企业主管不再等待了：DeepSeek登顶Ramp 6月AI增速榜首，美国企业的AI采购正在经历静默革命
企业主管不再等待了：DeepSeek登顶Ramp 6月AI增速榜首，美国企业的AI采购正在经历静默革命
2026年6月，Ramp发布了一组可能让OpenAI和Anthropic的营销团队感到不安的数据：在美国企业AI软件采购中，DeepSeek成为6月增长最快的AI供应商，增速超过了所有主流AI厂商。
这不是DeepSeek自己发的新闻稿，不是DeepSeek的市场材料，而是来自Ramp——一家服务于数十万家美国中小企业的企业财务和支出管理平台。它追踪的是真实的企业付款记录，不是意向，不是问卷，是实打实的转账数据。
Ramp的数据是观察企业AI采购行为最客观的窗口之一。当它说DeepSeek是增长最快的AI供应商，它说的是：更多的美国公司，在6月的某一天，做出了一个决定——把预算从A移到了B。
这个决定背后，是什么样的思考过程？为什么是现在？
理解这件事，需要我们重新审视一个在过去6个月里被大量讨论、却常常被表面化处理的问题：企业AI采购的本质动力是什么？
一、Ramp数据的含金量：为什么这个来源特别重要
在我们深入分析之前，有必要解释一下为什么Ramp的企业支出数据如此重要——因为它与大多数我们看到的AI采购数据有根本性的不同。
AI公司自己发布的用户数据，有明显的选择性偏差——好的数字会被放大，不好的数字会被隐藏。分析师的调查报告，依赖于受访者的主观判断和记忆，而人们在填写问卷时倾向于报告”理想状态”而非实际行为。
Ramp的数据不一样。它是实际发生的支出记录。
Ramp为大量美国中小企业和成长型科技公司处理财务和支出管理，覆盖数万家活跃商业账户。当一家公司的工程师在AWS控制台上点击申请DeepSeek API访问权限，或者向Fireworks AI支付推理费用时，这笔支出会记录在Ramp的系统里。Ramp定期发布AI支出趋势报告，汇总这些真实付款数据。
这就是为什么Ramp数据是观察企业AI采购真实动向的黄金窗口：它追踪的是行为，而不是意图。
根据The Decoder于2026年6月7日报道的Ramp数据，DeepSeek在6月成为增长最快的AI软件供应商，同时增速较高的还包括：Fireworks AI、fal AI、DeepInfra等开源模型推理平台。这些公司有一个共同特征：它们都是基于开源模型（主要是Llama、Mistral、DeepSeek V系列）构建的推理服务商，定价大幅低于OpenAI和Anthropic的原生API。
这是一场”从知名品牌转向低成本替代”的采购革命。
二、为什么是现在？成本压力已经到达临界点
这种转变为什么在2026年6月爆发，而不是更早？答案涉及AI采购的一个典型的采用曲线特征：从实验到规模化的路径，总是慢于想象，然后快于预期。
2025年，大多数美国企业的AI使用模式是这样的：一小批工程师拿到OpenAI API Key，做一些内部工具或原型，每月支出几百到几千美元。这个规模下，价格根本不重要——工程师时间的成本远高于API费用。
2026年，情况开始变化。越来越多的公司把AI功能从原型推向了生产环境——面向客户的功能、大规模的文档处理、高频的代码生成工作流。这时候，单月API支出开始从几千美元升至几万、十几万甚至几十万美元。
当AI支出从”无感”的零头变成董事会级别的成本项，采购决策就发生了本质变化。
一位理性的CFO面对这种情况会问一个很自然的问题：我们为什么要为相同质量的输出支付3倍的价格？
这个问题，在2025年很难回答，因为可替代方案的质量确实不如OpenAI。但到了2026年，答案变了：
DeepSeek V4的能力，在相当宽泛的企业任务场景里，已经足够好。
这里的”足够好”不是指在所有基准测试上超越OpenAI——它在某些复杂推理任务上可能仍然不如GPT-5.5。但”足够好”意味着：对于企业90%的AI用例（文档摘要、内容分类、代码辅助、邮件草拟、客服自动化），DeepSeek V4的输出质量已经进入”用户察觉不出差异”的区间。
当质量差距消失，价格差距就成为决定因素。
这种转变不是抽象的。在开发者社区（GitHub Discussions、Hacker News、Dev.to）已经出现大量关于”从OpenAI迁移到DeepSeek/Fireworks AI”的实践分享——工程师们记录迁移过程、API差异、prompt调整，以及最终的成本节省。这种社会证明效应形成了加速器：当你看到同行已经成功迁移，你自己行动的心理门槛就降低了。
