当Uber把AI预算用完，Ramp说：我来帮你管——440亿美元估值背后，一场AI支出管理的万亿战争
当Uber把AI预算用完，Ramp说：我来帮你管——440亿美元估值背后，一场AI支出管理的万亿战争
2026年春天，Uber的首席技术官在一个行业播客上透露了一件让人啼笑皆非的事：公司鼓励员工”尽可能多地使用AI”，甚至在内部建立了使用量排行榜。结果是，他们在4个月内烧完了2026年全年的AI工具预算。
后来的故事是：Uber宣布从当月起，每位员工每个月的AI工具使用上限为1500美元，适用于Claude Code、Cursor等编程辅助工具。COO Andrew Macdonald甚至在播客上公开质疑：”要在AI使用和新功能产出之间画出一条线，真的很难。”（据Fortune报道，2026年5月26日）
就在Uber宣布这个限制的同一周，2026年6月4日，Ramp——一家企业费用管理平台——宣布完成7.5亿美元的F轮融资，估值440亿美元。
这个时间节点的重合不是偶然。它是一个信号，关于AI时代企业财务的根本性断裂，以及谁能从这场断裂中获益最多。
融资数据：一年不到，估值接近三倍
先看具体数字。
Ramp此轮7.5亿美元F轮融资由ICONIQ、GIC（新加坡政府投资公司）和安大略教师退休金计划（Ontario Teachers’ Pension Plan）领投，新引入的投资方还包括高盛资产管理、D.E. Shaw、摩根士丹利投资管理、Generation Investment Management、Insight Partners、BroadLight Capital等机构；多位老股东也跟投了本轮。
估值层面：440亿美元，相较2025年11月的320亿美元，不到7个月时间增长37%；相较2025年8月的225亿美元，12个月内增长接近100%。历史累计融资额超过30亿美元。
公司基本面：
- 年化收入超过15亿美元（Bloomberg报道数据，此前公司自己披露的是”超过10亿美元”，于2025年9月确认）
- 客户数超过7万家（较2025年11月增加2万家）
- 客户名单包括Visa、Uber、Shopify、Anduril、Figma
- 已实现正向自由现金流
CEO Eric Glyman在融资公告中明确表示，Ramp的最终目标之一是上市，但没有给出具体时间表。
这是一家正在高速增长、目标IPO、投资人队列极度豪华的科技金融公司。而这一切的最新增长引擎，是一个叫做”Token Spend Management”（代币支出管理）的新品类。
第三支柱：500年记账历史被打破的那一刻
Glyman在融资公告博客中用了一个极具叙事力量的框架来解释公司的战略选择，他把它叫做”第三支柱”。
过去500年，企业财务运转在两根支柱上：People（人力成本）和Vendors（供应商/SaaS费用）。从1494年卢卡·帕乔利发明复式记账法，到1958年美国运通推出企业信用卡，再到上世纪90年代SAP、Oracle将这一切系统数字化——全球企业财务体系的核心设计逻辑始终服务于这两类成本。任何一位FP&A分析师都可以在午饭前告诉你每一行P&L条目的归属、历史和预测。
然后，在过去24个月里，出现了第三支柱：Tokens。
Tokens是AI智能的计量单位。你问GPT-5.5一个问题，消耗的是tokens；你让Claude Code重构一段代码，消耗的是tokens；你的企业AI agent完成一份竞品分析报告，消耗的是tokens；你的销售AI自动回复1000封邮件，消耗的是tokens。
Tokens的特点与People和Vendors完全不同，现有的财务体系对它束手无策：
- 跨越所有部门边界：一家公司的AI token使用横跨销售、研发、财务、市场、人力……每个部门都在消耗，但没有统一的部门预算归属逻辑
- 没有合同锁定，无法预测：SaaS费用通常是年度合同，合同签下来预算就锁定了；tokens是按量计费，一个prompt模板改动，或者某个AI功能突然爆发式使用，账单可以在一周内翻三倍
- 颗粒度极细，无法用现有工具追踪：CFO的仪表盘里显示的只是”Anthropic: $120万”——一个黑箱数字，看不出是哪个团队用的，用来做什么，完成了哪些业务产出，值不值
