「AI 原生」群體是經過挑選的前沿子集——使用「最先進形式」AI 的公司），而 Emergence 比較的是營收級距相同的 AI 與非 AI 公司。因此，AWS 描述的更接近本頁已特別指出的精實尾端，而非 Emergence 所衡量的整體群體；「AI 原生公司領先」的說法，是篩選加上自陳造成的效果，並非對同級比較結果的反駁。知識庫目前的四種 RPE 讀數，依照樂觀程度排列如下：股權表實際資料（AI 低於非 AI）→ 創辦人調查（AI 原生公司高於基準）→ 帶有未來推估的高階主管調查（ICONIQ，RPE 上升，詳見下文）→ 從業者軼聞（Tan 的約 $1M/人尾端）。

ICONIQ 前瞻推估——第四種測量工具，也是唯一具有時間軸的工具#

ICONIQ Growth 的 State of AI 2026: The Builder's Economy（2026 年第 2 季對約 305 位 AI 軟體公司的高階主管所做調查，empirical）是知識庫中的第四種人均營收讀數。它是調查（與 AWS 相同），因此也有相同的自陳保留事項；但它的獨特貢獻是另外三項快照都沒有的時間軸：它推估未來兩年的 ARR／營收/FTE（N=281，平均值）：

群體	2025（實際）	2026（推估）	2027（推估）
高成長公司¹	$272K	$369K	$496K
非高成長公司²	$270K	$346K	$448K

¹ 營收中位數約 $275M；² 營收中位數約 $200M。「高成長」定義為：營收 <$25M 時年增 100% 以上，$25–250M 時年增 50% 以上，$250M 以上時年增 30% 以上。

依照各數據的證據層級分開解讀（見新增經濟學頁面的證據說明）：2025 年約 $270K 是自陳的實際數值；2026P/2027P 是自陳的預測——較接近 prediction 等級；而且是在 VC 簡報中對自家業務所作的預測，可信度更需打折。可參考兩點，但兩者都不能單獨作為關鍵證據：

1. 它以自陳方式表示效率紅利即將到來。高成長公司的 RPE 預計在 2025→2027 年間成長 +84%（$272K → $496K）；同業則成長 +66%。這正是本頁「落後而非上限——RPE 正快速攀升」的論點——但作為自陳預測，它是支持此論點的最弱證據，而非最強。它與 Emergence 實際測量的 $100M+ 最高十分位年增 +58% 相呼應；應只將此相似處視為方向上的佐證。
2. 高成長公司與同業的差距不大（2027 年約 11%，$496K 對 $448K）——遠窄於 Emergence 同級比較中 AI 與非 AI 公司最高十分位的差距（35–45%），因為 ICONIQ 比較的是成長率，不是AI 與非 AI：整個群體都是打造 AI 產品的軟體公司，因此比較軸線不同。不要跨群體比較數值大小——ICONIQ 2025 年約 $270K，低於 Emergence 的 $100M+ 級距所有公司 RPE 中位數 $394K；但定義不同（ICONIQ 是營收中位數約 $200–275M 的 AI產品開發公司之 ARR 或營收/FTE；Emergence 則是 5 萬多家、按營收級距比較的所有公司，僅公布最高十分位的 AI／非 AI 差異）。ICONIQ 2025 年約 $270K，低於 Emergence 的 $394K AI 公司 RPE 中位數 *(2026-08-03 更正——$394K 是 $100M+ 級距所有公司的中位數，不是 AI 公司中位數。)*測量工具的排序仍然成立，但不同調查的數值無法直接對齊。相同簡報中的毛利、定價與成本經濟分析，見 AI Product Economics Maturation。

第五種測量工具：經過勝出條件篩選的群體實際資料（ICONIQ Pacesetter Index，2026 年 9 月）#

The ICONIQ Pacesetter Index（ICONIQ Venture & Growth，2026-09-17，empirical）是知識庫中的第五種人均營收讀數，也是第一種既非股權表資料集、也非調查的讀數。它涵蓋「一組精選的上市軟體公司，以及我們私人創投與成長階段投資組合公司」在 2024 年至 2026 年第 2 季的季度財務與營運資料——測量工具屬於實際收據這一類，但樣本部分由發布者持有。

ICONIQ 的篩選條件為何重要，因為下列每個數字都受其影響。*依圖表原文，「Pacesetter」指「過去 3 年營收成長位於最高四分位，且為 AI-Native 或 AI-Driven」*的公司（內文則說「營收成長至少位於其規模級距最高四分位的 AI 前導公司」——措辭不同，意思相同）。這是依成長表現和 ICONIQ 自行判定的 AI 分類所做的雙重篩選**，而且這份出版物完全沒有任何非 Pacesetter 對照組。

ICONIQ 按 ARR 級距列出的ARR 或營收／FTE（中位數／最高四分位，最高四分位即第 75 百分位）：

ARR 級距	RPE 中位數	最高四分位 RPE	中位數年增率
<$10M	$75K	$90K	900%
$10M–$25M	$115K	$145K	430%
$25M–$100M	$225K	$355K	190%
$100M+	$655K	$890K	115%

$655K 與其他測量工具結果的相對位置（全都取自 $100M+ 級距，因此規模一致，但群體與觀測期間不同——Emergence 是 2025 年第 4 季年化數據，ICONIQ 則合併 2024 年至 2026 年第 2 季資料）：

