AI 每人每月燒 US$7,449,公司係時候計清 token 帳
Tech News

AI 每人每月燒 US$7,449,公司係時候計清 token 帳

圖片:via TechCrunch — https://techcrunch.com/2026/06/10/ai-pilled-firms-spend-7500-per-employee-each-month-on-ai/
TechLab 編輯部(譯)·

Ramp 數據講緊美國企業,啟示係採購同成本控制

Ramp 呢個數係咩

TechCrunch 摘咗 Ramp AI Index 六月更新:最重度用 AI 嘅 1% 公司,每名員工每月喺 AI 上花 US$7,449;以 7.8 粗略換算,差唔多 HK$58,000。聽落似嚇人,但先睇清楚:樣本係 70K+ 美國 Ramp 客戶嘅公司卡同 invoice 支出,唔係全球平均,更加唔係香港公司調查。值得睇嘅位,係佢揭示 AI 成本已經由「每人一個 SaaS seat」變成「用幾多 token、跑幾多 agent、接幾多 API」嘅帳。

Ramp Business Spending Report 封面,標示報告包含 Ramp AI Index

圖片:Ramp

大部分公司其實仲好初階

Ramp 原文比 TechCrunch 更有價值,因為佢有分層:top 10% 每人每月約 US$611,中位數只有 US$11.38,差唔多係一個企業版 chatbot 席位價錢。換句話講,大部分公司仍然停留喺買帳號、少量試用;但最前面一小撮已經將 AI 當成工作流基建,開發、客服、銷售、資料處理都會走 API 或 agent。佢哋上月每人支出再升 14.1%,所以呢條線值得追蹤,但唔應該即刻拎嚟嚇老闆加 budget。

月費年代過緊去

背景係整個市場由固定月費轉向用量收費。GitHub 已經公布 Copilot 由 2026 年 6 月 1 日起改用 AI Credits,長時間 agent session 會按 input、output、cached tokens 計,因為一個 quick chat 同幾小時改 repo 嘅成本根本唔同。OpenAI、Anthropic API 本身都係按 token 拆價:輸出通常貴過輸入,cache、batch、細 model 可以平好多。企業嘅成本爆點好多時唔係「每人多咗 US$20」,而係有人將整個 codebase、文件庫、工具輸出不斷塞返入 context。

點樣估自己會唔會爆數

對本地 startup、agency、IT team,呢篇唔係叫你盲目追 top 1%。比較實際嘅做法係先分三條帳:chatbot seat、coding agent、API automation。seat 係人頭費,最易估;coding agent 要睇每個 developer 每日幾多 session、會唔會跑大 repo;API automation 要用 request 量、平均 input/output token、重試率同峰值估。呢三樣混埋一個「AI budget」度,月底見到 invoice 先知出事,已經太遲。

我會咁落 guardrail

  • 先做 vendor map:邊個部門用緊 ChatGPT、Claude、Cursor、Copilot、Zapier、OpenRouter 之類,付款用公司卡定 invoice。
  • 為 project 設 token cap:API key 分 project,月額同 alert 分開,唔好全公司共用一條 key。
  • 用 model routing 控成本:簡單分類、摘要、格式化交畀 mini/open-source model;高風險決策、複雜 coding 先上 frontier model。
  • 保留退出路線:prompt、eval、log、RAG 資料同 workflow 盡量唔綁死單一供應商。

真正要變係採購習慣

Ramp 呢組數最易畀人拎嚟做焦慮 headline,但我覺得更值得睇嘅係採購文化變咗。AI 由軟件 seat 變成近似雲端成本:用得愈順手,帳單愈似水電煤,細位加埋就大鑊。公司唔需要每星期開一次 AI 委員會,但要有人睇 usage dashboard、每四至六星期 review 一次成效,同清楚知道邊啲錢係換到時間、質素或者收入。做到呢一步,AI 就唔會由生產力工具變成另一個冇人認領嘅成本黑洞。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。