企业并没有减少使用 AI，只是不再为它付那么多钱了——这可能是这一轮 AI 商业化最值得注意的结构性变化。
发生了什么
据 The Decoder 报道，Ramp 经济学家 Ara Kharazian 发布的最新 Ramp AI Index 显示，美国企业在 AI 上的支出正在减少。Ramp 是一家提供企业支出管理与公司卡服务的平台，其指数基于平台上企业的真实交易数据构建，因此反映的是企业侧的实际付费行为，而非厂商公布的营收口径。报道的核心结论可以概括为一句话：企业用 AI 用得更多，但为它付的钱更少。
需要说明的是，目前公开的信息只给出了方向性判断，并未披露具体的降幅、覆盖企业数量或统计口径细节，因此不宜对幅度做过度解读。
为什么重要
过去两年，AI 叙事的主线一直是“投入”：模型能力提升、算力采购扩张、企业试点铺开。而支出下降与使用上升同时出现，意味着这条曲线开始从“买能力”转向“买效率”。
背后大致有几股力量在同时作用。一是模型推理的单位成本持续下探，同等任务的价格被快速摊薄；二是企业从早期的多供应商试水，转向收敛到少数几个真正跑通的场景，砍掉冗余订阅；三是开源模型与自托管方案成熟，让一部分原本流向 API 的预算转成了内部算力成本，未必体现在 SaaS 账单上。
对 AI 厂商来说，这是一个不太舒服的信号：使用量的增长不再自动等于收入的增长。过去靠席位订阅和按量计费吃到的红利，正在被价格竞争和客户侧的理性采购稀释。
影响与看点
对开发者而言，单位成本下降是实打实的利好——同样的预算能跑更多实验、覆盖更多场景，此前因成本被搁置的批处理类任务重新变得可行。但另一面是，靠“套壳调用 API”建立的薄利润产品会更难存活，价值必须落在工作流、数据或集成深度上。
对企业采购方来说，信号同样明确：AI 供应商的可替代性在上升，谈判筹码正在从卖方转向买方，续约时重新比价会越来越常见。
值得关注的几个后续观察点：支出下降是价格因素主导，还是企业主动收缩了试点范围；这种下降是否集中在通用写作、客服等标准化场景，而垂直深度场景仍在加码；以及当推理成本继续走低，厂商能否用更高的调用量把收入补回来。
一个相对克制的判断是：AI 正在从“预算项”变成“成本项”。当一项技术不再需要专门立项、而是被默默嵌进日常工具里，它的支出数字反而会变得不那么显眼——这未必是需求萎缩，更可能是它开始变得平常。
