Uber 四個月燒完年度 AI 預算：Anthropic 第一次超越 OpenAI，靠的不是業務團隊

重點一：2026 年 4 月，Anthropic 企業付費佔比達 34.4%，首次超越 OpenAI 的 32.3%（Ramp AI 指數）——這是 Anthropic 自 2023 年以來第一次在這個指標上領先。

重點二：驅動力是 Claude Code 的工程師自發採用：佔全球 GitHub 公開提交約 4%（Augment Code 分析），年化營收 2 月起超過 25 億美元，企業訂閱自 2026 年 1 月翻四倍。

重點三：Uber 四個月燒完全年 AI 預算是縮影——95% 工程師月活、每人月均成本 $500–2,000，這個翻轉靠的不是企業業務，是工程師從 bottom-up 帶進來的。

Uber 的工程師在 2026 年 4 月遇到了一個不尋常的預算問題。他們從 2025 年 12 月開始大規模使用 Claude Code 和 Cursor，到 2026 年 2 月使用量已經翻倍，然後四月到了——整年的 AI 配額，已經燒完了。The Information 報導，Uber 工程師月均 API 成本落在 500 到 2,000 美元之間，95% 的工程師每個月都在用這些工具。Uber CTO 後來說的是「回到起點重規劃預算」。

這不是工具不好用的後果。70% 的程式碼提交來自 AI 協助，11% 的後端更新甚至由 AI 代理人在沒有人類介入的情況下完成。工具很有效，工程師搶著用，以至於預算管理系統根本沒預料到這個消耗速度。

換句話說：這是 Anthropic 三年來第一次在付費企業佔比上超越 OpenAI——而且不是靠企業銷售，是靠工程師搶著用的 coding agent 積累起來的。

---

34.4% vs 32.3%：Ramp 算的是真實刷卡行為，不是問卷

Ramp 是美國企業支出管理平台，追蹤的是企業帳戶的真實刷卡行為，不是問卷調查，不是意向申報。Ramp 每月發布 AI 指數，統計平台上有多大比例的企業實際付費使用 Anthropic 或 OpenAI。

2026 年 4 月的核心數字：

供應商	企業付費佔比	月變化
Anthropic	34.4%	+3.8%
OpenAI	32.3%	-2.9%
整體 AI 採用率	50.6%	+0.2 pp

這個翻轉有幾個限制要先說清楚：Ramp 的樣本以美國中小型到中大型企業為主，大型企業如果直接簽企業合約、不經過 Ramp 平台付款，就不會出現在這個統計；而且各供應商的計費方式不完全對等，兩邊的分母並不是同一種東西。

這不是一個可以說「Anthropic 全球市場已贏過 OpenAI」的數字。但它是目前最接近真實付費行為的公開指標——比模型評測分數更接近市場的實際狀況。

---

從 0.03% 到 34.4%：Anthropic 的成長集中在最後一年

Anthropic 在 Ramp 指數裡的成長曲線，不是線性追上的，是加速的：

時間點	Anthropic 付費企業佔比
2023 年 6 月	0.03%
2025 年 4 月	7.94%
2026 年 4 月	34.44%

白話講：前兩年從接近零爬到 8%，後一年從 8% 跳到 34%。TechCrunch 引述 Ramp 數據時，把這段加速的主要驅動力指向同一個產品：Claude Code。

相比之下，OpenAI 同一年的企業佔比只成長了 0.3%，2026 年 4 月甚至較上月下滑 2.9 個百分點。在 Ramp 的數據裡，OpenAI 的企業端滲透幾乎是原地踏步。

也就是說，Anthropic 的四倍成長和 OpenAI 的 0.3% 成長，是在同一個市場、同一個時間段裡發生的。

---

Claude Code 做了什麼，讓工程師願意月燒 $2,000？

幾個規模指標可以說明 Claude Code 現在的位置：

• 全球 GitHub 公開提交佔比：約 4%（Augment Code 分析，較上月翻倍）
• GitHub stars：121,000
• 年化營收：2026 年 2 月起超過 25 億美元
• 企業訂閱：自 2026 年 1 月 1 日以來翻四倍

