--- id: "Agy_fs-SOWs" title: "Ramp 的经济学家发现 AI 论点中的裂缝｜《头脑风暴》第156期" channel: "ARK Invest" host: ["Sam","Brett"] guests: ["Ara Kharazian"] date: "2026-11-04" updated: "2026-11-05" duration: "34:04" duration_seconds: 2044 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=Agy_fs-SOWs" canonical: "https://pod-exp.pages.dev/Agy_fs-SOWs/" transcript_jsonl: "https://pod-exp.pages.dev/Agy_fs-SOWs/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 基础设施","商业分析"] series: ["AI 投资"] --- # Ramp 的经济学家发现 AI 论点中的裂缝｜《头脑风暴》第156期 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Ramp 首席经济学家 Ara Kharazian 根据 8 万多家企业、每年超过 2,750 亿美元的商业支出数据，指出 AI 支出高度集中：前1%的企业贡献约80%的支出，而且这些重度用户近期的支出增速有所放缓，尽管 token 用量仍在增加。对话围绕样本偏差、模型降价、OpenAI 与 Anthropic 的竞争、风投支持企业的营收质量，以及 AI 支出能否扩散到中位数企业展开。Brett 质疑几个月的数据不足以证明趋势，并强调模型变便宜后，同样的使用量可以花更少的钱；Ara 则认为企业会逐步优化模型选择与成本。双方还讨论 AI 对非科技企业的生产力价值、网络安全支出，以及五年后中位数企业每名员工的 AI 开支可能低于每月1,000美元。 ## [0:02] AI 开支 · YouTube **Ara Kharazian：** 1%的企业贡献了80%的 AI 开支。花钱最多的这1%，也就是 AI 用得最猛的企业，似乎已经开始放慢 AI 支出了。不是因为用得少了；从我们掌握的各项指标看，它们实际上用得更多了，消耗的 token 也更多。只是如果这些公司融不到下一轮，AI 开支就会停下来。 **主持人：** 欢迎收看《头脑风暴》。今天我们请到一位很棒的嘉宾：Ramp 的首席经济学家 Ara Kharazian。Ara，非常感谢你来。你最近发了很多很棒的推文，而且能直接接触到企业在 AI 上的真实支出。你观察到了什么？不知道你有没有看 Anthropic 的 S-1。你现在怎么看整个行业？ **Ara Kharazian：** 谢谢邀请。我补充一下，修订版 S-1 刚刚发布——我们录节目时，大概还不到一小时前。这份数据集非常难得。我们的研究都来自 Ramp 的数据：每年超过 8 万家企业、超过 2,750 亿美元的商业支出。它能很好地展示企业把钱花在哪里、又从哪里收回来，也让我们能非常细致地观察哪些企业真正投钱在 AI 上。 过去两年我们一直追踪 AI 支出，发现它的增长速度超过了我们追踪的任何其他支出类别；支出也分散到了多家供应商，不再像我们刚开始追踪时那样只是 OpenAI 一家独大。现在企业最常用的 AI 模型是 Anthropic。SpaceX AI 的竞争也在加剧，Meta 现在也要进入企业市场，Nvidia 已经有了自己的模型。 我最近一系列帖子叫“AI 论点中的裂缝”。虽然我们观察到 AI 支出迅速上升，而且在我们的数据里还在增长，但如果你先入为主地认为它会一直涨，最好用我们已经公布的数据检验一下这个假设。首先，AI 支出高度集中：1%的企业贡献了80%的支出。花钱最多的这1%，也就是 AI 用得最猛的企业，似乎已经开始放慢 AI 支出了。不是因为它们用得少了；从我们掌握的各项指标看，它们实际上用得更多了，消耗的 token 也更多。 