目录
- 企业 AI 支出与真实采用 [00:00:00 - 00:10:00]
- Anthropic 赶超 OpenAI 与采购变化 [00:10:00 - 00:20:00]
- Tokenmaxing 与开源模型支出 [00:20:00 - 00:30:00]
- DeepSeek 冲击与 SaaS 变革 [00:30:00 - 00:40:00]
- 传统软件购买模式与结尾 [00:40:00 - 00:45:36]
企业 AI 支出与真实采用
Alex Kantrowitz：公司实际在每位员工身上花了多少钱买 AI？AI 会不会赢家通吃？SaaS 已经死了吗？在 Fable 5 与白宫发生风波之后，Anthropic 是不是麻烦大了？广告之后，我们马上和 Ramp 首席经济学家 Ara Kharazian 一起把这些问题弄清楚，区分事实和虚构。欢迎收听 Big Technology Podcast，这是一档围绕科技世界及其之外进行冷静、细致对话的节目。AI 行业内有很多传言，也有很多叙事。还有什么方法比查看真实数据、区分事实与虚构更适合拆解这些问题呢？今天我们就会这么做。当然，我们会谈到公司在每位员工身上花了多少 AI 预算，以及 token maxing 是否真的存在。但我们也会进入本周新闻，也就是白宫的 Fable 5 禁令，实际上对 Anthropic 模型施加出口管制，是否会造成长期损害。我们会参考上一次 Anthropic 与国防部发生冲突时的情况。今天加入我们的是 Eric Arazian。他是 Ramp 的首席经济学家，正在 Ramp Economics Lab 发表一些很棒的内容。我长期阅读他的研究，非常高兴欢迎他来到节目。Eric，很高兴见到你。也很高兴再次和你交流。很高兴第一次上这个节目。是的，我相信这会是很多次中的第一次。那么我们开门见山，谈谈政府对 Fable 5 的出口管制会对 Anthropic 业务产生什么影响。因为我们以前见过类似版本，国防部曾把 Anthropic 称为供应链风险。这次显然规模更大。而且你知道，即使他们撤回禁令，也可能会有一些影响。我一直把它叫禁令。更准确说，是撤回出口管制，而这实际上就是禁令。这里可能会有一些影响。那么我们可以预期什么？你说得对，今年春天国防部的决定，是我们最近最接近的例子，可以用来判断它将如何影响 Anthropic 未来的业务或企业采用情况。我们回到春天，当时国防部把 Anthropic 标为供应链风险。通常在大多数行业，对大多数软件供应商来说，一旦你被贴上这样的标签，企业未来就不太可能继续使用这个供应商。所以如果从第一性原理来想，我们本会预期企业关闭 Anthropic 订阅，新企业不想注册，企业明确不想继续使用 Anthropic，既是因为政府所指出的真实安全担忧，也是因为它们可能想参与政府合同。但今年春天发生的并不是这样。恰恰相反，今年春天我们看到 Anthropic 在企业中的采用真正加速。它接续了去年 Claude Code 成功发布后的势头，终于开始进入一种更受非技术用户欢迎的姿态。就在上个月，我们显示，根据 Ramp 数据，Anthropic 现在已经成为美国企业使用最多的 AI 模型。因此，这些假设中有好几个并没有成真。我认为主要有两个原因。第一，大多数企业似乎并没有非常认真地看待国防部的标签。它们有点像是在说，好吧，是的，国防部这么说，但这是可用的最佳模型之一，而且现在仍然是最佳模型。它在企业中很受欢迎。第二个原因是，国防部在接下来几周里丧失了很多公信力，因为它承认，对于无论如何都想使用 Anthropic 的企业，它会在内部和外部发放例外。所以如果回到今年春天的例子，实际情况可能是，国防部的供应链风险标签反而加速了 Anthropic 在企业中的采用。现在这个标签反倒让它与 OpenAI 处在一个非常有趣的竞争位置。谁有更好的模型？也许是那个被联邦政府暗示强大到必须受到控制的模型。而这本身就有品牌力量。没错。我们在这个节目里一直谈论 Anthropic 围绕安全的定位，以及当联邦政府要求它做某件事时，它采取坚定立场，而这又导致联邦政府采取一些行动，这到底是不是营销。先把意图放在一边。无论它是否想让这种事发生，这最终都可能促进它的业务。至少我们是在周一录制，我一直想到，当你在 Claude 里时，它会说，嘿，Fable 现在不可用，对吧？你会在 X 上看到很多帖子，有人说，哦，和 Fable 相处那五分钟真的让我看到了这可能是什么样子。