本文来自微信公众号： AI前线 ，作者：华卫
昨日，Ramp发布了最新的AI Index，一个令人难以消化的核心数据是：最积极采用AI的公司，每月每位员工在AI工具上花费7500美元，约合50807元人民币。
该指数自推出以来，一直专注于追踪最基础的企业AI采用情况。如今，使用AI的企业占比正迅速逼近100%。Ramp首席经济学家Ara Kharazian表示，其结果还很可能低估了实际采用率，因为许多企业在使用免费的AI工具，或者员工使用个人账户调用AI服务来完成工作任务。
即便在Ramp内部，相比去年其AI使用量增长了6300%。团队中有99.5%的人都在使用AI工具，84%每周都会用编程代理。在Ramp内部平台上，6周内上线了1500多个应用，来自800多位不同的“构建者”；非工程师发起的生产代码PR已占到12%，每月达到数千个，他们使用的是自研编程代理Ramp Inspect。
因此，Ramp经济研究团队的关注重点正在转向对“采用强度”的追踪，当前样本包括超过7万家美国企业和数十亿美元的企业支出。
五万月薪没到顶
上月就涨了14.1%？
根据Ramp AI Index的最新研究，美国按AI采用程度排名前1%的公司，每位员工每月在AI工具和算力上的支出达到7500美元，Ramp将这前1%的公司称为“AI-pilled”（AI上头）。
而且，它们已经且还将投入足够长时间。每过去一个月，这些公司都在将AI更深地嵌入工作流、积累专有数据，并训练团队使用那些中位数公司甚至还没有认真预算的工具。可以说，处在分布顶端的公司，并不是在“试验”AI，而是在“构建”。仅在过去一个月，这一群体的人均AI支出就增长了14.1%。
据了解，这些“AI上头”公司通常采取混合策略，并不押注单一平台。他们在多个来自Anthropic、OpenAI等厂商的前沿模型之间来回切换，同时使用通过Fireworks AI、fal AI、DeepInfra等推理平台接入的低成本开源模型，包括来自中国、与OpenAI和Anthropic竞争的DeepSeek。
而这种模式并不仅限于头部用户。Ramp的采用数据表明，Anthropic已覆盖41%的美国付费AI企业用户，成为企业端采用率最高的模型提供商；OpenAI基本持平；DeepSeek则在2026年6月的趋势厂商榜中位居第一。一个清晰的趋势是：最成熟的AI采购方，往往也是最不愿被单一供应商锁定的那一群。
但Ramp指出，这些公司目前还没有在AI上花得比在人身上更多，美国软件工程师月薪大约为16000美元，是7500美元的两倍多。也就是说，最激进的AI使用者，尚未跨越“AI成本超过人力成本”的门槛。
关键在于：7500美元这个数字，是天花板了吗？如果智能体AI持续扩大企业自动化的边界，而token支出逐渐成为继人力和软件之后的第三大成本中心，那么今天的前1%，很可能在几年后就会变成中位水平。
token便宜98%、账单翻了三倍
比员工支出都多了
随着企业不断烧掉各自的token预算，一个关键问题浮现：公司在AI上的支出，是否已经超过了对人的投入？
“对我的团队来说，算力成本远远超过员工成本。”英伟达应用深度学习副总裁Bryan Catanzaro近日在采访中表示，AI并没有降低用工成本，至少在当下，它的成本甚至高于企业现有的人力。
上周，Mercor的CEO也称，这家初创公司在内部智能体的token开销上，花的钱已经超过了员工人力成本。Mercor是一家市值100亿美元的初创公司，帮助OpenAI和Anthropic等公司通过其人类专家网络训练AI模型，自2023年成立以来，已成为AI生态系统中增长最快的公司之一。
的确，token越来越便宜了。如今，实现GPT-4同等级性能的成本，大约是每百万token 0.40美元，而2022年末这一数字约为20美元，下降了98%。然而，根据多项行业分析，企业AI总账单却上涨了约320%。企业平均AI预算，也从2024年的每年120万美元增长到2026年的700万美元。
