美国企业在人工智能领域的开销在今年 7 月达到峰值后，罕见地陷入了持续数月的下行通道。这一变化并非因为企业减少了对算法的调用，金融科技平台 Ramp 最新发布的 AI 监测数据显示，截至 9 月底，企业的 Token 使用量反而创下了历史新高，较 7 月低点增长约 50%。
用量激增与账单缩水同时发生，其本质是企业级市场正在经历一场典型的技术通缩。过去半年，OpenAI 与 Anthropic 之间的价格博弈，叠加企业从盲目调用昂贵模型转向精细化工程架构，直接改变了企业软件的算力成本结构。
单百万 Token 暴跌 41%，降价战击穿支出虚火
企业账单变薄的最直接推手来自供给端的激进调价。Ramp 跟踪的有效价格显示，每百万 Token 的综合采购成本已经从 2026 年 3 月峰值的 1.15 美元暴跌至 9 月的 0.68 美元，降幅达到 41%。
在供给侧降价的同时，企业买方的部署策略也在发生质变。在早期概念验证阶段，团队倾向于不计成本地直接调用顶级前沿模型。但在进入实际生产环境后，投入产出比审计接踵而至。
前沿模型在企业 Token 总消耗中的份额，已从 8 月峰值的 53% 持续回落至 45%。越来越多的日常推理负载被分流至 Mini 或 Haiku 级别的中小轻量模型，前沿模型正在退守至需要深度推理的兜底环节。
高消耗群体的账单变动尤为明显。在支出排名前 1% 的高用量企业中，员工月均 AI 支出中位数从 7 月的 7,976 美元下滑至 8 月的 7,205 美元，单月回落 9.7%。尽管 Ramp 曾将 7 月该群体的开销基数从约 7,400 美元上调至 8,000 美元，并指出这类样本受补单调整影响波动剧烈，但头部企业收紧单人算力额度的趋势已十分明确。
撕开数据滤镜：被低估的开源与隐性采购
在支出份额的切片中，Anthropic 在 9 月最后一周拿下了 Token 支出的 51%，OpenAI 则占 44.5%，而开源模型直接产生的支出占比不足 5%。然而，以此判定开源方案溃败并不符合真实的工程现状。
这一结论背后存在显著的统计口径偏差。Ramp 的 Token 颗粒度数据，完全来自接入其 Token 支出管理工具的客户子样本，这类客户高度偏向 AI 原生初创团队与重度数字科技公司，无法等同于传统大型企业。
开源模型之所以在账单中占比不足 5%，是因为 Ramp 仅将企业是否采购模型路由或托管服务平台作为开源代号。在其监测的样本中，仅有 3.6% 的企业（占付费客户的 6.4%）为此类工具付费。大量企业通过云厂商原生实例自行部署 Llama 等开源模型，这些开销被完全归入普通云主机或算力集群账单，从未被标记为开源模型支出。
企业并非不再采购智能，而是不再为单次提示词支付溢价。
此外，大量隐性采购被排除在外。无论是微软将模型能力内嵌进办公套件，还是企业员工走差旅杂费报销的个人订阅，都脱离了 API 交易流水的主渠道。单纯观察 API 金额下滑，极易误判企业的总体数字化投入。
增量不增收，模型厂商面临分水岭
在商业层面上，Anthropic 以 51% 的份额在 Token 支出上压过 OpenAI 的 44.5%，表明企业级开发者对推理性价比与编程场景的偏好正在重塑两强格局。
对模型厂商而言，前沿模型单价暴跌逾四成、企业工作负载持续向小模型倾斜，构成了双重压力。即便 Token 消费总量在低价刺激下迅速攀升，但在杰文斯悖论全面兑现、用量增幅彻底跑赢降价幅度之前，API 业务将长期停留在毛利微薄的博弈期。
- 建议.企业架构师应当建立动态模型路由机制，将 80% 的基础问答与信息提取转至轻量蒸馏模型，只将多步逻辑验证交由前沿旗舰，以规避早期的算力冗余成本。
- 风险.若模型厂商无法在纯 API 模式下实现总收入回升，未来极有可能收紧轻量模型的免费或低价配额，或通过限制并发能力反向迫使企业重回高价前沿模型。