Seat Expansion

3 秒看懂

Seat Expansion 描述的並非 AI 伺服器出貨量增長，而是企業軟體付費席位因 AI 功能而從“普通席位”升級為“AI 席位”的規模化擴散。當單席位的 AI 推論成本降到足夠低，SaaS 公司就能以 $50–$200/月/席位的增量價格，向數億知識工作者提供“AI 助手”訂閱。這是 AI 產業從基建投資轉向應用變現、從資本支出驅動轉向經常性營收驅動的關鍵轉折。

3 分鐘產業解釋

過去三年，AI 產業曾經經歷截然不同的增長邏輯。第一階段是“基建競賽”：以微軟、亞馬遜、Google、Meta 為代表的超大規模雲端廠商投入數千億美元採購 GPU、建設訓練叢集，追逐大型模型的規模定律（Scaling Laws）。這個階段可以類比為“修高速公路”——衡量標準是算力叢集的 FLOPS、光模組的出貨量、資料中心的能耗指標。

第二階段是“推論規模化”：隨著大型模型引數增長放緩，訓練需求佔比開始低於推論需求。產業焦點轉向如何用更少的計算資源、更低的延遲、更便宜的每次呼叫成本來支撐海量推論請求。技術抓手包括 PD 分離、連續批處理、投機解碼、INT4/INT8 量化等。雲端廠商推論 API 定價在此期間出現“價格戰”，單次推論成本以季度為單位快速下降。

第三階段便是 Seat Expansion。它的核心經濟邏輯是：當執行一個 AI Agent 的單席位月度總成本（COGS） 降至約 $30–$70 以下（取決於場景），企業軟體廠商就可以在基本席位費之上疊加 $50–$200 的 AI 附加包，且仍能維持 60%–80% 的增量毛利率。此時，傳統 SaaS 的按人頭訂閱模式開始注入基於使用量的 AI 變數，形成了“基礎訂閱 + AI 增值”的混合定價。這一轉變一旦發生，AI 投資的價值就會通過千萬級、億級的付費席位，從硬體層大規模傳導至應用層。

簡單公式：

單席位 AI 增量毛利 ≈ AI 附加包訂閱價格（ARPU 增量） − 單席位月度 AI 推論 COGS

Seat Expansion 的本質是等式右側被硬體進步、系統最佳化與演算法壓縮不斷壓低，使得左側最終變得充裕且可持續，從而引爆企業軟體市場的新一輪增長。

技術原理

Seat Expansion 的經濟可行性由 單位經濟模型（Unit Economics） 支撐。傳統 SaaS 產品的成本優勢來自固定成本攤銷：每增加一個席位，增量成本接近於零，毛利率可達 70%–90%。AI 原生 SaaS 則引入了與使用者活躍度成正比的可變推論成本，其模型變為：

單席位毛利 ≈ 訂閱價格（ARPU） − (AI 推論可變成本 + 軟體/模型研發攤銷)

當 AI 推論 COGS 佔 ARPU 的比例低於 30% 時，SaaS 廠商才有動力大規模推廣 AI 席位。壓縮 COGS 的技術槓桿分佈在三個層面：

1. 算力層

   • 晶片微架構針對矩陣乘和注意力機制進行硬化加速。
   • 先進封裝（如 CoWoS-S、CoWoS-L）提升 HBM 容量與頻寬，緩解記憶體牆。
   • 更優的 FP8/FP4 精度支援直接降低單 Token 能耗。
     例：NVIDIA 公開資料顯示，Blackwell 架構 GPU（B200）與 Hopper 相比，在特定推論場景下每瓦特效能提升 2–4 倍（2024 GTC 釋出資料）。

2. 系統層

   • 連續批處理（Continuous Batching）：將多個併發請求的動態計算任務合併，提高 GPU 計算單元飽和度。
   • PD 分離：將 Prefill（計算密集）和 Decode（記憶體密集）階段拆分到不同硬體例項，針對各自瓶頸獨立最佳化。
   • 彈性伸縮與多租戶排程：根據即時流量分配 GPU/MIG 資源，降低空閒率。
     推論結果：Anyscale、Fireworks 等服務商的基準測試表明，採用上述技術的推論系統，在同等硬體下 Token 吞吐量可提升 2–5 倍（2024 年公開技術部落格）。

