600亿美元的报销软件，盯上AI的钱

一家靠帮企业省钱，实现高速增长的公司，先被自己的AI账单狠狠上了一课。

今年5月，Ramp内部AI系统在短短一周内消耗了150万美元的Token。联合创始人Eric Glyman在10月13日公开了这件事，还开玩笑说，公司的CFO肯定不喜欢他把这个数字讲出来。

Ramp随后把内部AI工作接入自家的模型路由系统，模型成本下降了30%。这件事多少有点滑稽：一家专门替企业检查员工有没有乱花钱的公司，先没管住自己雇来的机器。

两天后，Ramp宣布完成18.5亿美元融资，估值达到600亿美元。

这家2019年创办的公司，已经拥有超过8.5万家企业客户，年化收入超过20亿美元，平台年化采购交易额超过2750亿美元，并实现正现金流。短短四个月，估值从440亿美元涨到600亿美元。

更有意思的是，Ramp早期投资人、Founders Fund合伙人Keith Rabois公开表示，他希望Ramp未来比Anthropic更大、更成功，也更加重要。

投资人给自家项目造势，本来不值得大惊小怪。但这番话确实触及了一个很有价值的商业机会。

AI公司拼命提高模型能力，企业则开始担心这些模型究竟要花多少钱。未来，一家公司可能同时运行数百个Agent，它们不领工资，却可以昼夜不停地调用模型、购买服务、租用算力，甚至直接替公司付款。

Ramp看中的，就是这些机器背后的财务控制权。

一家从报销软件起家的公司，想把手伸进AI产业链的支出环节。野心确实不小，但600亿美元的估值，也让它面临一道很现实的考题：替企业管理了多少钱，和自己究竟赚到了多少钱，完全是两本账。

Ramp最初的商业模式，建立在信用卡支付领域一个长期存在的利益冲突上。

创始人Eric Glyman和Karim Atiyeh此前创办过Paribus，帮助消费者发现网购商品降价，并申请价格调整退款。2016年，这家公司被Capital One收购，两人由此深入信用卡行业。

发卡机构最喜欢什么客户？当然是经常使用卡片的客户。商户接受信用卡支付，通常需要承担一定的交易费用，发卡机构从中获得交换费收入。因此，银行热衷于推出积分、里程、返现和各种奖励，吸引客户增加消费。

但企业财务总监的处境恰恰相反。他们每天都在想办法控制开支，减少重复采购、违规订阅和无法解释的报销。

2019年，Ramp抓住这个矛盾创业，次年推出公司卡，配套免费的费用管理软件，帮助企业识别浪费、管理额度、自动收集票据。

一家靠公司卡交易赚钱的公司，居然劝客户少刷卡，听起来有点像赌场老板主动提供戒赌服务。

但Ramp有自己的算盘。

假设一家企业每年支出1000万美元，过去只有200万美元通过Ramp的公司卡支付，其余费用分散在不同银行、员工报销和采购系统中。Ramp即使帮客户节省了50万美元，只要能把更多有效支出吸引到自己的平台，支付交易规模仍然可以大幅增加。

它放弃的是客户的一部分无效消费，争取的是客户更多的支付份额。

这个设计相当聪明。传统报销软件需要先证明自己能提高多少效率，再说服CFO支付软件订阅费。Ramp直接把基础软件免费送给企业，通过公司卡交易获得交换费分成，降低了客户采用产品的门槛。

免费软件承担获客成本，支付业务承担收入。

客户希望节省开支，Ramp希望集中交易。双方的利益由此获得了某种程度的统一。

但公司卡再怎么发展，也只是企业支付的一种工具。大量工资、税款、供应商合同和银行转账，根本不会经过公司卡。Ramp如果只停留在刷卡环节，很快就会遇到增长天花板。

于是，它开始往付款之前走。

报销有一个先天缺陷：钱花出去了，财务才有机会发表意见。

员工拿着200美元的餐费发票回来，系统可以检查票据、核对政策、要求补充说明。哪怕整个流程全部自动化，也改变不了钱已经花出去的事实。

采购管理完全不同。

一家部门准备购买价值5万美元的软件，Ramp可以提前检查预算，确认是否已有类似产品，要求负责人审批，再发放限定额度和商户的虚拟卡。交易完成以后，系统继续匹配发票、归集会计科目、同步财务数据。

