当财务软件公司说要超越Anthropic：Ramp四个月估值跳升36%背后的AI代理经济革命
当财务软件公司说要超越Anthropic：Ramp四个月估值跳升36%背后的AI代理经济革命
2026年10月15日，企业支出管理平台Ramp宣布完成18.5亿美元新一轮融资，估值定格在600亿美元。
距离上一轮融资——2026年6月，750亿美元融资，440亿美元估值——仅仅过了四个月。
估值增长了36%，但这个数字背后的故事远不止于此。这四个月里，Ramp推出了一个AI模型路由服务、一个AI工作空间产品，以及一套针对AI代理（AI agent）的企业信用卡体系。它的年化营收从15亿美元增长到20亿美元，客户从7万家增加到8.5万家，年化采购额同比增长175%达到2750亿美元。
然后，它的早期投资人Keith Rabois说出了那句让整个科技圈陷入沉思的话：
「Ramp不担心Rippling。我们要与Anthropic竞争。这是目标。我希望比Anthropic更大、更成功、更重要。Ramp将成为企业管理token支出、优化它、衡量ROI的主要方式，这将使我们在许多方面与Anthropic产生碰撞。」
这是一家费用管理软件公司的CEO吗？不，这是Keith Rabois，一位以直言不讳著称的风险投资人，他通过Founders Fund和Khosla Ventures两个机构同时参与了这轮融资。他不说外交辞令。
那么，一家卖企业信用卡和报销软件的公司，为什么会成为Anthropic的竞争对手？
这个问题的答案，藏在AI代理经济的底层逻辑里。
一、一周150万美元的启示
要理解Ramp正在做什么，最好的切入点是CEO Eric Glyman在2026年10月13日写的那篇博客。
那是Glass产品的发布公告，但它的开头是一个自我揭丑的故事。
「上个季度有一周，我们花了150万美元的token费用。我们的CFO不喜欢来跟我说这件事。」
Glyman没有在博客里告诉读者他们的CFO到底说了什么。但结果是清楚的：一个小团队动手构建了一个解决方案。这个解决方案，他们在Ramp内部用了几个月，然后叫做Glass，对外发布了。
Glass的核心洞察是一个反常识的观察：企业买了最好的AI工具，但每个员工都从空白开始。
想象一下这个场景：公司里最懂AI的员工，花了几个月摸索出了一套完美的工作流——用来整理客户通话记录、自动生成销售文档、识别预算偏差。他们把这个提示词存在自己的聊天记录里。
然后他们离职了。或者只是关掉了浏览器标签页。那个提示词消失了，再也没有人用过。
乘以公司里每一个员工，每一天。企业在AI工具上投入了数百万美元，但每个人都在独立重新发明轮子。
Glass的设计是要终结这种浪费。它是一个共享工作空间，让员工把自己发现的最佳AI工作方式保存下来，供整个公司复用。某个客户成功经理找到了一个可以从客户通话中自动提取需求的提示词？存进Glass。FP&A主管花了一晚上构建了一个自动捕捉预算偏差的工作流？存进Glass。下一个人接手这个工作，不是从零开始，而是从公司累积的最佳实践出发。
Glyman在博客里给出了一个具体的数字：Glass上线之后，Ramp将客户功能请求的月度捕捉量从300条提升到了2万条。5000多封「你要求的功能已上线」的自动通知邮件已经发出。
然后他写了另一个数字：当Ramp把自己的AI使用切换到Router上之后，账单一夜之间下降了30%。
二、Router：财务公司的模型路由生意
Router是Ramp在2026年8月推出的另一个产品。从表面上看，这是一个AI模型路由服务，功能类似于OpenRouter——你可以通过一个统一API访问OpenAI、Anthropic、DeepSeek、xAI、Moonshot等各家模型，根据任务需求或成本偏好自动切换。
但Ramp推出Router的切入角度，和AI工具公司推出路由服务完全不同。
大多数模型路由工具的卖点是「能力最大化」：用最好的模型处理最难的问题。Ramp的Router卖点是「成本可见化」：你的每一笔AI请求花了多少钱，用的什么模型，延迟多少，有没有回退到备用模型——全部在仪表盘里实时显示。
这是一个财务产品的思维，不是AI产品的思维。
Ramp在公告中说，Router是他们过去三年为自己的AI使用需求而构建的内部工具。他们内部验证之后，才决定对外开放。这个细节很重要：这意味着Router不是为了进入「AI基础设施」市场而仓促推出的概念产品，而是经过了实际使用检验的工具。
