Seat Expansion

3 秒看懂

Seat Expansion 描述的并非 AI 服务器出货量增长，而是企业软件付费席位因 AI 功能而从“普通席位”升级为“AI 席位”的规模化扩散。当单席位的 AI 推理成本降到足够低，SaaS 公司就能以 $50–$200/月/席位的增量价格，向数亿知识工作者提供“AI 助手”订阅。这是 AI 产业从基建投资转向应用变现、从资本支出驱动转向经常性收入驱动的关键转折。

3 分钟产业解释

过去三年，AI 产业曾经经历截然不同的增长逻辑。第一阶段是“基建竞赛”：以微软、亚马逊、谷歌、Meta 为代表的超大规模云厂商投入数千亿美元采购 GPU、建设训练集群，追逐大模型的规模定律（Scaling Laws）。这个阶段可以类比为“修高速公路”——衡量标准是算力集群的 FLOPS、光模块的出货量、数据中心的能耗指标。

第二阶段是“推理规模化”：随着大模型参数增长放缓，训练需求占比开始低于推理需求。产业焦点转向如何用更少的计算资源、更低的延迟、更便宜的每次调用成本来支撑海量推理请求。技术抓手包括 PD 分离、连续批处理、投机解码、INT4/INT8 量化等。云厂商推理 API 定价在此期间出现“价格战”，单次推理成本以季度为单位快速下降。

第三阶段便是 Seat Expansion。它的核心经济逻辑是：当运行一个 AI Agent 的单席位月度总成本（COGS） 降至约 $30–$70 以下（取决于场景），企业软件厂商就可以在基本席位费之上叠加 $50–$200 的 AI 附加包，且仍能维持 60%–80% 的增量毛利率。此时，传统 SaaS 的按人头订阅模式开始注入基于使用量的 AI 变量，形成了“基础订阅 + AI 增值”的混合定价。这一转变一旦发生，AI 投资的价值就会通过千万级、亿级的付费席位，从硬件层大规模传导至应用层。

简单公式：

单席位 AI 增量毛利 ≈ AI 附加包订阅价格（ARPU 增量） − 单席位月度 AI 推理 COGS

Seat Expansion 的本质是等式右侧被硬件进步、系统优化与算法压缩不断压低，使得左侧最终变得充裕且可持续，从而引爆企业软件市场的新一轮增长。

技术原理

Seat Expansion 的经济可行性由 单位经济模型（Unit Economics） 支撑。传统 SaaS 产品的成本优势来自固定成本摊销：每增加一个席位，增量成本接近于零，毛利率可达 70%–90%。AI 原生 SaaS 则引入了与用户活跃度成正比的可变推理成本，其模型变为：

单席位毛利 ≈ 订阅价格（ARPU） − (AI 推理可变成本 + 软件/模型研发摊销)

当 AI 推理 COGS 占 ARPU 的比例低于 30% 时，SaaS 厂商才有动力大规模推广 AI 席位。压缩 COGS 的技术杠杆分布在三个层面：

1. 算力层

   • 芯片微架构针对矩阵乘和注意力机制进行硬化加速。
   • 先进封装（如 CoWoS-S、CoWoS-L）提升 HBM 容量与带宽，缓解内存墙。
   • 更优的 FP8/FP4 精度支持直接降低单 Token 能耗。
     例：NVIDIA 公开资料显示，Blackwell 架构 GPU（B200）与 Hopper 相比，在特定推理场景下每瓦特性能提升 2–4 倍（2024 GTC 发布数据）。

2. 系统层

   • 连续批处理（Continuous Batching）：将多个并发请求的动态计算任务合并，提高 GPU 计算单元饱和度。
   • PD 分离：将 Prefill（计算密集）和 Decode（内存密集）阶段拆分到不同硬件实例，针对各自瓶颈独立优化。
   • 弹性伸缩与多租户调度：根据实时流量分配 GPU/MIG 资源，降低空闲率。
     推论结果：Anyscale、Fireworks 等服务商的基准测试表明，采用上述技术的推理系统，在同等硬件下 Token 吞吐量可提升 2–5 倍（2024 年公开技术博客）。

