返回资讯中心

DeepSeek登美企软件趋势榜第一,AI成本成关键

36氪精选阅读约 5 分钟

原始报道

来自 36氪精选

36kr.com

打开原文

先看摘要

这条新闻在讲什么

据美国企业支出管理平台Ramp最新报告,DeepSeek登上其“软件趋势榜单”第一,成为该平台上增速最快的软件之一。报告显示,美国企业客户正在寻找OpenAI和Anthropic的低成本替代方案,一些公司愿意直接采用价格更低的中国大模型。Ramp首席经济学家指出,这反映了企业在AI支出上更加看重成本。此前,DeepSeek R1在2025年初曾引发全球关注,但B端采用率短暂冲高后回落。如今,随着美国AI成本居高不下,企业开始审视AI投资回报率,性价比成为关键。DeepSeek近期宣布API永久降价75%,进一步吸引全球客户。

站内正文

详细内容

这里展示站内保存的新闻正文,支持划线和批注;需要核对来源时,可以打开原始报道。

36氪的朋友们

2026年06月05日 21:49 “好用但贵”与“好用不贵”

AI成本居高不下,“烧不动钱”的美国企业客户,开始将目光投向中国大模型。

根据美国企业指出管理平台Ramp日前最新报告,DeepSeek登上“软件趋势榜单”第一。该榜单主要追踪的是企业向某软件供应商的首次采购情况,这也意味着DeepSeek成为该平台上增速最快的软件之一。

Ramp Economics Lab首席经济学家Ara Kharazian表示,这或许可以说是一个最明显的信号,代表(美国)企业正在寻找OpenAI和Anthropic低成本替代方案,一些公司愿意采用价格更低的中国大模型。从该平台数据来看,这些企业客户是直接向DeepSeek付款、直接使用DeepSeek模型,而不是将DeepSeek开源模型部署在自家的内部服务器上运行。

Ramp目前服务约7万家企业客户,较年初的5万家增长40%。公司首席执行官Eric Glyman表示,新增客户中相当一部分来自快速扩张的AI初创企业,这些公司需要管理不断增长的模型调用、算力采购及相关支出。

回想2025年年初,DeepSeek R1横空出世后全球关注度暴涨,其APP不仅登顶苹果中国区应用商店免费榜,更超越ChatGPT问鼎美区榜单。

苹果应用商店榜单主要是C端数据,而Ramp数据显示,彼时DeepSeek在B端市场上也有一波短暂热潮,据当时Ramp追踪,DeepSeek的美国企业采用率一度升至0.3%,但随后很快回落至0.1%,直至今年4月也仍然徘徊在这一水平。作为对比,Anthropic和OpenAI的美国企业采用率分别为34.4%和32.3%。Ramp暂未披露5月的最新相关数据。

“好用但贵”与“好用不贵”

如今,DeepSeek在美国企业客户中再度升温,直接原因就是“美国AI太贵了”。Kharazian指出,企业在AI支出上开始更加看重成本,将越来越多地探索开源模型,或是比OpenAI、Anthropic和谷歌报价更低的模型产品。

不久前有AI顾问表示,一家客户公司忘记为员工的Claude使用许可证设置上限,短短一个月内就为此花费了5亿美元。Uber则透露仅2026年前四个月,公司就耗尽了全年“Token预算”;Salesforce则表示,公司今年支付给Anthropic的费用将达到约3亿美元。

高额的AI支出面前,连科技巨头也“烧不动钱了”。亚马逊叫停了内部AI使用排行榜,以免员工为了提升排名刻意执行毫无必要的任务,以提高Token消耗量。此外,微软计划取消多个关键产品部门员工的Claude Code订阅,计划在6月末前逐步停用。

咨询机构贝恩最近调查了全球951家年收入超过1亿美元的企业后发布了一篇报告,其中直言,在企业AI支出累计超过1万亿美元之后,AI带来的实际成本节约普遍远低于预期;并且44%的大型企业正在用“尚未兑现的上一轮AI带来的费用节省”来为下一轮AI投资提供资金依据——贝恩将此定性为“一个存在结构性漏洞的循环赌注”。