3. 演算法層

   • 模型蒸餾與量化（如 GPT-4o mini 級別的模型）使複雜任務可在較小的模型上完成。
   • 投機解碼（Speculative Decoding）利用草稿模型生成多個候選 Token，再由主模型驗證，可顯著加速自迴歸生成。
   • 高效注意力機制（FlashAttention、Ring Attention 等）將長上下文推論的記憶體與計算開銷大幅降低。

技術降本的“三重奏”共同推動單席位月度 COGS 越過臨界點。當企業客戶的日均 AI 呼叫次數穩定、可預測，SaaS 廠商便能以固定月費包裝服務，實現健康的邊際獲利。

關鍵引數

衡量 Seat Expansion 程序，需追蹤一系列可定量指標，包括成本、價格、採用率與效率指標。關鍵引數如下：

引數名稱	定義	典型數值/趨勢（2024–2025 年）	來源/說明
雲端端推論 API 價格	大型模型 API 每百萬 Token 輸入/輸出價格	GPT-4o mini: $0.15/$0.60；Gemini 1.5 Flash: 類似量級；開源模型託管服務價格更低	各雲端廠商官網定價頁面（2025 年 1 月資料）
單次推論成本（$/M Tokens）	使用自有硬體的完全分攤推論成本	第三方估計：2024 年中已降至約 $0.5–$2/M Tokens（取決於模型規模與利用率）	SemiAnalysis 等研究機構估算，具體口徑因假設差異較大
單席位月度 AI COGS	平均每個付費使用者每月消耗的 AI 推論總成本	場景差異大：輕量文件助理預估 $10–$30；重度程式碼生成輔助可達 $50–$100	公開資料未見權威行業平均數，多為 SaaS 廠商內部資料
AI 附加包價格	SaaS 廠商針對 AI 功能的增量訂閱費用	Microsoft 365 Copilot: $30/使用者/月；Salesforce Einstein GPT: 約 $50/使用者/月（部分版本）；Adobe Acrobat AI Assistant: $4.99/月起（2024 年定價）	各公司官網與財報揭露
AI 功能採用率（Attach Rate）	已有客戶中購買 AI 附加包的比例	早期指標：Microsoft 2024 年財報未揭露具體 Copilot 採用率，分析師估計企業採用率低單位數百分比；ServiceNow 在 2024 年 Q3 電話會中提到 Pro Plus 版本的 uptake 正在加速	公司財報電話會及分析師報告
ARPU 增量（△ARPU）	AI 帶來的平均每席位營收提升	因採用率變化和套餐結構差異，尚處初期；Adobe 2024 財年管理層評論中提及 AI 對 ARPU 帶來“積極貢獻”，未給出精確美元數字	公司財報
AI 毛利率	含 AI 功能的業務線毛利率	早期因基礎設施前期投入和低利用率，毛利率可能面臨壓力；但隨著規模化和降本，預計將接近傳統 SaaS 水平（70%+）	各公司財報；ServiceNow 2024 年 Q3 表示訂閱毛利率穩定，未單獨拆分 AI 影響
Token 利用率/活躍度	每位使用者日均/月均 Prompt 數	對於開發工具類產品，有報道稱重度使用者每日呼叫達數十次；通用辦公場景可能每日數次	公開資料未見系統統計，多為公司揭露的使用者活躍度定性描述

注：以上資料以 2024–2025 年初可獲得資訊為基準。

技術路線

Seat Expansion 不單是一個時間點的突變，而是一條由三種技術路線交織推進的演進軌跡。每條路線聚焦不同的瓶頸，但最終目標一致：實現可盈利的規模化 AI 席位。

1. 推論硬體降本路線

   • 通用 GPU 路線：以 NVIDIA 為代表，按代際提升推論能效。2024 年釋出的 B200（Blackwell）相比 H100，在大型模型推論吞吐上數倍提升；L40S 等推論專用卡在價效比上更具優勢。
   • 定製 ASIC 路線：博通、Marvell 協助Google、亞馬遜、微軟、Meta 等設計的推論專用晶片（如 Google TPU v5p/v5e、AWS Trainium/Inferentia 系列）。相較於通用 GPU，定製 ASIC 在特定模型上可以實現更高的每瓦效能與更低的 TCO。
   • 推論晶片初創公司：如 Groq、d-Matrix、Cerebras 等，以獨特架構（如近存計算、晶圓級晶片）爭奪低延遲和高批處理效率的利基市場。