免费使用至2026年底（用户仍需支付模型推理成本），并附有26美元的启动额度。
从商业逻辑来看，Router对Ramp的价值是双向的：一方面，它直接服务于Ramp现有的企业客户，无缝融入他们已经使用的支出管理体系；另一方面，Router可能成为Ramp接触那些还没有使用Ramp产品的AI原生公司的入口——当一家初创公司开始用Router管理模型调用，下一步很可能就是用Ramp的企业卡管理整体AI支出。
Router支持的模型包括OpenAI、Anthropic、DeepSeek、Moonshot、Minimax、Nvidia、xAI和Z.ai。值得注意的是，Ramp在选择支持哪些模型提供商时，并没有因为自己的投资人关系（比如Thrive Capital也是OpenAI的投资方）而特别排他。
三、AI代理的信用卡问题
Glass和Router解决的是人类员工使用AI的效率和成本问题。但Ramp更大的赌注，在于另一个刚刚出现的问题：当AI代理开始代替人类员工执行任务时，谁来管理它们的支出？
这个问题在2026年之前几乎不存在。因为AI代理只能聊天，不能行动。
但2026年，AI代理可以做的事情越来越多：预订差旅、采购SaaS工具、续签供应商合同、支付账单、处理采购订单。
问题来了：AI代理要代表公司付款，用的是谁的账户？谁授权它可以花多少钱？如何追踪每笔支付发生了什么？出问题了谁来负责？
人类员工有企业信用卡，有支出限额，有审批流程，有报销记录，有合规审计。AI代理什么都没有。
Ramp推出了一套「代理支付」（agentic payments）体系，试图回答这些问题。根据Ramp官方的代理支付技术文档（agents.ramp.com），这套体系包含三种支付方式：
Agent Card checkout：AI代理使用专属的卡片凭证完成网页结账，凭证基于背后人类用户的授权额度和商户规则。代理不会无限制地购买——它受到该用户在Ramp系统里设置的支出上限和审批政策的约束。
Stripe MPP（Machine Payment Protocol）：机器对机器的支付协议，当商户支持这种方式时，AI代理可以通过标准化的机器支付流程完成交易，而不需要模拟人类的浏览器结账行为。
x402：基于HTTP 402（Payment Required）状态码的微支付系统，适用于AI代理需要频繁进行小额支付的场景，比如访问付费API、购买单次数据查询等。x402有独立的钱包余额，不与企业信用卡混用。
这三种方式覆盖了AI代理在企业场景中可能遇到的主要支付需求——从消费类购买到机器间API交易到微支付。
每笔代理支付，和人类员工的消费一样，都需要完整的记录：商户信息、总金额、资金来源、用途说明、收据、账务分类。如果没有完整记录，Ramp会标记该笔支付待审。
这套体系的设计原则是：AI代理的支出控制，应该和人类员工一样严格，而不是因为「它只是一个程序」就被放宽。
当一家企业开始运行几十个、几百个AI代理，每个代理都在独立进行各种支付操作，财务管理的复杂度将以指数级上升。Ramp认为，这个「AI代理支出管理」的需求，是比目前的企业费用管理市场更大的机会。
四、从440亿到600亿：投资者在押注什么
这轮600亿美元估值融资的投资者阵容，本身就是一个值得解读的信号。
领投方包括：Dragoneer Investment Group、Thrive Capital、Founders Fund、Sands Capital、Avenir Growth。
Thrive Capital是OpenAI的重要股东。Founders Fund是Keith Rabois的机构（同时也是Peter Thiel创立的基金，历史上押注了Palantir、Airbnb、SpaceX等）。这两家同时领投Ramp，意味着他们在同一家公司的两个最重要的关系都押注了「AI支出管理是一个大机会」。
跟投方更广：Capital International、Fidelity Management & Research、T. Rowe Price、D1 Capital Partners——这几家是传统机构投资者，通常出现在Pre-IPO轮。Ontario Teachers’ Pension Plan（安大略省教师退休基金）的出现更加确认了这个信号。
当养老金和传统资管开始进入，通常意味着市场认为这家公司已经接近上市，风险轮廓开始接近公开市场投资。