• 比 Emergence 該級距所有公司的中位數 $394K 高約 66%——按理說，挑選最高四分位成長公司就應該有這種結果。
• 低於 Emergence 的 AI 最高十分位 $960K，遠低於非 AI 最高十分位 $1.3M。
• 大致與 Emergence 所有公司的最高四分位 $827K 相同：ICONIQ 的 Pacesetter 最高四分位（$890K）只高約 8%。簡單來說，*先從已經經過最高四分位成長篩選的群體中取最高四分位，得到的 RPE 大約等於未經篩選整體群體原有的最高四分位。*這是單一最有用的校準，可以看出 ICONIQ 的篩選在 RPE 上究竟帶來多少差異。

**ICONIQ 沒有提出的觀察，正是本頁一欄就能呈現的論點。**在四個級距中，成長率與營收/FTE 完全呈反向排序——成長率為 900%／430%／190%／115%，對應數值為 $75K／$115K／$225K／$655K。在一個完全依最高四分位成長表現選出的群體內，成長最快的公司人均效率最低，而且呈單調變化。級距與成長率在此混雜（$10M 以下既是規模最小，也是成長最快的級距），因此無法拆分規模效果與成長效果；但這是一個以單一群體實際測量的案例，呈現的正是本頁從 Emergence 跨公司資料中讀出的投資階段形狀：以明年的預期營收配置員工人數，會壓低今年的比率，而明年營收最大之處，這種效果也最明顯。

**對測量工具問題的判斷：這是第三種參照群體，並非裁決。**它提供了下方前沿子集問題所需的測量一半——以營運財務數據而非自陳資料，衡量一個明確以 AI 為主的群體。但它沒有提供比較的一半：沒有非 AI Pacesetter，因此無法判斷 AI 公司的人均營收是否高於同級非 AI 同業；這正是 Emergence 與 AWS 真正意見不合之處。它能證明的範圍較窄，但仍有價值：**經成長表現篩選的 AI 群體，其中位數明顯高於同規模整體群體的中位數，卻仍未達非 AI 公司的前沿水準。**測量工具的梯級目前依樂觀程度排列如下：股權表實際資料（AI 低於非 AI）→ 經篩選 AI 群體的營運實際資料（高於整體群體中位數，低於非 AI 最高十分位）→ 創辦人調查（AI 原生公司高於基準）→ 帶有前瞻推估的高階主管調查 → 從業者軼聞。

第六種測量工具，也是第一種兼具時間序列與比較基準的工具（ICONIQ State of Scaling，2026 年 9 月）#

2026 State of Scaling: The Great Sorting（ICONIQ Venture & Growth，2026 年 9 月，empirical）是 52 頁的年度報告，前文的 Pacesetter Index 原來只是其中節錄。這是本頁的第六種讀數，也是第一份同時具備下方 Open Questions 每個條目都在要求的兩項特徵的資料：年度軸與比較基準。兩者都不是本頁最終需要的比較基準——「Others」是 ICONIQ 自有 137 家公司的非 Pacesetter 部分，並非按條件匹配的非 AI 群體——但資料結構有了新進展，因此可以檢驗投資階段論點，而非只是推論。

把論點作為測量結果陳述，而非調和說法（2026 年中位數，Pacesetters 與 Others 比較，n 為公司季度數）：

指標（2026）	<$100M：Pacesetters	<$100M：Others	$100M+：Pacesetters	$100M+：Others
營業費用占營收比	284%（n=4）	124%（n=52）	53%（n=12）	75%（n=86）
FCF 利潤率	(247%)（n=4）	(44%)（n=48）	8%（n=12）	14%（n=79）
燒錢倍數（僅未獲利公司）	n 不足	2.1x（n=27）	0.8x（n=4）	1.4x（n=18）
毛利率	71%（n=4）	70%（n=51）	73%（n=9）	78%（n=64）

由左至右讀來，這呈現出「先經歷投資階段，再追求效率」，而且階段邊界清楚可見，也標上了日期。在 $100M 以下，經成長表現篩選的 AI 群體，其營收占比支出是同業的 2.3 倍，FCF 利潤率也低了 5.6 倍；超過 $100M 後，兩項指標都反轉——營業費用較低（53% 對 75%），燒錢倍數更佳（0.8x 對 1.4x）——同時毛利率仍比同業低約 5 個百分點，ICONIQ 將其歸因於「更高的推論、基礎設施與部署成本」。本頁先前依據落後現象提出的論點，如今出現了交會點：支出先於效率，效率終會到來，而群體持續為此付出的代價是推論帳單。

ICONIQ 主打的標題數字只呈現交會前的部分，而且只依據四個公司季度。「284% 對 124%」出現在執行摘要中；「53% 對 75%」則完全沒有被引用。兩者都來自同一張圖表（p.37）。這張表中的 Pacesetter 欄位只有 n = 4 到 12 個公司季度——ICONIQ 自己的註腳指出，一個資料點代表一個公司季度，而非一家公司，因此四個資料點可能只是同一家公司被觀察四次。這個方向值得參考，但精確度不足。

首個帶有時間軸的 ARR/FTE 序列（p.42，依 ARR 級距及年度區分的最高四分位，涵蓋全部 137 家公司——並非僅限 Pacesetter）：

級距	2022–23	2024	2025	2026
$100M+	$315K	$398K	$488K	$478K
$25–100M	$201K	$229K	$265K	$290K
$10–25M	$139K	$196K	$203K	$149K

ICONIQ 的內文謹慎地說：「$25M–$100M 公司的最高四分位營收持續上升」，圖表也顯示謹慎有其道理：**只有這個級距仍在成長。**最大級距首度在序列中下滑（$488K → $478K），最小級距則下跌 26%（$203K → $149K）。因此，依據該報告自己的測量工具，2026 年除了中間級距以外，人均生產力都不再提升。這項讀數仍有侷限——樣本從 403 減至 120 個公司季度、使用的是最高四分位而非中位數，而且公司從級距畢業後，各級距組成也會改變——但這是知識庫目前最接近的營運資料長期人均營收序列，而它並未顯示效率紅利正在擴大。

