← 返回部落格
News預計閱讀 8 分鐘

企業 AI 支出不是停滯,是那 1% 大戶不再加碼

發布於 2026年11月11日
企業 AI 支出不是停滯,是那 1% 大戶不再加碼

Ramp 在 11 月 6 日公布 AI Index 數據,流傳的摘要說企業 AI 支出已經停滯。這個說法站得住腳,但漏掉了機制。這份指數由超過 85,000 家美國企業的信用卡、發票與 ACH 交易資料構成,它顯示的是一個用量與營收已經分家的市場,而推手是一小群停止加碼的買家。

先看兩個頭條數字。截至 10 月 23 日那一週,企業 AI token 總量比截至 9 月 25 日那一週成長 37.1%。同期 token 總支出只增加 8.9%。

這個缺口有標價

算術不神祕。OpenAI 與 Anthropic 合計的每百萬 token 混合價格從 0.76 美元降到 0.56 美元,跌幅 26.8%。兩家走法不同:OpenAI 實質價格降 42.4%,Anthropic 降 15.7%。

這是牌價調降傳導到終端的結果。OpenAI 在 9 月把 GPT-6 Sol 與 GPT-6 Luna 的 API 價格砍半。Anthropic 調降 Fable 5.1 與 Opus 5.5,並在申報文件中說這個決定讓它的營收成長少了約 6 億美元。

6 億美元是整篇故事裡最乾淨的數字。那是實驗室為了換取用量所付的代價,由實驗室自己說出,而且寫在有法律效力的文件裡。

這組序列裡也確實有一點需求疲軟。token 支出在 8、9 月合計只成長 1.5%,7 月則跳了 42%。接著從 9 月下旬到 10 月下旬又加速到 8.9%。兩個月走平之後重新加速,看起來更像買家在同一件事上變得更熟練,而不是需求崩掉。

Ramp 首席經濟學家 Ara Kharazian 指向三股力量:前沿模型降價、企業折扣、買家功力。第三項才會留下來。團隊會把工作導向便宜模型、設硬預算、把預設值改便宜。Notion 共同創辦人 Akshay Kothari 對這個動態的總結是:token 一直跑,成本唉唉叫。比精確更搞笑,但確實描述了採購行為的改變。

集中度才是故事

下面這個數字,說明了為什麼每月 1.5% 的支出變動,就能讓一家供應商的營收曲線變平。

大約 1% 的企業,佔了 OpenAI 與 Anthropic 合計支出的八成左右。9 月時,這群人每人每月花掉約 9,568 美元,比前一個月增加 11.7%,但仍比 7 月高點 9,873 美元低 3.1%。

深綠色背景前,一枚黃銅硬幣平衡在寬口空玻璃缽的缽緣上。

付費使用 AI 的中位企業,每人每月花 15.70 美元。前十分位大約 813 美元。Kharazian 的解讀是:最頂那 1% 整個夏天都維持在每人每月約 10,000 美元之上,光是跌破這條線,就足以讓總營收走平,即使中位數與前十分位仍在成長。

這 1% 的組成跟它的規模一樣重要。Kharazian 說,幾乎所有 AI 支出都來自創投支持的高成長科技公司。寫程式的代理是撐起這個數字的工作負載。軟體公司可以替每位工程師配一個代理,還看得見產出。牙醫診所沒辦法。

這是整套論點讓人不舒服的地方。如果市場頂端是一群由創投資金與軟體毛利定義的客戶,那支出曲線綁的是募資環境,不是 AI 的普遍採用。採用率確實還在爬:9 月達到追蹤企業的 55.9%,比 8 月高 0.6 個百分點,比去年同期高 12.1 個百分點。Ramp 也提醒,它的採用率可能被低估,因為拿免費工具與個人帳號做公事的情況,不會出現在交易資料裡。

所以狀況是:廣泛而便宜的採用,加上狹窄而昂貴的採用。前者穩定成長。營收曲線靠的是後者。

市佔與 IPO 難題

截至 10 月 23 日那一週,Anthropic 佔企業 token 支出的 60.5%,OpenAI 35.1%。若看 9 月的付費採用率,Anthropic 是 43.8%,OpenAI 是 40.6%。

Anthropic 在大戶裡佔比高,在長尾裡佔比低。如果那 1% 繼續長大,這是好位置;如果不長,這是很裸露的位置。而這家公司才剛告訴投資人,自己的降價讓成長少了 6 億美元。

這就接到估值。Anthropic 的預期 IPO 估值從 10 月初的約 2 兆美元,滑到 1.2 兆至 1.3 兆美元區間。OpenAI 據報把提案估值從 1.4 兆降到 1.25 兆美元,募資金額也砍了約 100 億美元。兩件事跟這批支出資料落在同一個窗口。

你不需要相信這份指數完美,也能看出問題的形狀。一家以超高速成長定價的公司,需要用量成長跑贏價格下滑,或者需要一種新的買家,花錢像軟體公司。降價對搶用量是理性的。算術上,它也是把今天的營收挪到以後,而那個以後是一場賭注。

資料沒說的事

Ramp 看到的是信用卡、發票與 ACH 交易。它看不到上一季買的預付額度裡的使用情況,看不到跑在已承諾雲端合約上的工作,也看不到透過經銷商開的帳。它的指數是企業怎麼付錢的視角,這跟供應商怎麼賺錢很接近,但不完全相同。

token 量這個數字也是代理指標。不同模型的切詞方式不同,往便宜但 token 數多的模型移動,會讓用量看起來比實際交付的能力更健康。用量成長 37%、價格下跌 27%,可以解讀為實際工作量的增加,也可以解讀為組合轉移。

而且這份指數只涵蓋一個國家的企業支付,而且偏向使用 Ramp 的公司。85,000 這個數字很大,但它是一個國家信用卡與發票流的樣本。

數字背後的問題

值得盯的不是下個月的支出數字。要看的是 AI 能不能在創投支撐的軟體業之外,找到第二種重度買家。

Kharazian 公開懷疑醫師診所或汽車經銷商會像寫程式的初創公司那樣花錢,而他大概沒錯,它們不會。但它們也不需要。它們只需要像一個找到一條值得自動化的工作流程、然後讓它一直跑的企業那樣花錢。每人每月 15 美元不算什麼,前提是願意簽約的雇主夠多。

在那之前,前沿實驗室的商業模式,靠的是一小群客戶,而這群客戶的預算又取決於別人願不願意繼續投資它們。用這種地基撐一兆美元估值很怪,這也是為什麼一份支出指數每月變動 1.5%,會被讀成警訊而不是雜訊。

相關文章