企业 AI 支出未实质性撞墙，Token 预算管理成为新常态

概览

本文讨论企业从“尽可能多消耗 token”的 tokenmaxxing 阶段，转向更成熟的 token 预算管理阶段。SemiAnalysis 基于 Slack、电话和 Databricks AI Summit 上超过 50 位企业客户交流，认为市场对预算超支的担忧被媒体放大；实际情况是企业仍在增加 AI 支出，只是开始以硬上限、软限制、模型选择和项目制预算来管理月度账单。

核心观点

报告的核心观点是：企业 AI 支出并未出现系统性收缩，预算化只是采用率提升后的治理正常化。Meta、Uber 等案例代表激励失衡和监管不足，而非高 ROI 场景枯竭。编程工具、企业知识工作、TaaS/API 端点、AWS Bedrock 等需求仍在推动 AI 实验室、超大规模云厂商和应用层收入增长。

分析框架

报告结合一线企业访谈、SemiAnalysis Tokenomics Model、Ramp 数据和公开产品文档来判断企业 AI 支出的真实强度。访谈覆盖《财富》500 强、航空航天与国防、制药、金融、网络安全、旅游科技、人力资源软件、在线零售与云服务等企业。

方法论与常识提炼

• 需求与收入模型Tokenomics Model

  AI 实验室、超大规模云厂商和应用层的 token 消费与 ARR 估算

  该模型用于估算编码相关支出、AI Labs 收入、TaaS/API 端点需求以及 Cursor、GitHub Copilot 等应用层的 ARR 和利润率。

• 一线调研企业客户访谈

  通过超过 50 次企业交流验证 tokenmaxxing 与预算管理叙事

  SemiAnalysis 在 Databricks AI Summit、Slack 和电话访谈中收集企业预算上限、模型使用、员工行为和 ROI 案例。

• 支出分布分析Ramp 客户支出分布

  用分位数比较企业 AI 人均支出差异

  Ramp 数据显示头部客户支出远高于中位数，说明 AI 支出高度偏态，新闻中的极端案例不能代表普通企业。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Anthropic 与 Claude/Claude Code