3. 算法层

   • 模型蒸馏与量化（如 GPT-4o mini 级别的模型）使复杂任务可在较小的模型上完成。
   • 投机解码（Speculative Decoding）利用草稿模型生成多个候选 Token，再由主模型验证，可显著加速自回归生成。
   • 高效注意力机制（FlashAttention、Ring Attention 等）将长上下文推理的内存与计算开销大幅降低。

技术降本的“三重奏”共同推动单席位月度 COGS 越过临界点。当企业客户的日均 AI 调用次数稳定、可预测，SaaS 厂商便能以固定月费包装服务，实现健康的边际利润。

关键参数

衡量 Seat Expansion 进程，需跟踪一系列可定量指标，包括成本、价格、采用率与效率指标。关键参数如下：

注：以上数据以 2024–2025 年初可获得信息为基准。

技术路线

Seat Expansion 不单是一个时间点的突变，而是一条由三种技术路线交织推进的演进轨迹。每条路线聚焦不同的瓶颈，但最终目标一致：实现可盈利的规模化 AI 席位。

1. 推理硬件降本路线

   • 通用 GPU 路线：以 NVIDIA 为代表，按代际提升推理能效。2024 年发布的 B200（Blackwell）相比 H100，在大模型推理吞吐上数倍提升；L40S 等推理专用卡在性价比上更具优势。
   • 定制 ASIC 路线：博通、Marvell 协助谷歌、亚马逊、微软、Meta 等设计的推理专用芯片（如 Google TPU v5p/v5e、AWS Trainium/Inferentia 系列）。相较于通用 GPU，定制 ASIC 在特定模型上可以实现更高的每瓦性能与更低的 TCO。
   • 推理芯片初创公司：如 Groq、d-Matrix、Cerebras 等，以独特架构（如近存计算、晶圆级芯片）争夺低延迟和高批处理效率的利基市场。

2. 推理系统软件优化路线
   主流推理框架与系统（vLLM、TensorRT-LLM、SGLang、LMDeploy 等）在 2023–2024 年快速成熟，普遍集成了连续批处理、PagedAttention、PD 分离、量化内核等能力。云厂商的推理服务平台（AWS Bedrock、Azure AI Model Catalog、GCP Vertex AI）将这些优化封装为托管服务，企业无需自建复杂系统。

3. 模型效率提升与“右侧压缩”路线
   即通过模型能力提升，使得更小、更便宜的模型能够胜任之前需要大模型的任务，从而降低单席位的模型成本。典型趋势包括：

   • 开源模型能力追近闭源模型：Meta Llama 3、Mistral、Qwen 2.5 等系列不断缩小与 GPT-4 类模型的差距。
   • 模型蒸馏与知识迁移：用大模型生成的合成数据训练小模型，使其在特定任务上效果极佳。
   • 多模型协作路由：在简单查询时调用小模型，复杂任务调用大模型，混合优化总成本。

上述三条路线相互叠加。例如，定制 ASIC 配合针对该芯片深度优化的推理框架，并部署经过蒸馏的小模型，可以将单席位推理成本压低至十分之一甚至更低。具体路线博弈将在“玩家对比”中进一步讨论。

上游

Seat Expansion 的上游供给侧包括一切能够降低“单席位 AI COGS”的技术和产品供应商。

• 半导体与硬件

  • GPU/加速器供应商：NVIDIA (H100/H200/B200/L40S)、AMD (MI300X 后续推理产品)、Intel (Gaudi 3)。
  • 定制芯片设计与 IP：博通、Marvell，为超大规模客户提供 ASIC 设计与 SerDes 互联方案。据博通 2024 财年（截至 2024 年 10 月）财报，其 AI 相关芯片收入大幅增长，主要来自谷歌等客户定制订单。
  • HBM 内存供应商：SK 海力士（2024 年率先量产 HBM3E 12hi 产品）、三星、美光。HBM 的产能与价格直接影响 AI 加速卡成本与供应。
  • 先进封装与制造：台积电（CoWoS 产能是 GPU 供应的关键瓶颈之一），日月光、安靠等封装公司。

