Anthropic 可能 IPO 前夕，AI 使用量攀升、支出增长放缓

前言

企业使用人工智能的程度前所未见，但近期支出数据表明，使用量增加已不再带动同样快速的营收增长。Ramp 的数据显示，AI token 用量持续上升，但夏末的支出增长放缓，凸显价格下跌、竞争激烈，以及客户更加注重成本所造成的影响。这一趋势正值 Anthropic 接近可能的公开上市之际，投资人也在评估 AI 公司增长预测能否持续。本文将探讨支出数据透露了什么、为何企业使用更多 AI 却可能付得更少，以及这些因素可能如何影响领先的模型供应商。核心区别在于 AI 的采用与采用所产生的营收：当模型变得更便宜、客户也学会控制成本时，使用量增加仍可能与支出持平或增长放缓并存。

懒人包

Ramp 的数据表明，AI 使用量仍在增加，但随着价格下跌、买方效率提升，支出增长已降温。8 月和 9 月的 token 支出仅增长 1.5%，相比之下，7 月增长了 42%；之后从 9 月 23 日至 10 月 23 日则上升 8.9%。较低的 API 价格、企业折扣、更便宜的开放模型，以及更聪明的工作负载管理，让企业能以更少资源完成更多工作。这种转变对客户有利，却也引发疑问：模型供应商能否维持投资人预期的营收增长，尤其 Anthropic 和 OpenAI 正面临估值与融资压力。

正文

Ramp 近期数据描绘出一个采用情况依然强劲、但支出显露压力的 AI 市场。企业处理的 token 数量——这是衡量 AI 模型活动程度的指标——有所增加，但支出并未以同样的速度增长。这种差距十分重要，因为许多对领先 AI 公司的预期，都建立在使用量增加将持续带来快速营收增长的假设上。数据显示，当客户能以更低价格获得更多计算资源时，这一假设可能不再那么确定。

根据 Ramp 的数据，8 月和 9 月的 token 支出增长 1.5%。7 月则较前一个月增长 42%。两者相比，显示夏末支出增长明显放缓，即使使用量仍持续增加。10 月数据显示动能略有回升：9 月 23 日至 10 月 23 日，token 支出增加 8.9%。不过，Ramp 首席经济学家 Ara Kharazian 表示，压制支出的因素依然强劲。

Kharazian 认为，投资人的疑虑主要并非源自需求不足，而是市场竞争日益激烈，客户也逐渐找到更省钱的方式满足需求。他接受 TechCrunch 采访时指出，Ramp 数据中的 AI 支出几乎全部来自获得风险投资支持、快速增长的科技公司。这种集中情况带来潜在弱点：若这些企业的支出放缓，许多公司可能同时减速，并可能连带影响其他领域。

不同企业群体的支出模式差异很大。Ramp 中排名前 1%、被形容为最“AI 上瘾”的公司，在夏季支出高峰时，每位员工的支出接近 $10,000。Kharazian 表示，这群公司的支出在 8 月和 9 月略有停滞，降至略低于该水平。由于这小部分企业的使用强度极高，即使支出略微回落也可能造成影响。在他看来，即使 token 用量上升，这些公司的支出放缓仍可能足以使营收增长停滞。

其他群体的支出虽有所增长，但不足以弥补差距。中位数企业每位员工每月支出 $12-$15，而排名前 10% 的企业则支出 $600-$1,000。Kharazian 质疑，在最密集使用 AI 的科技环境之外，一般 AI 应用是否能支撑每位员工每月接近 $10,000 的支出。软件和金融业可能对编程代理有大量需求，但医生诊所或汽车经销商未必需要花到同样的程度。这种差异使人难以假设，AI 使用最密集企业的模式会均匀扩散到整个经济。

价格竞争是支出增长落后于使用量的主要原因。Kharazian 表示，OpenAI 和 Anthropic 降价后，使用 AI 的成本变得更低。9 月，OpenAI 将 GPT-6 Sol 和 GPT-6 Luna 的 API 价格砍半。Anthropic 随后大幅调降 Fable 5.1 和 Opus 5.5 的价格。该公司近期在一份文件中表示，这项定价决策使营收增长减少约 $600 million。两家公司也都提供企业折扣，以争取客户支出。这些优惠或许能促进采用并留住客户，但也可能降低每单位使用量所带来的营收。