你可以想象，当它重新开启时，那种禁果效应会推动人们对 Fable 的兴趣。这个强大到政府不让你使用的模型，兴趣很可能会飙升。不过我们也要注意，至少在过去六个月里，使用 Anthropic 模型的产品体验里，有一部分就是用户已经非常习惯模型总是宕机。因为 Anthropic 有非常多算力限制，所以作为 Anthropic 模型用户，很常见的情况是遇到崩溃提示，或者看到类似“模型现在不可用”“稍后再试”的 API 错误。通常我们会预期，这会把很多用户推向 OpenAI 模型。OpenAI 模型，OpenAI 没有 Anthropic 那么严重的算力问题。但过去几个月我们还没有看到那种切换行为。也许有一些边际切换，比如一些使用 Claude Code 的人现在切到 OpenAI 的 Codex。但如果说有什么，这让我无论作为研究者还是这些模型的用户都会思考，Anthropic 模型的这种禁果效应还能持续多久，才会开始让那些真的只是需要工作、需要使用他们付费购买的模型、并期待这些模型按预期运行的用户感到厌烦。是的，我的意思是，你是经济学家。我不知道，有没有一种经济理论可以解释，为什么人们会继续留在一个经常中断的供应商那里，即使另一个供应商能力同样好或相当，而且没有这种波动？我们发现，这些模型比我们原本以为的更有黏性。我们常说它们是商品化的东西。
Ara Kharazian：也就是说，我们可以在一个模型和另一个模型之间随意切换。也许在模型层面，你确实可以这样理解。但就公司里实际有多少员工在使用 AI 而言，更好的模型不一定会促使员工和用户切换。关键在于围绕这些模型的产品体验。Claude Code 之所以如此成功，并不是因为它由 Claude 的模型驱动，而是因为它以非常有效、agentic 的方式整合进你的工作流。它是第一个让工程师能够执行多步骤任务的模型和体验，而不必整个过程都像照看聊天机器人一样盯着它。
Alex Kantrowitz：所以，模型的渐进改进很重要，也有帮助，但它们并不是 Claude Code 实际增长的全部故事。因此你可以想象，这也在推动 Claude Code 与 Codex、OpenAI 与 Anthropic 之间的一些黏性：人们会非常习惯自己所在的工具和软件。他们喜欢其中一种体验胜过另一种。我也确实认为会有一种品牌效应。Anthropic 的 AI 安全姿态，你可以喜欢也可以讨厌，但确实有人很喜欢它至少把自己呈现为一家会认真思考 AI 影响的公司，不管它们是不是合适的守门人。是的，联邦政府通过扰乱 Anthropic，某种程度上可能是在帮它一把，让它的安全信息看起来更正当，同时再次赋予它禁果效应。好吧。在进入你的数据之前，我再问你一个经济学风格的思考题。最近有报道称 OpenAI 正在考虑大幅降价。我们在周五的节目里谈到这件事，我的想法基本是，他们在看潜在客户的生命周期价值。如果他们降价，就能让人们习惯使用，比如 Codex，然后依靠你刚才说的黏性把他们留住。因此，对他们来说，说“我们要降价来赢得用户，然后希望他们留下来”，会是一个好动作。你怎么看？我认为其中一部分非常自然。这是一个竞争极其激烈的市场，几个月内就可能看到一个新进入者领先于一个相对受欢迎的供应商。 [00:10:00]
Anthropic 赶超 OpenAI 与采购变化
Alex Kantrowitz：领先于一个相对受欢迎的供应商。你知道，我们以前在软件行业见过这种情况，但它在 AI 领域尤其真实，也尤其尖锐。我是说，我们在 Cursor 与 GitHub Copilot 的竞争中见过。当 coding agents 出现时，至少当 AI Code Autocomplete 在两三四年前出现时，GitHub Copilot 是企业工具。每个人都在用它。不出所料，它也由 Microsoft 支持。Cursor 出来以后，大约一年内就占据了市场多数。然后顺便说一句，Claude Code 出来了。现在 Claude Code 又拥有了市场多数。所以我们在 OpenAI 与 Anthropic 身上也看到了类似故事。你知道，在 Ramp 的数据中，我们一直用我们的旗舰研究 Ramp AI Index 追踪美国企业使用 AI 的比例，至少是通过订阅或直接购买 token 来付费使用 AI 的企业比例。然后我们会按它们付费购买哪个模型来拆分。在 AI 商业存在的大部分时间里，也就是 2023 年以后，OpenAI 显然是主导者，美国企业中大约 20% 到 30%、40% 在主动为 OpenAI 付费。