但數字背後是一個具體的工程師工作流程的接管。Uber 的路徑是一個可複製的模式：工程師在個人帳號或試用配額上開始用，發現效果好，繼續用，越用越多，最後企業的 IT 採購才知道。

這個路徑的關鍵不是「Claude Code 比競品強多少%」，而是工程師在沒有被強制的情況下，自己選了這個工具。而當工程師自己選，月均成本 $500–2,000 對他們來說是「物有所值」，對企業預算系統來說是「沒人預料到」。

Uber 的 CTO 說的「回到起點重規劃預算」，代表的是一個現實：AI 工具的企業採購，必須同時管理 top-down 批准和 bottom-up 自發使用這兩個入口，缺一個都會出現預算黑洞。

---

Anthropic 領先的三個脆弱點

34.4% 的領先不是固定的。VentureBeat 和 Ramp 自己的分析師都點出了三個結構性風險：

脆弱點一：模型能力趨同

2026 年 5 月，GPT-5.5 Instant、Gemini 3.1、Grok 4.3 都在同期更新。如果工程師對 Claude Sonnet/Opus 的能力優勢開始感受不到差異，切換成本並不高——Claude Code、Cursor、Copilot、Gemini Code Assist 之間的轉換，通常只需要改一個設定。

脆弱點二：開源推理平台的成本競爭

Ramp 數據顯示，平台上成長最快的幾個 AI 供應商，不是 Anthropic 也不是 OpenAI，而是讓企業可以便宜跑開源模型的推理平台。Uber 的案例告訴企業「Claude Code 很有效但很貴」——當財務壓力夠大，工程主管會開始評估是否有 open-source 替代方案。

脆弱點三：Anthropic 的定價誘因錯位

這是 Ramp 自己的首席經濟學家點出的矛盾：Anthropic 從 token 消耗賺錢，這讓公司在推薦使用哪個模型時，天然傾向推貴的版本，即使更便宜、更快的模型在很多任務上已經夠用。

這不是 Anthropic 的惡意，而是商業模式帶來的結構性誘因問題。企業客戶的利益（降低成本、選適合任務的模型）和 Anthropic 的收入來源（token 消耗量）之間存在張力。

---

你的 AI 工具採購判斷，要換一個評估框架

Anthropic 這次翻轉，給工程師主管和 AI 採購負責人一個具體啟示：市場份額的決定因素，不是模型 benchmark，是工程師每天打開的是哪個工具。

Claude Code 沒有靠企業銷售佔領市場。它靠的是工程師在個人帳號上的搶用行為，積累成企業統計。這個路徑，比 top-down 企業業務快，但也更難被企業預先管控。

換框架之後，採購決策可以問三件事：

1. 讓工程師先試：給工程師一個月的小額配額試用，觀察哪個工具他們會主動繼續用，而不是哪個工具 benchmark 排第一
2. 設每人使用上限：Uber 的教訓是不設限的後果；每人月均 $500–$2,000 的範圍，在啟動時就要設預警門檻
3. 以「工程師願意繼續用」為主軸：一個讓工程師搶著用的工具，通常比一個 CTO 強制推廣但工程師找藉口繞開的工具，帶來更高的實際 AI 採用率

CTO 的採購決策，往往只是在認可工程師已經做好的選擇。Anthropic 超越 OpenAI 的那 2.1 個百分點，就是這樣積累出來的。

---

資料來源：Ramp AI 指數 2026 年 5 月版、TechCrunch（2026 年 5 月 13 日）、VentureBeat（2026 年 5 月 13 日）、Axios（2026 年 5 月 13 日）、The Information Applied AI 電子報、briefs.co、Augment Code 分析報告