員工人數的變化，以另一個單位呈現同一個故事（p.43，依營收成長群體的員工人數中位數變化）：年增 100% 以上的公司，員工人數從 2025 年到 2026 年由 115% → 146%；成長 50–100% 的公司則由 46% 降至 34%，成長 25–50% 的公司由 18% 降至 6%，低於 25% 的公司則停在 2%。成長最快的公司正以序列中前所未有的速度招人。各部門的人力配置比例並未改變（p.44：$100M 以下的 S&M/R&D/G&A 約為 50/41/9，以上則為 47/39/14）；ICONIQ 認為 AI 正在「提升生產力」，卻尚未「實質改變營運模式」。這正是本頁的核心主張——人變多了，配置方式相同，押注尚未實現的營收——如今由第三種測量工具加以衡量。

**反向趨勢，但不在這個群體中。**報告的上市公司市場章節（p.20）整理了 2026 年大型上市公司明確歸因於 AI 的裁員時程——Amazon 9%、Dell 10%、Atlassian 10%、Snap 16%、Coinbase 14%、Cisco 5%、PayPal 20%、Intuit 17%、Cloudflare 20%、Meta 10%、GitLab 14%、Oracle 13%、monday.com 20%、Microsoft 2.1%——並總結為「今年約 10–20%」。資料來源是 TechCrunch 彙整申報資料、備忘錄與媒體報導，而非 ICONIQ 自行測量；其中 Google、IBM 兩筆註明是外部估計，並非公司公開資料，因此這份 empirical 文件中仍包含二手報導。它呈現的群體差異很重要，而且與 Firm AI-Spend Intensity and Headcount Growth 的人口界線完全一致：民營 AI 前導的高速成長公司增加人手；成熟的上市公司則裁員。「AI 是否減少員工人數」沒有單一答案，因為這兩個群體同時朝相反方向移動。

與精實獨角獸敘事的張力（已標示）#

知識庫中的 AI-native startup lifecycle 與 founder-as-orchestrator 頁面，立基於 Anthropic 的 Founder's Playbook 論點：AI 能讓公司大幅精簡、更有效率——並以「精實的 10 人獨角獸」作為刻意追求的目標。本研究發現則指出，平均而言，AI 公司目前的人均效率較低。這項矛盾確實存在，值得直接說明，不該刻意淡化。可從三個角度調和，但沒有一種能完全挽救「效率明顯提升」這項強主張：

• **平均值與尾端。**精實獨角獸是刻意追求精簡的子集（單人創辦人／高速成長尾端——Together AI 在不到 3 年內達到 $1B ARR，Genspark 則有望在不到 2 年內達標），並非資料顯示積極擴編的 AI 公司平均值。Playbook 描述的是可達成的極端案例；基準研究描述的是整體群體。兩者可以同時為真。
• 落後，而非上限（見上文）：效率紅利確實存在，但會延後實現；AI 原生公司的 RPE 成長快於既有公司，差距正從高端開始縮小。
• **投資 ≠ 效率低落。**提前 12–18 個月招募人力，是 AI 時代資金充裕所促成的一種選擇（2025 年 44% 的創投資金流向 AI 公司），並非未能精實經營。這會壓低 RPE 比率，但不代表公司若選擇精簡就無法運作。

誠實的解讀是：精實獨角獸在尾端是可實現、也已有案例，但「AI 讓公司更有效率」尚未成為整體層級的實證事實——它仍是前瞻押注，而 RPE 成長趨勢已開始支持這項押注。

配套發現：AI 也尚未侵蝕軟體毛利#

同一份報告也得出平行結論：「顛覆單位經濟的效果尚未實現」：2023 年第 1 季至 2025 年第 4 季間，各級距的毛利率中位數都改善了 3–5 個百分點，最後落在 68–72%——沒有廣泛的毛利壓縮，因此 AI 推論成本尚未實質侵蝕整體軟體經濟。盛行的「推論成本會壓垮 SaaS 毛利」敘事和效率敘事一樣，目前都缺乏數據支持。報告也保留一項但書：成長最快的公司毛利率比成長較慢的同業低 6–16 個百分點，因此領先者可能正在吸收 AI 成本以追求成長——尚待釐清的是，今日 AI 基礎設施成本只是暫時現象，還是這個類別新的利潤現實。

另一個 empirical 來源如今按規模而非年度，直接測量了這個但書所指的群體。ICONIQ 的 Pacesetter Index 按公司層級毛利率，衡量其最高四分位成長、AI 前導群體：營收 <$10M 時中位數 55% → $10–25M 時 60% → $25–100M 時 80% → $100M+ 時 75%（最高四分位：80%／70%／85%／85%）。ICONIQ 的內文沒有列出這些計算，但明確說明了取捨：「Pacesetter 的營運毛利率通常較低，而隨著更多使用帶來更多客戶價值與更高成本，健康毛利率的基準仍在演變。」