而且这个比例并没有太大变化。它只是非常逐步地上升，尤其是在 2023、2024 年之后。没有多少人在认真考虑 Anthropic，虽然它在技术用户中很受欢迎，但并不是市场上这种被广泛理解的竞争者。2025 年下半年，我们看到使用 Anthropic 模型的企业比例逐月上升，单位是百分点。上个月达到一个突出节点，Anthropic 在实际企业采用上超过了 OpenAI。所以现在 Anthropic 大约有 41% 的美国公司在使用，OpenAI 是 39.5%。而 Anthropic 仍在增长。OpenAI 相对持平。即使在那些 AI 早期采用行业中，我们也看到这种增长继续扩大并加速，而 OpenAI 保持相对平稳。因此，这是一个极其动态的市场，你可以预期所有参与者都会想彼此竞争。但我实际上认为，现在焦点放在 OpenAI 和 Anthropic 身上，不过还有很多被低估的玩家。我认为 Google 极其被低估，并且可能最终成为这里没人谈论的大赢家之一。好，但简单说，价格战或者低价竞争，你认为这足以打破黏性吗？我知道你没有这方面数据，但关于价格如何影响使用，应该总有某种公式。嗯，所以我确实认为这会足以……我认为我们会在某个时点走到摊牌阶段，因为我们知道企业一直在要求对 AI 支出有更好的控制。你知道，我们经历过一个 token maxing 时代，所有人都在说，好吧，我们需要尽可能多地花 token。现在我们进入了一个新阶段，企业在说，嘿，我们需要真正收紧 token 支出，或者至少理解它应该处在什么位置。它可以继续上升，但我们至少需要对它有某种控制。所以 OpenAI 和 Anthropic 都还没有构建出让公司真正管理自身 token 支出的产品，也没有构建出激励公司控制这些成本的产品。恰恰相反，OpenAI 和 Anthropic 的激励是让公司尽可能多地花钱。所以到目前为止，它们可以通过降价竞争。但企业真正要求的是某种程度的控制。
Ara Kharazian：你知道，也许这意味着，嘿，给我们做一个东西，让我们能把任务智能路由到最适合该任务、同时也最高效的模型。其他竞争者正在提供这一点。不过通常不是 OpenAI 和 Anthropic。所以你的数据显示，就像你刚才说的，Anthropic 在企业支出上已经超过了 OpenAI。
Alex Kantrowitz：非常简短地说，Ara，对于 Ramp Economics Lab 的批评，无论是否恰当，都是说，是的，你们看的是使用 Ramp、拿 Ramp 卡的公司，而这往往偏向创业公司和技术前沿公司，并不能代表整个经济。你怎么看？我通常这样想：我们的数据集实际上在各个行业之间有相当不错的分布。不过，无论哪个行业，我们平台上的企业本质上都更偏技术前沿，因为它们在用 Ramp 这样的东西来总体管理支出。出于几个原因，我认为这是一个优势。第一，AI 是一种非常新兴、正在成形的技术，而其他数据集并不能有效追踪它。政府数据集也没有有效追踪它，而且这些数据集自身也有一系列批评点，包括它们如何调查企业 AI 支出，以及被调查企业本身也有一点自我选择。AI 支出本来就偏向这些技术前沿企业，因此如果你确实想理解企业如何在 AI 上花钱和运作，其实看这些一直领先于曲线的前瞻型企业是有好处的。它们更可能是这项技术的早期采用者。至于它们是否代表美国平均企业，我们知道它们并不代表。但几年之后，平均企业更可能会像这些企业，而不是像今天的平均企业。所以我认为，如果你想向前看，想稍微看看未来，你可能就想使用这种数据集。顺便说一句，我实际上认为，在很多方面我们低估了采用率。好。好吧。我们稍后再进入更多方法论，但既然这些是前瞻型公司，我们就继续看你的一些数据，因为我认为关于 token 浪费有一些叙事，而你的数据给出了有点不同的视角，值得讨论。你谈过成为一家 AI-pilled 公司要花多少钱。是每位员工每月 7,449 美元。所以你说前 1% 的公司每位员工每月花这么多，前 10% 每位员工每月花 611 美元。中位数公司只花 11 美元，就像一个 Enterprise ChatGPT 企业席位或 Claude 订阅的成本。现在，一个月 7,400 美元花在一种技术上是相当高的。单个人在一个技术席位或许可上花这么多，某种程度上前所未闻。不过，当你想到我们看到的那些标题，比如某家公司把 Claude 开着，一个月花了五亿美元，你的数据实际上呈现出一个有点不同的图景：公司现在并不是毫无约束地花钱，它们似乎是在试水，而不是一路投入、像快倒闭一样消耗 token。