Ramp目前累计融资约50亿美元。对比一下：Anthropic截至2026年10月累计融资约140亿美元，但Anthropic的业务核心是开发和销售AI模型——一个资本密集度远高于软件平台的业务。
从这个角度看，Ramp以50亿美元的融资做到600亿估值，资本效率相当高。而且，Ramp有20亿美元的年化营收，接近盈亏平衡（多次公开表示接近盈利）。
四点五、为什么Glass让CFO睡得着觉
Glass产品发布之后，Ramp公开了一些使用数据，可以帮助理解这个产品的实际价值密度。
截至Glass发布时，323名员工（涵盖产品经理、客户成功、销售、市场、分析师）对Glass知识库进行了超过6500次编辑。这意味着每位活跃用户平均贡献了约20次知识更新——这个参与率，在企业知识管理工具中属于相当高的水平（大多数内部Wiki的活跃编辑者不到总用户的10%）。
更直接的ROI数据：Glass上线后，Ramp内部的AI成本通过Router自动路由下降了30%。如果按每周150万美元的高峰期来算，一年节省下来的费用接近2300万美元——这对于一家运行着几十个AI驱动产品的软件公司来说，是一笔实质性的节省。
但Glass最有意思的地方，不是成本控制，而是它揭示的一个企业AI落地的核心矛盾：
企业买AI，想要的是产能提升。但他们得到的，往往是成本增加加上混乱。原因很简单：AI工具是个人工具，而企业是一个组织。个人工具在组织里大规模使用，不会自然形成协作效应，只会形成碎片化的各自摸索。
Glass试图做的，是把AI工具从「个人效率提升器」变成「组织学习引擎」。前者让员工个人更有效率，后者让公司整体的AI能力随着每次使用而积累。
这个区别，可能是Ramp在企业AI市场真正有别于竞争对手的地方。目前市场上大多数AI生产力工具，解决的是「如何让员工更高效地使用AI」。Ramp的Glass解决的是「如何让公司从员工的AI使用中持续学习」。
从财务管理的视角来看，这两者的区别就是：前者降低单次任务的成本，后者降低组织整体的学习成本。CFO关心的，恰恰是后者。
四点八、AI代理支付的真实挑战：信任与合规
在理解Ramp的AI代理支付产品之前，有一个往往被乐观主义者忽视的基础性问题：企业真的会授权AI代理自主进行支付操作吗？
这个问题触及了当前AI代理落地的最大摩擦点——信任。
不是技术信任，而是法律信任和财务合规信任。
当一名人类员工刷企业信用卡购买了一件不合规的东西，公司可以追责：这个员工做了什么，为什么做，谁授权了他。责任链条清晰。
当一个AI代理自主完成了一笔支付，同样的问题就变得复杂：代理是在谁的授权下购买的？它理解采购政策了吗？这笔支出符合会计准则吗？出了问题谁负责？
Ramp在其代理支付文档中，针对这些问题给出了一套答案：代理必须在背后人类用户的授权额度内运作，不得超越该用户在系统内设置的支出限额和商户规则；每笔代理支付都需要完整的记录（商户、金额、用途、资金来源、收据），没有记录就不通过；代理购买完成后必须确认商户已接受支付，并填写所有必要的Ramp交易记录字段。
但即便有这些技术约束，实际部署中仍然面临的挑战是：企业的采购合规政策，往往远比「预算内」这一条复杂得多。
一家中等规模的企业，其采购政策可能包含：哪些类别的支出需要多少级审批、哪些供应商在白名单上、哪些类型的购买需要具体的业务理由说明、哪些费用需要在特定会计科目下记账、如何处理跨部门的费用分摊。
AI代理要真正融入这套体系，需要能够理解和执行这些人类设计的规则。Ramp目前的方案，本质上是把这种理解的责任推给了「授权该代理的人类用户」——你给代理设置了什么权限，它就在什么范围内行动。
这是一个保守但可靠的起点。真正的挑战，是当AI代理开始处理更复杂的采购场景——比如跨多个预算中心的联合采购，或者需要实时评估供应商风险的采购决策——Ramp的框架是否能跟上。
这也是为什么「AI代理支付管理」不会是一个容易赢得的市场：它不只是技术问题，也是与每家企业的合规部门、法务部门、财务部门共同演化的系统工程。
五、竞争版图：谁会挡住Ramp的路
Ramp的扩张路径并不是一条坦途。它要面对的竞争对手，来自好几个方向。
最直接的竞争对手：Rippling
Rippling是HR和薪资软件起家，近两年强势进入企业信用卡、费用管理和账单支付领域。两家公司争夺的是同一个预算池：企业财务团队的支出管理预算。
Keith Rabois说「Ramp不担心Rippling」，但市场观察者普遍认为这更像是一种心理策略。Rippling的CEO Parker Conrad以攻击性扩张著称，且有完整的HR+支出管理数据，这在某种程度上比纯财务数据更有价值。