Glyman在融资公告博客中列出了一组让人震惊的数字：2023年，百万级别的token处理成本约为60美元；2026年，同等计算量的成本已降至约0.40美元——3年内降价99%以上。与此同时，AI的能力也在飞速提升：2023年，GPT-4能解决100个软件bug中的2个；2026年的领先模型，这个数字是94个。
这两条曲线的交叉——能力飞速提升，成本骤降——意味着AI使用量的指数级增长不是概念，而是一个有具体数字支撑的趋势。企业AI支出的未来走向，绝不是”谨慎、受控的线性增长”，而很可能是”间歇性爆发、难以预测的非线性扩张”。
这正是为什么”AI支出管理”作为一个独立品类，现在才刚刚开始被认真对待。
Uber的困境：当”尽量多用AI”遇到”账单无法控制”
Uber的案例是这个问题最具体、也最有说服力的现实样本。
2026年初，Uber推出内部AI使用排行榜，鼓励工程师和产品经理尽可能多地使用AI工具——这背后是真实的商业逻辑：大量使用AI，加速功能交付，提升竞争力。这种思路在科技公司中非常普遍，不是Uber一家的决策。
问题在于，这种鼓励机制完全缺乏成本框架：没有人被要求考虑token的单价，没有审批流程来评估哪些AI任务”值得花钱”，没有任何工具告诉团队负责人他们的AI支出占部门预算的多少比例。
于是就发生了那件标志性的事：Uber在2026年4月，也就是距离年初只有4个月的时候，已经烧完了全年的AI工具预算。Uber的CTO在一封内部备忘录（后被The Information报道）中披露了这个情况，并称这是”超出预期的”。
紧急应对措施随即出台：每位员工每月AI工具支出上限1500美元，涵盖Claude Code、Cursor及其他agentic编程工具；超出上限需要特别申请；内部建立使用量仪表盘供员工自查。
但这个解决方案是粗糙的。1500美元的硬上限是管理失控的应急手段，不是最优财务决策：
- 对于一个靠AI重度加速的高产工程师，1500美元可能在月中就用完，剩下两周效率骤降
- 对于一个把AI用来写低价值总结邮件的行政人员，1500美元的配额可能根本用不完，没有任何ROI压力
- 所有人的上限相同，意味着无法按照职能或价值创造潜力差异化分配AI预算
更值得关注的是Uber COO的那句话：”要在AI使用和新功能产出之间画出一条线，真的很难。”这不是一个产品经理对AI的随口抱怨，这是一家每年处理超过100亿次行程的公司的运营负责人，在承认他们目前没有工具来衡量AI支出的真实价值。
这正是Ramp所说的核心问题：不是要阻止AI支出，而是要让它变得可测量、可归因、可优化。把AI预算从”一刀切限制”变成”精细化资源配置”，是一个企业规模越大、价值越高的能力。
Ramp的产品解法：见它，懂它，管它
Ramp围绕Token Spend Management构建的产品逻辑用三个词来概括：见它（See it）、懂它（Understand it）、管它（Control it）。
见它：你没法管理你看不见的东西。Ramp直接对接Anthropic、OpenAI、Google Gemini、Cursor等主流AI服务商的API，实时拉取token级别的使用量和费用数据，汇入统一的仪表盘。这个仪表盘是CFO、CTO和部门负责人都能看的同一张图——不是财务系统里的滞后月报，而是可以以天甚至小时为单位查看的实时数据。
懂它：单纯的使用量数据没有意义，Ramp要做的是把每一个token的消耗归因到具体的团队、项目和用例。一笔在Claude Code上的支出，是A产品团队用来写测试代码的，还是B运营团队用来分析NPS数据的？两者的ROI逻辑完全不同，但在现有财务系统里它们都只是”Anthropic账单”里的一个数字。有了归因，财务团队才能第一次用”ROI视角”来审视AI支出——就像他们审视广告投放效率一样。
管它：在可视化和归因的基础上，Ramp可以帮助企业做两件事。第一，优化：识别哪些工作流在用GPT-5.5完成实际上GPT-4o级别就能搞定的任务——这两者的价格差距可以达到50倍甚至更高。Glyman的计算是：如果能把10%的AI任务从frontier模型切换到更经济的模型，一个年AI支出1000万美元的企业可以节省近100万美元。第二，管控：设置部门级别的预算上限和审批触发条件，在不干扰正常工作流的前提下防止类似Uber的失控局面。
AI agent信用卡：机器自主消费的时代已经到来
Ramp这次融资公告中，还有一个比Token Spend Management更具前瞻意义的产品：专为AI agent设计的企业信用卡（网址：agents.ramp.com/cards）。
