社区

市场最近一直在吵一件事：AI 最后能长多大？

不过，市场讨论 AI 时，最容易把两个问题混在一起：有多少公司已经开始付钱，以及这些公司究竟把 AI 用到了多深。前者决定渗透率，后者才决定收入天花板和算力需求。

从公开数据看，企业买 AI 已经不是少数现象，但大部分支出仍停留在聊天、写作和局部辅助。只有很少一批用户把模型接进了日常流程，让它连续完成原来需要人来回接手的工作。今天真正值得研究的，不是 AI 有没有铺开，而是这种深度使用能否从少数人扩散出去。

如果能，需求会出现第二次加速；如果不能，企业开通率仍会提高，但应用收入未必追得上已经发生的基础设施投入，而陷入跨越鸿沟的难题。

先把“广度”和“深度”分开

Ramp 的企业客户中，55.7% 已经出现 AI 相关支出；美国普查口径的估计是 21.6%。两个样本不能直接对比：Ramp 客户更偏数字化企业，普查覆盖面更广。但它们指向同一件事——AI 付费已经越过了极少数科技公司的试验阶段。

图：Ramp 客户中，付钱使用 AI 的企业占 55.7%；美国普查口径估计为 21.6%。来源：Ramp AI Index，2026 年 7 月。Ramp 记录的是美国公司卡上的实际支出，其客户结构更偏数字化，因此不能把 55.7% 外推为全美渗透率。

但把支出摊到员工头上，差距立刻拉开。Ramp 样本的月度中位数只有 11.95 美元，前 10% 约为 650 美元，花得最多的 1% 达到 7400 美元。12 美元接近一份聊天订阅；7400 美元一年约 8.9 万美元，已经接近一份初级岗位的成本。

图：每名员工每月 AI 支出。花得最多的 1% 从 2025 年下半年开始明显抬升，前 10% 温和上行，中位数仍贴近横轴。来源：Ramp AI Index。

过去十二个月，最深的 1% 从约 1900 美元升到 7400 美元，接近四倍；中位数只从 4.6 美元升到约 12 美元。增长并没有均匀发生，而是集中在分布的最右端。支出结构也印证了这一点：按实际用量付费约占 51%，租用算力约占 15%，聊天和编程助手的订阅合计约占 10%。真正拉开差距的，是模型开始持续处理任务，而不是多开了几个账号。

行业间的差异同样主要体现在深度。科技、金融、制造和餐饮酒店的付费企业占比分别约为 80.6%、73.1%、60.4% 和 31.9%；但科技行业每名员工月度支出的中位数约 79 美元，餐饮酒店只有约 2 美元。开通率相差约 2.5 倍，人均支出却相差近 40 倍。大公司买得更广，人均支出反而只有 3.39 美元；小公司付费覆盖较窄，人均却有 22.79 美元。账号可以很快铺开，流程改造要慢得多。

图：横轴是付费企业占比，纵轴是每名员工每月 AI 支出。各行业更大的差别不在是否开通，而在实际使用强度。

为什么多数企业仍停在浅层

问题通常不在员工不会提问，而在模型输出之后，工作还要经过多少次人工接手。模型写一段，人去检查、修改，再复制回原来的系统；下一步又重新开始。只要交接次数没有下降，AI 提高的只是某个环节的速度，整条流程仍然按人的节奏运行。

编程最早进入深度使用，并不只是因为程序员更愿意尝试新工具。代码本身是数字化的，结果能测试，错误通常能回滚，模型因此更容易连续往下做。医院、法庭、产线和道路则不同：对象不完全在屏幕里，错误成本高，责任也难以转移。只要最终责任仍牢牢落在个人身上，AI 就很难越过“辅助”这一层。

图：示意。左侧接近中位数用户的使用方式，右侧接近高强度用户。模型每做一步都需要人来检查、修改和搬运，整条流程仍受人的速度限制；减少中间交接后，使用量才可能持续提高。

因此，使用深度不是一个单纯的模型能力指标。它同时取决于任务是否数字化、结果能否验证、错误能否撤回，以及企业愿不愿意重新划分责任。模型更强只能解决其中一部分。

我们自己的样本：用量为什么会突然上去？

BEDROCK 是一家规模不大的投研团队，工作主要发生在电脑里：写报告、更新财务模型、查找材料。它不适合用来推断医院或工厂什么时候会采用 AI，却可以帮助观察一件事——当模型真正接进流程后，用量会怎样变化。

最初，模型做完一段工作，人还要把结果复制回财务模型和材料库。后来，模型能够直接在原有工作对象上完成修改，中间的人工搬运明显减少。2026 年 8 月，有完整记录的六名成员，能对上账的模型用量从 408 亿升至 650 亿（按字数计费的单位）；其中使用最深的岗位从 259 亿升至 514 亿。与此同时，从头发起的任务数从 830 次降到 228 次，单次对话用量增加 153%。任务变少、每次任务变重，说明模型开始连续处理更长的工作链。最终签字仍由人完成，但人不再需要在每一步都接手。