2026年6月之所以成为可观察的爆发点，还有一个具体催化剂：DeepSeek V4在5月底的正式发布带来了两个直接信号——一是迫使中国竞争对手（小米MiMo-V2.5）在一周内将API价格降低99%（SCMP，2026-06-08），证明V4的竞争性威胁已经落地；二是基准测试数据显示V4在企业常见任务上的表现与GPT-4o差距可接受。两个信号的叠加，给了那些处于”观望评估”阶段的企业一个行动触发器。Ramp数据捕捉到的，正是这波行动的开始。
三、供应商格局的重写：Fireworks AI、fal AI的意外受益者
Ramp数据中还有一个细节值得关注：增长最快的不只是DeepSeek，而是整个”开源推理平台”类别——Fireworks AI、fal AI、DeepInfra、Together AI等。
这些公司是谁？它们是连接开源模型和企业API调用需求的”中间层”——它们运营大规模的GPU推理基础设施，把Llama、Mistral、DeepSeek等开源模型做成可以一键调用的API，然后以低于OpenAI 60%-90%的价格卖给企业开发者。
这个商业模式在2024年是一个小众市场。但当DeepSeek V3/V4出现，并且在能力上缩窄了与GPT-5的差距，这些开源推理平台突然变成了企业CTO最感兴趣的供应商选项。
它们的核心价值主张极其简单：同等质量，十分之一的价格。
Fireworks AI的定价页面（2026年6月数据）显示，其运行DeepSeek V3的每百万token输入成本约为$0.9，输出约为$2.7。相比之下，OpenAI GPT-4o同期的标准定价是输入$5、输出$15。价格差距超过5倍。
对于一个每月调用量在亿级别的生产环境应用，这意味着：从OpenAI迁移到Fireworks AI+DeepSeek V4，可以节省数十万美元的年化成本，而最终用户体验的差异在大多数场景下可能小到可以忽略。
这是一个企业CFO很难抗拒的逻辑。
Ramp数据表明，越来越多的企业CFO选择了不抗拒。
四、OpenAI和Anthropic的反应：锁定还是降价？
面对这种趋势，OpenAI和Anthropic显然不能坐视不理。它们的应对策略，在2026年上半年已经初见端倪，并且走向了截然不同的方向。
OpenAI的策略：向上突破，而不是价格竞争。
OpenAI显然不打算在价格上与开源推理平台竞争——这是一场它必然输的战争，因为任何针对价格的让步都会压缩其收入，而不会建立结构性护城河。相反，OpenAI正在向高端化和平台化方向突破：
- GPT-5.5的发布，主打能力边界——在复杂多步推理、长上下文处理、精确指令遵循等维度保持领先
- Codex Desktop Agent的发布，进入”自主工作”而非”辅助工作”的新赛道
- OpenAI正在推进的超级应用战略，试图把ChatGPT从工具变成平台，让迁移成本从”换个API”变成”换掉整个工作流程”
Anthropic的策略：企业加速，深化集成。
Anthropic的Ramp指数数据显示它已经超越OpenAI成为企业AI首选（34.4% vs 32.3%），这一成绩主要来自Claude Code在开发者工作流中的深度渗透。Anthropic的策略是：通过Claude Code这样的深度工作流工具，把AI变成开发者”无法离开”的工作基础设施，而不只是”可以替换的API调用”。
这两种策略有一个共同的底层逻辑：不在大宗商品市场竞争，而是在大宗商品之上建立新的差异化层次。
这个逻辑是正确的，问题是执行速度是否足够快。
五、企业迁移的真实摩擦：Ramp数据没有告诉你的事
Ramp数据显示了趋势的方向，但它没有揭示的是：这种迁移的实际难度有多大。
在现实中，从OpenAI/Anthropic迁移到DeepSeek+Fireworks AI，并不像更换供应商那么简单：
技术摩擦：OpenAI的API格式、prompt最佳实践、输出格式化方式，与DeepSeek/其他开源模型有差异。已有大量针对GPT-4/Claude的prompt优化工程，需要重新测试和调整。对于有多个AI功能的复杂应用，迁移成本可能需要数周的工程时间。
安全和合规摩擦：DeepSeek是中国公司，数据流向的地缘政治敏感性是真实存在的。据美国参议院听证会和多家主流媒体报道，美国官员已就使用中国AI工具的安全风险发出正式警告，敏感行业（国防承包商、金融机构、医疗系统）面临合规压力，这不是单纯的技术选择。