這項資料補充了兩點，卻明顯沒有補上另一點。首先，它顯示毛利受壓的級距：完全集中在規模最小、成長最快的兩個級距；$25M 以上 Pacesetter 的毛利率已達 75–80%，屬於傳統軟體水準。其次，它顯示差異度才是早期階段的真正故事：營收低於 $10M 的級距中，最高四分位為 80%，中位數為 55%，相差 25 個百分點；到了 $25–100M 級距只差 5 個百分點。因此，規模小的 AI 前導公司並非毛利普遍偏低，而是各有不同。它沒有補上時間軸。這是不同規模公司的橫斷面數據，因此既符合各公司隨規模成長而恢復毛利，也符合新近成立、推論負擔最重的公司恰好規模最小這種世代差異。毛利率梯級也不是單調變化：從 $25–100M 跨至 $100M+ 時，中位數毛利率由 80% 降至 75%，這項數據不支持簡單的「規模越大、毛利越好」解讀。整體篩選但書仍適用：這些公司是由投資方選出的最高四分位成長公司，數值四捨五入至最接近的 5%。

同一押注的價格面：AI 創辦人稀釋較少（Carta，2026 年 3 月）#

上文的所有數字都是從營收利潤率角度觀察。Carta 的 Founder Ownership Report 2026（Carta Data Desk，Peter Walker 與 Kevin Dowd，empirical，涵蓋 2021–2025 年募資輪次的中位數）則從價格利潤率觀察同樣的兩極化——一輪募資會讓創辦人付出多少股權：

• 在 Series B，AI 創辦團隊完全稀釋後的股權中位數為 27.3%；非 AI 團隊則為 21.8%——差距為 5.5 個百分點。報告指出，這種差距「各輪募資階段皆存在，但程度不一」。
• Series A 的產業分類也有類似形狀：數位產業為 37.5%，實體產業為 30.5%——同樣的型態，只是抽象層級更低。

**為何這項資料應放在本頁。**兩項發現似乎理應相符，實際上卻不相符：AI 公司目前的人均營收較低，每輪募資讓出的公司股權也較少。兩者都是以不同單位表述的投資論點。投資人購買的是未來預期營收，因此每投入一美元會支付更高估值（稀釋較少）；與此同時，公司在營收尚未出現時，先行擴增員工人數（RPE 較低）。市場明確將時間落差納入定價——這是目前最有力的證據，顯示實際開支票的人也將本頁記錄的差距理解為時間落差，而不只是報告提出的論點。它也是 AI-Native Startup Lifecycle 中資本集中度數據的價格面對應：44% 的創投資金流向 AI 公司（資金量），而這些資金取得的股權比例較低（價格）。

有兩項但書。「AI 公司」仍是資料提供者自行採用的標籤，而非獨立分類——本頁第一個待解問題也對 Emergence 群體提出同樣質疑，這裡也同樣適用。其次，取得的資料是報告公開登陸頁面（約 1,150 字）；完整報告設有表單門檻，因此 Series B 是唯一可取得的 AI／非 AI 階段數字，背後沒有完整表格。

同一項押注的另一種表述：分層論點（2026 年 7 月）#

當 Washington Post 問 Andrew Ng 資本支出擴建是否為泡沫時（China, Open Source & AI Competitiveness — Andrew Ng，practitioner-opinion），他拒絕回答泡沫問題——「我不會給任何人投資建議」——而是回答另一個問題：價值最終會落在哪一層。

「網際網路興起時，Cisco 表現不錯……但建構於網際網路之上的應用程式，後來變得更有價值。而且必須如此，因為你需要打造應用程式的人創造足夠營收，才能支付基礎設施供應商的費用。」

最後這句話以會計恆等式重述本頁論點，也是整個語料庫中最精闢的版本：**唯有應用層最終賺得比基礎設施成本更多，基礎設施支出才有辦法回本。Ng 主張，相較於基礎設施故事，應用層「被嚴重低估」；而真正重要的應用並非聊天機器人形態——「不是只跟聊天機器人聊聊天、複製貼上，修正我的電子郵件文法」，而是能改變商業模式、帶動成長而非只節省成本的自動化。他對需求面的信心，特別聚焦於推論：「我們肯定覺得怎麼樣都不夠」容量，軟體工程師的使用率「仍然很低」，因此「我認為能建多少就會用多少」——同時也承認本頁正在衡量的情況：「但這不代表人們不會因建置資本支出而賠錢。」

有兩項但書。這是有應用層投資部位的投資人提出的 practitioner-opinion，沒有提供任何數字；而且 Cisco 類比有存活者偏差問題，Ng 並未處理，因為網際網路擴建的應用層贏家之所以看得見，正是因為該層的輸家與過度建置的基礎設施已先被淘汰。應將其視為對上文 RPE 差距最終會在哪裡縮小的清楚假設，而非差距必然縮小的證據。

同一時間落差的買方觀點（McKinsey，2026 年 8 月）#

本頁提出的是供應商端論點：AI 公司的人均效率看來較低，是因為它們正在購買成長。The state of AI in 2026（McKinsey / QuantumBlack，2026-08-25，empirical 但屬自陳調查；97 個國家共 1,719 名受訪者）則提供相同時間落差的買方觀點，數字更加直白。

• 80% 的受訪者表示 AI 提升了個人生產力；50% 表示它幫助自己做出更好的決策。
• 37% 表示 AI 對其組織的 EBIT 有正面貢獻——「與 2025 年基本持平」；同一年中，將 AI 擴大至整個企業應用的組織比例，則由 38% 升至 44%。
• 6% 是 AI 高績效企業（至少 5% EBIT 歸因於 AI，且創造了「重大」價值），與 2025 年相同。
• 60% 預期來年會增加 AI 投資；28% 已將企業 ICT 預算中超過 10% 用於 AI。

支出與部署都增加了，歸因於 AI 的財務回報卻沒有改變。這是從需求面觀察本頁「效益落後於採用」的機制，而且還附帶第二年持平的結果——這項持平事實讓「時間落差」的解讀保持誠實，而非令人安心；因為若落差一直沒有縮小，最終就會變成上限。