这不是一个概念，这是一个回应真实企业场景需求的产品。
在AI agent成为企业工作流标配的趋势下，下面这些场景已经在越来越多的公司中发生：
- AI销售agent发现合同到期，自动续订SaaS订阅
- AI研究agent在完成竞品分析时，购买第三方数据报告
- AI采购agent比价后，自动下单补充办公耗材
- AI广告优化agent根据投放效果，自动追加预算
这些场景的共同点是：消费行为由AI agent发起，而非人类员工。但所有现有的企业支出管理体系——包括传统信用卡的申请审批流程——都是围绕人类员工设计的。AI agent没有员工ID，没有部门归属，没有可以背书的人脸和姓名。
Ramp的AI agent信用卡尝试填补这个空白：赋予AI agent一个有受控权限的支付能力——包含预设的消费上限，特定类型消费的审批触发条件，以及完整的审计追踪。每一笔agent的支出，都进入同一个token管理仪表盘，统一归因，统一核算。
这是企业财务基础设施的一次根本性扩展：从管理人的消费，到同时管理机器的消费。
如果AI agent在未来几年真的成为企业的标配工作力量，那么”机器消费管理”将会是一个比”员工AI工具管理”更大的市场。Ramp现在在这里布局，是在押注一个可能比AI费用管理本身大10倍的市场。
竞争格局：对手们在哪里？
理解Ramp的市场位置，需要看清整个竞争图谱。
Brex的退场：原本是Ramp最直接的竞争对手，定位同样是企业支出管理，创始团队背景相似（两家公司都由巴西创业者创立），产品策略也高度重叠。但2026年1月，Brex以约51.5亿美元被Capital One收购——一个远低于Brex峰值估值125亿美元的价格。从独立竞争者变成传统银行旗下的AI子产品线，Brex的独立产品战略从此受到大机构内部政治和合规边界的约束。Ramp在这个赛道上最强的挑战者，已经实质性出局。
Rippling的战场不同：Rippling将支出管理与HR、IT、薪酬整合为一体化平台，估值约170亿美元（2025年最新一轮）。Rippling的核心逻辑是”把所有员工相关成本管在一起”，它的支出管理更多是HR模块的一个延伸。但对于AI token这个横跨所有部门、与人员无关的新成本类别，Rippling的员工中心架构并不是自然的解决方案。
传统ERP的结构性慢：SAP、Oracle Financials、Workday处理的是年度合同、发票审批和采购审批工作流。这些系统天然适合处理”可预测、有合同、有审批”的支出类型——而AI token恰恰是”不可预测、无合同、实时变化”的。更新这些巨头系统的核心架构来支持token管理，即便他们愿意做，也需要数年时间。
这给了Ramp一个并不常见的竞争窗口：一个真实而庞大的企业痛点，既有软件巨头暂时无法快速覆盖，最接近的创业竞争对手要么已经被收购要么战场不同。唯一的变量是时间——OpenAI、Anthropic、Google等AI服务商是否会自己开发类似的成本管理工具，直接切入这个场景。目前来看，这些公司的商业利益更多在于帮助企业扩大使用量，而非帮助企业省钱——这是一个结构性的利益错位，给了Ramp时间窗口。
第三层洞察：从账单工具到AI战略情报
大多数报道把Ramp的这轮融资解读为：一家企业费用管理公司在AI时代找到了新的产品切入点，并因此获得了投资人的高度认可。
这个解读准确，但停留在第二层。
更深的洞察是：企业对AI支出的控制权，将成为AI时代最关键的战略情报资产之一。
Ramp今天追踪着超过7万家企业的实际AI工具使用数据。这不只是一个费用管理工具的订阅数据库，这是一张实时更新的AI产业真实购买行为地图：
- 哪些AI工具在真实的企业采购决策中被大量选择（而不只是在发布会上被鼓掌）？
- 哪些具体用例展现出了可被核算的ROI，让企业愿意持续加大投入？
- AI预算正在从哪些工具流向哪些工具，市场份额迁移的速度有多快？
2026年5月，Ramp发布的市场数据显示，Anthropic已首次超越OpenAI，成为企业AI付费服务的市占率第一——34.4%比32.3%。这个数据在AI行业引发的讨论，远远超过了许多基准测试论文，因为它代表的是真实的商业选择，而非实验室评分。
这个数据本身就是一个产品，而Ramp是这个产品的独家供应商。
从这个角度来看，Ramp的护城河不只是它比竞争对手更快支持了token管理，而是三重壁垒叠加：
