行业观察｜单价在跌、账单涨了 5.4 倍：
企业 AI 的账，正从「买席位」变成「买活」

先说结论：计价锚点从「人」换成了「活」

2026 年 11 月 3 日，Menlo Ventures 发布第四份《企业 AI 现状》报告：截至 2026 年 9 月，企业在「用 AI」上的支出达到 1768 亿美元，比一年前的 330 亿美元 涨了 5.4 倍。同一份报告里还有一组反方向的数字：开源模型的平均 token 价格一年降了 3.3 倍，降到每百万词元 0.13 美元；闭源模型的混合均价降了 24%，到 0.70 美元。

单价在跌，账单在涨。这两件事同时为真，而且不矛盾——这就是本篇要讲的那一个判断。

结论：企业 AI 的计价锚点正在从「人」换成「活」。过去按席位买（一个员工一个月多少钱），现在按工作量买（干成一件活多少钱）。单价下降省下的钱，被「用得起更贵的模型去干更多的活」吃掉了。如果你的 AI 预算还按「新增多少人用」来编，一定编错——真实支出会跑到你计划的两倍以上。

要改的只有两件事：预算的科目（从采购预算改成消耗预算）和计量的单位（从每人每月改成每件活）。本篇最后给三张可以直接用的表。

边界先交代：Menlo 这份报告是美国样本——约 400 位企业 AI 决策者、2026 年 9 月 8—26 日调研，市场数字是它自建的自下而上估算、按年化运行率口径计，且 Menlo 与 Anthropic、OpenRouter 存在投资关系；Gartner 的数字是预测；国内几家的词元口径彼此不一致（见 s7）。所以这些数用来判方向，不要直接搬进自己的预算表。

一组数字：便宜的是 token，贵的是账单

先看单价这一侧的读数，全部出自 Menlo 同一份报告，方向一致——便宜：

为什么能同时成立？因为买家在同一个钱包里往上换了档。一年前最流行的两个型号是 Claude Sonnet 4.5（3/15 美元每百万词元）和 GPT-5（1.25/10 美元），现在换成了 Opus 5.5（4/20 美元）和 GPT-6 Astra（10/60 美元）；前沿模型的支出份额从 35% 升到 63%，而中等闭源模型从 29% 掉到 13%。降的是旧档的价，花的是新档的钱。

国内是同一个现象的另一种表述：词元均价从 6.8 元涨到 13.46 元的同时，日均消耗量涨了近 4 倍——不是「便宜到不值钱」，而是「量涨得比价快」（完整口径与口径冲突见 s7）。

所以那句最常见的推论——「模型越来越便宜，AI 会越来越省」——只对了一半。便宜的是单个词元，贵的是被干掉的活。

增长不是「买的人多了」，是「用的人用多了」

这一节是整篇里最该被记住的一组数：它直接推翻「AI 预算按人头编」的算法。

用人话读这张表：多出来的钱，几乎全部来自已经在用 AI 的那批企业，突然用得多了，而不是又有一大批新企业开始买。一个粗略的校验：企业数约涨 1.18 倍、单企业支出涨 4.7 倍，乘起来约 5.5 倍，与市场总额 5.4 倍基本吻合（这是量级校验，不是严格拆解，两者统计口径不同）。

中位数只涨了 2.2 倍、均值涨了 4.7 倍，差额说明一件事：是一个不大的「重度用户头部」把总额拉起来的。大多数企业离自己的计划并不远，跑飞的是那批把 AI 塞进流水线的。Gartner 给的分档更能说明差距有多大：普通用户月预算 1—200 美元、主流用户 200—500 美元、重度用户 2500—3500 美元——同一家公司里，重度用户是普通用户的十倍以上。

这就是「按人头编预算」会崩的原因：人还是那些人，活却翻了几倍。预算的分母不是人数，是要干的活数。

谁在消耗：Agent 已经吃掉八成的 token

让活的数量失控的，是 Agent——它不再等人提问，而是自己连续干。

⚠️ 这份 Agent 数据来自 OpenRouter 单一通道，用户偏开发者和创业公司，Menlo 自己在报告里标了这个偏差——它不能当成「全企业普查」，但足以说明方向。

Gartner 从成本侧给出了同一结论，而且更刺：推理模型单次任务的 token 消耗是基础聊天机器人的 5—30 倍；每个 Agent 工作流的推理成本到 2028 年预计再涨 5 倍以上；在他们复盘近 1000 个案例后，不到 10% 的 Agent 部署正在产生稳健回报；自 2026 年 3 月起，Gartner 收到超过 5000 条关于「token 成本上涨」的客户咨询，部分组织的高活跃编码用户月成本已接近甚至超过一名软件工程师的月薪。

