11月13日，凯捷发布的一项全球调查给出一个刺眼的数字：过去一年出现预算超支的组织中，人工智能相关支出平均超出预期24%。
同一天前后，另一组来自中国市场的调查显示：截至2026年中期，中国生成式AI用户规模已超过7亿，约三分之一表示把相关工具用于工作场景，但企业报销在多数公司仍是例外，员工个人正在为模型会员和API额度承担经常性支出。
再加一条：对公开B2B公司的季度数据分析显示，10亿美元ARR正在取代1亿美元，成为企业服务的新规模门槛。
三组数据放在一起，是一张完整的账：企业的AI预算在超支，员工的AI支出在自费，供应商的增长在失速。这不是三个孤立的现象，是同一笔钱在三个地方留下了痕迹。
先校正一个传播口径：24%不是“所有企业AI支出都涨了24%”，而是“在已经出现预算超支的组织里，AI相关支出平均超出预期24%”。样本是超支企业，不是全体企业。但它足以说明一件事——AI支出的可预测性，比传统IT采购差得多。
一、第一层账：预算表
凯捷的调查把超支来源列得很清楚：算力采购、模型训练与推理成本、数据治理，以及外部服务采购。
这四项有一个共同点：都按用量计费，而且用量由业务侧决定，不由采购侧决定。传统软件买的是席位，签合同时就能算清一年多少钱；AI买的是消耗，签合同时只知道单价，不知道一年会用多少。
对CFO的直接影响是现金流预测失真。部分企业已经开始调整节奏，把AI支出纳入更短周期的滚动预测，并加强对项目投入产出比的跟踪。说白了，就是承认年度预算这套方法对AI不管用。
二、第二层账：报销单
中国的数据更具体：超过三分之一的受访者为大模型访问权限付费，近三成购买过专门的AI办公产品。除少数大型科技公司外，企业统一采购与报销并未成为主流。
即便在部分大型平台内部，原本的免费访问权限也已转向受控配额，缺口由员工自行补足。
付费集中在四类任务：文稿起草与幻灯片制作，会议记录与翻译，数据清洗与轻量编程，以及合同审查、视觉生产等专业工作。共同特征是量大且重复，用户付费的目的是压缩一天中纯粹机械性劳动所占的时间。
投入产出差异很大。有记者每月花数百元，把主动写作时间缩短约一半；一位基金经理每月支出约3000元，看重研究代码的一次通过率；一位高中教师自费订阅多个前沿模型做题库；博士生按API低谷时段安排任务，项目周期拉长时周账单仍会明显上升，部分人靠副业收入补贴。
购买渠道也在变形：电信运营商推出可用话费结算的token套餐，电商平台在手机充值入口旁开设token充值柜台，购物节期间模型额度与普通消费品出现在同一个促销会场。
这是一个非常明确的信号：AI支出正在从“企业IT预算”变成“家庭经常性开支”。
风险投资机构的调研补上了趋势的另一半：全球消费者在AI上的支出增速，远高于用户规模增速，说明已经形成使用习惯的人群，投入强度还在上升。中国市场的数据也一致——采用月度付费计划的用户占比小幅上升，月度支出极低的用户占比小幅下降。
三、第三层账：供应商的报表
再看供给侧。公开SaaS公司的收入增速中位数已从2025年第四季度的14.0%下降到2026年第二季度的11.8%，分析师普遍预期2027年进一步放缓至10%以下。Aventis追踪的46家同时披露相关指标的公司中，仅7家达到“40法则”标准，中位数为26%。
估值分化更残酷：截至10月2日，预计增速超过22%的公司市销率19.4倍，15%至22%的6.8倍，低于15%的只有3.4倍，最快与最慢组差了5.7倍。
几个具体样本：PagerDuty最新季度收入1.244亿美元，同比增长1%，ARR首次突破5亿美元，但季度ARR净增只有600万美元，全年收入指引中值同比基本持平，净留存率改善至98%；Sprinklr收入增长1%至2.137亿美元；Asana增长10%，净收入留存率97%，公司预计由大模型驱动的搜索和付费媒体变化将持续压制产品驱动增长。
SEG SaaS指数覆盖的106家公开B2B公司收入中位数为12亿美元——中位数公司刚刚越过新的规模线。
为什么门槛从1亿抬到10亿？分析给的逻辑是：10亿美元ARR的公司才有足够现金流围绕智能体重建产品，才有可销售新版本的企业客户关系，才有收购AI初创公司的资产负债表能力。低于这条线的公司，三样都缺。
四、为什么报销制度跟不上
不是企业不想报，是这套流程天生追不上AI的消费方式。
传统报销要求三样东西：预算科目、供应商准入、发票。AI订阅很多只开个人发票，额度包在电商平台和运营商渠道销售，prompt调优消耗的额度没有对应产出，三样都卡住。等采购走完流程，员工手里的工具已经换了两个版本。
还有一笔隐性成本，几乎没人算进预算：接近正确但未完全正确的回答，比明确失败更贵。失败可以重来一次，接近正确会引发反复修改，而每一次修改都在消耗额度。调查里开发者对这一点反映很集中。这部分“没有产出的消耗”，最难进预算表，也最容易被当成个人浪费。
结果就是企业的真实AI支出被切成三块：预算内的集中采购、部门的小金库、员工的个人卡。CFO能看到的只有第一块。凯捷调查里那24%的超支，很可能只是第一块的超支。
五、把三层账合起来看
第一层告诉我们：企业愿意为AI花钱，但花得没计划。
第二层告诉我们：真正的付费意愿，大量发生在报销体系之外。员工不是不接受AI，是不等公司审批就先用上了。
第三层告诉我们：靠卖席位、卖账号、卖“我们也有AI功能”的公司，增长已经停了。市场只为两种东西付溢价——能带来新增收入，或者能证明成本下降。
这三层账指向同一个结论：AI的采购逻辑，正在从“买工具”变成“买结果”。工具可以按席位报价，结果只能按任务、按节省的时间、按减少的错误来报价。
这也解释了为什么“AI预算”这个词本身在失效。预算的前提是能提前估算，而AI的用量由业务现场决定、由模型档位放大、由员工习惯推动。凡是由使用现场决定的支出，都不该只用年度预算管，只能用配额、倍率和实时可见性管。换句话说，CFO要的不是一张更准的预算表，而是一套能随时看到用量和单价的水表，而且能按部门、按项目、按模型分开读表。
边界也要说清楚。凯捷的24%只覆盖超支样本；中国自费的调查是样本研究，不能外推成全民数据；B2B的ARR门槛来自公开公司，不包含未上市的AI原生公司。但三个方向一致，这就不是巧合。
对CFO的建议只有一条：先把可见性建起来。配额、倍率、单位任务成本，这三样不透明，滚动预测就是猜。
对厂商的建议也只有一条：别再卖“席位+功能清单”，去卖能写进报销单的东西——通过率、返工率、处理时长、审计记录。
AI的钱没有消失，只是从预算表滑到了报销单，再滑到员工的信用卡；谁先把这笔钱重新装进报表，谁就拿到下一轮的定价权。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