  企业 AI API 与编程场景的核心受益方之一

  优势

  B2B 占比高，编码用例强，企业客户愿意为高 ROI 工作流支付较高 token 预算。

  劣势

  Opus 等高级模型可能被企业降级为 Sonnet 等默认选项，部分员工会转向不计入预算的替代工具。

  对比

  相较 OpenAI，报告认为 Anthropic 的 B2B 组合更高，因此企业编码支出暴露更强。

  风险

  预算审批收紧、模型降级、价格压力和企业治理强化可能影响高端模型使用强度。

• OpenAI、Codex 与相关 API 业务

  企业编程和知识工作 token 消费的主要受益方

  优势

  Codex、Cowork、Computer 类产品有望继续渗透企业白领知识工作。

  劣势

  部分企业预算控制可能限制无约束消耗，且员工会优先用免费或包年工具草拟内容。

  对比

  与 Anthropic 相比，OpenAI 的 B2C 占比更高，但仍受益于企业 API 与编程场景扩张。

  风险

  若企业将 AI 支出严格绑定项目收入，低 ROI 用例可能被压缩。

• AWS Bedrock 与超大规模云厂商 AI 服务

  企业通过云平台消费模型 API 的间接受益方

  优势

  报告称本季度 AWS Bedrock 估算推动 AWS 总增长率高于市场预期。

  劣势

  云端模型消费受企业预算周期、模型价格和使用治理影响。

  对比

  相较单一模型应用，云平台可聚合多模型、多客户和基础设施需求。

  风险

  若企业选择开源自托管或更便宜端点，云平台高毛利 API 消费可能受压。

• Together、Fireworks、Baseten 等 TaaS 提供商

  廉价 token 和开源模型 API 端点需求的受益方

  优势

  报告预计 TaaS/API 端点市场需求强劲，相关提供商合计 ARR 已超过 40 亿美元。

  劣势

  竞争可能激烈，价格和差异化能力决定长期利润率。

  对比

  相较前沿闭源模型，TaaS 提供商更直接受益于企业对低成本、大规模 token 的需求。

  风险

  模型价格下降、云厂商内建服务扩张和客户自建推理能力可能压缩空间。

• Cursor、GitHub Copilot、Claude Code、Codex 等编程工具

  当前企业 AI 支出的核心垂直应用

  优势

  报告认为 OpenAI 与 Anthropic 当前超过 70% ARR 可归因于编码用例，显示编程场景已验证付费意愿。

  劣势

  企业可能设置每日或月度预算，并将高级模型使用改为显式选择。

  对比

  编程垂直市场已先于其他白领知识工作场景爆发。

  风险

  若开发者预算过低或审批过严，使用强度和续费扩张可能放缓。

• META、UBER、WDAY、AMZN、MSFT 等企业 AI 使用方

  企业 AI 采用和预算治理的代表性样本

  优势

  AI 工具可显著缩短招聘、报告生成、数据分析和工程工作流程，部分企业愿意提高预算以换取产出。

  劣势

  不当激励可能导致 token 空转消耗，管理层也可能低估邮件等自动化场景价值。

  对比

  技术前沿企业和工程部门支出明显高于普通员工及金融等采用较慢行业。

  风险

  支出治理不当会造成预算浪费；治理过严又可能压制高产出员工的 AI 杠杆。

关键数据

• 企业访谈样本超过 50 家企业客户访谈渠道包括 Slack、电话和 Databricks AI Summit。
• Meta tokenmaxxing 案例30 天超过 60 万亿 token，单个最高用户约 2800 亿 token相关仪表盘在媒体报道后两天内关闭，报告认为该案例不具普遍代表性。
• Uber 预算限制每名员工每月 1500 美元Uber 据称四个月内耗尽 Claude Code 和 Codex 年度预算后设置该限制，超限需逐案审批。
• 企业月度预算区间约 250 美元至数万美元低端案例包括航空航天与国防企业 250 美元、制药企业 500 美元；高端案例包括 Workday 和 Stripe 约 2000 美元，部分岗位可更高。
• Ramp 支出分位数99 分位约每人每年 90000 美元，90 分位约 7300 美元，中位数 136 美元报告强调 Ramp 客户本身偏技术前沿，普通《财富》500 强媒体类客户仍低于每人 100 美元。
• Anthropic Claude Code 平均使用每名开发者每月 150 至 250 美元Anthropic 文档显示仅 10% 用户每日花费超过 30 美元。
• AI Labs ARR 来源OpenAI 与 Anthropic 当前超过 70% ARR 可归因于编码用例报告认为 Anthropic 因 B2B 占比超过 90%，相关支出高于 OpenAI。
• TaaS 提供商规模Together、Fireworks、Baseten 等合计 ARR 超过 40 亿美元报告认为前沿模型与开源模型 API 端点需求均在增长。
• 旅游科技公司案例1500 名员工中 800 名工程师，每年 AI 支出略低于 1000 万美元该公司将默认 Claude 模型从 Opus 切换为 Sonnet，多数员工默认月预算 200 美元。

影响与含义

对投资者而言，预算上限并不等同于需求坍塌，而是企业 AI 渗透进入治理阶段。若报告判断成立，Anthropic、OpenAI、AWS Bedrock、TaaS 提供商以及编程和白领知识工作 AI 应用仍有收入增长空间。风险在于企业可能通过模型降级、免费 Copilot 替代、部门级审批和项目制预算压低高端模型消费，但这更可能改变消费结构，而不是终结 token 需求增长。

风险

• 媒体报道中的极端 tokenmaxxing 案例可能继续影响企业管理层对 AI 预算的态度。
• 企业通过降级默认模型、关闭高级模式和设置硬上限，可能降低高端模型 token 消费强度。
• 如果 AI 使用无法与项目收入或员工产出挂钩，预算审批可能进一步收紧。
• 微软 365 Copilot 等包年或免费额度工具可能分流部分 Claude、Codex 等计量 token 使用。
• TaaS/API 端点市场可能面临价格竞争、开源模型替代和云厂商内建服务挤压。

后续跟踪

• 2026 年下半年 Anthropic 和 OpenAI API 业务的月度净新增增长率是否维持。
• 企业预算上限是否从软限制转向更严格的硬限制和项目制审批。
• Claude 默认模型从 Opus 切换到 Sonnet 等降级行为是否扩大。
• AWS Bedrock、Together、Fireworks、Baseten 等 TaaS/API 端点收入增长。
• 编程场景之外，Cyber、Cowork、Copilot、Codex 和 Computer 类产品在白领知识工作中的渗透速度。
• 企业是否能用可量化 ROI 证明 AI 支出带来的产出提升。