嗯，听着，AI 支出是我们在数据集中观察过增长最快的支出类别。如果你把“企业”的定义往史前时代追溯，它可能也是企业历史上增长最快的支出类别之一。我想象不出有什么支出能比这个增长得更快。是啊。还能是什么？正是如此。所以从 2025 年 1 月到 2026 年 5 月，也就是上个月，单个企业在 AI token 上的支出增长了 15 倍。这是在那些已经在 AI 上花钱的公司当中。与此同时，对于大多数企业来说，AI 支出本身实际并没有大到非常有意义。所以它增长了很多。但对于正在 AI 上花钱的公司中前四分之一，也就是前 25%，它只占不含薪酬的企业支出大约 2%。如果把薪酬算进去，就是 1%。所以它增长了很多。这就是为什么我们会听到公司高管有那么多担忧，比如我该如何管理这种增长？但就实际水平而言，它相对较小。
Ara Kharazian：所以你会注意到，当人们谈论公司削减 AI 支出时，它们可能是在公司某些部分削减 AI 支出。它们可能会更谨慎地考虑使用哪些模型，或者确保团队没有不受控制的预算。但如果你实际看公司过去几个月在 AI 上的支出，仅仅上个月，它环比仍然增长了 14%。因此，我们平台上也有明确证据表明，公司正在做出更有成本纪律的决策。我们看到 AI 支出从 OpenAI 和 Anthropic 转向这些开源平台的比例有所增加。上个月，DeepSeek 是 Ramp 上增长最快的供应商之一。
Alex Kantrowitz：然而，实际通过这些路径流动的 AI 支出仍然只占很小份额。总体上使用开源平台的企业比例也相对较小。而绝大多数支出仍在增长。所以这些成本纪律措施很重要，但它们确实只发生在边际上，而且发生得还不够快，无法拉低 AI 支出的上升斜率。是的。你认为是否会出现某个时刻，一些公司在 AI 上的花费开始超过它们花在员工身上的费用，也就是每位员工的 AI 支出超过员工本身的成本？ [00:20:00]
Tokenmaxing 与开源模型支出
Alex Kantrowitz：是的。你认为是否会出现某个时刻，一些公司在 AI 上的花费开始超过它们花在员工身上的费用，也就是每位员工的 AI 支出超过员工本身的成本？例如，我不知道这个数字有多准确，但我觉得我们实际上正朝这个方向发展。有人算出了运行 Fable 或 Mythos API 要花多长时间、多少钱。他们发现大概是每小时 600 美元，如果把它乘以一年，就是 120 万美元。所以你在思考这条轨迹时怎么看？你觉得我们会走到一个地方，人们最终在每位员工身上的 AI 支出超过员工本身的花费吗？我想有些公司会。是的，我想对某些公司来说这非常合理，对吧？但对典型公司而言，很难设定一个基准，判断自己应该处在什么位置。因此前 1% 的公司每人每月在 AI 上花 7,500 美元。但那是前 1%。你可以想象，那是一个技术含量很高的群体，实际上可能包括很多最终使用 AI 的公司，不只是为了员工使用，也包括为了公司底层基础设施。也许它们构建了一堆内部工具，对吧？所以这些都会被摊进去。而软件工程师通常是这个数的两倍，每月 15,000 美元，或者接近 16,000 美元。嗯，再说一次，这取决于公司。因为你看我们平台上的典型公司，而这又是 Ramp，它是一个相对技术前沿的平台，对吧？中位数公司每位员工每月只花大约 11 美元。对。所以，你知道，那就是一个聊天订阅。那像是 OpenAI 和 Anthropic 的低层级订阅之一，也许边际上再多一点。所以这再次提醒我们，现在还处在多早期的阶段，对吧？绝大多数公司，这也改变了我们的研究方法，因为很长一段时间，过去一年半里，我的研究都集中在试图估计 AI 的经济影响。但如果无法在生产率统计数据中找到这一点，如果人们仍然不确定 AI 的最终收益会是什么，那么真正唯一的起点就是：嘿，有多少公司在使用 AI？所以我们最初版本的 Ramp AI Index 就是这个。它问的是，美国公司中到底有多大比例在购买 AI，并且逐月购买，以便至少用某种方式接近这个问题：嘿，这东西有价值吗？现在，超过 50% 的公司在使用 AI。54% 的公司以某种方式使用 AI，或者至少为它付费。所以我们的问题可以稍微转变，不只是“谁在用 AI，它是否有价值”，而是“它们如何使用 AI？它们花了多少钱？成为这些模型的有效用户并在组织中有效部署它们意味着什么？”因为这也是 AI 真正有趣的地方：它分布不均，不同行业采用它的可能性不同。产品本身的设计和分布也不均，一些最好、最先进的 AI 用法是为某些工作类别设计的。