• 网络与互连

  • 博通、Marvell 的交换芯片（Tomahawk、Jericho 系列）；
  • AI 以太网（Spectrum-X）及 InfiniBand 生态；
  • 光模块/铜缆互连供应商（如中际旭创、Coherent、Credo），800G/1.6T 速率升级直接影响数据中心规模推理集群的构建成本。

• 数据中心与云基础设施

  • 超大规模云厂商（AWS、Azure、GCP）既是上游算力的最大买家，也是向下游提供推理服务的供应商。
  • GPU 云服务商（CoreWeave、Lambda Labs）提供对稀缺 GPU 的灵活访问，对推理负载突发性强、不愿大量自建集群的企业至关重要。

• 基础模型 API 提供商

  • OpenAI、Anthropic、Google DeepMind、Meta（开源模型），以及国内百度、阿里、智谱等。其模型 API 定价为下游应用设定成本天花板。2024 年密集上演的 API 价格战（如 GPT-4o mini 免费额度提升、通义千问降价）直接为 Seat Expansion 提供成本侧催化。

上游的核心叙事是：自 2023 年以来，全部上游环节都在围绕“降低推理成本”跑步前进，每一个环节的代际进步都为下游 SaaS 厂商释放出可观的毛利空间储备。

下游

下游是真正实现 Seat Expansion 价值的实施者和最终付费主体，主要分为三类：

• 企业软件 / SaaS 厂商（主角）
  他们拥有存量客户基础、业务数据和场景嵌入优势。按照客户类别和工作流场景，可以分为几个子类：

  • 生产力与办公协同：Microsoft 365 Copilot、Google Workspace Duet AI。微软拥有超过 3.8 亿的 Office 365 商业席位（2024 年 Q3 披露数据），哪怕只有 5% 的席位升级到 $30/月的 Copilot，也会带来数十亿美元年化增量收入。
  • CRM 与客户服务：Salesforce、ServiceNow、HubSpot。这些系统原本就是“记录系统”，AI 代理可转变其为“行动系统”。
  • 设计与创意工具：Adobe（Firefly 集成进 Photoshop、Illustrator 等，通过生成式积分消费模式），Canva。
  • 财务与法律垂直应用：Intuit（TurboTax、QuickBooks 的 AI 财税助手），Thomson Reuters、LegalZoom。
  • 开发工具与 DevOps：GitHub Copilot（微软旗下，据 2024 年公开报道已有超过 180 万付费用户，年化收入数亿美元），GitLab、JetBrains。
  • 数据分析与智能决策：Palantir（AIP 平台，2024 年 Q3 财报显示商业客户数量及单客户收入均加速增长）。

• 系统集成商与咨询公司
  埃森哲、德勤、凯捷等帮助大型企业定制集成 AI Agent，是 Seat Expansion 落地中的重要渠道。他们往往承接将大模型能力转化为特定行业工作流的“最后一公里”。

• 终端企业用户
  全球超过 10 亿的知识工作者是最终付费来源。其购买决策取决于 AI 代理带来的可量化业务价值——降本（如减少客服人力需求）、增收（如提升销售线索转化率）或提效（如自动生成报告）。

从产业链位置看，SaaS 厂商是“AI 变现放大器”：他们用一套标准化的 AI 能力，乘以自身已经触达的数百万乃至上亿席位，将上游成本的微小变化放大为收入端的显著增量。

受益公司

Seat Expansion 的受益逻辑并非均匀分布，不同层级受益顺序和持续性不同。以下列出公开财报与业务动向中已显现清晰受益路径的公司（截至 2025 年 1 月公开信息），不构成任何投资建议。

