美国企业AI支出10月创新高，但环比增速降至1.65%

根据Ramp AI Index，2026年10月美国企业AI支出环比仅上升1.65%，创下新高；支出最高的1%企业人均月支出中位数为10,200美元，而典型企业支出为16.32美元。

据Ramp，1%的企业仍贡献OpenAI与Anthropic收入的80%。

软件开发团队占全部被追踪AI支出的72%。

2026年10月，美国企业AI支出创下新高，但增速温和。

追踪金融服务提供商Ramp企业客户AI支出的Ramp AI Index显示，支出环比增长1.65%。

据Ramp，AI使用最密集的客户支出略有增加。

按AI支出排名前1%的企业，人均月支出中位数为10,200美元，上升9%。

相比之下，一家典型企业仅支出16.32美元，较上月增加不到1美元，属于小幅上升。

Ramp的数据反映市场趋势，但不一定具有代表性。

该指数基于超过8.5万家美国企业的支付数据，不过免费AI工具以及通过个人账户产生的使用可能未计入其中。

据Ramp，关于token数量与支出的单独指标仅来自使用Ramp Token Spend Management的企业，并不代表该平台上整体的AI支出。

其客户群偏向增长导向、技术敏感且规模大于美国企业整体水平，因此AI采用率很可能被高估。

企业客户在OpenAI上的支出环比增长2.1%，而Anthropic仅为0.5%。

据Ramp首席经济学家Ara Kharazian说法，他在此前分析中识别出的结构性风险依然存在。

1%的企业贡献OpenAI与Anthropic收入的80%。

这一顶层群体主要是科技、金融与技术服务领域的风投支持企业。

在这些行业之外，AI采用几乎没有扩散。

与此同时，价格在下降。

据Ramp，上月每百万已处理文本token的平均价格下降21%。

使用量的增长快于支出，因此在OpenAI与Anthropic之间的竞争压力以及来自中国的开放权重模型推动下，AI持续变得更便宜。

SpacexSI也以2.2%的增速强劲增长，成为Ramp整个数据集中增长最快的软件公司。

这更可能说明Ramp数据的偏差，而不是Grok取得了什么重大胜利。

该公司的模型并不特别值得注意，增长很可能由其旗下编程工具Cursor驱动。

在Ramp上，该公司占有6.3%的市场份额，这一数字很可能并不反映更广泛的市场。

Anthropic的采用率达到44.8%，上升1.1个百分点；OpenAI稳定在40.6%。

AI服务的整体采用率升至56.8%。

Ramp AI Index显示，2026年10月美国企业AI支出环比仅增1.65%至历史新高；支出最高的1%企业人均月支出中位数达1.02万美元，而典型企业仅16.32美元。1%的企业仍贡献OpenAI与Anthropic八成收入，软件开发团队占全部AI支出的72%；同期每百万文本token均价下降21%，用量增速快于支出，AI单位成本持续走低。

• Ramp AI Index显示，2026年10月美国企业AI支出环比仅增1.65%至历史新高；支出最高的1%企业人均月支出中位数达1.02万美元，而典型企业仅16.32美元。1%的企业仍贡献OpenAI与Anthropic八成收入，软件开发团队占全部AI支出的72%；同期每百万文本token均价下降21%，用量增速快于支出，AI单位成本持续走低。
• 原贴提到：US corporate AI spending rose just 1.65 percent month over month in Octo
• 来源：the-decoder.com

这是什么信号

这不是一条“AI支出爆表”的新闻，而是一条“AI支出增速明显放缓”的新闻。Ramp AI Index基于8.5万余家美国企业的支付数据得出：10月企业AI支出环比只增1.65%，虽创历史新高，但从指数级扩张转入低速爬坡。更关键的是结构：支出前1%的企业人均月支出中位数1.02万美元（环比+9%），而典型企业只有16.32美元——两者相差三个数量级。同时，软件开发团队吃掉了全部被追踪AI支出的72%，1%的企业贡献了OpenAI与Anthropic收入的80%。

为什么重要

它把“企业AI采用”拆成了两件完全不同的事。第一件是少数高投入客户的深度采购：科技、金融、技术服务领域的风投支持企业，几乎撑起了模型厂商的全部营收。第二件是沉默的大多数：典型企业每月十几美元的支出，基本等于零星试用或几个席位，谈不上流程重构。标题里“创新高”与“增速1.65%”并列，正是这个分层的直接后果——天花板还远，但渗透已经卡在圈层边界上。

另一个容易被忽略的信号是价格。每百万文本token均价单月下降21%，使用量增速快于支出增速。这意味着模型厂商的收入增长正在被单价下滑稀释：客户用得更凶，账单未必涨得更快。对采购方是红利，对供给方是结构性压力，也解释了为什么厂商都在往编程、Agent等更高价值场景上挤。

对谁有价值

• 企业AI采购与财务负责人：可以拿“典型企业月支出16美元、头部企业人均1万美元”作为内部预算锚点，判断自己处在哪一档，而不是被供应商的宏大叙事带走。
• AI创业公司与模型厂商的GTM：真正的付费集中度极高，说明“广撒网做中小客户”转化效率有限，资源应优先押注科技、金融、技术服务里的高投入账户。
• 投资与战略研究者：Ramp自己的数据偏差已被作者点明，这恰好提醒从业者在看任何AI采用率指标时要先看样本构成。
• 企业内部AI推动者：软件开发团队占72%支出一事，说明AI预算目前高度集中在能直接产出代码的环节，其他职能想拿预算需要自证ROI。

可以怎么行动

1. 做一次分层自检：把公司AI支出换算成人均月成本，对照16.32美元（典型）与1.02万美元（头部）两端，明确自己是“试用态”还是“深度采购态”，据此决定是扩席位数还是先做场景收敛。
2. 把预算重心放在可量化产出上：72%集中在软件开发是个强提示——先啃工程侧，用代码产出、评审周期、缺陷率之类可测指标立项，再向其他职能复制方法论。
3. 利用单价下行重谈合同：token均价单月下降21%且用量增长快于支出，采购侧有议价空间，可考虑按用量阶梯定价、多模型并行以减少单一供应商锁定。
4. 别用行业采用率做决策依据：Ramp明确说客户群偏增长导向、技术敏感、规模更大，采用率可能被高估；应结合自身行业与规模另行验证。

风险与限制

这条数据最大的问题是代表性。Ramp自述其客户群偏向增长型、技术敏感、规模高于美国企业整体，因此56.8%的整体采用率大概率偏高，且免费工具与个人账户使用未计入。token量与支出指标仅来自使用Ramp Token Spend Management的客户，不能外推为平台整体。原文对SpacexSI增速2.2%的解读也很克制：作者认为这更可能反映Ramp样本偏差，而非某家模型取得实质胜利，其6.3%份额“很可能不反映更广泛市场”。此外，指数只呈现支付侧数据，无法区分“新增采用”与“老客户加购”，所以1.65%的增速究竟是渗透停滞还是头部客户阶段性消化预算，这份数据本身给不出答案。

结论上更稳妥的判断是：企业AI支出仍在扩张，但扩张引擎高度集中在少数行业与少数客户身上；单价下行让“用量涨、账单不涨”成为常态。这意味着接下来比拼的不再是“谁在买AI”，而是“谁把AI真正嵌进了核心生产流程”。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《美国企业AI支出10月创新高，但环比增速降至1.65%》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Matthias Bastian 原帖