Coding agents 就是最明显的、在商业上先进的、可以用 AI 提升生产力的方式。然而对大多数其他公司而言，这样的东西并不存在。你知道，也许你可以在很多其他工作中找到生产率提升，但产品本身还没有发展到足以让这一点很清楚。所以对普通用户来说，AI 分布不均。因此，作为一家公司，最终很难识别和对标什么才是 AI 的良好使用，尤其是因为 AI 的效果、AI 的生产率收益，不太可能在最初几个月就显现出来。在整个组织里实施 AI，甚至把 AI 融入你作为员工的个人工作流，显然存在学习曲线。除了学习曲线，还有一种最低采用阈值。我认为没有人真的预期，每个人都有一个聊天机器人就能带来巨大的经济收益。但每个人都有一个适用于自己工作的 Claude Code，就有吸引力得多。不过如果你只是用一两个月聊天机器人，然后就把 AI 否定掉，说这有什么意义，你就不会知道这一点。但你看你研究里的曲线，对吧？那只是数字，就像三根 hockey sticks，对吧？如果你看使用 AI 的前 1% 公司、前 10% 公司以及中位数公司每位员工每月的支出，它确实像一条轻微上升的线，然后突然在这三个类别里都向上冲。所以你刚才说你试图回答，这项技术如何有价值？我很想听听你对这些数字意味着什么的看法，尽管它更多是，我猜，定性或定量与定性之间的问题。对吧。我们看到这些支出增长，是否意味着公司正在从 AI 上看到 ROI？还是它仍然可能处在 FOMO 阶段？嗯，我确实属于这样一个学派：企业没有理由仅仅出于义务感和 FOMO 就花这么多钱。你知道，如果我们谈的是人们买股票，我理解，对吧？但公司在软件上做出相当大的投资，而且不只是能够在外部谈论它们对软件的大额投资，还包括它们每个月花费的增加。所以我通常认为，如果公司这么做，它们一定从中找到了一些价值。但我们也会在一些地方定量地寻找这种证据。这也影响了我们的想法，即这个市场不同于大多数软件市场。第一，AI 支出最先进的企业不会锁定一个供应商。所以这与我们通常理解软件的方式有根本不同。比如，如果你使用 CRM，你会使用一个 CRM。也许你会试用几个供应商，但最终你会和一个签约。AI 不是这样。AI 支出前 1% 的企业平均使用八个供应商，而中位数可能使用两个。这里的供应商定义得相当窄，是 LLM 提供商，也可能包括一些 AI 基础设施公司。现在，这也不只是实验。你知道，总有一些部分是持续实验，比如说，好，AI 模型会发布，但它们也经常变化，而且变化很大。如果你是一个有效使用和实施 AI 的组织，你可能希望拥有所有主要模型公司的付费访问权限，这样你就能为任何有意义的任务切换到最有效的模型。或者当一个新模型出来时，你可以看看它是否适合这个工作流或那个工作流。所以对于前 1% 的这些公司来说，这通常就是成为一个好的 AI 用户意味着什么。但这对很多企业来说是不熟悉的想法，坦率说，对公司里负责采购、购买 AI 的人来说也是如此。当我们报告 OpenAI 与 Anthropic 采用率时，我经常被问到，我应该买 OpenAI 还是 Anthropic？
Ara Kharazian：然后当你……你知道，如果你是每天使用这些模型的人，这会是一个非常令人惊讶的问题，因为你会直接说，你应该两个都试试。你可能应该两个都能访问。拥有两个的访问权限并不算那么贵。所以这个问题本身并不太像一个合理的问题。但如果你把……
Alex Kantrowitz：软件采购的典型常见做法套用到 AI 上，你就会问出这个问题。所以我认为这是一个人们还不习惯的、根本不同的市场。而这最终推动了很多支出。但我不认为公司如果没有获得某些收益，会沿着那条先进 AI 采用曲线继续前进。你知道，你不会一直注册新的供应商。
Ara Kharazian：你也大概不会一直续约供应商。如果说有什么，在我们的数据集中，我们看到更先进的公司续约率逐年上升。所以它们更可能坚持使用自己一直在用的供应商，而不是非常频繁地切换。关于这一点有个问题，其实很了不起，对吧？如果你看 OpenAI 和 Anthropic 的收入图表，