• 推理硬件 / 芯片层

  • NVIDIA (2025 财年 H2，截至 2024 年 10 月的财报显示数据中心收入中推理占比已超过 40%，管理层预计随着 Agent 化推理需求增长，推理将占更大比重。)
  • 博通 (2024 财年定制 AI 芯片业务收入逾 100 亿美元，驱动增长主要为头部客户新一代推理 ASIC。)
  • 台积电 (CoWoS 先进封装产能持续扩张，是 NVIDIA、AMD、博通等 GPU/ASIC 的制造底座，直接受益于推理芯片出货增加。)

• 云基础设施层

  • 微软 (Azure 2024 年 Q3 财报显示 AI 服务贡献的收入增长约 33%，其中推理 API 和模型托管是重要组成部分；作为 OpenAI 独家云服务商，具备从模型到应用的全栈能力。)
  • 亚马逊 AWS (自研 Inferentia2/Trainium 芯片，2024 年宣布 Anthropic 将用其训练和推理；Bedrock 推理服务平台客户快速增加。)
  • 谷歌云 (TPU v5p/v5e 支持自身与外部客户推理，Gemini 模型深度整合至 Workspace 与 Google Cloud。)

• 基础模型层

  • OpenAI（未上市，2024 年收入有望突破 30 亿美元，大部分来自 API 调用和 ChatGPT 订阅，是下游应用的最主要推理成本来源之一。）
  • Anthropic（未上市，为下游编程 Agent 等应用提供 Claude API。）

• 应用 / SaaS 层
  此层为 Seat Expansion 的最终价值释放层，其中拥有海量席位、高粘性工作流和专有数据的公司受益最为显著：

  • 微软 (Office 365 + Copilot) —— 席位基数最大，AI 附加包价格相对透明。
  • Salesforce (CRM + Einstein GPT) —— 销售与服务 Agent 场景明确，企业数据护城河深厚。
  • ServiceNow (ITSM/ITOM 工作流自动化 + Now Assist) —— 2024 年 Q3 财报显示现在助手（Now Assist）相关大额交易数量增长显著。
  • Adobe (Creative, Document, Experience Cloud) —— 生成式积分模式将 AI 使用量深度绑定至订阅。
  • Palantir (AIP 平台，2024 年 Q3 财报商业收入同比增长逾 50%，部分得益于 AI 驱动合同增长。)
  • Intuit (财税 AI 助手) 、Workday（HR/财务 AI 代理）等同属重要观察目标。

市场规模

Seat Expansion 的市场机会是“存量 SaaS 市场 × AI 升级率 × 价格增量”。可从几个层次估算：

• 基础池：全球企业软件与 SaaS 市场
  Gartner 预计 2024 年全球企业软件支出约 $1.0 万亿美元（口径涵盖 SaaS、PaaS、应用软件等）。其中，SaaS 子市场在 2023 年已约 $1970 亿，IDC 预计到 2026 年将达 $3000 亿以上。（来源：Gartner, “Gartner Forecasts Worldwide IT Spending to Grow 6.8% in 2024”； IDC, “Worldwide SaaS and Cloud Software Market Forecast, 2023–2027”。）

• 可升级的席位估算
  根据 Statista 等机构数据，全球知识工作者人数超过 10 亿，其中约 5–8 亿已经使用某种企业软件账户。以此计算，市场潜在可升级的 AI 席位数量在 数亿级别。

• 价格增量与渗透率情景

  • 保守情形：假设至 2027 年，全球约 10% 的企业软件席位（约 5000 万席位）以平均 $20/月 AI 附加费升级，则年化增量市场约为 $120 亿。
  • 中性情形：20% 的席位以 $30/月升级（1 亿席位），年化市场 $360 亿。
  • 乐观情形：30% 的席位以 $50/月升级（1.5 亿席位），年化可达 $900 亿。
    注：上述为示意性测算，未考虑流失率、价格折扣及逐步渗透等因素，基于公开可得的席位数量与平均价格假设，并非预测。

