企業願意買 AI，卻未必願意為最貴模型買單

Ramp 2026 年 7 月 AI Index 顯示，企業採用 AI 的廣度，與對高價前沿模型的需求，正逐漸出現落差。Anthropic 在 Ramp 追蹤的付費企業比例中仍略勝 OpenAI，但其最昂貴的旗艦模型 Fable 5，使用量明顯低於 OpenAI 的 GPT-5.6 Sol。2

這並不能證明 Anthropic 的整體價格、收入增長或盈利能力已經下滑。Ramp 的數據來自超過 7 萬家使用其企業金融平台的公司，衡量的是企業支出與 Token 使用情況，而不是 Anthropic 的合併損益表。較穩妥的結論是：企業確實願意投資 AI，但未必願意為市場上最昂貴的前沿模型支付最高溢價。

Fable 5 上市首月採用率偏低

在上市後首個月，Fable 5 僅占 Ramp 樣本中企業向 Anthropic 購買 Token 的 6%，以及 Anthropic 模型支出的 11.4%。Ramp 形容其樣本偏向科技業，並提醒 Fable 5 的實際採用率可能更低。2

相比之下，OpenAI 旗艦模型 GPT-5.6 Sol 占 OpenAI 產品組合的 25% Token 使用量及 23%支出。7 月期間，Fable 5 按模型歸因的企業支出約為 Sol 的 75%。2

這項比較之所以重要，是因為 Fable 5 被定位為 Anthropic 的旗艦模型，而企業仍有價格較低的替代方案可選。OpenAI 公布的 GPT-5.6 Sol API 價格為：每 100 萬個輸入 Token 5 美元、輸出 Token 30 美元。6現有 Ramp 證據因此支持企業對價格相當敏感的判斷，但不能單憑這組數據斷定，價格是兩款模型採用率出現差距的唯一原因。

真正的競爭對手，不只有 OpenAI

企業目前可在多個 AI 基礎設施層級之間選擇，包括高階專有模型、同一供應商旗下較便宜的模型、開源系統，以及中國開發的模型。Ramp 指出，在其統計中，提供開源及中國開發模型的模型服務平台，已觸及 6.1% 的 AI 使用企業。2

這種供應選擇，正在改變企業的採購邏輯。公司不需要在每個工作流程都使用能力最強的模型；它可以把昂貴模型留給複雜推理或高價值任務，再用成本較低的系統處理日常分類、文案草擬、資料擷取、程式碼協助或客服工作。

因此，AI 市場可能逐漸形成兩個層次：前沿模型爭奪的是能力上限，而企業日常的大量使用，則取決於成本、延遲、可靠性、資料政策，以及能否帶來可量化的商業成果。若是關鍵流程，一點性能優勢或許足以支持溢價；但對企業的每一次請求而言，這種溢價未必都划算。

Anthropic 的企業覆蓋面仍然領先

Fable 5 的表現不應被解讀為 Anthropic 整體企業採用率下滑。7 月，Ramp 追蹤的美國企業中，有 **43.5%**曾為 Anthropic 的訂閱或 Token 付費，高於 OpenAI 的 39.7%。2

按月比較，Anthropic 的比例上升 1.1 個百分點，OpenAI 則上升 0.23 個百分點。11其後與 Ramp 相關的報導顯示，截至第三季目前為止，OpenAI 在美國企業用戶中的增長速度已超過 Anthropic；不過在 7 月，Anthropic 仍保有領先地位。3

最穩妥的解讀是：**Anthropic 在這個樣本中擁有更廣泛的企業觸及面，但 OpenAI 的旗艦模型取得了更強的相對需求，而 OpenAI 的企業用戶增長正在加速。**Ramp 樣本雖具參考價值，卻不是整個企業 AI 市場的完整普查，因此這些數字應視為趨勢指標，而非總體市場份額。

數據能說明什麼，又不能說明什麼？

Ramp 的 AI Index 無法證明 Anthropic 的平均實際模型價格、總收入、毛利率、營業利益率或盈利能力。Token 組合，以及企業信用卡或帳單支付活動，都不能取代經審計的公司財務資料。

這些數據同樣不能說明 Anthropic 的整體收入增長已經停止。它們只顯示，在觀察月份內，Anthropic 的一款旗艦模型所帶來的企業支出低於競爭對手的旗艦模型。Anthropic 仍可能透過訂閱、程式碼產品、企業合約、低價模型、其他 Claude 模型的使用增加，或更廣泛的客戶採用，維持快速增長；Ramp 的模型層級比較無法判定這些可能性。

這個區分對投資者尤其重要。一家公司可以在最先進模型的單價承壓時，仍然快速增加收入。此時，增長的支柱可能會逐漸由每次前沿模型互動收取高額溢價，轉向更大的使用量、更完整的產品組合、更深入的工作流程整合，以及更高的客戶留存率。

對潛在 2 兆美元 IPO 意味著什麼？

路透社報導，Anthropic 預計 2028 年收入約為 1,900 億至 2,000 億美元；這組數字正被納入接近 2 兆美元估值的潛在 IPO 討論中。17

Ramp 的數據並沒有推翻這項預測，但凸顯了預測背後的執行壓力。如果企業限制對最昂貴模型的使用，Anthropic 就必須透過以下一項或多項方式，達到相關收入目標：

• 大幅提高模型整體使用量；
• 讓程式碼及工作流程產品獲得大規模採用；
• 擴大企業銷售與分銷；
• 以低成本模型創造極高請求量；以及
• 在準確度能直接轉化為經濟價值的工作流程中，維持持久的性能優勢。

單靠推出一款旗艦模型並不足夠。真正的商業考驗在於，客戶是否會以足夠頻繁的頻率、足夠大的規模，以及能支持良好經濟效益的價格，持續使用這款模型。

AI 產業的定價啟示

現有證據顯示，企業對 AI 的支出意願確實存在，但選擇性很強。Ramp 表示，7 月 AI 支出最高的前 1%企業中，每名員工的 AI 工具支出中位數達到 7,400 美元。7不過，企業預算充足，並不代表會在每項任務上都選擇最昂貴的模型。

因此，AI 供應商很可能採取更細緻的分層定價：以高階推理模型處理複雜工作，以低價模型應付高流量任務，並結合企業套裝方案、用量級別，甚至更直接地按照商業成果定價。供應商也需要讓投資回報更清晰，方便企業採購團隊說服管理層，將 AI 從試用階段推進至大規模部署。

對 Anthropic 而言，Fable 5 的早期數字更適合被視為一項關於高階模型變現能力的警訊。Anthropic 仍在 Ramp 7 月樣本的企業採用率中領先，但其旗艦模型並未取得相稱的企業使用份額。這是可以透過產品與定價調整處理的問題；然而，當未來估值建立在極高收入增長預期之上時，這項問題的重要性也會隨之上升。2