按目標拆分的結果是直接佐證（Exhibit 10，高績效企業 n=92，其他企業 n=1,429）。兩群追求效率的比例同樣高——高績效企業為 78%，其他企業為 82%——但追求成長（74% 對 47%）與創新（65% 對 49%）的比例則有差異。回報 AI 財務影響的組織，不是更用力追求效率，而是同時追求效率與其他目標。對照本頁論點來看，這從買方角度表達了相同主張：把 AI 當成效率計畫，是與未能見到回報相關的做法。一般的折扣條件在此加倍適用——群體以待解釋的結果定義，而且每個數字都來自受訪者自陳。

相關連結#

• The Solo-Founder Shift——本頁待解問題所說、刻意精簡尾端群體的母體基準率：Carta 數據顯示，美國新創公司中超過三分之一由單人創辦（2025 全年約 36%，與上半年 36.3% 的讀數相符），並非罕見極端案例。它無法補上該問題中的 RPE 部分——Carta 持有的是股權表，不是營收
• Organizational Complements to AI——解釋機制：AI 的增益落後於採用，是因為工作流程／角色／組織的互補性重新設計也跟不上；RPE 差距則是以公司財務數據測量此一落差
• Firm AI-Spend Intensity and Headcount Growth——獨立資料集提供的人力面佐證：密集採用 AI 的公司會擴編——不論整體而言，或是包括初階職位（+12%）與銷售職位（+10%）——人力增加快於產出，而非縮編；這正是本頁從人均營收讀出的「投資階段，而非效率階段」特徵，如今改以 AI 廠商支出加上人力紀錄來觀察。**從第三個方向獲得補強（2026-09-22）：**ICONIQ 2026 年資料顯示，民營 AI 前導高速成長公司員工人數中位數增加 146%，成熟上市公司同年則裁員 10–20%——兩群同時朝相反方向移動，因此「AI 是否減少員工人數」沒有單一答案
• AI-Native Startup Lifecycle——直接張力：精實獨角獸效率論與 AI 公司 RPE 較低的數據互相矛盾；可透過投資階段招募加上互補條件落後來調和
• Founder as Agent Orchestrator——職務層級的相同張力：編排者型創辦人打造精實組織，但平均而言，AI 公司卻積極擴編（尤其在工程領域），而非維持精實
• Acceleration Whiplash——SDLC 遙測資料的對應案例：吞吐量上升，但實際品質落後，因為吸收能力的互補條件跟不上；此處則是營收上升，但人均效率落後，因為組織互補條件跟不上——落差相同，指標不同
• Telemetry vs. Survey Measurement——用來理解 AWS 與 Emergence RPE 衝突的測量工具差異：股權表實際資料（Emergence，AI 低於非 AI）對上創辦人自陳調查（AWS，AI 原生公司高於基準）。知識庫中「感受與系統」的差異從 SDLC 指標延伸到公司經濟；建議也相同——以實際收據為重，不要將兩者取平均
• Market-Priced AI Exposure (the AI Premium)——市場定價的補充觀點：股市確實正向定價 AI 曝險（AI 溢價為每週 64.1 個基點），但它是一種轉型風險——投資人要求持有最容易受 AI 租金重新分配影響公司的補償，而非將已實現的效率提升資本化。這與「投資階段，而非效率階段」一致：溢價代表重新分配押注的價格，並集中在互補性 AI 經濟已存在的前沿區域
• AI-Native Organization——尾端案例展示了這種狀況，並從發展階段提出論證：Tan 所說的 Emergent（15 人創造約 $15M ARR）與 Retell（約 40 人創造 $60M）的每人營收，正是本頁母體中位數無法單獨區分的刻意精簡尾端；這些未經驗證的 practitioner-opinion 與本頁股權表數據不同
• AI Product Economics Maturation——第四種 RPE 測量工具所依據簡報的專頁：ICONIQ 高成長公司前瞻 ARR/FTE 推估（到 2027 年由 $272K 增至 $496K）列於本頁上方的 RPE 表，而該簡報的毛利、定價、供應商組合、內部成本與 FDE 變現經濟則見該頁——它是本頁「證明 AI 有效率（目前尚未）」的配套篇，主題為「證明 AI 能帶來收益」
• AI and Market Power——本頁分類問題所要求、但以另一種結果衡量的篩選檢驗：OECD 透過官方國家統計調查測量 AI 採用，而非採用 VC 的「AI 公司」標籤；AI 使用者與非使用者之間 7.5 倍／3.2 倍的原始市占差距，在納入寬頻、數位化程度與落後一期的生產力後，縮小至不顯著。這不是 RPE 的答案，但論證形狀相同——表面上的 AI 與非 AI 差距，最後證明是既有公司品質造成的差異
• ICONIQ——本頁五種 RPE 測量工具中有兩種來自同一發布者，也是它們不能合併的原因：帶有前瞻推估的高階主管自陳調查（第四種讀數），以及以成長表現篩選群體的營運數據基準（第五種）。該實體頁記錄了篩選規則、缺少的對照組，以及使本文引用的所有 Pacesetter 數據都應打折的投資組合利益衝突
• Emergent——現在已有數據量化的尾端案例。第三方報導（TechCrunch，2026 年 7 月）指出，這家備受矚目的精實獨角獸，自報 ARR 為 $120M、員工約 200 人，約等於每人 $600K——低於本頁 $100M+ AI 公司最高十分位 RPE $960K。即使是備受矚目的 AI 原生典範，規模超越 15 人階段後仍低於最高十分位：直接支持「投資階段，而非效率階段」的說法，也支持人均極端數值是低員工數時的產物（分子本身是 vendor-claim，因此應將此數據視為指標性資料）