Ramp由此从公司卡业务进入采购、应付账款、供应商管理和会计自动化。

这些业务看起来分散，实际围绕的是企业同一笔钱。Ramp希望从员工提出申请开始，就参与这笔钱的完整流转。

这也是它与传统报销软件拉开距离的地方。报销系统提高处理效率，采购与支付系统则有机会改变支出行为。后者更容易深入企业内部的预算制度和审批权限。

商业回报随之发生变化。

公司卡交易带来交换费收入，高级财务软件提供订阅收入，付款和资金相关服务创造额外收入来源。客户购买的产品增多，Ramp获得的收入机会也随之增加。

更重要的是，企业逐渐把自己的财务规则交给Ramp。

员工可以花多少钱，谁有审批权限，哪些供应商允许采购，什么费用必须经过财务审核。这些规则一旦进入日常流程，替换系统就会牵涉多个部门，迁移成本远高于更换一张公司卡。

目前，超过半数Ramp客户使用两种或以上产品，四分之一使用至少三种产品。年收入贡献超过10万美元的客户数量，同比增长113%。

这些数字说明，Ramp的增长已经从增加客户数量，延伸到提高每家客户的业务贡献。

它逐渐成为企业财务活动的一个重要入口。入口掌握得足够深，才有资格讨论后面的控制权。

Ramp的增长确实惊人。

今年6月，公司披露的年化收入约15亿美元。到了10月，已经超过20亿美元。平台年化采购交易额同比增长175%，客户数量达到8.5万家以上。

但按照超过20亿美元的年化收入计算，600亿美元估值仍然接近30倍收入规模。

Ramp的年化收入包含交换费、软件订阅、利息及其他收入。年化收入本身也不等于已经实现的完整财年营收。

一家纯软件公司的20亿美元订阅收入，与一家支付平台的20亿美元混合收入，盈利质量可能差得很远。支付业务涉及返现、合作机构分成、支付处理和风险管理成本，不能简单套用高毛利SaaS公司的估值逻辑。

Ramp目前没有公布足够完整的业务收入和毛利拆分，外界难以准确判断不同业务对利润的实际贡献。正现金流是好消息，但距离证明长期高利润率，仍然隔着一段距离。

企业支付与费用管理市场，恰好有一个值得警惕的先例。

2022年，Brex估值曾达到123亿美元。2026年1月，Capital One宣布以51.5亿美元收购Brex。

Brex同样从公司卡起家，也提供费用管理、支付和财务自动化服务。如今，Ramp的估值接近Brex收购价格的12倍。

两家公司的增长、客户结构和经营质量不同，收购价格与私募估值也不能机械比较。但资本市场的态度已经足够鲜明：同样从公司卡起家，同样向财务软件扩张，增长预期不同，价格可以相差一个数量级。

Ramp获得的溢价，部分来自现有业务的高速扩张，部分来自市场对它未来进入更大市场的期待。

AI恰好给了投资人一个充满想象力的新故事。

问题是，Ramp的支付和财务软件已经有实际收入支撑，AI业务目前还没有提供同等充分的商业证明。

600亿美元中最昂贵的部分，是投资人提前购买了尚未兑现的AI利润。

Ramp自己的150万美元Token账单，暴露了传统企业财务体系一个越来越棘手的问题。

过去，企业购买软件主要根据账号数量、使用席位和年度合同付费。员工人数、合同规模和续约价格，大致决定了软件成本。

Agent的成本结构完全不同。

一个代码Agent为了修复Bug，可能连续调用几十次模型，反复生成代码、运行测试、分析错误。如果遇到复杂任务或者异常循环，费用就会迅速增加。

同一项工作，模型选择不同、上下文长度不同、缓存配置不同，最终成本可能相差数倍。

传统财务系统很难解释这种波动。它习惯按照员工、部门和供应商记录费用，却不清楚某个Agent究竟执行了哪些任务，哪些调用产生了有效结果，哪些费用纯属白白折腾。

假设一家企业用AI处理客户服务，模型账单增长了50%，财务部门通常会先要求降低费用。但如果AI处理的有效工单增长了三倍，公司的单位服务成本实际上可能明显下降。

反过来，一个便宜的模型，如果频繁出错、需要人工返工，也可能比昂贵模型更浪费钱。

AI成本管理的核心，最终要落到每单位有效工作成果的成本。只看Token价格，容易把便宜当成效率；只看调用总额，又可能把业务增长误判为浪费。

Ramp已经从实际客户中找到了这种需求。

在AngelList的案例中，Ramp的AI费用分析帮助企业发现Prompt Caching配置不合理的问题，识别出每月最高约1万美元的节省空间。财务负责人把问题交给工程团队，当天便完成调整。

