Ramp 數據顯示:企業 AI 支出成長趨緩與 Token 定價策略分析

文章摘要

支付公司 Ramp 的數據顯示,截至八月,企業採用 AI 工具的速度趨緩。在 Ramp 的七萬家客戶中,僅有 56% 支付 AI 產品費用,較前月僅成長 0.4%。此趨勢令人擔憂,因 AI 基礎設施的大規模投資,仰賴於未來豐厚的營收回報。儘管軟體工程師廣泛採用 AI 編碼工具,但若整體採用率放緩,營收成長也將受影響。

Ramp 的數據可能因其科技業客戶群而高估整體採用率。相較之下,美國人口普查局的調查顯示,僅 22% 的企業報告使用 AI。然而,Ramp 的數據提供了一個少有的直接支出數據集,可能作為領先指標。

進一步分析顯示,頂級企業每名員工的 AI 支出下降近 10%,降至 7,205 美元。這可能與 AI 模型的 token 定價策略有關。隨著 OpenAI 和 Anthropic 降低價格,平均每百萬 token 的成本已從三月高峰的 1.15 美元降至 0.68 美元。這顯示模型供應商尚未透過增加使用量彌補價格調降,部分企業因此選擇使用較舊、較便宜的模型,這可能影響新模型的營收回收。此外,僅有 6.4% 的 AI 支出企業使用模型服務或推論平台,顯示開源模型對大型 AI 實驗室的威脅尚未顯現。

Ramp 經濟學家 Ara Kharazian 指出,OpenAI 和 Anthropic 的競爭降低了 AI 的使用門檻與價格,甚至影響了先前預期將帶動成長的頂級企業支出。這也解釋了 AI 實驗室為何積極爭取非技術用戶使用 AI 協作工具。對企業而言,AI 變得更加普及是好事;但對模型開發者或擁有大量晶片訂單的超大規模公司而言,趨緩的成長可能是個警訊。

AI 大叔解析

【核心判斷】
目前 AI 商業化的核心矛盾在於「模型降價與營收增長的脫鉤」。根據 Ramp 數據,8 月企業 AI 採用率成長僅 0.4%,來到 56%,其中頂級企業員工 AI 支出下滑近 10% 至 7,205 美元。關鍵瓶頸在於模型供應商(如 OpenAI、Anthropic)透過降價策略(每百萬 Token 自 3 月的 1.15 美元降至 0.68 美元)爭取市占,卻未能透過使用量提升彌補營收缺口。限制並未改變,企業目前傾向選擇 ChatGPT 5.6-Terra 或 Sonnet 等「舊且便宜」的模型,而非高單價的新銳型號,這讓原本期待的高額資本支出(Capex)回收週期面臨不確定性。

【毒舌吐槽】
說穿了,這就是一場典型的「殺價競爭」後遺症。各大實驗室為了搶市占,瘋狂下殺 Token 價格,結果客戶反應很誠實:既然舊模型夠用又便宜,誰還要當冤大頭去買最貴的新模型?現在這些實驗室像是在賣庫存特賣會的過季商品,賣得再多也補不回當初砸在 GPU 上的那幾千億美元。當「AI 普及化」變成「讓客戶少花錢」時,這些靠資本堆出來的護城河,除了讓客戶爽到,對投資人的財報來說,恐怕只剩下「空氣」。

【為什麼重要?】
此數據揭示了模型開發商與基礎設施供應商(Hyperscalers)面臨的嚴峻營收壓力。過去市場預期頂級企業會持續擴大投資,但現實卻是這些領頭羊正透過優化模型成本(Model cost optimization)來控制預算。僅有 6.4% 的企業使用推論平台,顯示目前開源模型對大型實驗室的威脅尚未成形;然而,若 Token 價格戰持續且使用量成長無法拉升,模型開發商將被迫面臨營收停滯的窘境,進而影響後續的算力採購動力,這對目前高度依賴 AI 資本支出回報的晶片生態系而言,無疑是個警訊。

【影響對象與建議】
1. **模型開發商(AI Labs)**:應調整依賴 Token 量價齊揚的成長敘事,轉向開發具備顯著 ROI 的垂直化協作工具,而非單純推動基礎推論服務。
2. **企業軟體架構師**:趁模型定價下降期,重新評估現有模型組合,優化模型切換機制(Model Switching),利用較舊的低成本模型處理非核心業務,降低長期營運成本。

【一句話總結】
模型降價未能刺激使用量大增,導致 AI 頂級企業支出下滑,資本回報前景恐現雜音。

【逆風觀點】
Ramp 的數據樣本高度集中於科技企業,與美國人口普查局顯示 22% 的整體企業 AI 採用率有明顯落差。此外,8 月份的支出疲軟可能僅是季節性休假因素(Vacation-token factor)所致,長期成長動能是否因此永久性衰退,目前證據不足,仍待觀察後續幾個月的數據回升情況。

想更了解這個話題?