原因有好几方面。第一，AI 正在变便宜：OpenAI 和 Anthropic 竞争激烈，不断降价，也推出了效率更高的模型。第二，大企业现在能谈到更好的价格，OpenAI 开始给大型企业提供带折扣的新合同。另外，标准版和轻量级产品里出现了性能很强的新模型，也在压低价格。 **主持人：** 我能问几个问题吗？你这项判断的依据，基本上是看整个数据集……我先说说我对样本的理解，你看哪里不对。我猜 Ramp 的客户里，行动更积极的公司、VC 支持的公司占比更高，可能加州公司更多，美国公司当然也更多。这会解释为什么你们数据中的 AI 支出，相比人口普查数据显得特别高。样本还有别的偏向吗？我说偏向不是贬义，只是想了解样本覆盖范围。 ## [4:03] AI 开支 · YouTube **Ara Kharazian：** 你说得有道理。Ramp 的数据确实偏向那些本来就更可能采用 AI、而且用得比较积极的科技型企业。 **主持人：** 对。 **Ara Kharazian：** 另一方面，私营部门的数据集通常会按企业规模和行业拆分，我们也这么做。但我认为，这不是分析 AI 支出的最佳方式，因为这类支出高度集中、分布极不均匀。我们公布的数据里，最重要的是中位数、前10%和前1%企业的 AI 支出。 **主持人：** 对，这就是我看的那张图。 **Ara Kharazian：** 平台上的中位数企业…… **主持人：** 每月15美元，对吧？ **Ara Kharazian：** 会用 AI 的中位数企业，每名员工每月只花大约15美元。 **主持人：** 差不多就是给每个员工开一个聊天工具订阅，另外可能有人还用一个编程智能体。这就是 AI 支出中位数企业的情况。 **Ara Kharazian：** 我认为，追踪这个市场有个很重要的做法：先别再依赖一些我们习惯使用的平滑指标了。至少在这个市场里，它们没什么用，因为 AI 支出太集中，而且在这种集中度之下，相关指标也会彼此相关。真正要看的是支出的强度——不过，光是定义“强度”也越来越难了。 **主持人：** 你看过“扩散”这个指标吗？AI 支出有没有更快地扩散到中位数企业？还是领先者还在继续拉开差距？ **Ara Kharazian：** 中位数企业的 AI 支出确实还在增长。就在一个月前，可能还是每名员工每月12美元左右，现在是15美元。所以它确实在增长。前10%的企业也仍在增加支出，但前1%的企业已经开始放慢。总的来说，AI 还会继续普及到中位数企业，它们也会越来越频繁地使用 AI；我对这一点的预测没变。关键在于最终能普及到什么程度、又会如何收场。 几个月前我们还在讨论，前1%的企业在 AI 上的支出应该能达到每名员工的软件工程师薪资水平。但这还没有发生。前1%的企业每名员工每月花7,000到10,000美元，支出已经开始放慢。 **主持人：** 我想确认一下，也想质疑一下这个说法。你说“开始放慢”，是根据最近两个月的数据吧？同比来看，前1%的支出显然增长了大约四五倍；但你说的是9月和7月相比？或者说，9月和10月的早期数据？ **Ara Kharazian：** 9月和10月最早的数据都显示，支出增速比今年前期和年中观察到的高速增长慢了。有人在 Twitter 上给我留言说这是季节性因素，但我觉得不太像，因为这段时间 token 用量还在增加。 这里有几个重要的市场动态。同期 AI 价格几乎跌了一半，所以即使你的 AI 用量翻倍，只要模型照常使用，token 开支也可能持平甚至放慢，原因就在这些市场变化。我尽量用多个方向一致的指标来做分析，所以…… ## [8:05] AI 开支 · YouTube **Ara Kharazian：** ……我尽量用多个方向一致的指标来做分析。现在确实有几项指标都显示：AI 支出不至于暴跌，但如果你是前1%的企业，已经有办法控制这笔支出；而且模型会越来越便宜，你能以比一年前更低的价格使用它们、从中获益。这就是我们在前1%企业中观察到的情况。 **主持人：** Brett，听到这些， ## [8:40] 市场动态 · YouTube **主持人：** 你怎么看未来？