总量上升并不等于人人都用得一样深。使用最深的一位贡献了约 79% 的用量，第二位约 10%，其余四人合计约 11%。账号早已人人都有，深度使用仍集中在少数岗位。

图：BEDROCK 2026 年 7 月与 8 月可核对的模型用量。公开版本隐去姓名。总量增加，但增量高度集中在使用最深的岗位。

这个样本与 Ramp 的方向一致，但口径不能直接相除。Ramp 衡量的是公司卡支出，BEDROCK 记录的是内部模型用量；后者折算出的高强度岗位月度成本下限已约为 2.6 万美元。可以确认的不是两组数字是否精确可比，而是同一个机制：当 AI 从“帮人写一段”变成“替人走完一段流程”，支出会从软件席位费转向岗位成本。

大企业的堵点只会更多。。。

大企业的难点比小团队更重。数据分散在不同系统里，权限复杂，旧软件难改，出事还需要明确由谁负责。聊天账号可以在一天内开通，把模型接到每天必须交付的工作上，却往往需要跨部门改流程。很多企业并不是不想用，而是自己完成不了这段工程。

这也是 FDE（Forward Deployed Engineer）重新受到重视的原因。FDE 不是去客户现场调几个提示词，而是把模型、数据、权限、老系统和验收标准接成一条能运行的流程。行业访谈中，现场团队约七八成时间花在这些非模型环节；典型项目需要 8 到 50 人。它解决的正是从“试过了”到“工作可以交出去”之间的断点。

但这一步并不轻松。在已经开始试用 AI 的企业中，最终扩到全公司的比例大约只有 5%，也就是二十家里一家；七八成仍停在试验阶段。原因不仅是技术：企业还要决定节省下来的工时如何处理、错误由谁承担，以及原有岗位如何重组。早期企业软件也依赖销售和实施来教育客户，但今天的难题已经不只是教人开通，而是让企业敢于把流程交给系统。

OpenAI 在 2026 年 5 月把企业落地单独做成重点业务，公开材料把初始团队规模指向约 150 人，并提到超过 40 亿美元的投入；Anthropic 和微软也在扩充类似团队，Palantir 则更早把现场经验沉淀为产品。对投资者来说，关键不是谁派的人更多，而是现场工作能否不断沉淀为可复用的软件。客户上线后，人可以撤走而用量继续增长，才是产品；每新增一个客户都要重新驻场，收入再快也更接近咨询，毛利率和扩张速度都会受限。

深度使用真正扩散，往往也不是因为培训做得更好，而是竞争开始形成压力。一个团队里，少数高强度用户可以先把结果交给其他人；一家公司一旦因此少招人、交付更快，对手才会被迫跟进。第一轮扩散发生在公司之间，第二轮才发生在公司内部。

还有多少低垂的果实？

AI 的长期空间很大，但不能把所有劳动报酬都当成下一年的软件收入。护士要在病房里照顾病人，教师要站在教室里，工人要到现场操作设备。当前这轮 AI 首先能影响的，是已经坐在屏幕前、围绕代码、表格、文件和信息流工作的岗位。

图：人数乘以中位年薪。红色为当前更容易被 AI 触达的数字岗位，合计约 1 万亿美元；全表约 2.56 万亿美元，其中包含大量仍需要人在现场完成的工作。这里衡量的是工资池，不是任何一家公司的可获得收入。

以软件开发者为例，中位年薪约 13 万美元，一份 2400 美元的年费不到工资的 2%。如果 AI 只停留在订阅工具，价格很难脱离传统软件预算；一旦能够稳定替代一部分工时，定价基准才可能向岗位成本移动。前面最深的 1% 每年约 8.9 万美元，已经相当于这类岗位年薪的六成以上。

要判断今天万亿美元量级的芯片和数据中心投入能否得到回报，可以把需求分成四层。每一层都比上一层更大，也更难实现。

第一层：聊天和编程订阅。即使全球规模再增长一个数量级，也大致是 0.1 万亿美元。它能证明用户愿意付钱，却不足以单独支撑今天的基础设施投入。

第二层：按用量付费和能够完成任务的系统。这里的定价开始对应实际工时。按 2026 年中的媒体口径，Anthropic 年化收入约 650 亿美元，OpenAI 约 400 亿美元，两者合计约 1000 亿美元；这些不是审计数字，OpenAI 的消费订阅也包含在内，微软、谷歌、亚马逊和 Cursor 等公司还未计入。因此，1000 亿美元只能视为已经看见的下限。若编程之外的会计、客服和销售逐步进入这一层，市场才可能从约 0.1 万亿美元走向数千亿美元，甚至接近 1 万亿美元。

第三层：知识工作的广泛改写。用约 11 亿知识工作者、每人每年平均 3000 美元估算，理论规模约 3 万亿美元。但这是长期情景，不是明年收入。即使只有 10% 的人达到高支出企业当前约 7800 美元的年均水平，总量也只有约 0.09 万亿美元，仍落在第二层。

第四层：劳动报酬本身。美国劳动报酬约 16 万亿美元，全球约 60 万亿美元。这是最远端的经济天花板，其中大部分工作目前仍离不开现场的人，不能直接进入 AI 收入预测。