2. 推論系統軟體最佳化路線
   主流推論架構與系統（vLLM、TensorRT-LLM、SGLang、LMDeploy 等）在 2023–2024 年快速成熟，普遍集成了連續批處理、PagedAttention、PD 分離、量化核心等能力。雲端廠商的推論服務平台（AWS Bedrock、Azure AI Model Catalog、GCP Vertex AI）將這些最佳化封裝為託管服務，企業無需自建複雜系統。

3. 模型效率提升與“右側壓縮”路線
   即通過模型能力提升，使得更小、更便宜的模型能夠勝任之前需要大型模型的任務，從而降低單席位的模型成本。典型趨勢包括：

   • 開源模型能力追近閉源模型：Meta Llama 3、Mistral、Qwen 2.5 等系列不斷縮小與 GPT-4 類模型的差距。
   • 模型蒸餾與知識遷移：用大型模型生成的合成數據訓練小模型，使其在特定任務上效果極佳。
   • 多模型協作路由：在簡單查詢時呼叫小模型，複雜任務呼叫大型模型，混合最佳化總成本。

上述三條路線相互疊加。例如，定製 ASIC 配合針對該晶片深度最佳化的推論架構，並部署經過蒸餾的小模型，可以將單席位推論成本壓低至十分之一甚至更低。具體路線博弈將在“玩家對比”中進一步討論。

上游

Seat Expansion 的上游供給側包括一切能夠降低“單席位 AI COGS”的技術和產品供應商。

• 半導體與硬體

  • GPU/加速器供應商：NVIDIA (H100/H200/B200/L40S)、AMD (MI300X 後續推論產品)、Intel (Gaudi 3)。
  • 定製晶片設計與 IP：博通、Marvell，為超大規模客戶提供 ASIC 設計與 SerDes 互聯方案。據博通 2024 財年（截至 2024 年 10 月）財報，其 AI 相關晶片營收大幅增長，主要來自Google等客戶定製訂單。
  • HBM 記憶體供應商：SK 海力士（2024 年率先量產 HBM3E 12hi 產品）、三星、美光。HBM 的產能與價格直接影響 AI 加速卡成本與供應。
  • 先進封裝與製造：台積電（CoWoS 產能是 GPU 供應的關鍵瓶頸之一），日月光、安靠等封裝公司。

• 網路與互連

  • 博通、Marvell 的交換晶片（Tomahawk、Jericho 系列）；
  • AI 乙太網路（Spectrum-X）及 InfiniBand 生態；
  • 光模組/銅纜互連供應商（如中際旭創、Coherent、Credo），800G/1.6T 速率升級直接影響資料中心規模推論叢集的建置成本。

• 資料中心與雲端基礎設施

  • 超大規模雲端廠商（AWS、Azure、GCP）既是上游算力的最大買家，也是向下遊提供推論服務的供應商。
  • GPU 雲端服務商（CoreWeave、Lambda Labs）提供對稀缺 GPU 的靈活訪問，對推論負載突發性強、不願大量自建叢集的企業至關重要。

• 基礎模型 API 提供商

  • OpenAI、Anthropic、Google DeepMind、Meta（開源模型），以及國內百度、阿里、智譜等。其模型 API 定價為下游應用設定成本天花板。2024 年密集上演的 API 價格戰（如 GPT-4o mini 免費額度提升、通義千問降價）直接為 Seat Expansion 提供成本側催化。

