企业人均AI支出下降近一成，乍看像是生成式AI热潮开始降温。但把数据拆开后会发现，这更可能是采购逻辑发生变化：企业并未停止使用AI，而是开始追问模型是否必须用最贵的、调用量能否转化为业务成果，以及每一笔账单究竟由谁负责。
近一成降幅，究竟说明了什么
2026年9月9日，TechCrunch援引企业支付平台Ramp的最新数据称，样本中AI投入最高的前1%企业，其8月人均AI支出下降近10%，降至每月7205美元。同期，Ramp客户中为AI产品付费的企业占比约为56%，环比仅增加0.4个百分点。这意味着支出强度回落与付费覆盖面缓慢扩大同时出现，不能简单解读为企业集体撤离AI。[1]
这里尤其需要注意统计口径。Ramp指数依据其平台处理的企业卡、发票和自动清算交易识别AI支出，样本覆盖7万多家美国企业；“人均支出”则是特定企业群体当月可观察到的AI付款除以员工人数。免费工具、员工个人账户以及未经过Ramp结算的费用可能没有被计入，因此该指标更适合观察趋势，而不是代表所有企业的完整AI预算。[2]
此外，“下降近一成”针对的是AI支出最重的前1%企业，并非全部企业平均值。Ramp此前发布的夏季支出报告显示，前1%重度采用者的人均月度AI支出超过7400美元，前10%约为650美元，而中位数采用者仅为11.95美元。不同企业之间存在数百倍差距，所以头部群体的单月波动容易形成醒目的百分比，却不能直接推导出整个生成式AI市场已经收缩。[3]
从“多买算力”转向“核算结果”
这一变化首先反映了模型成本下降。TechCrunch报道显示，Ramp观察到的平均每百万词元成本已从2026年3月的1.15美元降至8月的0.68美元。即使企业处理的任务数量没有减少，只要更多工作被分配给便宜模型，账面上的人均支出也会下降。换句话说，支出减少可能源于采购效率提高，而非AI使用需求消失。[1]
其次，企业正在改变“所有任务都调用旗舰模型”的粗放模式。Ramp基于实际付款数据发布的成本基准指出，不同模型之间存在显著价格差异，模型选择已经成为重要采购决策。对分类、摘要、格式转换和内部检索等常规任务，轻量模型往往已经够用；只有复杂推理、高风险决策或高质量代码生成，才可能需要更昂贵的模型。[4]
因此，所谓“成本问责”并不是单纯削减预算，而是把AI从创新部门的试验项目变成可审计的经营项目。过去企业关心是否接入大模型，现在则需要回答三个问题：这项调用服务于哪个业务流程，节省了多少时间或带来了多少收入，如果改用更便宜的模型，质量损失是否处于可接受范围。
单月下降仍不足以确认行业拐点
8月本身具有季节性，员工休假、项目节奏放缓和采购周期都可能影响使用量。TechCrunch也指出，Ramp的AI采用指标在上一年度8月至10月曾接近停滞，随后又于年末恢复增长。因此，一次接近10%的环比下降只能视为预警信号，至少还需要观察后续数月的调用量、续费率和新客户支出，才能判断它是季节波动还是持续趋势。[1]
更宏观的数据也提示，不宜把头部企业的支出回落等同于AI总投入转负。Gartner在2026年5月预测，当年全球AI支出将达到2.59万亿美元，同比增长47%，其中AI基础设施仍占最大部分；但该机构同时指出，企业更偏好能够渐进改善效率和生产率的战术型项目，CIO面临证明投资价值和展示具体成果的压力。[5]
这组看似矛盾的信息其实可以同时成立：上游云服务商和模型厂商仍在扩建基础设施，下游企业则开始压缩低效调用、整合重复订阅。生成式AI市场未必从“增长”转为“衰退”，更可能从不计成本的容量竞争，进入规模增长与单位经济性并重的阶段。
企业应如何建立AI成本问责机制
- 按场景核算，而不是只看总账。把AI费用拆分到研发、客服、营销、运营等流程，并记录处理任务量、人工复核时间和错误率。
- 建立模型分级路由。低风险、高频任务优先使用轻量模型，复杂任务再升级到高性能模型，避免为普通需求持续支付旗舰模型溢价。
- 同时衡量成本与质量。不能只比较词元单价，还应纳入返工、幻觉纠错、人工审核、数据治理和系统集成成本。
- 设置项目退出条件。试点前明确预算上限、观察周期和最低收益门槛，达不到目标的项目应缩减、重构或停止。
- 加强数据与内容治理。对敏感信息、访问权限、输出审核和责任归属设置清晰规则，避免因低价扩张而放大安全、合规及错误传播风险。
总结
企业人均AI支出下降近一成，是一个值得关注但不宜夸大的信号。它只发生在Ramp样本中投入最高的前1%企业，并受到模型降价、季节因素和样本结构影响。更有价值的判断是，生成式AI正在从“先部署再说”转向“按业务价值付费”：预算不会自动消失，但缺少成果指标、模型分层和责任边界的支出，将越来越难以通过财务审查。
事件或资料日期：核心事件报道发布于2026年9月9日，所涉支出数据对应2026年8月；Ramp AI Index为截至2026年8月的最新月度数据。交叉核验资料包括Ramp指数方法说明及其2026年夏季企业支出报告。TechCrunch报道、Ramp AI Index、Ramp夏季支出报告