SLA和可靠性摩擦：OpenAI和Anthropic提供企业级SLA（服务协议）、99.9%+可用性承诺、专属客户支持团队。对于生产级应用，这些不是小事。Fireworks AI等中间层服务商的SLA通常低于直接API供应商，这在关键业务场景下是一个真实风险。
这些摩擦因素，意味着Ramp数据显示的迁移趋势，在短期内可能更多地集中在新项目采用和非核心业务场景，而不是现有生产环境的大规模替换。
那些最快迁移的公司，往往是：初创企业（没有历史债务）、实验性项目（可以接受更高的停机风险）、或者成本压力极其敏感的非核心应用（内容分类、数据清洗、批量翻译）。
六、更深的洞察：这是一场关于AI采购权的权力转移
让我们把视角拉高一层。
Ramp数据揭示的，不只是DeepSeek在某个月增长得更快，而是一个更深层的结构性转变：在企业AI采购决策中，工程师和CFO的影响力正在超越安全团队和采购部门。
过去两年，许多大型企业的AI采购流程是这样的：工程师提出需求 → 安全团队审查 → 采购部门谈判 → 管理层批准。这个流程平均需要6-18个月，几乎总是以选择”最安全”的选项（即：已知的OpenAI或Microsoft Azure AI）告终。
但当AI成本成为一个真实的P&L（损益表）问题时，CFO开始有动机打破这个流程，支持更快速的供应商切换。与此同时，初创企业和成长期科技公司从一开始就没有这套繁琐的采购流程——他们的工程师有信用卡，今天做决定，明天就能切换供应商。
这就是Ramp数据里增长最快的供应商往往是DeepSeek+开源推理平台的结构原因：受Ramp服务的用户群体本身就以快速决策的成长型公司为主，而这些公司是对价格信号最敏感、迁移速度最快的群体。
从这个角度看，Ramp数据可能高估了整个市场的迁移速度——在Fortune 500级别的大型企业中，采购惯性、安全合规要求和IT系统集成深度，会大幅放慢这种转变。
但这不改变趋势的方向性结论：AI API的大宗商品化进程正在加速，企业采购者的议价权正在提升，OpenAI和Anthropic的定价溢价正在承受越来越大的压力。
七、对中国AI的更大意义：从技术叙事到商业叙事的完成
在讨论DeepSeek Ramp数据的时候，有一个常常被忽视的维度：这组数据的出现，标志着中国AI在全球市场的叙事，已经从技术层面转移到了商业层面。
2025年，DeepSeek V3发布时，全球科技圈的讨论焦点是：这个模型的技术能力是否真的能媲美GPT-4？它的训练成本（据报道约600万美元）是否真实可信？中国AI在benchmarks上的表现，是否反映了真实的能力水平？
这些都是技术评估问题。
2026年6月，Ramp数据把讨论转移到了一个不同的问题：美国企业是否正在用真实的美元投票，支持DeepSeek和开源推理平台？
答案显然是肯定的。
这种转变的意义远超过单一的市场份额数字。它意味着：DeepSeek在全球AI市场的存在感，已经从”技术评测圈的关注对象”升级为”企业采购者的实际选项”。 这是商业化成功的本质标志——不是在论文里被引用，而是在真实采购预算里被选择。
对于整个中国AI产业来说，这是一个重要的里程碑信号：中国AI公司不只是能在benchmark上竞争，它们已经开始在企业采购决策的真实战场上竞争。
结语：这场静默革命的终点在哪里
Ramp的数据是一个截面。它告诉我们：6月，DeepSeek是增长最快的AI供应商。但它没有告诉我们：这个趋势的终点在哪里？
企业AI采购的未来，可能有两种走向：
走向一：大宗商品化深化，多数AI采购成本竞争。 AI模型能力的差距继续缩小，更多企业采购决策以成本为主要驱动力，DeepSeek和开源推理平台的市场份额继续扩大，OpenAI和Anthropic被迫收缩至高端利基市场。
走向二：差异化重建，能力和生态系统创造新的锁定。 OpenAI和Anthropic通过深度工作流集成（Agent模式、长期记忆、工具调用生态）建立新的迁移壁垒，使得纯粹的价格比较不再是决定因素，回到”买体验而非买token”的消费逻辑。
现实很可能是这两种走向的混合：中低端任务被开源推理平台占据，高端复杂任务和深度工作流集成留给OpenAI/Anthropic。
如果这个判断正确，那么Ramp数据揭示的，不是OpenAI和Anthropic的末日，而是一场价值链重组的开始——它们将不得不向更高的价值层次迁移，把”大宗商品推理”这个层次让给DeepSeek和开源生态。
