OpenAI年增速428%背后：3.2萬家企業正在重寫采購清單

去年這時候，CFO們還在問"要不要給AI批預算"。今年Q1的會議桌上，問題變成了"Anthropic和OpenAI各砍多少"。

Tropic剛放出的數據很直白：他們經手的180億美元企業軟件支出里，AI原生工具的花銷增速是傳統軟件的3倍。不是"增長較快"，是600%對58%的差距。Cursor這類編程助手在工程團隊里瘋長，Anthropic的年同比增速沖到428%，OpenAI即便合同增速放緩，單筆金額卻在膨脹。

這更像一場存量搏殺，而非增量狂歡。

傳統SaaS的麻煩在于，它們的定價邏輯建立在"按席位收費"上。一個1000人的公司，買200個Salesforce賬號，剩下800人用Excel湊合。AI工具不吃這套——它們按調用量或產出結果計費，天然穿透組織層級。當Cursor能讓一個工程師干1.5個人的活，CFO算賬的方式就變了：不是"要不要買新工具"，是"能不能少招兩個人"。

預算遷移的暗線：從"試點項目"到"核心科目"

2023年的AI采購大多掛在"創新實驗室"或"數字化轉型"名目下，預算靈活，砍了也不心疼。2024年下半年開始，Tropic追蹤的中型企業里，AI支出被歸入"基礎設施"或"研發固定成本"的比例從17%躍到61%。

這個科目遷移的殺傷力在于：基礎設施預算一旦立項，續約率遠高于試點項目。Salesforce的CRM可以今年用明年換，但嵌入代碼庫的Claude調用接口，遷移成本是前者的十倍。

OpenAI和Anthropic吃掉的正是這塊"粘性預算"。Tropic的數據里，兩家合計占據了AI原生支出的73%，剩下27%由Cursor、Midjourney等垂直工具瓜分。傳統SaaS廠商不是沒有AI功能——Microsoft 365 Copilot、Salesforce Einstein都上了——但客戶買單的意愿明顯分化。

企業愿意為"原生AI"付溢價，對"嫁接AI"則錙銖必較。

一個細節：同等規模的公司，采購OpenAI API的年均支出增速（34%）遠低于Anthropic（428%），但絕對金額仍是前者的2.7倍。這說明OpenAI已經度過"拓荒期"，進入"收割期"；Anthropic還在靠激進定價搶地盤。兩者策略不同，但共同點是都在擠壓傳統軟件的騰挪空間。

傳統SaaS的"代際陷阱"

Legacy SaaS（傳統軟件即服務）的危機不是技術落后，是商業模式被釜底抽薪。

它們的收入公式很簡單：客戶數 × 席位數 × 年費。AI工具的公式是：調用量 × 單價，或者干脆按效果付費。當后者能證明"每花1美元AI支出，節省3美元人力成本"時，前者的席位制就顯得像一種勒索——"你們明明只需要3個賬號，卻不得不買30個，因為權限體系綁死了"。

更麻煩的是數據飛輪的逆轉。傳統SaaS的優勢在于歷史數據沉淀，切換成本高。但AI工具的數據資產是"提示詞工程"和"微調模型"，這些跟著人走，不跟著系統走。一個工程師從A公司跳槽到B公司，他積累的Claude提示詞庫可以瞬間遷移，但他在Salesforce里建的報表流程得從頭學。

Tropic的報告里有個被忽略的腳注：2024年企業軟件支出的"流失率"（churn）整體下降，但"降級率"（downgrade）上升。意思是，客戶沒跑路，但砍了席位、換了低價套餐。這對依賴席位擴張的SaaS是慢性失血。

AI支出翻倍的同時，傳統軟件的"人均ARR"（每員工年均收入貢獻）首次出現負增長。

贏家通吃還是碎片化？

OpenAI和Anthropic的集中度讓人想起云計算早期的AWS。但區別在于，云服務的遷移成本隨數據量指數級上升，AI模型的遷移成本卻可能隨技術迭代下降——GPT-4到Claude 3的切換，遠比從AWS遷到Azure簡單。

這解釋了為什么Anthropic能用428%的增速撕開缺口。企業并不忠誠于某一家模型，他們忠誠于"性價比最優的推理能力"。當Claude在代碼生成上反超，預算就流動過去；下次GPT-5發布，可能又流回來。

Cursor的600%增速則指向另一個變量：垂直場景的工具正在截流通用平臺的增長。工程師用Cursor寫代碼，產品經理用Midjourney出圖，法務用Harvey審合同——每個場景都可能長出獨立的AI預算線，而非全部匯總到OpenAI的API賬單里。

這對CIO的意思是：未來的軟件預算不是一張大表，是一堆小表。每個業務線有自己的AI供應商，審批流程、合規要求、數據主權都得重新設計。

Tropic的數據截止于2024年Q4，但2025年Q1的趨勢已經更極端——AI支出占比超過15%的企業，其傳統軟件續約談判的壓價幅度平均達到23%。

Salesforce和SAP不是沒反應。它們的對策是"AI捆綁銷售"：買CRM送Einstein，買ERP送Joule。但企業客戶的反饋很一致：捆綁的AI是贈品心態，原生AI才是預算科目。一個采購總監的原話：「我們給Copilot的預算和給Office 365的預算是兩筆錢，前者走創新基金，后者走基礎設施。現在創新基金在膨脹，基礎設施在收縮。」

這個切割本身就意味著權力轉移。當AI從"創新基金"挪到"基礎設施"，審批權就從業務線上升到CFO甚至CEO。而高管層的決策邏輯更簡單：誰能在財報電話里講出"AI驅動的效率提升"的故事，誰就拿到錢。