这些情况使议价能力转向买方。企业可以比较供应商、在不同模型间切换，或根据需求选择成本更低的替代方案。Kharazian 将此与早期科技市场作比较：当时大型公司会补贴产品以争取客户，之后在竞争减少时受益。他认为，在 AI 领域，竞争选项太多，任何单一供应商都更难依赖这种模式。

替代方案包括 Meta 和 Nvidia 的产品。Kharazian 表示，两家公司正为企业客户提供相对便宜或开源的模型。买方也可以选择来自中国和美国的开放模型公司。Ramp 数据中提到的另一个选项是 Jev，这是一种用来从少数预先设定输出中进行选择的轻量工具。Kharazian 表示，许多任务只需要简单的“是／否”回答。在这些情况下，企业可以将工作交给更便宜的模型或工具处理，而不必付费使用能力更强、价格更高的系统。

企业也越来越擅长管理 AI 使用情况。随着员工和技术团队积累经验，他们能更妥善地判断哪些任务需要高级模型，哪些则可交由较便宜的模型处理。Kharazian 描述了几种成本控制做法：设置默认选项，限制长时间任务使用昂贵模型；设置员工预算；以及将工作从标准或轻量模型转交给更便宜的替代模型。这些改变让企业得以增加 AI 工作量，却不必按比例增加支出。

Notion 联合创始人 Akshay Kothari 最近发布的内部数据也呼应了 Ramp 的观察。他用一句话概括这种反差：“token 飙升，成本大减。”这句话点出了更广泛的转变：token 使用量可以增加，但每项任务的成本，或完成特定产出所需的总费用，却可能下降。对客户而言，这是令人欣喜的发展；对模型公司来说，则引发了如何从需求增长中获取更多营收的疑问。

曾发表一系列名为“AI 论述的裂缝”博客文章的 Kharazian 表示，对 AI 支出未来走势的假设正开始动摇。用他的话来说，企业可以使用更多 AI，却花更少的钱。这种现象不代表 AI 的实用性正在下降，而是表明单看使用量增长，未必能可靠地预测供应商的营收增长。对于评估公司估值依赖持续扩张的投资人而言，这一区别尤其重要。

有关 Anthropic 和 OpenAI 的报道也加深了外界的审视。彭博社周五报道，Anthropic 的潜在估值已从 10 月初估计的 $2 trillion 降至 $1.2 to $1.3 trillion。据报道，信用评级机构也预期会给予该公司较高的“垃圾级”评级。OpenAI 则将其提议估值从 $1.4 trillion 下调至 $1.25 trillion，并将最新融资目标削减约 $10 billion。这些报道中的变化并不能证明估值或融资调整是单由支出放缓造成，但它们反映出投资人正重新评估营收预期与市场现实之间的落差。

支出增长也可能重新加速：新产品或许能创造目前尚未大规模出现的使用场景。持续超高速增长预期背后的一个核心论点是，新应用将使这项技术对更多企业和个人产生价值。AI 编程仅在一年半前才成为商业上可行的产品，并助长了 Anthropic 和 OpenAI 的崛起。投资人期盼另一种产品类别能带来相当的需求浪潮。

个人代理是其中一个可能方向。OpenAI、SpaceXAI 和 Meta 已推出个人代理，初创公司 Instinct 等也正在开发此类产品。不过，Kharazian 怀疑个人代理能否带来与编程工具相同的经济助益。他形容个人代理“在经济效益上不如编程”，暗示单靠便利性或许不足以创造能大幅加速支出的商业价值。

目前，Kharazian 的评估是基于可观察到的产品和支出行为，而非预测增长必然停止。市场仍可能发展出足以支撑更大预算的应用。但现有证据显示，支出增长放缓、价格竞争加剧，买方的采购行为也愈发成熟。关键问题在于，未来产品能否创造足够多的新高价值工作，以抵消价格下行压力，以及客户已经实现的效率提升。在情况明朗之前，不应自动将 AI 使用量增加视为模型供应商营收也会同样快速增长的证明。

重点整理表