Ramp 數據顯示 8 月頂尖企業的人均 AI 支出下降

根據 Ramp 的支付數據，企業在 8 月對 AI 的採用幾乎停滯，而使用最多 AI 的公司則大幅削減了每位員工的支出。這些數字提出了一個比員工是否在夏天休假更重要的問題：更低的價格與更便宜的模型，是否正開始壓抑為當前 AI 建設提供資金的模型供應商與雲端公司的營收成長？

Ramp 的分析涵蓋約 70,000 家公司的支出。結果顯示，56% 的客戶在 8 月為 AI 產品付費，僅比 7 月高 0.4 個百分點。在樣本中使用 AI 排名前 1% 的公司裡，AI 支出的人均金額下降近 10%，至 7,205 美元。

這些數字並不能證明企業 AI 需求已永久走弱。8 月是休假很多的月份，而 Ramp 的客戶群也比整體企業族群更偏向科技。然而，這份資料提供了少數能直接觀察企業支出的視角之一，並指向市場核心的一種張力：AI 使用量可以持續擴大，但每單位使用所支付的金額卻可能下降。

Ramp 的數據顯示的是暫停，而不是定論

Ramp 先前也曾記錄到類似的季節性模式。其 AI 指數在去年 8 月到 10 月之間幾乎沒有顯示採用成長，直到年底活動才加速。這段歷史支持一種可能：最新的放緩只是暫時性的。

這份樣本也需要審慎解讀。Ramp 的客戶可能比一般企業更願意購買軟體與 AI 產品。美國人口普查局一項持續進行、並於 8 月 23 日更新的調查顯示，22% 的企業表示有使用 AI，遠低於 Ramp 的 56%。這兩個數字不能直接相比，但差距說明了為何 Ramp 的數據應被視為來自一個軟體密集型部門的訊號，而非對整體經濟的完整衡量。

即使有這些限制，這份資料仍然重要，因為支出行為能揭示產品調查可能忽略的變化。如果企業持續嘗試 AI，但轉向較便宜的模型，或在員工活動較少的期間減少使用，那麼頭條上的採用率可能仍然正向，但供應商營收成長卻會更慢。

較低的 token 成本正在改變經濟學

Ramp 經濟學家 Ara Kharazian 將每位員工支出下降的一部分歸因於 token 價格下滑。該公司的分析顯示，8 月平均成本為每百萬 token 0.68 美元，低於 2026 年 3 月 1.15 美元的高峰。根據 TechCrunch 的報導，OpenAI 與 Anthropic 都已降價，使得相近量的模型使用對客戶而言更便宜。

這對部署 AI 的公司有利，但對模型供應商來說卻形成一個艱難的成長方程式。這些實驗室需要更高的使用量來彌補較低的價格。Ramp 的數據顯示，至少直到 8 月，使用增加還不足以完全抵消其高支出客戶的削減。

這種轉變也可能反映了模型替代。報導指出，企業正選擇較舊、較便宜的系統，包括 OpenAI 的 ChatGPT 5.6-Terra 與 Anthropic 的 Sonnet，而不是為最新的前沿版本付費。對於例行的摘要、起草、分類與內部搜尋，買家可能會認為較便宜的模型已足夠。這使得模型品質只是購買決策的一個因素；價格、延遲、可靠性與整合成本同樣重要。

報告還發現，8 月在 AI 上有支出的企業中，只有 6.4% 使用了模型服務或推論平台。該比例正在上升，但在 Ramp 看來，成長速度不足以重塑整體企業採用格局。結果是，這個市場仍然由封裝式 AI 產品主導，而不是由企業廣泛部署自行託管的模型。

為什麼這個訊號對 AI 建造者很重要

對前沿實驗室而言，8 月的數字挑戰了一個假設：AI 工具的快速採用會自動產生足夠的付費使用，來證明巨額訓練與基礎設施投資是合理的。軟體工程師已推動對代理式程式碼工具的強勁需求，但若這一類別放緩，將同時影響模型消耗與建立在其上的軟體供應商。

對建造者來說，直接的教訓是：應該以完成的工作流程來建模營收，而不只是 token 數量。運營成本更低的產品可能對客戶更具吸引力，但其供應商不能假設更低的單位價格一定會被足夠多的額外呼叫所抵銷。團隊應追蹤活躍使用者、任務完成率、留存率與客戶成果，同時觀察 token 消耗。

企業買家的誘因則不同。token 成本下降可以改善 AI 的商業案例，尤其是對高用量工作負載而言。它也能更容易測試多個模型，並把每項任務路由到符合品質與安全要求的最便宜系統。但如果組織在未衡量實際生產力提升的情況下，加入昂貴的編排、監控、安全審查或人工監督，節省可能會消失。

這些數字也有助於解釋，為何 AI 公司正以更廣泛的 AI 協作與助理產品，瞄準非技術使用者。最先進的技術型客戶可能正在積極優化價格，而較不技術化的團隊則可能代表新的需求類別。要贏得這些使用者，需要更簡單的部署與更清楚的商業價值，而不只是更強的 benchmark 表現。

證據與主張仍然有限

這則報導中最有力的數字，是 TechCrunch 引述的 Ramp 提供的衡量結果。這些並非經審計的產業普查資料，而且來源也未提供按公司規模、產業、地理、工作負載或員工休假的完整細分。與人口普查局的比較有助於提供背景，但並不能證明全國性的 AI 採用在 8 月放緩。

Kharazian 認為 OpenAI 與 Anthropic 之間的競爭正在壓低價格與支出的解讀，是基於 Ramp 數據的高層分析，並非經獨立驗證的解釋。同樣地，前沿實驗室尚未以足夠的使用量抵銷降價的說法，也應視為根據已報告支出趨勢所做出的市場推論。

這些保留條件並不代表結果無關緊要。它們界定了這些數據能支持什麼：這是一項關於重科技客戶的變現與價格壓力警示，而不是企業 AI 需求已進入持久下滑的證明。

接下來該關注什麼

接下來的 Ramp 讀數將顯示，8 月究竟是反覆出現的季節性下滑，還是更廣泛變化的開端。若支付 AI 費用的公司比例再次上升，且人均支出也增加，將支持「夏季低潮」的解釋。

模型定價與使用量同樣重要。如果 OpenAI 與 Anthropic 持續降價，而總 token 消耗又大幅上升，這些實驗室仍可能透過規模擴張營收。若客戶繼續轉向更便宜的模型，而使用成長仍然溫和，前沿模型經濟學所面臨的壓力將更難被忽視。

建造者也應觀察推論平台的採用、代理式程式碼工具的持久性，以及非技術型 AI 產品是否能產生新的付費需求。對企業買家而言，有用的訊號將不再只是整體模型使用量，而是續約率、可衡量的工作流程改善，以及在生產環境中運行 AI 系統的總成本。

Creati.ai 觀點

Ramp 的 8 月數據最適合被理解為對 AI 市場營收假設的一次壓力測試。更便宜的模型對客戶是好消息，但也迫使供應商證明：較低價格能創造足夠的額外使用量，或足夠多的新用戶，以支撐基礎設施支出。

短期結論不是企業 AI 已停滯，而是採用與變現正在分道揚鑣。能夠展現持久工作流程價值、控制推論成本，並服務價格敏感客戶的 AI 建造者，將比只依賴 token 消耗上升者更有優勢。