Alex Kantrowitz：你会看到它遵循那种曲线，我的意思是你会想象，对吧，它也会遵循 hockey stick 那样的曲线形态。即使公司把支出分散到两到八个供应商身上，这两家公司仍然能以那种方式增长，这难道不有趣吗？是的。嗯，这是因为采用率，虽然我们在公司层面衡量，但公司内部关于谁在使用 AI、如何使用 AI，有更多差异。然后到个人层面，差异还更多。我在这个播客上应该停止使用 heterogeneity 这种经济学术语。差异。是的。你知道，不同团队仍然处在采用曲线的不同部分。然后这些团队里的个人，对于不同任务，也处在采用曲线的不同部分。因为人们仍然在弄清楚如何上手。这就是我说的学习曲线。公司在学习曲线上。团队在学习曲线上。个人本身也在针对自己的具体任务处在学习曲线上，试图弄清楚，嘿，这个任务真的能有效完成吗？我甚至有没有尝试过这个任务？并不是说一切都能由 AI 完成。我不认为一切都能。但我确实认为，你越多实验， [00:30:00]
DeepSeek 冲击与 SaaS 变革
Alex Kantrowitz：但我确实认为，你越多实验，就越会发现它擅长什么、不擅长什么。然后如果它在某件事上有点擅长，你就会更懂得如何调整自己的工作流，使得也许我可以拿掉其中这一部分，也许拿掉那一部分，这一部分其实不再必要。哦，现在 AI 实际上能完成这项工作的 80%，对吧？但如果不实验，你发现不了这一点。所以我认为这就是为什么你会看到支出随时间上升。我们显然还没有到达人们找到自己 AI 支出基准水平的阶段。而且如果你看我们关于人均 AI 支出的图表，你不会看到一个 token maxing 时代，没有某个点显示“哦，它上升了，然后下降了”。它仍然在上升。再说一次，中位数公司每月只花 11 美元，所以还有很大的增长空间。但即使对前 1% 来说，它也仍在上升。是的。好，我们快速休息一下。回来之后，我想更多谈谈你在 DeepSeek 上看到的情况，因为我认为很多人预期 DeepSeek 时刻发生在 2025 年 1 月、2 月，然后就消散了。但它又在增长。所以我们会谈这个，谈模型编排，然后谈 SaaS，对吧，谈这个 SaaSpocalypse 是否真的在数据中体现出来。广告之后继续。我们回到了 Big Technology Podcast，今天和 Ramp 首席经济学家 Eric Karazian 在一起。Eric，很高兴见到你，也再次感谢你来到节目。我们就谈谈你看到的 DeepSeek 增长。你基本上是说，你在数据中发现，对这些廉价开源模型的依赖增加了。在你的趋势模型列表中，DeepSeek 是第一名。你认为这说明 AI 采用方式发生了什么？它是如何被采用的？是不是像一些人说的那样，未来会是你有一个也许超级聪明的基础模型编排器，替你做重大决策，比如 Opus 4.8 或 GPT 5.5 或 6。然后你把更直接的工作交给这些使用开源模型的小型 agents。我很好奇，你是否认为这已经在数据中体现出来。当我和企业交谈时，它们列出的、为什么尚未在整个组织里全面采用 AI 的最重要因素，是对成本的担忧。不只是成本，而是不真正知道成本是什么。而且它们知道并听到所有这些故事：嘿，一旦采用 AI，成本真的很难控制。我认为这是对 OpenAI 和 Anthropic 的一种控诉，它们没有为自己的产品开发可预测的定价结构。如果你作为企业采用 OpenAI 或 Anthropic，那么在员工会花多少 token 这件事上，你或多或少听任员工决定。管理员可用的控制非常少。所以我认为，最终正是这一点推动了对开源平台或开源模型的需求增长，或者你描述的这些路由模型。也就是说，你不是把查询直接发送给 OpenAI 或 Anthropic，而是通过一个中间层，由它决定，嘿，实际上这个非常简单的任务，我可以把它发给一个很便宜的模型，或者更便宜的模型，甚至通过 OpenAI 或 Anthropic 也可以，我就走那个路径。所以这是降低支出的非常流行方式之一。我希望人们知道的是，是的，有证据表明这正在发生。在边际上，它有点被高估了。我们平台上只有 5% 的公司甚至在使用这类开源平台。去年是 1%。所以这是 5 倍增长，而且实际增长速度快于 OpenAI 和 Anthropic 的增长，但它只占公司中相对较小的比例，并且通常本来就是最先进的公司。你知道，新入门的公司，刚刚开始上手使用 AI 的公司，并不是从中国模型开始。它们从 OpenAI 和 Anthropic 开始。所以这是我要说的第一点。第二点是，我们以前也在数据集中看到过 DeepSeek 的崛起。2025 年初，当 DeepSeek 有一次非常引发关注的发布时，