• 实际观察数据

  • 微软 Copilot 在 2024 年已覆盖约 3.8 亿商业 Office 365 席位。假设早期渗透率 5%，年化贡献约 $6.8 亿（$30/月 × 12 × 0.05 × 3.8 亿）。微软 2024 财年 Q4（截至 6 月）未披露 Copilot 具体收入，但提到“被财富 500 强中 60% 的公司采用”，暗示渗透正在提升。
  • Salesforce 在 2025 财年（2024 年 2 月–2025 年 1 月）关于 Einstein GPT 的订阅收入未单独列示，但公司高管在 2024 年 Dreamforce 大会上表示，Agentforce 等 Agent 功能有望在 2025 年加速 AI 货币化。

Seat Expansion 市场的关键不确定性在于普及速度，而非最终上限。由于它是现有需求的“升级”，而非创造全新品类，因此只要技术成本与经济价值日趋对齐，市场理应较快展开。

玩家对比

不同厂商实现 Seat Expansion 的打法差异显著。以下从定价模式、技术栈、壁垒和局限几个维度进行对比：

对比可看出，数据护城河与工作流嵌入深度决定了 SaaS 厂商在 Seat Expansion 中的溢价能力和留存率，而定价模式直接影响短期渗透速度。Microsoft 的明确加价路线最易被外界测度；Salesforce 和 ServiceNow 的深层捆绑模式让 AI 价值更难以剥离，但客户感知价值可能更强；Adobe 的积分模式则提供了以用量驱动收入的灵活杠杆。

风险

Seat Expansion 虽前景广阔，但现实推进面临多重风险，需持续评估。

1. AI 代理可靠性与“幻觉”风险
   企业场景要求 99%+ 的任务成功率和事实准确性。当前大模型在生成内容上尚存高不确定性的“幻觉”，若在客服、法律文书、财税等场景出现重大错误，可能引发客户大规模索赔或监管处罚，从而打击企业采购信心。

2. 推理成本下降不及预期
   推理成本下降依赖于芯片性能提升、系统优化和模型效率进步等多因素同步推进。若 HBM 供给短缺、先进封装产能不足或新架构芯片推迟，推理成本可能长期高位，导致典型 SaaS 厂商无法获得合意毛利，延缓 Seat Expansion 节奏。

3. 隐私、合规与数据安全
   企业 AI 席位需处理大量敏感数据（客户资料、财务数据、内部通信）。跨地区数据保护法规（GDPR、CCPA 等）可能限制数据流动和模型微调；部分企业（如金融、国防）对数据离开自家控制有极严要求，大幅增加部署难度和成本。

4. 定价模式冲突与收入侵蚀
   混合定价（订阅 + 用量）可能导致预算不确定性，客户可能对超额费用产生抵触。同时，一些 AI 功能与现有订阅功能重叠，可能引发“左手打右手”的自相蚕食，造成总收入并未增长反而下降。

5. 巨头的平台降维竞争
   超大规模云厂商和基础模型提供者有向下游侵蚀的动机。例如，谷歌为自身办公套件集成了 Gemini 并同步提供 API 给第三方，形成双重身份。SaaS 厂商在技术高度雷同的情况下，面临“基础设施层免费或低价提供 AI 服务”的风险。

6. 用户使用频次与价值感知过低
   即便技术可行，企业采购后若员工实际使用率低，客户续约和增购意愿将不足。AI 席位从“付费开启”到“高频刚需”的转化仍待时间验证。

误读纠偏

1. 误读：Seat Expansion 等同于 AI 终端设备出货量的增长

   • 纠偏：这里的“席位”指企业软件订阅中的付费用户许可，与物理设备数量无关。它衡量的是能够使用 AI 服务的用户账户数，其增长来自存量用户的升级和新用户的加入。

2. 误读：Seat Expansion 需要 AGI 才能发生

   • 纠偏：Seat Expansion 不依赖于 AGI。它依赖于在狭窄的、可测量的具体任务中，AI Agent 达到超越人工的成本效益比。比如一个 AI 客服解决 80% 常见咨询，或 AI 代码助手将输出效率提升 50%，就已足够支撑席位增值。可靠性比通用性更重要。

