資料來源#
- 2026 State of Scaling: The Great Sorting
- State of AI 2026: The Builder's Economy
- The ICONIQ Pacesetter Index
摘要#
ICONIQ Capital 是一家私人投資公司,以代表少數超高淨值家族管理資產而聞名;其創投與成長股權部門以 ICONIQ Growth 發布資料,並從 2026 年 9 月起改用品牌名稱 ICONIQ Venture & Growth。它在這個知識庫中受到關注,並非因為投資人身分,而是作為營運基準的發布者——該公司的研究團隊定期調查軟體公司高階主管,並依據投資組合公司與上市公司的財務資料進行基準研究;這些出版品提供了知識庫中大多數關於 AI 產品毛利、定價模式、供應商組合、組織重整、前線部署工程,以及每位全職員工營收的數據。
本文整理了 ICONIQ 的三份出版品;它們是不同的工具,有著不同的可信度輪廓——每次引用「ICONIQ 表示」的數字時,這項區分都至關重要:
- State of AI 2026: The Builder's Economy(2026-07-08)——第三次雙年度高階主管調查,受訪者約 305 人,來自打造 AI 產品的軟體公司。數據為自陳,且其關鍵趨勢(AI 營收占比、毛利、每位全職員工營收)大多是 2026 與 2027 年的未來預測,更接近
prediction等級,而非實際測量。整理於 AI Product Economics Maturation、AI-Native Organization 和 AI Investment Story, Not Efficiency Story。 - The ICONIQ Pacesetter Index(2026-09-17)——不是調查。收錄 2024 年至 2026 年第二季的季度財務與營運資料,取自「一組精選的上市軟體公司,以及我們的私人創投與成長投資組合公司」,依七項指標和四個 ARR 級距進行基準比較。這是實際數據,不是主觀感受——但樣本部分由 ICONIQ 持有,且經過刻意挑選(見下文)。
- 2026 State of Scaling: The Great Sorting(2026 年 9 月,52 頁)——Pacesetter Index 所摘錄的年度成長與效率報告,若問題是「跟誰相比?」,就該引用這份報告。使用相同的群組架構,涵蓋範圍更廣:137 家軟體公司(投資組合公司,加上 11 家依 ICONIQ 自身 IPO 表現標準選出的上市公司)從 2022 年至 2026 年第二季的季度營運與財務資料;此外,Index 頁面所缺少的部分也在這裡——六項指標都在 Pacesetter 長條旁繪有明確的 「Others」比較組。另在指定處附加兩份小型專有調查:年度成長營運趨勢調查(2026 年 2 月),n = 38(所有 AI 採用數據的來源),以及AI 驅動軟體企業買方調查(2026 年 6 月),n = 132(所有買方偏好數據的來源)。整理於 AI-Native Startup Lifecycle、AI Investment Story, Not Efficiency Story、AI Product Economics Maturation、Seven Powers Applied to AI、AI-Native Organization、Firm AI-Spend Intensity and Headcount Growth、Product Velocity as Moat、Compounding Data Moat 和 Build Instead of Buy Under Agentic Coding。
三份出版品都有一個單位陷阱,而且只在註腳中說明:n 指的是公司季度,不是公司數。 ICONIQ 自己的方法說明頁明確指出:「每個資料點 (n) 代表納入計算的每家公司一個財政季度的資料,並非個別公司的數量」,而且「同一家公司的季度資料點可能在彙總檢視中重複納入」。因此,人數圖表上的 n = 76 可能是十幾家公司跨數季的觀察值;2026 年比較圖中的 Pacesetter 資料格則只有 n = 4 至 12 個公司季度——也就是說,報告中最常被引用的兩組對比「284% 對 124% 的 OpEx」和「低於 1 倍的 burn multiple」,各自都只以四個 Pacesetter 公司季度為基礎。絕不可把 ICONIQ 的 n 當成樣本數來報告。
Pacesetter Index 是什麼,以及它的篩選方式如何影響其中每個數字#
Pacesetter Index 是 ICONIQ 在 AI 時代之前所發布的 Enterprise Five Scorecard 的正式後繼版本;ICONIQ 明確說明了更換的理由:「Enterprise Five 衡量的是軟體領域整體的歷史表現與彙總表現」,而 ICONIQ 認為「找出表現頂尖的公司,就應該以這些公司作為基準,而非以更廣泛的市場為基準。」比較對象刻意從整體母群體移至贏家。
圖表與正文對群組的定義略有不同,但應以圖表的定義為準:
- 圖表原文:「過去 3 年營收成長位居前四分位數,且屬於 AI-Native 或 AI-Driven。」
- 正文:「在其規模級距中,營收成長至少位居前四分位數的 AI 前瞻公司。」
實質上相同——依據 (a) ARR 級距內三年營收成長位居前四分位數,以及 (b) ICONIQ 自行制定的 AI-Native/AI-Driven 分類,進行雙重篩選。