- 数据资产：5年企业财务数字化的积累，7万家真实客户的使用行为数据，新进入者无法在短时间内构建
- 信任基础：企业CFO愿意把公司的完整财务数据接入Ramp，这建立在多年的产品可靠性和安全合规上，不是新产品能快速赢取的
- 生态闭环：Ramp的企业信用卡、费用报销、采购管理和现在的token管理，构成了一个企业财务数据的完整闭环——越多数据进入，洞察和优化建议就越精准，客户就越难迁移
一个需要回答的问题：从概念到执行，有多远？
但所有的战略叙事都要落到一个现实问题上：Ramp的Token Spend Management，能真正在企业内部大规模落地吗？
这里有两个结构性挑战值得认真对待。
第一，改变财务流程的摩擦极大。要精确追踪企业的token使用，需要企业在Ramp平台上重新建立AI工具的采购和报销流程。这意味着IT系统改造、员工操作习惯更新、AP（应付账款）流程调整，以及可能的ERP系统集成。即便产品本身非常优秀，大型企业的IT系统变革周期通常以年计，而不是以月计。Ramp已经有7万家企业客户，但这7万家中有多少是真正的大型跨国企业（而非成长期科技公司），直接决定了Token Spend Management的天花板。
第二，AI工具供应商的配合度是变量。Ramp的产品依赖从Anthropic、OpenAI、Google等平台直接获取token级别的细颗粒度使用数据。目前部分平台已经提供团队级别的用量报告，但要实现”项目级归因”“用例级归因”这种精细度，需要AI服务商提供更细粒度的API接口。问题在于，AI服务商的核心商业利益是帮助企业用更多token，而不是帮助企业用更少token——这是一个结构性的利益不对齐。短期内这些平台可能会配合（因为更好的透明度有助于企业信任和扩大采用），但长期这个关系可能会变得复杂。
这两个挑战不是不可克服的，但它们是Ramp从”有说服力的产品叙事”到”可防御的市场主导地位”之间必须穿越的峡谷。
隐藏的力量对比：当Ramp掌握了AI供应商的账单
这里有一个值得深思的权力关系：Ramp追踪着7万家企业向Anthropic、OpenAI、Google Gemini等服务商支付的每一笔token费用。
这不只是商业数据，这是一种影响力。
想象一家CFO每月在Ramp仪表盘上看到：她的公司在Anthropic的支出是OpenAI的2倍，但能追踪到ROI的Anthropic用例只占总支出的30%。Ramp可以问她：是否需要调整预算配置？
这种”建议”不是中立的：它直接影响AI供应商之间的预算分配，而供应商们对此是清楚的。可以预见，未来12个月内，Anthropic和OpenAI都会积极构建与企业财务系统的直接集成，提供更细颗粒度的使用报告API——部分原因是用户体验需求，但也有一部分原因是不想让Ramp成为企业AI预算决策的”中间人”。
这场博弈的结果有两种：要么AI服务商开放了更多数据API，Ramp的产品质量进一步提升（数据更细，归因更准）；要么AI服务商试图绕过Ramp，直接建立与企业财务系统的集成。
前者有利于Ramp，后者是它最大的战略风险之一——一个拥有数千亿美元市值的OpenAI或Anthropic，完全有能力在企业端建立一套自己的”AI支出管理”工具，并且以补贴价格推广，以此绑定企业客户。
Ramp与AI服务商之间，既是合作关系（API对接，共同服务企业客户），又是潜在的竞争关系（谁来主导企业AI预算的决策路径）。这个张力，是分析Ramp长期战略价值时不能回避的核心问题。
数字的游戏：440亿估值的合理性
最后看一个投资人关心的问题：440亿美元合理吗？
Ramp年化收入超过15亿美元，正向自由现金流，估值约29倍年化收入。对比参照系：
- Palantir：约30倍年化收入（2026年初数据）
- Snowflake：约15倍年化收入（软件增长放缓中）
- Cloudflare：约25倍年化收入
- Rippling（私有）：上一轮估值约170亿美元，年化收入约5-6亿美元，约28-34倍
在正向现金流和超过15亿年化收入的基础上，29倍是一个基于真实增长的合理溢价，而非纯粹的AI概念泡沫。更关键的是，7万家企业客户和清晰的Token Spend Management增长叙事，给了公开市场投资人一个可以理解和定价的增长故事——而这正是IPO最需要的东西。