平台巨头的潜在威胁：微软、Salesforce
微软和Salesforce都在深度布局企业AI代理。一旦他们决定自建支出管理能力，凭借现有的企业关系，可以快速获取市场份额。Salesforce在10月强制默认开启Agentforce之后，正在大力扩展AI代理的实际使用场景。这些场景最终都会涉及支出管理。
模型公司的自营化风险：Anthropic、OpenAI
这是Rabois「要与Anthropic竞争」那句话背后最有趣的矛盾。
Anthropic和OpenAI完全可以自己构建企业支出管理工具——他们有直接的客户关系，有API使用数据，甚至知道每家企业的token使用模式。如果他们决定自建这个能力，Ramp的「AI支出管理中间层」逻辑就会受到挑战。
当然，这取决于Anthropic和OpenAI是否愿意把资源分散到非核心业务。目前来看，两家公司都专注于模型研发和API销售，企业级支出管理不在他们的优先级列表上。但如果AI代理支出管理真的成为一个价值千亿的市场，这种专注可能会改变。
Ramp目前的护城河：客户结构
Ramp目前的优势在于其客户结构。Cursor、Figma、Notion、Shopify、Anduril——这些公司本身就是AI代理的最积极采用者。他们比任何其他企业都更早遇到「AI代理支出管理」这个问题，也更愿意测试和反馈解决方案。
这意味着Ramp对真实需求的理解，比任何新进入者都深一层。当竞争对手开始意识到AI代理支付是个问题的时候，Ramp已经有了付费客户和迭代多次的产品。
六、估值逻辑的深层结构
为什么投资者愿意给Ramp600亿美元的估值？
用传统倍数来看：600亿 / 20亿年化营收 = 30倍收入倍数。这在今天的市场上不算便宜，但对于增速25%+的高毛利软件公司来说也不算荒唐。
但投资者押注的，不只是当前的收入增速。他们押注的是Ramp的市场边界会大幅扩展。
目前，全球企业费用管理软件市场规模大约在100亿至150亿美元之间。这是一个有限的市场，支撑不了600亿估值。
但如果把AI代理支付管理纳入市场边界：每家企业未来可能运行数十到数百个AI代理，每个代理每天发起数百次支付。仅仅是代理支付的审计和合规管理，就可能是一个比传统费用管理大10倍的市场。
再加上Router的AI推理成本管理：全球企业每年花在AI模型推理上的成本，正在从几十亿美元向数百亿甚至上千亿美元增长。能够帮企业降低10-20%这部分成本的工具，价值不可小觑。
这是一个「市场扩大」的投资逻辑，而不是「市场份额争夺」的逻辑。
投资者相信，未来五年企业AI支出管理市场将是一个完全新兴的、规模至少十倍于今天的市场，而Ramp在这个市场里有先发优势和产品密度优势。
七、值得追问的三个问题，外加一个
在报道Ramp时，有三个问题值得追问，而不是只看估值增长数字。
问题一：AI代理大规模部署真的到来了吗？
Ramp的整个「代理支付」逻辑，建立在AI代理将在企业中大规模落地的假设上。但目前，大多数企业的AI代理还停留在试验阶段，实际自主执行高价值任务（尤其是涉及资金的任务）的比例很低。
如果AI代理的落地速度比预期慢——比如因为安全顾虑、监管滞后、或者技术本身的可靠性问题——Ramp的「代理支付基础设施」可能几年内都找不到足够大的市场。
问题二：Ramp能维持足够高的护城河吗？
Ramp的核心能力，从技术角度来看并不特别难以复制。Router做的是API路由，Glass做的是企业知识管理，Agent Card做的是企业信用卡的延伸。每一项，都有竞争对手可以单独复制。
真正难以复制的，是这些产品组合在一起形成的飞轮：企业用Ramp管理支出→越来越多的支出数据流过Ramp→Ramp对AI ROI的理解越来越深→产品越来越好。但这个飞轮需要时间建立，而大竞争对手一旦发力，可以用资源优势缩短这个时间差。
问题三：600亿估值的退出路径是什么？
这轮融资之后，Ramp的IPO预期越来越明确。但IPO窗口取决于宏观环境、AI市场情绪，以及Ramp能否持续保持营收增速。如果增速在未来几个季度放缓，当前的30倍收入倍数估值会面临下调压力。
追加问题四：Ramp如何应对「AI支出通缩」的可能？
这是一个反直觉但值得认真考虑的问题。AI模型的推理成本一直在快速下降——2024年到2026年，主流大语言模型的API价格已经下降了超过80%。如果这个趋势继续，企业的AI token支出总量可能不会像Ramp押注的那样持续增长，而是在更低的单价下保持稳定甚至下降。