待解決的問題#

• 分類是否左右了結果？「AI 公司」是 Emergence 的標籤。如果 AI 公司相較同營收級距的非 AI 群體，成立時間明顯較短（更可能尚未到營收加速期），那麼部分 RPE 差距可能是公司年齡／階段造成的假象，而非 AI 的效果。報告沒有公布依公司階段匹配的比較。(另一種結果已有部分答案，2026-08-11：OECD AI Papers No. 62 針對市占而非 RPE，採用強制性國家統計調查測量 AI 採用，而非依據標籤，執行完全相同的檢驗。原始差距非常大——AI 使用者的平均市占是非使用者的 7.5 倍（法國）與 3.2 倍（葡萄牙）——但在加入控制變數後便消失：法國的市占十分位中，AI user 係數從 0.0657** → 0.0530** → 0.0266 ns；葡萄牙則從 0.0681*** → 0.0283 ns → 0.0199 ns；主要是落後一期生產力（0.18–0.19，為取代 AI 係數的 7–9 倍）使其消失。因此，就最接近的可用類比而言，答案是是，篩選因素確實左右了結果——但方向不同：該研究中，篩選因素放大了 AI 群體表面上的優勢；此處的疑慮則是階段／年齡組成壓低了表面上的優勢。RPE 這部分仍未解答；必須有依階段匹配的財務比較才能定論。)*
• 何時會交會？AI 原生公司的 RPE 成長較快，而且在成長率上已領先；$100M+ 最高十分位年增 +58%，對比非 AI 的 −6%。人均營收水準差距會在一兩年內縮小嗎？會不會反轉（AI 公司人均效率更高）——讓「效率故事」真正成真的轉捩點？*(已有部分答案——截至 2026 年第 2 季，尚未看到反轉，但這種測量工具無法呈現趨勢（2026-09-22）。The ICONIQ Pacesetter Index 提供 Emergence 2025 年第 4 季快照後兩到三季的實測水準，樣本也是目前公開資料中最有利於 AI 的群體：營收超過 $100M、成長位於最高四分位的 AI 前導公司，其人均營收中位數為 $655K／最高四分位 $890K。兩者都低於 Emergence 的 AI 最高十分位 $960K，更遠低於非 AI 最高十分位 $1.3M，因此較新的讀數沒有任何反轉跡象。有三個原因使這只是薄弱證據，無法結束這項待解問題：ICONIQ 數字是2024 年至 2026 年第 2 季的合併橫斷面資料，沒有年度比較序列，因此測量的是水準，而問題關注的是速度；百分位並不可比（篩選後群體的最高四分位，並非整體群體的最高十分位）；而 ICONIQ 完全沒有公布非 AI 比較組，但這正是交會問題的核心。觸發條件仍未改變——必須有至少兩筆使用相同工具的 AI 與非 AI 同級 RPE 資料。)* 補充——終於有了時間序列，但數值轉而下滑（2026-09-22）。2026 State of Scaling: The Great Sorting 是 Pacesetter Index 擷取資料的完整報告，公布了 Index 無法提供的逐年 ARR/FTE：依級距區分的最高四分位，2022-23／2024／2025／2026 年數據依序為 $315K／$398K／$488K／$478K（$100M+）、$201K／$229K／$265K／$290K（$25-100M），以及 $139K／$196K／$203K／$149K（$10-25M）。這對本題有兩項意義：它終於能用營運數據回答問題中的速度，而 2026 年的答案是除了 $25-100M 級距以外，人均生產力都不再上升——最大級距首度出現下滑，最小級距則跌了 26%。因此，反轉比趨勢讀數所暗示的更遠，而非更近。不過，本題談的是 AI 與非 AI 的比較，而這個序列是按ARR 級距與營收成長群體區分，從未按 AI 身分切分——52 頁報告中，ICONIQ 沒有任何地方公布這項差異。樣本也大幅減少（n 從 403 降至 120 個公司季度），而隨著公司升出級距，每一級距都混入了組成效果。因此：缺少的時間軸已補上，但比較基準仍然缺席；觸發條件維持原樣。)*
• **尾端與平均值的差距。**目前沒有精實單人創辦人尾端的專屬 RPE 數據——精實獨角獸主張談的是這個尾端，但整體群體中位數無法將它區分出來。(已有部分資料：Emergent 是知名的精實尾端案例，在 ARR $120M 時約為每人 $600K，低於本群體 $100M+ AI 最高十分位數據（$960K），暗示尾端公司擴大規模後的 RPE，可能不如低員工人數快照所顯示的那般突出。這只是單一筆 vendor-claim 數據，並非群體資料。) 對照 Carta 自己於 2026 年發布的後續資料後，仍未解答（2026-09-22）：Founder Ownership Report 2026 按創辦團隊人數、產業及 AI／非 AI 區分創辦人持股，但完全沒有公布營收數字。這是測量工具本身的結構限制——股權表沒有營收——因此 Carta 的任何出版物都無法補上這個答案；需要以財務資料來源（如 Standard Metrics 等級的投資組合資料）按創辦團隊人數切分。