把两件事并起来看，结论就很清楚：席位制是健身卡（买了不来也照收），Agent 是计价器（人下班了它还在跑）。沿用席位的思路买 Agent，等于把计价器交给一个不下班的员工，然后按月薪做预算。

钱花在哪：编码和助手拿走了 76%

1768 亿美元拆开看，企业与 AI 有关的钱分两块：基础设施 995 亿、应用 773 亿（应用上年只有 190 亿）。应用内部极度集中：

为什么是编码？不是因为程序员最爱尝鲜，而是因为它是唯一「完成标准能一句话说清、失败能自动检测」的场景：代码能不能跑、测试过不过、构建有没有挂，全是机器能判的。反过来，医疗只有 5%、客服只有 3%，不是这些行业不需要，而是这些活的「干成了」很难被自动判定——判定不出来的活，Agent 干完还得人来验，成本就回去了。

这是本篇最可迁移的一条：挑 AI 场景，先看这件活的完成标准能不能写成一句话、能不能被自动验证。能，就能按件计价、按件扩张；不能，就只能按人计价、按人控制。这也解释了为什么「AI 支出集中在少数行业」不是渗透慢，而是判定能力慢。

谁赚走了：69% 落在三家，开源量大钱少

「开源占 19% 的量、只占 4% 的钱」这组数，常被读成「开源很省钱，所以赶紧换开源」。我们的读法相反，而且更实用：开源省的是单价，不省账单。省下的绝对额有限（4%），而账单的大头由工作量与档位决定（96%）。把降本当主策略去换模型，最多优化那 4%；管住工作量与路由，才碰得到那 96%。

Gartner 给的方法也是这个方向：按任务匹配模型做路由与推理分层（简单活给便宜模型、难活给贵模型），但他们近期的案例复盘里，只有不到三分之一的厂商把这件事列进了策略。说白了——最省钱的开关不在采购合同里，在调用路径里。

国内是同一件事的两面：用量翻倍，均价也翻倍

国内没有 Menlo 那种「企业支出」的公开口径，但有词元侧的四组读数，方向一致：

⚠️ 口径必须点名，否则会引错。同一时点（2026 年 6 月），另有电子信息领域的报告给出的日均词元调用量是 175 万亿，与信通院的 500 万亿差近 3 倍。我们不裁定哪家正确——两份口径监测的样本池、是否含免费与测试流量、算「调用」还是「消耗」都可能不同。同样，新华财经 11 月初的调研里从业者的原话值得记下来：调用量里免费引流、开发者测试、批量爬虫的占比不低，稳定的付费企业客户占比有限。

所以引用国内词元数字时，请连三件事一起写：谁的口径、统计的是调用还是消耗、含不含非付费流量。少写一条，数字就会变成故事。

判断不变：国内处于「用量领先、单价仍低」的阶段（国内均价 13.46 元对比国外主流 117.8 元/百万词元），但因为均价随能力升级在上行，企业侧的成本曲线同样会往上走——只是比美国晚半步。

管理动作：把「席位预算」换成「任务预算」

先分清你签的是哪一种计价，因为三种计价要管的东西完全不同：

方向很清楚：能从席位往任务走，就往任务走——因为只有任务型计价把成本和产出绑在一起，也才可能在合同里写清「超支由谁解释」。但任务型有前提：这件活必须能自动验收（回到 s5 那条判定线），否则「干成了没有」会变成扯皮现场。Gartner 也点了这一层：按结果计价的合同，双方必须先就「成功怎么计量」达成一致。

落地就三张表，本周能建起来：

三条纪律，都是从这份报告的数据里反推出来的：

① 预算按「活」编，不按「人」编。采纳率只涨 10 个百分点、单企业支出涨 4.7 倍的事实说明，人数不解释账单；你的预算表里如果没有「件数」这一列，超支只会以「莫名其妙翻倍」的方式出现。

② 别把「单价降了」当成绩。开源 19% 的量只有 4% 的钱，前沿档却在往上走（35%→63%）；盯单价的采购优化，天花板就在那 4%。

③ 把对照物换掉。AI 项目的成本对比对象不是「另一套软件」，而是同样这件活的人工与外包单价。Gartner 那个「<10% 的 Agent 部署有稳健回报」的结论，多数不是因为模型不行，而是因为从来没算过单件成本，也就不知道自己在哪一档亏。