上游的核心敘事是：自 2023 年以來，全部上游環節都在圍繞“降低推論成本”跑步前進，每一個環節的代際進步都為下游 SaaS 廠商釋放出可觀的毛利空間儲備。

下游

下游是真正實現 Seat Expansion 價值的實施者和最終付費主體，主要分為三類：

• 企業軟體 / SaaS 廠商（主角）
  他們擁有存量客戶基礎、業務資料和場景嵌入優勢。按照客戶類別和工作流場景，可以分為幾個子類：

  • 生產力與辦公協同：Microsoft 365 Copilot、Google Workspace Duet AI。微軟擁有超過 3.8 億的 Office 365 商業席位（2024 年 Q3 揭露資料），哪怕只有 5% 的席位升級到 $30/月的 Copilot，也會帶來數十億美元年化增量營收。
  • CRM 與客戶服務：Salesforce、ServiceNow、HubSpot。這些系統原本就是“記錄系統”，AI 代理可轉變其為“行動系統”。
  • 設計與創意工具：Adobe（Firefly 整合進 Photoshop、Illustrator 等，通過生成式積分消費模式），Canva。
  • 財務與法律垂直應用：Intuit（TurboTax、QuickBooks 的 AI 財稅助手），Thomson Reuters、LegalZoom。
  • 開發工具與 DevOps：GitHub Copilot（微軟旗下，據 2024 年公開報道已有超過 180 萬付費使用者，年化營收數億美元），GitLab、JetBrains。
  • 資料分析與智慧決策：Palantir（AIP 平台，2024 年 Q3 財報顯示商業客戶數量及單客戶營收均加速增長）。

• 系統整合商與諮詢公司
  埃森哲、德勤、凱捷等幫助大型企業定製整合 AI Agent，是 Seat Expansion 落地中的重要渠道。他們往往承接將大型模型能力轉化為特定行業工作流的“最後一公里”。

• 終端企業使用者
  全球超過 10 億的知識工作者是最終付費來源。其購買決策取決於 AI 代理帶來的可量化業務價值——降本（如減少客服人力需求）、增收（如提升銷售線索轉化率）或提效（如自動生成報告）。

從產業鏈位置看，SaaS 廠商是“AI 變現放大器”：他們用一套標準化的 AI 能力，乘以自身已經觸達的數百萬乃至上億席位，將上游成本的微小變化放大為營收端的顯著增量。

受益公司

Seat Expansion 的受益邏輯並非均勻分佈，不同層級受益順序和持續性不同。以下列出公開財報與業務動向中已顯現清晰受益路徑的公司（截至 2025 年 1 月公開資訊），不構成任何投資建議。

• 推論硬體 / 晶片層

  • NVIDIA (2025 財年 H2，截至 2024 年 10 月的財報顯示資料中心營收中推論佔比已超過 40%，管理層預計隨著 Agent 化推論需求增長，推論將佔更大比重。)
  • 博通 (2024 財年定製 AI 晶片業務營收逾 100 億美元，驅動增長主要為頭部客戶新一代推論 ASIC。)
  • 台積電 (CoWoS 先進封裝產能持續擴張，是 NVIDIA、AMD、博通等 GPU/ASIC 的製造底座，直接受益於推論晶片出貨增加。)

• 雲端基礎設施層

  • 微軟 (Azure 2024 年 Q3 財報顯示 AI 服務貢獻的營收增長約 33%，其中推論 API 和模型託管是重要組成部分；作為 OpenAI 獨家雲端服務商，具備從模型到應用的全棧能力。)
  • 亞馬遜 AWS (自研 Inferentia2/Trainium 晶片，2024 年宣佈 Anthropic 將用其訓練和推論；Bedrock 推論服務平台客戶快速增加。)
  • Google雲端 (TPU v5p/v5e 支援自身與外部客戶推論，Gemini 模型深度整合至 Workspace 與 Google Cloud。)

• 基礎模型層

  • OpenAI（未上市，2024 年營收有望突破 30 億美元，大部分來自 API 呼叫和 ChatGPT 訂閱，是下游應用的最主要推論成本來源之一。）
  • Anthropic（未上市，為下游程式設計 Agent 等應用提供 Claude API。）

• 應用 / SaaS 層
  此層為 Seat Expansion 的最終價值釋放層，其中擁有海量席位、高粘性工作流和專有資料的公司受益最為顯著：

  • 微軟 (Office 365 + Copilot) —— 席位基數最大，AI 附加包價格相對透明。
  • Salesforce (CRM + Einstein GPT) —— 銷售與服務 Agent 場景明確，企業資料護城河深厚。
  • ServiceNow (ITSM/ITOM 工作流自動化 + Now Assist) —— 2024 年 Q3 財報顯示現在助手（Now Assist）相關大額交易數量增長顯著。
  • Adobe (Creative, Document, Experience Cloud) —— 生成式積分模式將 AI 使用量深度繫結至訂閱。
  • Palantir (AIP 平台，2024 年 Q3 財報商業營收年增率增長逾 50%，部分得益於 AI 驅動合同增長。)
  • Intuit (財稅 AI 助手) 、Workday（HR/財務 AI 代理）等同屬重要觀察目標。