过去，缓存配置属于工程师的技术选择。现在，一处配置错误就可能影响公司的利润。

技术负责人关心模型能否完成任务，财务负责人关心完成任务究竟花了多少钱。随着企业大规模采用AI，这两项工作开始产生直接联系。

这给Ramp提供了一个非常有利的位置。

它原本就为企业管理预算、采购和支付，如今只需要把模型消耗纳入现有财务体系，就有机会进入研发部门此前相对独立的成本决策。

但从发现浪费到真正控制浪费，中间还有一道很高的门槛。

Ramp今年密集推出的几项AI产品，基本沿着企业支出的管理链条展开。

AI Token Spend Management把Anthropic、OpenAI、Cursor等供应商的费用汇总到统一界面，帮助企业识别异常使用和成本分布。

模型路由工具进一步介入模型选择。开发团队可以通过统一接口调用不同模型，根据任务效果、速度和成本调整路由。Ramp此前在内部使用相关能力，据称实现了30%的模型成本下降。

Glass把团队知识、AI工作流程和项目成本计量连接起来。Ramp for Agents则尝试让Agent在授权额度和审批规则下，使用受控支付工具完成采购。

这些产品组合起来，确实勾勒出下一代企业财务系统的某种轮廓。

但当前的能力边界同样明显。

根据Ramp官方文档，Token支出数据通常按日同步。对于部分Anthropic和OpenAI API费用，预算上限主要起到提醒作用，并不能直接阻止供应商继续扣费。

一家企业昨天因为模型调用异常多花了10万美元，Ramp可能今天才能从账单里发现问题。至于能不能及时制止下一次异常，还取决于模型调用经过哪个接口，以及供应商是否提供对应的控制能力。

Router在这方面拥有更大的潜力。如果企业把模型请求交给它处理，Ramp便有机会在调用发生之前，影响模型选择和资源消耗。

但企业完全可以继续使用自己的模型网关。OpenRouter、LiteLLM、Portkey等公司也在提供类似能力，云服务商更是直接掌握大量算力消费数据。

Agent支付则牵涉另一套权限。Ramp可以向获得授权的Agent提供受限支付工具，但企业通过云合同、银行转账或预付账户购买的Token，不会因此自动进入Ramp的支付体系。

这些差异决定了Ramp究竟能掌握多大权力。

看到账单是一项软件功能，能够在付款之前执行财务规则，才有可能建立真正的平台地位。

企业最怕的也不只是乱花钱。一个系统如果因为预算超限，擅自停止关键生产任务，造成的经营损失可能远超节省的Token费用。

因此，财务控制必须与业务权限连接。哪些任务可以自动降级，哪些采购需要人工批准，什么情况下可以中断执行，最终都需要明确规则。

Ramp目前已经拥有部分能力，但离跨供应商、跨业务系统的统一控制还有距离。

它想拿到的，已经接近企业经营权限的一部分。这样的权限，客户不会因为一个漂亮的费用仪表盘就轻易交出去。

Ramp的传统商业模式很漂亮。通过免费工具帮助企业控制开支，再从支付交易和高级财务软件中获得收入。

到了AI时代，这套逻辑遇到了一道难题。

假设一家企业每月直接向Anthropic支付100万美元API费用。Ramp通过模型路由和成本分析，帮助它节省30%。

客户每个月少花30万美元，当然会感谢Ramp。

可这30万美元，没有哪一笔天然属于Ramp。

如果API费用由企业直接向Anthropic支付，Ramp拿不到相关公司卡交易的交换费。企业如果只使用免费的Token管理功能，也不一定产生订阅收入。

Router目前还提供2026年内免费路由的安排，客户依然需要支付实际模型费用。

这就出现了一个很微妙的局面：Ramp可能替企业管理了巨额AI开支，自己却只能从中获得有限的收入。

当然，它可以通过高级Token管理功能收取订阅费，把免费产品作为销售其他财务服务的入口，也可以通过Agent支付增加交易规模。

但这些路径各有麻烦。

模型成本分析很容易被基础软件吸收。OpenAI和Anthropic能够提供自己的用量数据，AWS和Google Cloud早已拥有云费用管理工具，企业技术团队还可以使用第三方模型网关。