是不是因为现在还处于非常早期，中位数企业和前10%、前1%之间的差距太大，所以随着技术扩散，大家都得往更高的水平靠拢？ **Brett：** 你们的车是不是要开走了？不好意思，我刚才接了个电话。我觉得，首先不能把这些数据和 OpenAI、Anthropic 之间的动态分开看。尤其是 Anthropic，它在为上市做准备，需要继续实现强劲的营收增长。如果你在 IPO 前问他们，他们会说自己在更积极地定价，等于先通过定价来推动 token 用量，之后会带来需求弹性，这也是他们看到的结果。看 Ramp 关于 Opus 5.5 的数据，它显然正在抢占很大份额。 Ara，我不怀疑你说他们在争取签更长期的合约。现在市场的疑虑是：OpenAI 和 Anthropic 能不能兑现承诺？这些公司排队投入数千亿美元建设基础设施，承诺会租用并使用它们，所以它们必须持续增长营收，才能负担这些账单。我知道 OpenAI 几个月前发过相关信息；Anthropic 如果也这么做，我不会意外。对他们来说，签下更长期、更稳定的收入合同很有利，这样就能用合同收入来对应自己的负债，缓解外界担忧。 不过，技术的发展自然会让一批非常激进的公司尝试：如果尽可能多地使用这些工具，我们能多快提速、能不能胜过对手？其中一些会失败，另一些不会。样本中的前1%本来就是较小的一部分；与此同时，还有更多中位数企业在摸索，采用更审慎、更谨慎的方式。随着时间推移——假设奇点之后还剩下什么——我猜会有更多激进使用 AI 的企业，但增长主要会落在样本的中位数，而不是前1%的花钱大户，除非那1%大到和其余企业加起来一样大。所以我认为，技术一定会扩散。 我也会谨慎看待月度变化，或者三个月的变化。这不代表前1%的企业就要停止增加支出，那会很反常。Ara，你不同意也没关系，但六个月后，前1%的企业真的会说：“够了，我们每名员工每月花9,000美元已经到头了”吗？这似乎和前沿实验室的做法很矛盾；它们可是有史以来营收增长最快的公司。 **Ara Kharazian：** 我不认为 AI 支出一定会下降或者完全停滞，但市场、尤其科技圈，应该注意到有好几种因素正在阻碍 AI 支出继续上升。每当我在很多科技圈里提出这些看法…… ## [12:41] 市场动态 · YouTube **Ara Kharazian：** ……大家都像是第一次看到这些数据。我们观察到支出放慢，不只是数字本身；背后的市场力量也在推动减速，而且这些力量只会越来越强。竞争会进一步压低 AI 价格，因为竞争者不再只有 OpenAI 和 Anthropic。 **Brett：** 你刚才说竞争者增加，但从 Ramp 的数据看，xAI 只拿到一点份额，市场里 OpenAI 和 Anthropic 加起来大概占95%。这已经是个相当稳固的双寡头了。我想问，Meta 会抢占份额这个判断，是基于你们10月看到的数据，还是根据他们进入市场的方式做出的推测？ **Ara Kharazian：** 今天我们完全没看到 Meta 有什么显著份额，它最近才刚进入企业市场。我想说的是，别低估这个市场的竞争程度。几个月之内，新进入者就可能、实际上也已经拿走超过一半的市场。Anthropic 就是这样：它只用了一年左右，市场份额就快速上升，成为企业最常用、按商业支出计算规模也最大的模型。 也别低估 Meta。这个市场虽然主要是企业对企业的支出，但在很多方面，它的发展其实滞后于消费市场。OpenAI 最初崛起，靠的是 ChatGPT 作为消费产品的默认地位。Anthropic 的增长固然是编码智能体带动的，但仔细看它开始快速上升的时间，还会发现其他因素也正好发生了：先是推出 Claude Code（接在编码智能体之后），接着转向消费市场、投放超级碗广告、美国国防部把它列为供应链风险，然后 Katy Perry 不知为何发帖说自己在用 Anthropic。Anthropic 就是在那段时间迅速增长的。 所以我不会低估消费端产品的实力对企业采用和支出的推动作用。比如 xAI 最近的模型 Grok，我们看到它的份额最近也有所上升，速度不快，但有意义；这也恰好和 Grokbot 的推出时间重合。 **Brett：** 对，我同意这些因素有影响。 **Ara Kharazian：** 消费市场和企业市场确实相互交织。 **Brett：** 我只是觉得，不能只看 Claude 的消费端采用情况，就认定它会领先于企业市场渗透。我认为他们吸引了那些通常不会采用这类产品的客户，比如初创企业和企业级 B2B 客户。他们能提供一种像魔法一样的产品，让客户觉得安全，而且可以高度定制给企业使用；又能借助 AI 的能力，很快完成定制。 我觉得他们刚好找到了企业想要的东西。超级碗广告带来的知名度当然有帮助，但我不确定消费端采用会自然带来企业端采用。如果真是这样，那 OpenAI 应该最有优势；而 Google 的机会也应该大得多。 ## [16:42] 市场动态 · YouTube **Brett：** ……如果消费端采用会自然带来企业端采用，那 OpenAI 应该最有优势；而 Google 的机会也应该大得多。 **Brett：** 我不确定。Sam，你怎么看 AI 的采用情况？我们应该相信 Ara 的说法吗——前沿的前1%企业支出增速已经有所放缓，因此整个市场的支出也可能大幅减速？ **Sam：** 支出当然可能放慢，不过……Ara 回来了。欢迎回来。Brett 刚才在说，如果这件事从根本上成立，那么理论上 Gemini 在企业市场应该表现得更好。 我还想谈谈 Chamath 提过的一个观点，我直接读一条推文。他猜，AI 公司70%到80%的营收来自其他拿了风投资金的 AI 公司。这不是循环营收的问题，而是营收质量的问题。你看到的数据里，前1%的支出企业是不是那些不盈利、靠风投资金支持的公司？还是你觉得它们更扎实，能长期维持这样的开支？ ## [17:48] 营收质量 · YouTube **Brett：** ……AI 公司70%到80%的营收，可能来自其他拿了风投资金的 AI 公司。这不是循环营收的问题，而是营收质量的问题。你看到的数据里，前1%的支出企业是不是那些不盈利、靠风投资金支持的公司？还是你觉得它们更扎实，能长期维持这样的开支？ **Ara Kharazian：** 我同意 Chamath 的观点。他说得对：这不是循环营收问题，而是营收质量问题。我们平台上在 AI 上花钱最多的前1%企业，大多确实是有风投支持的科技公司。只要 AI 支出继续增长、这些企业自己的客户群也继续扩大，这都没问题。 但集中度也意味着相关性风险：如果 AI 交易热潮开始降温，这些公司可能会同时减少 AI 支出，进而对整个行业产生连锁影响。 **主持人：** 说到底，这些公司如果融不到下一轮，AI 支出就会停下来。 **Ara Kharazian：** 对，或者它们会放慢支出、开始更严格地控制成本。我们也看到类似情况。比如 Ramp 自己在 AI 支出方面也轻松排进前1%，而且我们有收入，是一家盈利公司。即便如此，企业越深入采用 AI，也会越擅长控制支出：给自动化任务设置限制，避免调用前沿模型；设定更好的默认选项；用路由器为不同任务挑选最合适的模型。这些都是正常的企业做法。 到目前为止，我们还没在前1%的企业里明显看到这些行为，毕竟它们增长很快、收入不断进来，不需要做太多取舍。但到了某个阶段，它们也会开始这样做。我们已经在一些企业身上看到这一点。这是前1%支出增速放缓的主要原因之一：它们用 AI 的次数更多了，但逐渐改用更便宜的模型。 **Brett：** 我本来想说，我直觉上同意：三个月还称不上趋势。AI、风投和公司发展的速度都太快了。Ara，你说得对，大家都觉得快到年底了，回头一看会想：“刚才发生了什么？”我觉得像是个 V 字形走势。人们看到这些数字会想：等等，我们说的是上千亿美元，好像一下就变成了100亿美元。应该重新审视一下，确认方向没错。 **Sam：** 风投这块你可能比我熟。我的感觉是，大家开始想：等一下，两年历史的公司能有多少家估值上千亿美元？对此多少还是有些犹豫。Brett，你刚才在回应，继续说。 **Brett：** 我觉得企业评估支出，可能从第二、第三季度就开始了。也许现在只是那波调整的后半段：Anthropic 过去特别贵，但大家已经习惯了它，也沉迷于用它的模型。后来人们发现 OpenAI 按任务算更便宜，于是开始评估要不要转过去。