• 哪種測量工具最適合衡量 AI 前沿原生子集？兩種標記為 empirical 的來源對方向看法不一——股權表財務數據顯示 AI 公司人均營收少約 39%，創辦人調查則稱 55% 的 AI 原生公司人均營收超過 $400K，且成長 156%。這種分歧同時受到測量工具（實際數據與自陳資料）和參照群體（同級 AI 與非 AI 比較，對上 AI 原生公司與所有新創比較）混淆。唯有針對刻意精簡的 AI 原生前沿群體本身進行同級財務資料 RPE 研究——而非採用廣義「AI 公司」標籤——才能判斷調查的樂觀還是股權表數據的悲觀更能描述該尾端。（ICONIQ 第四種讀數增加了 RPE 前瞻軌跡——到 2027 年預測增長 +84%——但同樣是自陳預測，因此只會加深調查端的樂觀程度，無法裁定誰對。）*(已有部分答案，但只滿足一半（2026-09-22）。The ICONIQ Pacesetter Index 是知識庫中的第五種讀數，也是第一種符合此題要求中測量工具部分的資料：它使用營運財務資料，而非自陳調查；資料為 2024 年至 2026 年第 2 季的季度數據，涵蓋上市軟體公司與發布者自有投資組合；衡量對象是明確的 AI 前導前沿群體，而非廣義「AI 公司」標籤。$100M+ 公司的人均營收中位數是 $655K/FTE，最高四分位為 $890K。數字落在兩個互有歧異的讀數之間：明顯高於 Emergence 該級距所有公司的中位數 $394K，也高於 AWS 調查中 55% AI 原生公司超過的 $400K 門檻，但仍低於 Emergence AI 最高十分位的 $960K。然而，它完全不符合比較部分的要求，而且這是結構性而非偶然的缺失：Pacesetter 依三年營收成長最高四分位，以及 ICONIQ 自行採用的 AI-Native／AI-Driven 標籤選出；出版物中完全沒有非 Pacesetter，也沒有非 AI 對照組。經篩選群體的中位數不能當作整體群體中位數，因此它無法判斷 AI 公司的人均營收是否高於同級非 AI 同業；它增加第三種參照群體，卻沒有讓兩種原有群體的結果趨於一致。值得保留的一項校準是：ICONIQ Pacesetter 的最高四分位 $890K，只比 Emergence 所有公司的最高四分位 $827K 高約 8%，這就是雙重篩選實際帶來的差異。仍能解答本題的資料需求沒有改變——必須比較同級財務數據並納入非 AI 對照組。)* 補充，且比較部分現已滿足一半（2026-09-22）。先前所說 ICONIQ 沒有公布比較基準，對 Index 頁面而言屬實，對其節錄來源的完整報告而言則不正確：2026 State of Scaling: The Great Sorting 在六項指標上，都以「Others」長條明確對照 Pacesetter。這是真實的對照組，且會實質改變解讀——在 $100M+ 級距，Pacesetter 的營業費用低於 Others（53% 對 75%），燒錢倍數也較佳（0.8x 對 1.4x）；而在 $100M 以下，兩者分別為 284% 對 124%，FCF 利潤率也差 5.6 倍。但它仍非本題所要求的對照組：「Others」是 ICONIQ 自有 137 家公司中非 Pacesetter 的部分（投資組合加上 11 家依 IPO 表現篩選的上市公司），其定義是同時未通過成長或AI 檢驗的群體，因此沒有任何數字能拆分 AI 效果與成長效果；而且 Pacesetter 欄位僅有 n = 4-12 個公司季度。報告也從未按人均營收切分——完全沒有 Pacesetter 對 Others 的 RPE 長條。因此，本題仍須保留待解標籤：成本指標上的樣本內勝者對照勝者，是比較需求上的進展，卻沒有觸及 AI 與非 AI 比較這項命題。)*
• 毛利問題（報告提出）：成長最快公司的毛利率低 6–16 個百分點，是暫時吸收 AI 基礎設施成本所致，還是軟體經濟價值永久重新定價？(方向有部分答案，核心問題仍未解決（2026-09-22）。The ICONIQ Pacesetter Index 按 ARR 級距測量最高四分位成長、AI 前導群體的公司毛利率：中位數為 55% → 60% → 80% → 75%（最高四分位為 80%／70%／85%／85%）。毛利受壓完全集中在規模最小、成長最快的兩個級距；$25M 以上的 Pacesetter 已達傳統軟體水準——這種分布符合「暫時吸收成本」的預測。但這是階段序列，不是時間序列；而這項區別正是本問題的核心：這些是在合併的 2024 年至 2026 年第 2 季觀測期中，處於不同規模的不同公司，因此相同的梯級既可能是各公司隨規模成長、毛利逐步恢復所造成，也可能是世代差異所致——最新成立、推論負擔最重的公司恰好規模較小。還有兩項注意事項：梯級並非單調變化——從 $25–100M 跨至 $100M+ 時，中位數毛利率由 80% 降至 75%——而 $10M 以下級距中位數與最高四分位相差 25 個百分點（55% 對 80%），顯示早期 AI 前導公司並非共享單一毛利結構。要解決此題，須跨年度追蹤相同公司；觸發條件仍未改變。)