如果大家都能制作Token费用报表，这项功能的独立定价能力就不会太强。

更大的机会在采购和支付环节。假如企业大量Agent都通过Ramp申请预算、执行付款，它就能把原本服务员工的财务体系扩展到机器。

问题是，企业的大额AI支出往往已经锁定在云平台、供应商合同和银行结算体系中。这些交易是否愿意迁移到Ramp，需要看支付成本、资金安排、采购合同和内部合规要求。

Ramp能够分析这些费用，并不意味着它有资格改变支付渠道。

这里才是整门新生意的商业分水岭。

帮助客户省钱，证明产品有价值；让客户愿意为这种能力持续付费，才证明生意成立。

Ramp的优势在于，它已经进入企业财务流程，拥有大量客户关系和采购数据。如果技术团队把AI费用接进来，财务部门就可能直接在既有工作流中管理这些支出。

但这个优势有多牢固，取决于Ramp能否获得真正的决策权限。

一家公司的ERP掌握总账，云平台控制算力消费，工程团队使用独立模型网关，采购部门还有自己的合同系统。Ramp即使把这些数据全部汇总，也可能只是增加了一个中间界面。

能够整合数据的公司很多，真正有权改变交易的公司很少。

再看Keith Rabois关于Anthropic的豪言，背后的商业逻辑就清楚了。

Anthropic希望更多企业使用Claude，获得持续增长的模型收入。Ramp则希望企业无论使用哪家模型，都能在统一预算体系下进行比较、授权和核算。

模型供应商争夺企业的技术选择，Ramp争夺企业的费用决策。

如果这种分工最终形成，模型公司就必须面对更严格的成本比较。企业可以把简单任务交给便宜模型，把复杂任务交给顶级模型，甚至根据实际效果频繁切换供应商。

这种变化，对模型厂商的定价能力显然不是好消息。

但Ramp也远没有锁定这个位置。

SAP、Workday、Coupa、Intuit拥有成熟的企业财务客户，Stripe和Visa已经开始争夺Agent支付市场，云服务商更不会轻易放弃自己掌握的计算资源与计费数据。

Ramp最大的优势，是通过公司卡和采购系统，在8.5万家企业中建立了实际业务关系。它知道企业怎么花钱，也有机会介入付款之前的管理流程。

它最大的障碍，则是企业内部长期形成的权限边界。

财务部门愿意让Ramp检查账单，技术部门未必愿意交出模型路由；采购部门愿意使用它的审批流程，CFO也未必允许第三方系统自动调整所有资金安排。

一家企业的财务控制权，本来就分散在合同、预算、银行账户和不同的业务系统中。整合它们，从来不是多开发几个软件功能就能完成的事情。

真正有价值的机会，是让Agent像一个需要独立核算的经营单元那样运行。

它有明确的预算，有被授权的工作范围，每次调用和采购都能归属到具体任务，最终可以按照有效成果计算成本。

一家企业部署500个Agent，就可能需要管理500套不同的资源消耗与执行权限。传统财务软件按照员工和部门管理费用的办法，显然无法直接照搬。

谁能把这类管理需求变成日常业务系统，谁就有机会获得长期的软件收入和交易收入。

Ramp已经在这条路上走了一段，但目前外界还看不到足够的数据，证明AI管理已经成为它重要的独立利润来源。

真正需要观察的，是AI产品的付费客户数量、Agent带来的新增支付交易，以及这些业务最终产生的毛利。管理的支出规模再大，如果不能形成收入和利润，也很难支撑昂贵的估值。

回头看Ramp的发展，脉络其实十分清楚。

它从公司卡切入，用免费的费用软件争取支付交易，再沿着采购、付款和会计流程不断向企业内部延伸。AI的出现，让它看到了一个过去没有被充分管理的新成本中心。

这家公司最出色的地方，是始终围绕企业花钱的过程扩张。每次扩张，都试图把原来分散在其他系统中的一部分工作接过来。

但600亿美元的估值，已经把不少未来的成功提前算进了今天的价格。

Ramp已经证明自己能靠管理企业开支赚大钱，还没有证明管理机器开支也能创造同等规模的利润。

如果未来企业的每一个Agent都拥有独立预算、支付权限和成本账本，Ramp确实有机会成为AI时代的重要财务基础设施。

如果最终只是把各家模型的账单汇总到一个界面，600亿美元买到的，恐怕就是财务软件行业最昂贵的一张报表。

AI公司努力让机器学会工作。Ramp想替这些机器管住钱包。

这门生意的天花板可能很高，但它还有一笔自己的账没算清楚。

帮客户管住了这么多钱，究竟有多少能进自己的口袋？

600亿美元的答案，就在未来的收入结构里。