这对企业采购者来说是好消息：竞争的加剧意味着更好的性价比，更多的选择，更合理的定价。
对于关注中国AI全球影响力的观察者来说，这是一个值得持续追踪的故事——不是在媒体头条上，而是在下一个季度的Ramp数据里。
附录：如何解读企业AI采购数据中的信号与噪声
在讨论Ramp数据的影响时，值得补充一个关于”如何解读这类数据”的方法论框架，以帮助读者在未来遇到类似数据时做出更准确的判断。
信号一：增速 vs. 绝对量
Ramp数据显示DeepSeek是”增长最快”的供应商——这是增速指标，而不是绝对量指标。一家从$100增长到$1000的供应商，增速是900%，远高于从$1亿增长到$1.5亿的供应商（增速50%）。在AI采购数据中，增速指标往往在早期阶段有较大的波动性，不能直接等价于市场份额的根本逆转。
Ramp没有公开DeepSeek和OpenAI/Anthropic的绝对支出量对比，这意味着我们无法判断DeepSeek的高增速是”正在接近但还在追赶”还是”已经超越”。这个数据缺失，需要我们在解读时保持审慎。
信号二：客户结构偏差
如前所述，Ramp的用户群体以成长型科技公司和中小企业为主，这与整个企业AI市场的结构有偏差。Fortune 500公司的AI采购决策不会出现在Ramp数据里，而这些公司的AI支出总量往往是Ramp用户群体的数倍。
这意味着Ramp数据代表的是”最快速适应者”的行为，而不是”全市场”的行为。全市场的迁移速度可能比Ramp数据暗示的更慢。
信号三：采购决策 vs. 使用满意度
企业选择尝试一个新供应商（采购决策），和持续使用这个供应商（使用满意度）是两件不同的事。Ramp数据追踪的是采购决策，但它无法追踪：有多少公司在试用DeepSeek一个月后，因为质量问题或合规压力，又换回了OpenAI？
这种”试用-放弃”的循环在新兴供应商中非常常见，会导致短期增速数据虚高，但不反映持续的市场份额变化。
理解了这些方法论上的限制，我们可以给Ramp数据一个更准确的定性：
它是一个强烈的方向性信号，表明企业AI成本意识正在推动多元化采购，开源推理平台正在从实验性选项变成严肃的生产备选。它不是OpenAI或Anthropic市场地位的颠覆性终结，但它是一个不可忽视的战略威胁信号。
对于AI从业者来说，这个信号的最大价值在于：它提示了下一阶段竞争的战场，不在于”谁的模型能力更强”，而在于”谁能构建企业客户真正无法离开的工作流依赖”。
这场战争，才刚刚开始。
写在最后：给AI产品负责人的一条具体建议
如果你是一家正在构建AI产品的公司的负责人，Ramp数据对你有一个非常具体的启示：
你的竞争对手很可能已经在评估DeepSeek/开源推理方案，甚至已经在部分场景替换了你们共同使用的AI供应商。如果你还在用同一套AI成本结构运营，是时候审视一下你的成本竞争力了。
这不是说你应该立刻抛弃OpenAI或Anthropic。它的意思是：对你自己业务的AI工作负载做一次细分分析：
- 哪些任务是”高精度要求”——需要最强的推理能力（GPT-5.5、Claude Opus 4），无法接受质量妥协？
- 哪些任务是”足够好即可”——文档摘要、分类标注、简单问答——在这些任务上，DeepSeek V4+开源推理平台可能与GPT-4o质量相当，但价格低5倍？
做这个分析，不是因为你一定要迁移，而是因为知道你有选择权，是与供应商谈判定价的最强筹码。
当你告诉你的OpenAI客户代表”我们正在测试DeepSeek作为备用方案”，谈判桌上的力量关系立刻发生了变化。
这是Ramp数据给所有企业AI采购决策者最实用的一条行动指南。
参考资料：
- The Decoder: DeepSeek Topped Ramp’s Trending Software Vendors in June 2026 as US Companies Chase Cheaper AI (2026-06-07)
- SCMP: DeepSeek V4 Forces Rivals to Slash Prices (2026-06-08)
- Reuters/Yahoo Finance: DeepSeek First External Funding $7.4 Billion (2026-06-03)
- Fireworks AI Pricing: https://fireworks.ai/pricing (2026-06)
- Ramp AI Software Spend Trends (2026-06 data)