資料來源#

• Beyond Benchmarks 2026: Five Data Sets Grounded in the Real World — Emergence Capital，Beyond Benchmarks 2026（2026 年 6 月）：§「What the Data Actually Says」、§「Non-AI Companies Show Higher Revenue per FTE」（反直覺訊號與 AI／非 AI 最高十分位表）、§「Revenue Per Employee Is Up Across Every Stage」、§「The Growth-Margin Tradeoff Remains Intact at the Top」。註：這份由 PDF 擷取的原始資料中，有幾個表格的多值儲存格遭合併（Core Four 表格將最高十分位與最高四分位堆在同一格——736% 184%；p18 RPE 表的級距標籤則併入中位數欄位）；本文引用的數字已重新查閱來源 PDF 第 15／18／19 頁，並與報告內文及投影片圖表互相佐證
• Engines of Growth: Global Startup Trends Report — AWS Startups，Engines of Growth（2026 年 6 月，empirical，但為廠商自陳調查）：§「What are AI-native startups achieving?」（55% 人均營收達 $400K 以上，對比 34%／23%；成長 156%，對比 65%／12%；達到 $1M 以上的可能性高 5.2 倍）——作為調查工具的反向觀點，對照 Emergence 的股權表 RPE 發現
• China, Open Source & AI Competitiveness — Andrew Ng — Andrew Ng 接受 James Hohmann 訪問，Washington Post Live「Building America」（2026-07-29，30:39；practitioner-opinion）。只供分層論點一節引用：Cisco 類比、應用必須支付基礎設施費用的恆等關係，以及推論需求相關主張。沒有提供數字；Ng 持有應用層投資部位（AI Fund；以及他所述為大型企業提供的顧問服務），因此其論點符合自身利益。匯入資料時已修正 ASR 的自動字幕逐字稿
• The state of AI in 2026: On the road to ROI — Dan Tinkoff、Lieven Van der Veken 與 Michael Chui，和 Tara Balakrishnan 合著，The state of AI in 2026: On the road to ROI（McKinsey / QuantumBlack，2026-08-25，empirical，自陳資料；線上調查，97 個國家共 1,719 位參與者，調查期間為 2026 年 5 月 4 日至 6 月 8 日，按 GDP 加權）。本文引用其關鍵摘要中的 EBIT 與生產力數字（37%／80%／50%，以及高績效企業占比維持 6%），Exhibit 10（依群體區分目標），以及 Exhibit 9（投資預期，60% 預期增加投資）。提供買方觀點而非供應商觀點：未對公司定價，也未測量人均營收。**COI：**McKinsey 出售 AI 轉型顧問服務。
• 2026 State of Scaling: The Great Sorting — ICONIQ Venture & Growth，2026 State of Scaling: The Great Sorting（2026 年 9 月，empirical；52 頁 PDF，以 docling 解析）。Pacesetter Index 節錄內容所屬的完整年度報告。本文引用 Pacesetter 與 Others 比較表（營業費用 p.37，FCF 與毛利 p.36，燒錢倍數 p.39）、ARR/FTE 年度序列（p.42）、依成長群體區分的員工人數變化序列（p.43）、各部門員工比例（p.44），以及上市公司裁員時程（p.20，後者為二手資料，來自 TechCrunch 彙整申報資料、備忘錄與媒體報導）。上文所有數字均經兩輪檢查後，直接從頁面影像讀取，並以 pdftotext -layout 交叉核對；這些圖表是向量圖，docling 無法擷取文字。兩項但書適用於所有資料：n 代表公司季度，而非公司數量，因此 n=4-12 的 Pacesetter 資料點可能是少數公司被重複觀察；而群體會持續變動——公司可能因成長放緩而離開，因此 Pacesetter 序列無法呈現 Pacesetter 成長放緩的情況。測量工具來源與完整的篩選／利益衝突折扣，見 ICONIQ
• State of AI 2026: The Builder's Economy — ICONIQ Growth，State of AI 2026: The Builder's Economy（2026-07-08，empirical 高階主管調查，含預測等級的前瞻數字）：§「Talent & Organization」的 ARR／營收/FTE 圖表（image_000059）——第四種 RPE 讀數，也是唯一一項前瞻推估（高成長公司 $272K→$369K→$496K；同業 $270K→$346K→$448K；N=281）
• The ICONIQ Pacesetter Index — ICONIQ Venture & Growth，The ICONIQ Pacesetter Index（2026-09-17，empirical——並非調查：2024 年至 2026 年第 2 季，一組精選上市軟體公司及自有私人創投與成長階段投資組合公司的季度財務與營運資料）。ARR 或營收/FTE 列（各級距分別為 $75K/$90K、$115K/$145K、$225K/$355K、$655K/$890K）、成長率列（中位數依序為 900%／430%／190%／115%）以及毛利列（中位數依序為 55%／60%／80%／75%）的來源。篩選條件是所有數據都必須附帶的長期但書：Pacesetter 同時以三年營收成長最高四分位，以及 ICONIQ 自行設定的 AI-Native／AI-Driven 標籤選出；報告沒有非 AI 與非 Pacesetter 對照組——因此其中位數描述的是精心挑選的頂尖子集，並非整體群體。**COI：**ICONIQ 是成長階段 VC，樣本部分來自其自有投資組合。**解析註記：**整份七項指標 × 四個級距的表格只存在於頁面影像中（，1216×882）；編譯時已逐格重新核對全部 56 格，均可辨識，沒有 ? 欄位。報告 PDF 需透過表單取得，因此未下載。另請注意，「Top Quartile」對燒錢倍數代表第 25 百分位，對其他所有指標則代表第 75 百分位；數值四捨五入至最接近的 5 倍數。測量工具來源見 ICONIQ
• Founder Ownership Report 2026 — Peter Walker 與 Kevin Dowd，Founder Ownership Report 2026（Carta Data Desk，2026-03-12，empirical；以 2021–2025 年募資輪次股權表中位數計算）。本文僅引用價格面章節中的持股／稀釋數據——Series B AI 27.3% 對非 AI 21.8%；Series A 數位產業 37.5% 對實體產業 30.5%。僅使用登陸頁面摘要（約 1,150 字：執行摘要加上四個重點項目）；完整報告需透過表單取得，因此沒有各輪募資階段的表格，也沒有圖表可用來核對上述內文數字。「AI」分類由 Carta 自行設定，適用本頁針對 Emergence 群體提出的相同標籤有效性但書