OpenAI和Anthropic的公關機器深諳此道。它們的案例庫里有大量"用Claude替代30%客服人力"或"GPT-4縮短50%代碼審查時間"的量化敘事。傳統SaaS的案例庫還在講"提升協作效率"或"增強客戶洞察"——好聽，但經不起CFO的ROI追問。

不過，集中度本身也是風險。Tropic的180億美元樣本里，前五大AI供應商拿走了89%的支出。這種結構意味著：任何一家的服務中斷或價格上調，都會引發連鎖反應。2024年底OpenAI的API漲價已經讓部分企業開始"多模型備份"策略——主用Claude，冷備GPT-4，或者反過來。

這種策略增加了架構復雜度，但采購部門別無選擇。當單一供應商的支出超過年度IT預算的20%，風控條款就必須重寫。

更深的問題在于，AI支出的"效果驗證"還停留在初級階段。Tropic的數據能告訴你"花了多少錢"，但"省了多少錢"或"多賺了多少錢"的閉環還沒打通。多數企業的AI ROI計算是：買了100萬token，產出了X行代碼，X行代碼按人力成本折算值Y美元。這個等式忽略了代碼質量、維護成本、技術債務——而這些會在三年后反噬。

但市場等不及。當競爭對手的財報里出現"AI驅動效率提升20%"，你跟不跟？這是典型的囚徒困境：個體理性（驗證清楚再投入）導致集體非理性（錯過窗口期）。

Anthropic的428%增速里，有多少是"怕落后"的焦慮驅動，有多少是真實需求支撐？OpenAI的增速放緩，是需求飽和還是客戶分流？Tropic的數據沒有答案，但給出了一個觀察指標：2024年AI工具的平均合同周期從12個月縮短到7個月。企業寧愿頻繁續約，也不愿被長期綁定——這是對新供應商的信任，也是對舊模式的逃離。

Legacy SaaS的反擊窗口正在關閉。它們的籌碼是存量數據和客戶關系，但AI工具的滲透路徑是"自下而上"：工程師先用Cursor，再倒逼IT部門批預算。等CIO反應過來，合同已經簽了，數據已經出去了，遷移成本已經沉沒了。

這種"草根起義"式的采購，在2023年還是例外，2024年成為常態。Tropic的報告里，"影子IT"（未經官方審批的AI工具使用）的比例從23%飆到67%。不是CIO們變寬容了，是堵不住了。

當AI支出成為"核心科目"，治理框架必須重建。數據主權、模型偏見、輸出責任——這些在試點階段可以模糊的問題，進入基礎設施層就必須有答案。但Tropic的調研顯示，僅有31%的企業制定了"生成式AI使用政策"，而實際執行的可能更少。

這是狂歡中的暗礁。某家金融公司的合規官透露，他們的交易員已經開始用Claude起草客戶郵件，而風控部門根本不知道模型訓練數據里有沒有敏感信息。「我們像在高速公路飆車，后視鏡還沒裝。」

OpenAI和Anthropic的競爭維度也在擴展。除了模型能力，它們開始比拼"企業就緒度"：SLA保障、本地化部署、審計日志、責任保險。這些臟活累活不性感，但決定了誰能拿到銀行、醫院、政府的訂單。Anthropic的428%增速里，金融和醫療貢獻了超過四成——這些行業對"原生AI"的溢價支付意愿最高，合規要求也最苛刻。

傳統SaaS的機會可能在這里。它們有現成的合規框架、客戶關系、行業know-how。如果能把AI能力封裝進這些殼里，或許能守住陣地。但前提是：放棄席位制收費，轉向結果導向的定價。這對它們的財務模型是自殺式改造，但不改就是慢死。

Salesforce的Einstein GPT已經嘗試按"AI生成內容的互動次數"收費，但客戶反饋是"比席位制還貴"。定價策略的轉型，比技術轉型更難。

Tropic的數據發布時機微妙。2025年Q1剛結束，企業正在敲定全年預算。那份180億美元的樣本里，有多少會在未來六個月被重新分配？OpenAI和Anthropic的銷售團隊此刻應該在密集拜訪CFO，而傳統SaaS的客戶成功團隊則在緊急準備"續約挽留方案"。

一個未被量化的變量是：AI支出翻倍的同時，企業的"軟件工具總數"也在膨脹。Tropic追蹤的公司平均使用的SaaS產品從2023年的102個增至2024年的137個。AI沒有替代舊工具，是疊加在上面。這導致了新的管理危機：數據孤島、權限混亂、安全盲區。

未來的贏家可能不是模型供應商，而是能解決"AI工具泛濫"問題的中間層。Tropic自己就在做這件事——幫助企業統一管理AI支出。它的數據既是行業洞察，也是產品廣告。這個閉環本身，就是AI時代商業模式的縮影。

回到那個最初的對比：58%的整體軟件支出增長，vs 428%的AI原生增長。差距會收斂還是擴大？取決于兩個變量：一是傳統SaaS的AI化改造速度，二是企業對"AI原生"定義的收窄或放寬。如果Microsoft能把Copilot做到"無感嵌入"，或許能模糊原生與嫁接的邊界；如果企業堅持"只有自研模型才算原生"，那格局就徹底重寫了。

目前看來，邊界在硬化。Tropic的采購數據里，"AI原生"的定義是"以模型推理為核心計費單元的產品"，這個標準把大多數傳統SaaS的AI功能排除在外。這不是技術判斷，是會計判斷。而會計規則，往往比技術演進更能決定資源流向。