完整報告釐清了措辭差異,並補上 Index 頁面略去的兩項細節(State of Scaling 方法說明,第 5 頁,以及「那麼,Pacesetter 是哪些公司?」,第 26 頁)。兩種措辭描述的是同一項規則:前四分位數成長是在各 ARR 規模級距內衡量(<$10M、$10–25M、$25–100M、$100M+)——圖表簡略措辭與正文中的「在其規模級距中」描述的是同一項標準;整理時將兩者視為「實質相同」的判斷獲得確認,無須修正。AI 類別的條件也是首次明確列出:AI-Native =「核心產品或商業模式是以基礎模型為根本打造而成」;AI-Driven =「核心產品組合中嵌入 AI,同時也開發獨立的 AI 產品」。這仍是 ICONIQ 自己的分類方式,對於邊界案例如何判定,仍沒有評分規準。第二項細節則更為明確;報告用自己的話提出了存續者偏差警告:Pacesetter 是**「動態群組」——「公司會在達到或跌破前四分位數成長門檻時進入或退出這個群組。」**每個期間都會依據正在報告的結果重新決定群組成員,因此 Pacesetter 序列永遠不會呈現 Pacesetter 成長減速;公司因成長減速而離開樣本。2026 年第二季的群組公司概況(第 26 頁):60% AI-Native/40% AI-Driven、65% 橫向/35% 垂直、70% 採混合或依用量計費定價模式、平均約 2–4 年達到 $100M、創立至今的年齡中位數為 6 年。
其結果,也是本頁最應牢記的一點:Pacesetter 中位數並非母群體中位數。Index 的每個數字都是事先篩選出的頂尖群組之中間值。~~這份出版品中完全沒有非 Pacesetter 對照組,因此在結構上無法回答「AI 公司是否比非 AI 公司表現更好」。~~(已於 2026-09-22 由 2026 State of Scaling: The Great Sorting 取代——見下文;篩選問題依舊成立,但缺少比較組的說法已不成立。)
比較組確實存在——缺少的是摘錄中的內容,而非研究本身。State of Scaling 報告針對 2026 年六項指標,在 Pacesetter 長條旁繪出 「Others」長條:淨美元留存率、新增 ARR 組成、毛利率、FCF 利潤率、營業費用利潤率,以及 burn multiple;每項指標又分為 <$100M 和 $100M+ 兩個級距。因此,「跟誰相比?」現在有了答案,而且答案往往比標題更有意思(在 $100M+ 級距中,Pacesetter 的營業費用低於 Others,為 53% 對 75%,與 ICONIQ 主打的低於 $100M 對比正好相反)。有三項限制使這個比較組仍無法滿足知識庫的 AI Investment Story, Not Efficiency Story 論證階梯實際需要的對照組,而這些限制都不小:
- **「Others」是樣本內比較,不是母群體。**它指 ICONIQ 自己 137 家公司中非 Pacesetter 的其餘公司——其投資組合公司,加上 11 家本身就是依前四分位數 IPO 表現挑選的上市公司。這是以贏家對比其他贏家。
- 這不是 AI 對非 AI 的分類。「Others」的定義是未同時通過成長或 AI 條件;報告沒有指出未通過哪一項,因此這裡沒有任何數字能將 AI 效應與成長效應區分開來。
- Pacesetter 資料格只有 n = 4–12 個公司季度,而 Others 有 18–86 個公司季度,前述問題還未計入。
同類型的另外兩項限制:
- Top Quartile 對除了 Burn Multiple 以外的每項指標都代表第 75 百分位數;Burn Multiple 則代表第 25 百分位數(數值越低越好)。若沒有先確認指標就混著看兩欄,解讀會顛倒。
- 成長欄最容易受到篩選影響:低於 $10M 級距的 YoY 成長中位數為 900%,前四分位數為 2600%;這是挑選極小營收規模下三年成長位居前四分位數的公司後,依算術自然得出的結果,不能套用到任何未經篩選的公司。
- 數字在適用情況下四捨五入至最接近的 5 的倍數,因此不同級距間的小幅差異都可能落在四捨五入誤差內。
利益衝突#
ICONIQ 是一家成長階段創投公司,而 Pacesetter 樣本「部分就是」它的投資組合:來源註記寫著「一組精選的上市軟體公司,以及我們的私人創投與成長投資組合公司」。這帶來三種不同的影響,而且都指向同一個方向:
- 樣本篩選——哪些投資組合公司在「資料可取得」時會納入資料集,由 ICONIQ 決定,未經稽核。
- 群組篩選——AI-Native/AI-Driven 標籤來自 ICONIQ 自己的分類方式,沒有公開的評分規準。
- 敘事篩選——ICONIQ 能從外界認為它支持了領跑公司的形象中獲益;頁面也附有自身免責聲明,指出研究資料屬專有資訊、帶有主觀性,且不得作為投資決策依據。
這些都不代表數字有誤;相較於調查產出的資料,這些數據更接近實際紀錄。這表示解讀 ICONIQ 的基準時,應將它視為對一組精選公司所做的詳實描述,絕不能當成市場事實。
存取方式與別名的實務備註#
兩份報告都需要填寫表單才能取得。(已於 2026-09-22 取代。)Builder's Economy PDF 已取得並完成解析;Pacesetter Index 的「下載報告」按鈕則導向 href="#"(這是用戶端的表單收集動作,頁面 HTML 中沒有免填表的檔案網址),因此知識庫保存的該頁內容只有網頁文章和一張基準圖——尺寸為 1,216×882px,每個資料格都清楚可讀,並已在整理時逐格轉錄與再次核對。
**存取限制依頁面而異,並非發布機構統一設定;值得記下取得報告的替代途徑。**State of Scaling 的首頁也需要填表,但完整的 52 頁 PDF 是透過 ICONIQ 的 Webflow 資產 CDN 免填表提供——cdn.prod.website-files.com/…/2026_State_of_Scaling_The_Great_Sorting.pdf——並已完整下載及以 docling 解析。這和 openai.com 報告的取得方式相似:若 ICONIQ 的報告頁看似需要填表,先查看頁面 HTML 中是否有 cdn.prod.website-files.com 資產網址,再決定是否只取得文章內容。Pacesetter Index 頁面確實沒有這類網址;State of Scaling 則有。Index 是報告的摘錄,因此若某項警語寫著「ICONIQ 未發布 X」,都應先對照完整報告重新核查,再加以引用。
**網域別名,供日後去重使用:**Pacesetter 頁面的 og:url 和其自帶的「複製頁面網址」小工具都會導向 iconiqcapital.com,而非實際擷取資料時使用的 iconiq.com 網域。日後若以另一網域匯入同一篇文章,系統不會和既有資料列去重。
相關連結#