Ara Kharazian：它当时也在我们的数据集中飙升。它上升到大约，我想大约是我们平台上半个百分点的企业在一个月左右使用 DeepSeek，然后很快又回落到大约 0.1% 的企业。那时的原因是，美国模型公司，也就是 OpenAI 和 Anthropic，做出了既紧张又有竞争性的回应，提供了更便宜但仍然性能很强、能够与 DeepSeek 竞争的模型。所以它们实际上实施了降价。因此，企业也就没有动机继续使用 DeepSeek。说清楚一点，对于直接与 DeepSeek 交易的企业来说，确实存在真实的安全和声誉担忧。所以如果你不是必须使用 DeepSeek，你并不想使用它。
Alex Kantrowitz：所以在我们上个月的数据集中，DeepSeek 也出现了突破性增长。它是 Ramp 平台上增长最快的供应商之一。但它是从非常小的基数增长起来的，只有大约 0.4% 的企业在使用它。再说一次，这是从 0.1% 上升。所以是四倍增长，但它极小。而且我认为这种增长不会非常持久，因为 OpenAI 和 Anthropic 很适合通过一些降价来回应。所以我认为 DeepSeek 有点被高估了。我认为开源模型总体上也有点被高估。不过，我确实认为像 Google 这样的模型公司非常被低估。你知道，这里的主要担忧和动态是，OpenAI 和 Anthropic 没有对希望获得成本控制和成本纪律的公司做出有效回应。OpenAI 和 Anthropic 开发的模型激励你尽可能多地在 token 上花钱。这对它们来说合理，因为它们来自企业的收入中 80% 是基于 token 的。不是订阅，是 token。Google 不是这样。Google 不需要公司在模型 token 上花很多钱，所以它实际上可以提供更好的路由，也可以提供这些让公司拥有更多成本控制的产品体验，因为它拥有更多收入来源。它们在竞争上也处于很好的位置，因为 Google Workspace 已经被几乎大多数企业使用，所以大多数企业都已经在某种程度上可以访问它。因此 Gemini 已经是一个相当受欢迎的模型，只是在这类讨论中不常被这样看待。所以我认为，在这些关于从 OpenAI 和 Anthropic 手中夺取市场份额的对话里，Google 其实是位置最好、也相对被低估的公司。如果 Google 不需要你花 token，那 Google 需要你做什么？只是使用它的模型，这样你就不用其他模型了吗？嗯，并不是说 Google 不需要你在 token 上花钱。它们当然会从 token 中产生收入。但它们受到更多收入流以及订阅收入流的支持，因此它们没有那么依赖、也没有那么聚焦于只让你花更多 token。对吧，这就是它们在竞争位置上稍微更好的地方。我的意思是，如果它们愿意，它们也可以把这作为某种 loss leader。这不会是什么大事，对吧？只要你在用它们的 cloud，只要你在使用 Google 的 cloud，比如存储你的数据，那么这对它们就是胜利。没错。通过制造廉价模型，它们甚至可以有点像 loss leader，如果它能推动 cloud 增长，而且它们已经像是每季度 60% 的增长，那非常有意思。而且它们的廉价模型极其受欢迎，Flash，你知道它们的……是的。而且它们也像是一家更成熟的公司，所以你会想象它们不会像 Anthropic 那样遇到这些与联邦政府的问题。你知道，其中一种回应是转向开源，但另一种回应实际上可能是转向 Google，因为是的，你可以相信这些服务会保持在线，并且它们会……我还不会押注这种连续性，至少考虑到联邦政府最近这些公告。不过我明白你的意思。好吧。我接受。好，我想最后谈谈 SaaSpocalypse。每个人都在说 SaaS 已死。当然，把它作为标题是有道理的。你知道，如果你想挑起讨论，又在思考 AI 能做什么。但你实际上有一篇文章说，SaaS 之死被大大夸大了。所以请谈谈你看到的情况，以及为什么 SaaSpocalypse 并没有以人们预期的方式完全实现。我对 SaaSpocalypse 有两种理解。第一种是传统 SaaS 公司会把大量市场份额输给 OpenAI 和 Anthropic。第二种理解是，每一家现有 SaaS 公司都需要重新思考自己的定价模型，因为事情越来越转向基于 token 的支出或基于使用量的支出。SaaS 公司可能会变成它们自己的小 AI 公司。因此，我们通常理解的、基于席位的 SaaS 定价方式会被抛到窗外，每家 SaaS 公司都需要重新思考自己的整个产品和模型。就我们数据集中实际企业行为而言，我发现这两种说法都有点被高估。
Ara Kharazian：就我们数据集中实际企业行为而言。 [00:40:00]
传统软件购买模式与结尾