从不惜代价全面拥抱AI,到讲求回报、审视ROI,AI企业用户中已出现风向扭转。比起“好用但贵”的美国AI大模型,“好用不贵”的中国大模型愈发受到全球青睐。

值得一提的是,5月,DeepSeek宣布DeepSeek V4 Pro模型应用程序编程接口(API)永久降价75%,每百万词元输入收费低至0.025元,输出仅6元,创全球主流大模型价格新低。多次登顶OpenRouter调用量榜首的MiniMax,创始人闫俊杰此前也曾透露,MiniMax致力于AI普惠,早前已定下目标:复杂Agent运行1小时,成本1美元。

通过底层架构与技术创新,叠加能源优势,性价比正在成为国产大模型吸引全球用户的核心竞争力。

本文来自微信公众号“财联社AI daily”,作者:郑远方,36氪经授权发布。

该文观点仅代表作者本人,36氪平台仅提供信息存储空间服务。

AI 读后整理

对 HR 和管理者意味着什么

从管理者视角看,DeepSeek登顶美国企业软件趋势榜,标志着AI市场正从“不惜代价拥抱AI”转向“ROI驱动”的新阶段。文章指出,美国企业因AI成本过高而寻求低价替代方案,甚至出现亚马逊叫停AI使用排行榜、微软取消员工Claude Code订阅等案例。这提示企业管理者:AI投入必须与业务价值挂钩,盲目追求先进模型可能导致巨额浪费。同时,中国大模型的性价比优势正在全球显现,企业可借此降低AI部署成本,但也需评估模型稳定性、数据安全等风险。此外,贝恩报告揭示的“结构性漏洞循环”警示:若AI投资无法带来实际成本节约,企业将陷入持续烧钱的困境。因此,管理者应建立AI投入的量化评估机制,优先选择能直接提升效率或收入的场景,避免为技术而技术。

RELATED

相关阅读

AI+HR

AI跨越可靠性阈值,自我加速引发管理变革

Anthropic发出全球警告,认为AI正接近递归自我改进的临界点,呼吁暂停研究。OpenAI后训练团队负责人Yann Dubois在访谈中揭示,AI能力增长是连续的,但用户体验到‘有用性’的跳跃源于跨过‘可靠性阈值’。OpenAI在去年12月跨过此线后,AI开始自我加速,尤其在编程场景中,研究人员利用AI加速研发,形成正反馈回路。Dubois指出,AI构建更像‘手艺’而非科学,垂直领域的Harness(编排系统)已接近AGI,但持续学习仍是难题。对管理者而言,AI正从‘刷题选手’进化为‘职场打工人’,企业需重新思考人机协作、组织效率和员工技能转型。

AI+HR

Harness Engineering:AI应用效率提升的关键

Harness Engineering是AI圈新概念,核心是为大模型搭建外围控制系统,包括规则、检验机制、工具等,确保模型输出准确可靠。它强调从机制上避免重复犯错,而非临时纠正。该方法由HashiCorp联合创始人提出,迅速成为行业共识。研究显示,同一模型因Harness设计不同,性能差距可达6倍。未来AI核心竞争力将从模型本身转向Harness搭建水平,HR和管理者可借鉴此思路优化AI工具在招聘、培训等场景的应用。

案例研究

Anthropic用Claude实现95%业务分析自动化

Anthropic在官方博客中分享了其内部使用Claude进行业务分析的经验,实现了95%的查询自动化和约95%的准确率。文章指出,AI数据分析的核心难点并非SQL生成,而是数据本身的歧义性,包括概念实体不匹配、数据过时和检索失败。Anthropic提出了智能体分析栈,包括数据基础层、事实来源、技能和验证四层,其中技能层带来了最大的准确率提升,从21%跃升至95%以上。然而,该系统会随时间衰减,需要持续维护。文章强调,结构比模型更强更重要,且准确率的最后几个百分点需要高昂成本。

讨论 0

登录 后可发表评论

  • 还没有讨论,欢迎第一个发言。

分享到