Ramp 估值升至 600 億美元，押注企業 AI token 管理

圖片：TechLab 自製資訊圖

TechLab 編輯部（譯）·2026-10-15

Ramp 宣布完成 18.5 億美元新一輪融資，估值 600 億美元；公司正把原有的企業費用管理業務，推向 AI token 用量監察、token 開支管理、模型路由，以及供 AI agent 使用的企業信用卡。這對使用多個模型和大量內部自動化的企業有直接影響：AI 支出開始由零散的團隊工具費，變成財務、採購與資訊管理部門都要共同處理的營運項目。不過，報道未披露產品定價、路由規則、技術架構、客戶成效或可用地區，因此現階段較適合視為 Ramp 的產品方向與融資訊號，未足以判斷實際效益。

這宗消息的重點不只在估值。Ramp 的目標似乎是佔據企業採用 AI 後新增的一層管理位置：誰在調用模型、用了多少 token、由哪個預算支付、何時需要批准，以及能否把重複建立的自動化保留下來。若這些環節可以連接到現有費用、採購和會計流程，財務團隊便有機會從付款後核對，前移至付款和使用之前的管控；但若只是增加一個用量儀表板，企業仍要在多個系統之間核對帳單、權限與業務成果，管理負擔未必會顯著下降。

從費用報銷走向 AI 營運支出

根據 Ramp 的說法，公司年化收入已超過 20 億美元，較今年 6 月報稱的 15 億美元增加；年化採購交易額超過 2,750 億美元，按年增長 175%，客戶數目由 6 月的 7 萬增至 8.5 萬。這些均為公司自述數據，但它們說明 Ramp 有意把既有的支付與支出管理關係，擴展到付款、欺詐偵測、採購、供應商管理和會計。新一輪融資由 Dragoneer、Thrive Capital、Founders Fund、Sands Capital 及 Avenir Growth 共同領投；公司累計融資約 50 億美元。

企業採用生成式 AI 後，成本結構與傳統軟件訂閱有些不同。單一訂閱通常可按席位或合約期預算，模型用量則可能隨 prompt 長度、任務次數和所選模型改變。Ramp 在 8 月進入模型路由業務，並把該服務與 AI token 用量監察及開支管理連結，正是嘗試處理這種變動成本。從管理角度看，模型路由若能同時考慮工作要求、成本和企業政策，理論上可減少團隊各自選用工具所造成的帳務分散；但原報道沒有交代其實際判斷準則，亦沒有提供節省金額或準確度等數據，效果仍有待客戶使用情況驗證。

agent 採購權限成為下一道控制點

Ramp 亦推出一張專為 AI agent 使用的企業信用卡。這反映企業開始面對一個更具體的問題：當 agent 可代表員工執行採購、訂閱或其他工作流程時，支付授權不能只依賴最後一筆交易有否通過。公司需要預先界定 agent 能購買甚麼、可用預算是多少、能否接觸哪些供應商，以及異常交易由誰覆核。這些要求並非報道所披露的 Ramp 產品功能，而是由 agent 支付場景引出的管理需要；信用卡本身能否有效支援這些控制，仍取決於權限設定、審計紀錄及與內部採購流程的整合方式。

對財務主管而言，較有價值的指標也不應只限於 token 單價。若一個模型較貴但減少人工覆核、縮短採購周期或降低錯誤，單看用量成本可能得出錯誤結論；相反，低成本模型若造成更多失敗任務和重試，總開支也可能上升。因此，企業若採用同類平台，較合理的做法是把 token 支出、任務完成率、人工介入和所屬業務預算一併追蹤。這是對報道所述「衡量 ROI」方向的延伸分析，並非 Ramp 已公開的衡量方法。

Glass 把內部 prompt 變成可管理資產

本月較早前，Ramp 發布 Glass，稱這是一個工作空間，可收集並記住員工建立的 AI 自動化、prompt 和技能，讓其他同事使用公司的集體知識與技能。若落實得宜，這類工具可減少同一公司不同部門重複建立相似流程，亦有助把個人經驗轉化為較可重用的工作資產。對於財務、採購和營運團隊，這尤其關乎流程一致性：同一類供應商審查、費用分類或預算查詢，理應有較清晰的可追溯版本。

但集中保存也會帶來治理取捨。企業需要知道哪些 prompt 或自動化可被全公司重用、當中是否含有敏感商業資料，以及離職、職務調動或政策更新後如何處理既有內容。原報道沒有披露 Glass 的存取控制、資料處理方式或管理功能，不能假定這些安排已經完善。對採購方來說，這意味著評估重點應由「可否儲存 prompt」延伸至擁有權、審批、版本管理和刪除機制，否則知識庫愈大，日後治理成本也可能愈高。

融資規模放大了平台競爭的執行壓力

Ramp 的產品擴張亦使其與 Rippling 的重疊增加，報道指出雙方正爭取相同的財務團隊預算。早期投資者 Keith Rabois 更表示，希望 Ramp 成為人們管理、優化及衡量 token 開支的主要方式，並因此可能在多方面與 Anthropic 碰撞。這是投資者的目標表述，並非已發生的競爭結果。不過，它揭示了競爭焦點正由單一費用管理功能，轉向誰能把支付、模型選擇、用量可視性及內部工作流程連成一個平台。

下一步值得觀察的，是 Ramp 能否公開更具體的企業採用證據：模型路由如何影響成本與工作質素、agent 支付如何設定及執行權限，以及 Glass 如何處理共享知識的治理。由於報道未有香港供應、定價或本地客戶資料，現時不能推斷其在港可用性或適用程度。對考慮採購 AI 管理工具的企業而言，最直接受影響的將是財務、採購、資訊安全和實際建立自動化的業務團隊；它們需要先釐清共同的預算與授權規則，才可判斷平台整合是否帶來真正的營運價值。