OpenAI 推出了 Luna，这在你们的数据里是很大的支出推动因素，而且效率很高；随后又把 Luna 的价格降了80%，来争取边际份额。 ## [21:50] 营收质量 · YouTube **Brett：** 有意思的是，6.1 没出现在你们的数据里。我觉得那是一组效率很高的模型；Opus 5.5 也比 Anthropic 之前推出的产品更高效。所以，如果每隔两个月左右，性能和成本之间的关系就改善一次，企业做的事不变，成本却能减半。真正值得观察的商业问题是：这些做法更 AI 原生的公司，能不能从其他企业那里抢到份额？这当中会有阻力。产品更好本身还不等于生意做得成，还得打赢对抗现状的那一仗，而这可能需要时间。 **主持人：** 我也这么觉得。 **Ara Kharazian：** 模型公司确实需要推动中位数和前10%企业更多采用 AI、用得更深入。 ## [23:10] 商业价值 · YouTube **Ara Kharazian：** 模型公司确实需要推动中位数和前10%企业更多采用 AI、用得更深入。但今天商业化最成熟的 AI 形式是编码智能体。至少对科技行业、以及积极使用它们的这类岗位来说，它们显然能提高生产力。 不过，我很难想象中位数企业能从编码智能体那里获得和典型科技公司软件工程师一样多的价值。 **Brett：** 哇。我不是说中位数企业从中得不到价值，只是我不认为它们能达到那种程度。关于 AI 的大多数预测都围绕…… **Ara Kharazian：** 但我们还不知道模型接下来能做什么。新产品会发布，可能带来下一次编码智能体革命，这些都没问题。我那篇文章叫“AI 论点中的裂缝”，就是想说：如果你对当下的情况有一些预设，我会拿出数据，提醒你把这些假设放回现实里检验，因为实际进展还没有人们想得那么大。 **Brett：** 假设外面有一千家企业，它们都是现实中存在的非科技公司，没有软件开发人员。我从里面挑十家，然后让它们遭遇一次由开源权重模型发动的网络攻击——也就是说，即便它们不是科技公司，也有很多技术系统要保护，必须花钱应对。我认为网络安全会成为每家公司都得花钱的类别。每家公司的基础设施都是独特的一套层层叠加的系统，都是自己买来或积累起来的；在任何开放接口都可能成为入侵入口的时代，它们需要各自的安全防线。 **Ara Kharazian：** 我也正想说，网络安全支出会增加。 **主持人：** 我觉得 AI 普及还有一层意思：至少在2026年、特别是最近几个月，你用相对少的支出就能获得相当可观的生产力提升。尤其是科技行业之外的企业，不用在 AI 上花很多钱，就能得到不错的投资回报。即便是小企业、诊所，也可以通过引入 AI 获得收益。 **Brett：** 这一点我不太同意。我自己非常积极地用过这些模型，也调整过投入。它们确实很强大，但也确实还不够好。你可以给它一个原本要花半小时的任务，要求它交付业务成果；但它做得并不好，比如处理官僚流程这类事情。它能帮上一些忙，可如果要交付真正重要的业务成果，仍然需要大量人工引导。 你能放手到什么程度，和你用来解决问题的模型能力、以及在它身上的支出密切相关。我认为，得区分企业的探索和落地经营这两种功能。在探索以及正面竞争中，企业的战略需要会让它们购买前沿模型，而且不管岗位类别是什么，未来都会增加这方面的支出。 ## [27:13] 商业价值 · YouTube **Brett：** ……在探索以及正面竞争中，企业的战略需要会让它们购买前沿模型，而且不管岗位类别是什么，未来都会增加这方面的支出。 **Sam：** 这对私募股权来说是不是个巨大的机会？我听下来觉得，前1%和中位数之间的差距很大。如果你能把一家中位数企业带到前10%企业的支出水平，而不用花前1%那么多钱，那它就应该能胜过所在行业的中位数公司。 ## [27:28] AI 展望 · YouTube **Brett：** 这看起来确实是这样。另外，我对支出放缓的乐观看法是：模型能力进步得比哪怕前1%的企业都快。技术释放出来的能力更多，连领先企业都还没来得及想清楚怎么花钱跟上。所以这些情况让我对这项技术非常看好。 好，我们要收尾了。