- AI Product Economics Maturation — Builder's Economy 單位經濟學的主要內容:AI 營收占比、預測 AI 產品毛利率將依序達到 45%→53%→59%、定價模式組成、供應商組合(Anthropic 51%→81%)、內部 AI 支出,以及將 FDE 視為營收驅動因素的做法
- AI Investment Story, Not Efficiency Story — 兩種 ICONIQ 工具在知識庫每人營收工具階梯中的定位:調查的未來預測(2027 年達到 $272K→$496K)和 Pacesetter Index 實測的 $100M+ 公司 $655K/$890K——同一個發布者在同一頁提供最弱與最強工具的解讀
- AI-Native Organization — Builder's Economy 的組織面向:職務組成轉變、各職能人力重新分配、管理階層,以及管理幅度
- AI-Native Startup Lifecycle — 將 Pacesetter Index 解讀為階段階梯:依 ARR 級距比較單位經濟學,以及從每位全職員工營收那一列推算出來的人數
- Seven Powers Applied to AI — ICONIQ 特別在基準中加入毛留存率,理由是「切換工具已變得容易許多」;切換成本侵蝕論點因此直接反映在衡量方法本身的變更上
- Anthropic — Builder's Economy 中最鮮明的單一市場數據:在約 305 位 AI 開發者中,Anthropic 在六個月內從模型供應商第 3 名升至第 1 名(51%→81%)
- Telemetry vs. Survey Measurement — ICONIQ 相當少見地在同一季內發布這兩種資料,因此絕不能把它的報告合併成單一的「ICONIQ 表示」;State of Scaling 在同一份文件內就納入 n=38 和 n=132 的調查數據,並以 137 家公司的營運資料為主幹,只在註腳說明兩者差異
- Firm AI-Spend Intensity and Headcount Growth — State of Scaling 依成長群組呈現的人數成長序列:ICONIQ 以營收成長作為招募門檻,該文則使用 AI 支出強度;兩種工具各自都呈現出「採用者增加人手」的趨勢
- Product Velocity as Moat / Compounding Data Moat — ICONIQ Pacesetter 營運者親口提出的兩種防禦力主張(「產品速度是會持續累積的護城河」;「當 AI 模型逐漸可以互換,優勢就在於競爭者無法複製的資料與工作流程」),兩者在這份
empirical文件中都屬於practitioner-opinion - Build Instead of Buy Under Agentic Coding — ICONIQ 對同一項論點的公開市場解讀:前沿模型「讓內部應用程式開發更容易取得」被列為所有軟體次領域估值倍數壓縮的原因
資料來源#
- State of AI 2026: The Builder's Economy — ICONIQ Growth,State of AI 2026: The Builder's Economy,2026-07-08(
empirical——約 305 位高階主管的真實調查,但數據為自陳,且 2026P/2027P 數字屬未來預測)。PDF 已取得並以 docling 解析;大多數圖表數值於第二輪檢視簡報圖片時讀取 - The ICONIQ Pacesetter Index — ICONIQ Venture & Growth,The ICONIQ Pacesetter Index,2026-09-17(
empirical,也是前三種工具中較強的一種:2024 年至 2026 年第二季的季度財務與營運資料,並非自陳)。Enterprise Five 的接續關係、Pacesetter 定義及圖表/正文措辭差異、七項指標 × 四個級距的基準表,以及上述利益衝突和存取限制說明都以此頁為來源。該頁的報告 PDF 需要填表才能取得,並未下載;七項指標的表格僅以頁面圖片呈現,已逐格轉錄並再次核對。現已確認此頁為下方來源的摘錄;原本缺少的比較組就在該報告中 - 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,已用 docling 解析;發布日期僅記錄到月份,因此登錄為 2026-09-01)。三種工具的定位、公司季度n陷阱、Pacesetter 定義的動態群組及 ARR 級距說明、AI-Native/AI-Driven 定義、Pacesetter 公司概況、「Others」比較組及其三項限制、兩份附加調查(2026 年 2 月 n=38 採用情況;2026 年 6 月 n=132 企業買方)、11 家上市公司的 IPO 表現篩選標準,以及免填表的 CDN 取得方式都以此為來源。**解析註記:**四項table-shift警告來自 Pacesetter Index 的雙列「Median / Top Quartile」標頭(均為誤報,已依據第 27 頁的pdftotext -layout核實);唯一一項canary-recall遺漏是引用註腳。所有從圖表摘錄的數字都經兩輪檢視頁面圖片後,並與pdftotext -layout交叉核對。**一項真實的正文接合錯誤:**一段 CFO 引言中的「~5-10% of payroll」在換行處斷開,經 docling 接合後變成「~510% of payroll」——這個荒謬數字看似合理,表格核對也抓不出來