问题出在，用量一点都不便宜。自2025年11月以来发布的一系列智能体AI工具，包括Anthropic的Claude Opus 4.5、OpenAI的GPT-5.1，以及Google的Gemini 3 Pro，显著放大了单个任务的token消耗。2023年，一个简单的线性流程每次交互成本约0.04美元；而到2026年，一个编排良好的智能体系统成本约为1.20美元，增加了约30倍。
这种模式几乎在各处重演：单个token的价格已经大幅下跌，但对自主AI智能体的追逐，却让总体用量暴涨。今年4月，Uber在就花光了其2026年全年AI编程预算。微软在为开发者开通Claude Code六个月后，又收回了相关许可；在许可证被收回前，微软内部一些工程师每月在token上的支出高达500到2000美元。有公司甚至因为忘记设置使用上限，单月就跑出了5亿美元的Claude账单。据外媒报道，Priceline一名员工表示，一次常规的Cursor合同续约，价格竟上涨了4到5倍。
“六个月前，我和客户的对话还集中在‘它能做什么？够不够好？’，现在的对话变成了：‘我们花太多钱了。你们能提供哪些可视化？有哪些token控制手段？’”OpenAI企业业务负责人Alexander Embiricos表示。FinOps Foundation执行董事J.R.Storment则更直白地描述了这一转变：“从4月、5月开始，我听到公司在说：‘天啊，我们已经超出2026年全年token预算的3倍了，而现在才4月。’整个讨论从‘尽量多用、尽快推进’（tokenmaxxing+go fast），转向‘我们需要护栏，怎么控制成本？’”
工程管理平台Jellyfish的研究负责人Nicholas Arcolano表示，过去9个月中，每位开发者的token消耗量大约增长了18.6倍。使用token最多的工程师，生产力大约是轻度用户的两倍，但为此消耗的token却高出10倍。“极高的支出是否值得，最终取决于代码产出的商业价值，而大多数公司目前仍无法衡量这一点。”他说道。
那些此前沉浸于“无限量订阅”的公司，如今正拼命搞清楚钱到底花去了哪里，以及这些投入是否真的带来了回报。Priceline IT财务高级总监Chris Reed将这种现象类比为电信计费时代：“这就像‘可卡因成瘾’。他们先让你免费试用让你上瘾，然后你就离不开了。”该公司已经开始对部分团队设置token使用上限。Reed表示，他已经看到供应商报告的使用量与公司内部数据之间存在差异。
高盛预测，到2030年，全球token使用量将增长24倍。
AI花钱的世界严重分层：
差距高达680倍
需要注意的是，人均AI支出7500美元的情况，仅来自于AI采用程度排名前1%的公司。对绝大多数公司来说，AI支出在整体软件预算中仍然只是一个可以忽略不计的“零头”。
根据Ramp AI Index的最新研究，排名前10%的公司，每位员工每月AI支出约为611美元，大致相当于几个企业级AI席位加上一些API使用费用。而在通过Ramp企业信用卡与账单支付平台追踪的超过7万家企业中，中位数公司仅为11.38美元，大致相当于一个标准软件订阅的单席位价格。
前1%与中位数公司之间的差距，高达680倍。这也是目前对美国企业AI支出分布极度不均最直观的刻画。而这种差距的复利式扩大，或许不仅仅是软件预算的差异。每月只花数十美元的中位数公司，有差距的不仅是订阅数量，可能还有组织基础设施，包括工作流、数据以及需要数月时间建立的内部对AI的熟练度。
更值得关注的问题是：一旦AI成本超过人力，产出是否能够匹配？而那些已经处在这一梯队的公司，很可能正在实时做这场实验。
“我们现在看到的是一种短期错配。”瑞士人工智能研究院戈登商学院的AI与金融教授Keith Lee表示，企业正在大规模投入AI，即便在很多任务上，人类目前仍然更便宜。这反映出“理论上的经济性”和“企业实际决策”之间存在脱节。
尽管目前AI可能比人类更贵，但这种情况可能会改变。Lee认为，随着模型运行成本下降、基础设施持续改进，AI的经济性会逐步优化。不过，他也强调，只有当AI变得更可靠、对人工监督的依赖更低时，它才真正具备成本优势。“关键不只是AI比人更便宜，而是它在规模化条件下，既更便宜，又更可预测。”
参考链接：
https://econlab.substack.com/p/how-much-does-it-cost-to-be-ai-pilled