想问你，五年后——或者三年后，任何你觉得合适的中期时间点——前1%的企业和中位数企业会在 AI 上花多少钱？ **Ara Kharazian：** 实际金额很难说，因为“AI 支出”的定义也在不断变化，总得在某个地方划条线。 **Brett：** 你知道吗，按现在对软件支出的定义，到时候软件支出里可能有很大一部分会变成 AI 支出。 **Ara Kharazian：** 对中位数企业来说，可能更容易估。五年后，中位数企业每名员工每月的支出会低于1,000美元。不是说它们不会非常有效地使用 AI；我其实认为 AI 会变成基本配置。对今天的中位数企业来说，会用 AI 是绝对优势，就像你所在社区里第一家开始用 Google 广告的餐馆：会吸引更多顾客进门，而那些没法在现代环境里靠广告招揽顾客的竞争对手，可能会倒闭。这里也会出现同样的情况。 与此同时，AI 会变成基本配置，确实会推动更多采用，甚至增加一些支出，但也意味着中位数企业无需花太多钱就能获得相当可观的投资回报。 **Brett：** 那么，每名员工每月1,000美元，乘以全球约10亿知识工作者，意味着每年1.2万亿美元的支出？所以这是 AI 看空者的预测？那我觉得前景不错。 **Ara Kharazian：** 我没说每名员工每月正好1,000美元；我说的是不到1,000美元，所以留了很大空间。而且 AI 应用也不只面向员工，其他领域也会出现应用。我只是觉得范围会很大。但我的意思确实是低于1,000美元。我知道这听起来要么极其乐观，要么就是范围特别宽。 我所在的圈子里，有时有人预测中位数企业每名员工每月会花几万美元。我想用购买电脑来做个参照：每人买一台电脑，花1,000美元。 **Brett：** 对。 **主持人：** 等等，按月算可能不对，毕竟你不会每个月买一台电脑。 **Ara Kharazian：** 对，除非你特别…… **主持人：** 好，那你们先聊，我调整一下自己对月份和年份的理解。 **Brett：** 那也许是每年1,000美元？ **Ara Kharazian：** 我不知道，很难说。我只是…… ## [31:31] AI 展望 · YouTube **Brett：** 所以你觉得支出会比现在高10倍到100倍？ **Ara Kharazian：** 我最好还是别给出具体数值。我不想让人觉得我断言市场最终会到什么水平；我更想说的是，有些因素会推动增长，有些因素会阻碍增长，而我认为目前阻力更大。 **Sam：** 好，谢谢你。非常感谢你来参加节目。我们很喜欢你发布的研究，也期待随着你掌握更多数据、发表更多研究，继续读到你的分析。 **旁白：** ARK Investment Management LLC 是在美国证券交易委员会注册的投资顾问。ARK、WOLF Financial 和 Public 是彼此独立、互不关联的实体，在营销或销售彼此公司的产品或服务方面不存在合作关系。ARK、WOLF Financial 和 Public 不对其他实体或其关联方、管理人员、员工或代理人的行为、不作为、损失或损害作任何陈述或保证，并明确免除相关责任。任何一方均不对因本播客或其内容引起或相关的间接、附带、后果性或特殊损害承担责任。 本节目所提供的信息仅用于参考，不应作为任何投资决策的依据，且可能随时变化。节目内容无论明示或暗示，均不构成 ARK 提供服务或产品；投资者应自行判断某项投资管理服务是否符合自己的投资需求。节目中有关公司或证券的所有陈述，严格来说都是 ARK 和／或节目嘉宾持有的观点，并非 ARK 对任何公司或证券的背书，也不是 ARK 建议买入、卖出或持有任何证券。历史表现不代表未来结果。 本节目中的某些陈述可能是关于未来预期或其他前瞻性陈述，依据的是 ARK 当前的观点和假设，并涉及已知和未知的风险与不确定性，这些因素可能导致实际结果、表现或事件与陈述中明示或暗示的内容存在重大差异。ARK 不承担更新任何前瞻性信息的义务。ARK 及其客户和关联人士可能持有节目讨论的证券或发行人的经济利益，但不一定持有。部分信息来自 ARK 认为可靠的来源，但 ARK 不保证任何第三方信息的准确性或完整性。