3. 误读：Seat Expansion 将使所有 SaaS 公司同等受益

   • 纠偏：受益程度高度分化。拥有独特、高质量私有数据和不可替代工作流的 SaaS 公司具备强大护城河。通用聊天界面容易被替代，而囊括了客户全生命周期数据的 CRM、嵌入了企业 IT 运维流程的 ITSM 平台，其 AI 助理的价值黏性远高于单点工具。

4. 误读：AI 推理成本降低将直接转化为 SaaS 公司利润

   • 纠偏：初期，SaaS 公司为抢占市场份额可能采取低价甚至补贴策略，推理成本下降的红利可能通过价格战转移给客户，导致自身毛利率短期并未提升。此外，快速迭代的 AI 功能也需要持续研发投入。因此，Seat Expansion 对利润的正面影响需要在中长期维度上观察。

最新事件

（本节选取截至 2025 年 1 月公开信息中的重要里程碑，以展示 Seat Expansion 从概念到现实的推进。）

• 2024 年 5 月：OpenAI 发布 GPT-4o，多模态推理效率大幅提升，API 价格相比 GPT-4 降低 50%。同期，微软 Build 大会上集成 GPT-4o 的 Copilot 能力升级，并公布 Copilot Stack 供企业构建定制 AI 代理。
• 2024 年 6 月：Apple 在 WWDC 推出 Apple Intelligence，虽主要面向消费端，但其端侧+私有云推理架构对“企业级 AI 隐私”抛出另一套答案，间接影响企业 AI 部署模式假设。
• 2024 年 9 月：Salesforce Dreamforce 大会上推出 Agentforce，旨在让企业构建自助式 AI 客服和销售代理，宣称单会话成本约 $2，大幅低于现有人工成本。
• 2024 年 10 月：ServiceNow 公布 Now Platform Xanadu 版本，Now Assist 能力扩展至更多工作流，并披露了多项大额客户签约。
• 2024 年 11 月：Anthropic 发布 Claude 3.5 Haiku，性能接近上代最强模型，但成本和速度对标轻量级模型，进一步拉低编程 Agent 等场景的推理成本。
• 2024 年 12 月：微软 2025 财年 Q2（截至 2024 年 12 月）财报待公布，市场将高度关注 Copilot 的采用指标与收入指引。公开资料可见的券商调查（如 Evercore ISI 2024 年 12 月企业调查）显示，企业 AI 预算在 2025 年计划中显著提升。

（注：上述信息来自各公司官方博客、财报及公开媒体报道。）

跟踪指标

为持续追踪 Seat Expansion 进程，可从以下指标框架入手，定期采集公开数据并比对趋势。

跟踪时需注意，多数 SaaS 厂商目前尚未充分披露 AI 业务的分项数据，随着 Seat Expansion 深化，预计披露颗粒度将逐步提升。

信源

• 公司财报与电话会议：NVIDIA、Microsoft、Salesforce、ServiceNow、Adobe、Palantir、博通、台积电等公司季度/年度财报、电话会记录（2024–2025 年公开文件）。
• 云服务定价页面：Azure OpenAI Service, Google Vertex AI, AWS Bedrock 官方定价页面（2025 年 1 月查阅）。
• 行业研究报告：Gartner “Forecast: Enterprise Software Markets, Worldwide, 2022–2028” 系列；IDC “Worldwide SaaS and Cloud Software Forecast, 2023–2027”；SemiAnalysis 关于推理成本与芯片架构的分析文章。
• 券商调查：摩根士丹利、Evercore ISI、高盛等发布的 CIO 调查及软件行业研究报告（2024 年末）。
• 官方技术博客与会议：NVIDIA GTC 2024 主题演讲；Microsoft Build 2024；Salesforce Dreamforce 2024；OpenAI, Anthropic 官方博客；vLLM, TensorRT-LLM 等项目文档。
• 新闻媒体：The Information, Bloomberg, Reuters 等关于企业 AI 战略的深度报道。

声明：本文所有涉及市值、收入、市场份额的具体数字均来自公开财务披露或行业机构估算，已尽可能标明时间、口径与来源。对未来趋势的讨论仅为逻辑推演，不构成任何投资建议或买卖推荐。