Alex Kantrowitz：就我们数据集中实际企业行为而言。所以 SaaSpocalypse 的第一部分，也就是 OpenAI 和 Anthropic 是否会吞掉其他所有公司，我们并没有看到这种情况。我用 CRM 举例，对吧？这是那么多企业都会购买的东西之一。看，CRM 市场 80% 的份额直接流向 Salesforce。试图购买 CRM 的公司会买 Salesforce，然后有些买 HubSpot，或者别的什么。一直以来就是这样，而且这种格局保持住了。然而，在我们的数据集中，我们实际上可以看到一些小而强的 AI-native CRM 竞争者，也就是 Salesforce 和 HubSpot 的竞争者，出现了环比增长。Attio 是一家总部在伦敦的公司，今天市场份额非常低，但也是我们平台上增长最快的供应商之一，并且增长率相当持久。所以已经有一些证据说明，嘿，首先，OpenAI 和 Anthropic 并没有提供自己的 CRM。理论上，有人可以 vibe code 自己的 CRM。但注册 Attio 的公司也是技术前沿公司。它们知道自己可以 vibe code 一个 CRM。然而，它们仍然在购买，而不是自己构建。我们在不同种类的软件类别中都看到这一点。当然，另一个是 Figma，对吧？比如 Claude Design 出来时，每个人都觉得 Figma 要完了。过去几个月，Figma 继续是我们平台上增长最快的供应商之一，而且是极其持久的软件供应商。未来这一切是否会改变，谁知道呢。但我要说的是，至少在我们的数据里，没有迹象表明这类 SaaS 供应商哪怕出现早期放缓迹象。我认为传统供应商确实有一些竞争威胁，但竞争威胁不只是 OpenAI 和 Anthropic。实际上是 AI-native 软件供应商今天正在夺取市场份额。然后在定价方面，这是第二部分。你知道，每个人都在说，哦，我们将会按 token 为一切付费。这也没有真的发生。对于大多数软件来说，基于席位的合同仍然占据绝大多数支出，大概 60% 到 75%。其余部分其实只是固定平台订阅。计量式使用极小，像是 5%，低于 5%。在许多传统 SaaS 公司中，即使它们提供了自己的某种计量式使用，比如 Adobe，你现在可以按 credits 为 Adobe 付费，这仍然只占它们收入的大约半个百分点。值得注意的是，即使对 AI 公司来说，它们在订阅支出上的增长实际上也快于 token 支出的增长。所以即使对它们来说，你知道，对基于订阅的支出仍然有需求。因此我总体上对 SaaSpocalypse 的判断是，嘿，也许这些事情会发生。它通常是由产品领导者做出的宣言。但就数据所在的位置，也就是实际企业行为而言，它被高估了。那么对于这样一种想法，你怎么看：未必是 AI 可以直接 vibe code 每个应用，而是 AI 实际上变成一个操作系统。于是你在 Codex 里输入你需要什么，然后它打开 Figma，并通过 Figma 为你完成工作。你能看到这成为未来界面吗？如果真是这样，如果聊天机器人实际上成为所有软件的前端，你认为这会如何改变定价？我觉得这个想法很有道理。我的意思是，我从自己的用户体验中也看到了这一点。如果一个产品与我已经在使用的 SaaS 有某种集成，我越来越可能通过模型与它交互，而不是通过 GUI。现在我仍然可能进入网站，自己对某些东西做修改。但作为产品体验，它实际上相当好。这会如何影响支出？我的意思是，听着，我确实认为，我们大概会看到 token-based 支出和 agentic 支出稳步增加，但我认为它被高估了。你知道，我仍然认为这项工作往往由一个个人来指挥，而这个人很可能会有一个个人席位。我的意思是，如果 AI 公司本身仍然看到这种基于订阅的增长，我认为这就是最好的证据。还有没有其他趋势或叙事破除，是你最近一直在看的、觉得我们离开前可以分享的？我们在大量思考 AI 对就业的影响。我们会有一篇论文出来，很可能在几周后。所以我会告诉大家关注一下。除此之外，我们会在 ramp.com/data 写我们所有的数据。我也在 Substack。也可以在 Substack 上关注我。
Ara Kharazian：是的，econlab.substack.com。给我们一个快速预告吧。你不必分享所有内容，但 AI 是在夺走工作，还是就业增长仍然健康？我还不能说。好吧。但我觉得这会是一篇非常有意思的论文。好。好的。很高兴见到你。非常感谢你来到节目。谢谢你邀请我。一直很棒。好。很高兴和你交流。好吧，各位。
Alex Kantrowitz：非常感谢大家收听和观看，我们下期 Big Technology Podcast 再见。 [00:45:36]