Cited by 13
- AI Investment Story, Not Efficiency Story×5
The ICONIQ Pacesetter Index (ICONIQ Venture & Growth, 2026-09-17, empirical) is the vault's fifth…
- AI-Native Startup Lifecycle×4
Iconiq — the publisher of the ARR-band ladder above and of the Builder's Economy survey; the entity…
- AI Product Economics Maturation×4
Iconiq — the publisher of both decks behind this page, and the reason its two ICONIQ readings must…
- Forward-Deployed Engineering as a Delivery Layer×3
A forward-deployed engineer is, in ICONIQ's operator definition, an engineer "who embed[s] inside…
- Seven Powers Applied to AI×3
Iconiq — the benchmarking firm whose September-2026 index added gross retention as a new metric on…
- AI-Native Organization×2
iconiq 2026 state of scaling — ICONIQ Venture & Growth, 2026 State of Scaling: The Great Sorting…
- Build Instead of Buy Under Agentic Coding×2
iconiq 2026 state of scaling — ICONIQ Venture & Growth, 2026 State of Scaling: The Great Sorting…
- Compounding Data Moat×2
iconiq 2026 state of scaling — ICONIQ Venture & Growth, 2026 State of Scaling: The Great Sorting…
- Firm AI-Spend Intensity and Headcount Growth×2
This page's result is intensity-gated: firms that spend heavily on AI vendors grow headcount, firms…
- Product Velocity as Moat×2
iconiq 2026 state of scaling — ICONIQ Venture & Growth, 2026 State of Scaling: The Great Sorting…
- Verification as the New Bottleneck×2
ICONIQ's 2026 State of Scaling (ICONIQ Venture & Growth, September 2026) organizes its R&D adoption…
- Emergent
Iconiq — publisher of the closest peer benchmark: $655K median / $890K top-quartile revenue per FTE…
- Entities — People, Orgs, Tools & Projects
Iconiq — ICONIQ Capital's venture/growth arm (ICONIQ Growth, from 2026 branded ICONIQ Venture &…
Related articles
- AI-Native Startup Lifecycle
Anthropic's May 2026 reframing of Idea/MVP/Launch/Scale assuming AI infrastructure: each stage's headcount/capital/skil…
- AI Product Economics Maturation
ICONIQ Q2 2026 exec survey (~305 AI-building software companies): AI crosses from experiment to P&L line — AI products…
- Founder as Agent Orchestrator
Founder role shift: less individual contributor, more orchestrator of specialized AI assistants; non-technical founders…
- Seven Powers Applied to AI
Helmer/Acquired framework re-evaluated for AI: switching costs and process power erode; network effects, scale, cornere…
- Organizational Complements to AI
The general-purpose-technology argument: AI productivity gains depend on complementary workflow, skill, and org-design…