当然，如果AI工具支出的增长速度在未来2年放缓（因为ROI问题导致企业收紧AI预算），Token Spend Management这个新引擎的增速也会相应降低。Ramp的IPO窗口，可能需要在AI预算继续增长的时间段内打开。
这是为什么Glyman说”目标是上市，但没有时间表”——他需要等待最有利的市场时机。
结语：谁来管AI的钱？
软件吃掉了世界，AI正在吃掉软件。但吃的过程中，钱以一种完全新的方式流动——不是合同，不是发票，而是按token计量的流量账单，每秒钟在数百万台服务器上同时发生。
Uber的故事（4个月烧完全年AI预算）、各大科技公司内部AI token使用量失控的反复报道（Bloomberg、Bain分别报告企业AI支出ROI普遍不达预期）、各大企业CFO面对那一行”Anthropic：$120万”却完全不知道怎么分解——这些不是个案，这是一个普遍存在的、在AI使用量增长的每一天都在扩大的企业痛点。
Ramp的440亿美元融资，本质上是市场在押注一件事：当AI支出成为企业最难管理的成本项目之一，帮助企业管理这个成本的工具，将是下一个十亿级SaaS品类。
问题不是这个市场是否存在，而是谁能占领它。就像当年Concur占领了差旅费用管理，就像Coupa占领了企业采购管理——AI时代的费用管理基础设施，还没有一个不可撼动的赢家。
Ramp在这条赛道上，今天比任何竞争者的起点都高一些。
但高起点不是终点。它是起跑线。
参考资料
-
TechCrunch: Ramp raises $750M at $44B valuation
来源: TechCrunch（Ram Iyer）, 2026-06-04
链接: https://techcrunch.com/2026/06/04/ramp-raises-750m-at-44b-valuation-as-investors-hunger-for-fintechs-with-an-ai-story/ -
Ramp官方博客: Ramp at $44 Billion: The Third Pillar
来源: Ramp（Eric Glyman，Co-founder & CEO）, 2026-06-04
链接: https://ramp.com/blog/ramp-at-44-billion-the-third-pillar -
TechCrunch: Uber caps employee AI spending after blowing through budget in 4 months
来源: TechCrunch, 2026-06-02
链接: https://techcrunch.com/2026/06/02/uber-caps-employee-ai-spending-after-blowing-through-budget-in-four-months/ -
Bloomberg: Ramp notches $44 billion valuation in new funding round
来源: Bloomberg, 2026-06-04
链接: https://www.bloomberg.com/news/articles/2026-06-04/ramp-notches-44-billion-valuation-in-new-funding-round -
Ramp Series F Press Release
来源: PR Newswire（Ramp官方）, 2026-06-04
链接: https://www.prnewswire.com/news-releases/ramp-raises-series-f-at-44-billion-valuation-302791103.html -
Fortune: Uber COO AI spending tokens Claude Code
来源: Fortune, 2026-05-26
链接: https://fortune.com/2026/05/26/uber-coo-ai-spending-tokens-claude-code/ -
TechCrunch: Ramp reaches $1B in annualized revenue (2025年9月)
来源: TechCrunch, 2025-09-09
链接: https://techcrunch.com/2025/09/09/ramp-says-it-has-hit-1b-in-annualized-revenue/