头部 AI 支出企业 8 月人均成本下降近一成

The Ramp AI Index 2026 年 9 月数据显示，美国 AI 支出最高的前 1% 企业中，8 月每名员工的 AI 支出环比下降近 10%。同期每百万 token 价格自 2026 年 3 月以来下降 41%，企业正主动把使用量从昂贵的前沿模型转向更便宜的替代方案。

此前市场默认 AI 支出会随采用率上升而持续走高。这次数据显示最激进的头部买家反而在压低人均成本，且降本来自使用结构切换而非单纯停用，说明企业采购行为已从抢用前沿模型转向按性价比分配负载。

token 单价下跌 41% 降低了替代方案的相对成本，使企业有动力把可替代的任务迁移到便宜模型，仅在必要时保留前沿模型。支出由单价乘以用量决定，因此即便用量增长，人均支出仍可能下降；对 OpenAI 和 Anthropic 而言，关键变量是量增能否抵消价跌。

产品侧需要支持按任务分层选择模型，把高成本模型限定在高价值场景；定价与套餐设计要能承受单 token 价格持续下行的压力；成本监控与用量归因会从财务工具变成常规产品能力，研发排期也需纳入单位经济性评估。

• 在自有 AI 产品中内置模型路由层，按任务复杂度自动切换前沿与低价模型，并把节省额度可视化给客户。
• 面向企业客户推出按任务类型拆分的用量与成本报表，帮助其复现头部企业的人均降本路径。
• 针对高价模型设计使用配额与审批流程，把预算控制直接嵌入调用链路。
• 为模型供应商侧建立量价敏感性测算工具，评估降价后需要多少用量增长才能维持收入。

• 人均支出下降近 10% 是否由用量减少、模型切换或两者共同导致，证据未拆分。
• 该降本趋势是否只存在于支出前 1% 的企业，其他规模企业是否同步。
• 41% 的 token 价格降幅覆盖哪些模型层级，前沿模型价格是否同步下降。
• 用量增长是否足以抵消价格下跌，从而维持 OpenAI 和 Anthropic 的收入，尚无数据支持。