Ramp的Router和Glass，都依赖于企业AI支出足够大、足够复杂，以至于需要专门的管理工具。如果未来的AI工具变得足够便宜，企业的AI支出决策变得和「买一盒回形针」一样简单，那管理这笔支出的工具本身就不再有多少价值了。
这四个问题，不是否定Ramp，而是在一个充满叙事的融资环境中，保持对现实的清醒观察。
七点五、中国视角：AI支出管理的全球版图
Ramp目前的业务完全集中在美国市场，Router服务也仅在美国开放。这个地理限制，折射出AI代理支付管理这个赛道的一个深层现实：它与每个市场的企业合规文化、税务体系、支付基础设施深度绑定，不是一个能快速全球复制的模型。
但从中国市场的视角来看，Ramp所针对的这个问题——企业AI支出的规模化管理——同样正在成为一个痛点。
中国AI应用落地速度在2026年已经加快，众多企业开始大规模部署AI代理用于客服、销售、采购等场景。百度、阿里云、腾讯云都推出了自己的企业AI代理平台。但与Ramp所做的「横向整合」不同，中国的AI支出管理工具目前还是分散的：模型调用成本由各云平台分别管理，企业费用报销仍然走传统ERP，AI代理支付还没有一个统一的管理层。
这意味着一个有趣的问题：在中国，谁会成为Ramp的对应角色？
目前来看，可能的候选包括：钉钉（阿里）、企业微信（腾讯）、飞书（字节），它们都在构建企业级AI工作流，但都是从各自的通讯协作切入，而非从财务切入。国内的费用管理SaaS公司（如费控宝、分贝通等）规模和产品能力与Ramp差距明显，还没有形成完整的AI战略。
这不是一个即将发生的竞争，而是一个关于未来18-24个月谁会填补这个空白的开放问题。
八、第2,766天：工作还没完成
在Glass产品发布博客的最后一行，Eric Glyman写道：
「It’s day 2,766. Job’s not finished.（今天是第2,766天。工作还没完成。）」
从2019年Ramp创立到2026年10月13日，正好是2,766天。
这句话放在一家600亿美元估值公司的产品发布博客里，有点反常。大多数这个量级的公司，CEO写博客时已经在谈「使命」「愿景」「改变世界」，而不是「工作还没完成」这种偏执的焦虑感。
但这句话，恰恰解释了为什么Ramp的早期投资人敢说「要超越Anthropic」。
一家在第2,766天仍然觉得工作没完成的公司，不会因为600亿估值就进入防御模式。它还会继续扩张边界，继续把费用管理的逻辑塞进任何和企业支出相关的场景，继续在别人还没想到的地方埋下基础设施。
这不保证Ramp一定会成功。它可能被更大的玩家碾压，可能因为AI代理落地节奏不及预期而陷入估值泡沫。
但它提示了一个关于AI时代赢家的更宽泛问题：在AI能力同质化的时代，最终赢得企业市场的，可能不是做出最好模型的公司，而是做出最好「AI管理工具」的公司。
因为在AI的价值真正被企业兑现之前，要经过一个中间层：控制、审计、优化、管理。
Ramp在押注，这个中间层，价值千亿。
参考资料：
1. “Ramp reaches $60B valuation as it pushes deeper into AI” — TechCrunch，2026年10月15日: https://techcrunch.com/2026/10/15/ramp-reaches-60b-valuation-as-it-pushes-deeper-into-ai/
2. “Ramp launches its own AI model router, called Router” — TechCrunch，2026年8月20日: https://techcrunch.com/2026/08/20/ramp-launches-its-own-ai-model-router-called-router/
3. “Introducing Glass: The AI Workspace for Your Whole Company” — Ramp官方博客，2026年10月13日: https://ramp.com/blog/introducing-glass
4. Ramp Agentic Payments Documentation — agents.ramp.com（官方技术文档）: https://agents.ramp.com/docs/guides/agentic-payments