图：四层需求的情景量级。条形长度只用于展示层级差异，不代表预测。最终需求空间很大，也不意味着每一家模型或应用公司都能获得相同的收入和利润。

这四层更适合作为机会地图，而不是收入目标。真正需要持续验证的是：AI 收入正在停留在哪一层，向下一层移动的速度有多快，以及产业链中谁能保留定价权。对最终需求乐观，并不等于对所有模型公司都应该给出同样乐观的利润预测。

下一条 S 曲线，看深度能否扩散

企业采用 AI 至少有两条曲线。第一条是开通和付费，Ramp 样本已经过半，未来更可能平稳上升。第二条是流程改造，目前只有最深的 1% 出现明显拐点，前 10% 只是温和抬升。只有第二条曲线开始向更多企业扩散，应用收入和算力需求才会出现新一轮加速。

图：示意，不是预测。账号渗透已经进入中段，流程改造仍处早期。需要判断的是后者何时抬头。

用一个简化例子可以看出差别。假设 100 家企业里，1 家每名员工月支出 7400 美元，9 家为 250 美元，另外 90 家为 12 美元，总额约 1.07 万美元。如果后 90 家只是多买一些聊天账号，总额变化有限；如果另外 9 家也升到 7400 美元，总额会接近 7.5 万美元，约为原来的 7 倍。真正改变总盘子的，不是账户数量，而是有多少企业完成了流程改造。

BEDROCK 的基准判断是：未来 12 到 18 个月，付费覆盖仍会继续提高，但深度使用更可能保持“少数人很深、多数人很浅”的格局。第二条曲线具备突然加速的可能，却不会随着模型升级自动发生。把餐饮酒店约 32% 的开通率直接套用制造业或科技行业的人均支出，会明显高估近期需求。

接下来，与其继续追踪又有多少公司开了账号，不如盯住下面几件事：

• 花得最多的 1% 与前 10% 之间的人均支出差距是否收窄。当前约为 11 倍；真正重要的是前 10% 能否明显向上，而不是最深的 1% 继续独自增长。

• 中位数人均月支出能否离开 10 至 20 美元，大企业能否离开约 3 美元。只有这两个数字上行，深度扩散才不再局限于少数样本。

• 一项真实工作需要多少次人工接手，以及模型能否稳定把任务做到可交付。交接次数不降，效率仍会被人的速度锁住。

• FDE 撤出后，用量能否继续增长。现场团队离开后仍能运行，说明经验已经产品化；反之则仍是人力密集的项目业务。

• 按用量付费、算力租用和应用收入在总支出中的占比是否提高，以及它们与芯片、数据中心建设开支之间的缺口是在收窄还是扩大。

程序员并不是永远独立的一类人，只是他们的工作更早满足了数字化、可测试和可回滚三个条件。其他知识岗位会不会跟上，取决于模型能否达到同样的可靠性，也取决于企业能否重做流程和责任安排。

今天的市场，是一个已经铺开但仍很浅的多数，叠加一个已经很深但人数很少的头部。下一阶段的关键，不是更多人拥有 AI 账号，而是更多真实任务能够在更少人工接手的情况下完成。在那之前，模型里更稳妥的假设仍应是：渗透率继续上升，使用深度缓慢扩散，增量收入集中在高强度用户和最容易形成闭环的数字岗位。

免责声明：以上内容仅为市场研究与观点交流，不构成任何投资建议或承诺。文中数据来自公开信息及市场估算，可能随信息更新而变化。

欢迎关注网站：https://www.bedrock-invest.com/

BEDROCK播客已经开通，视频号、小宇宙、喜马拉雅、Youtube已上线，不定期分享对投资、产业、公司的理解和感悟，欢迎大家关注。

BEDROCK播客E28-《从AI时代投研范式转变聊起，26年上半年运作回顾》

BEDROCK播客E25-创始人谭聪 对话 哥大校友圣狮投资研习院，聊聊AI和全球化投资

BEDROCK播客E23- 聊聊Agent时代,当“思考”开始规模化

BEDROCK播客E22- AI投资下半场：分歧、重估与结构性机会

BEDROCK播客E20-展望2026，AI投资脉络：中美摩擦、泡沫分歧、细分机会？

BEDROCK播客E19- 聊聊AI在投资的应用

BEDROCK播客 E18- 聊聊巴西和投资

BEDROCK播客 E17- 聊聊中亚

BEDROCK播客 E16- 从AI云聊到大模型

往期文章：

打破Fed Put：沃什如何重建市场预期

一个稀缺的例外

人类社会其实是由众多本地小模型组成的？

AI 芯片越复杂，越离不开先进封装设备

电源结构开始决定算力速度

AI 的扩散缺口！

DCI不再是配角：AI Capex里的10x机会

当AI的快世界，撞上现实的慢世界

算力、记忆与 Alpha

又到了关键时刻！？

AI架构深度研究：存储与连接的时代？

AI Agent时代与市场影响

2026: Agent元年- 从“⼯具”到“劳动⼒”的范式转移