市場規模

Seat Expansion 的市場機會是“存量 SaaS 市場 × AI 升級率 × 價格增量”。可從幾個層次估算：

• 基礎池：全球企業軟體與 SaaS 市場
  Gartner 預計 2024 年全球企業軟體支出約 $1.0 萬億美元（口徑涵蓋 SaaS、PaaS、應用軟體等）。其中，SaaS 子市場在 2023 年已約 $1970 億，IDC 預計到 2026 年將達 $3000 億以上。（來源：Gartner, “Gartner Forecasts Worldwide IT Spending to Grow 6.8% in 2024”； IDC, “Worldwide SaaS and Cloud Software Market Forecast, 2023–2027”。）

• 可升級的席位估算
  根據 Statista 等機構資料，全球知識工作者人數超過 10 億，其中約 5–8 億已經使用某種企業軟體帳戶。以此計算，市場潛在可升級的 AI 席位數量在 數億級別。

• 價格增量與滲透率情景

  • 保守情形：假設至 2027 年，全球約 10% 的企業軟體席位（約 5000 萬席位）以平均 $20/月 AI 附加費升級，則年化增量市場約為 $120 億。
  • 中性情形：20% 的席位以 $30/月升級（1 億席位），年化市場 $360 億。
  • 樂觀情形：30% 的席位以 $50/月升級（1.5 億席位），年化可達 $900 億。
    注：上述為示意性測算，未考慮流失率、價格折扣及逐步滲透等因素，基於公開可得的席位數量與平均價格假設，並非預測。

• 實際觀察資料

  • 微軟 Copilot 在 2024 年已覆蓋約 3.8 億商業 Office 365 席位。假設早期滲透率 5%，年化貢獻約 $6.8 億（$30/月 × 12 × 0.05 × 3.8 億）。微軟 2024 財年 Q4（截至 6 月）未揭露 Copilot 具體營收，但提到“被財富 500 強中 60% 的公司採用”，暗示滲透正在提升。
  • Salesforce 在 2025 財年（2024 年 2 月–2025 年 1 月）關於 Einstein GPT 的訂閱營收未單獨列示，但公司高管在 2024 年 Dreamforce 大會上表示，Agentforce 等 Agent 功能有望在 2025 年加速 AI 貨幣化。

Seat Expansion 市場的關鍵不確定性在於普及速度，而非最終上限。由於它是現有需求的“升級”，而非創造全新品類，因此只要技術成本與經濟價值日趨對齊，市場理應較快展開。

玩家對比

不同廠商實現 Seat Expansion 的打法差異顯著。以下從定價模式、技術棧、壁壘和侷限幾個維度進行對比：

玩家	定價模式	模型策略	資料/工作流壁壘	主要侷限
Microsoft	明確附加費（$30/月 Copilot for M365）	OpenAI 模型為核心，部分負載由微軟自研小模型支援	強：Office 文件、郵件、會議等是最普遍的工作流，資料量極大	AI 輸出準確性與企業資料隱私仍需持續證明；CoPilot 滲透率初始爬坡慢
Salesforce	Einstein GPT + Agentforce 功能與現有雲端產品捆綁，定價為 $/席位/月模式（約 $50）	多模型策略（OpenAI, Google 等），基於 Einstein 平台	極強：CRM 擁有客戶全生命週期資料，工作流粘性極高	AI 銷售代理成功率需在客戶真實業務中驗證；銷售週期可能較長
ServiceNow	Now Assist 作為 Pro Plus 版本的一部分，提價 20-30%	依託自有領域模型最佳化，通用模型作為補充	強：IT 運維與 CMDB 工作流高度標準化，資料既是壁壘也是優勢	產品線廣，AI 能力均質化部署需要時間
Adobe	生成式積分（生成式 AI 功能消耗積分，按信用額度分檔）	Firefly 系列自研模型，注重版權安全	強：創意工作流不可替代，資產庫（素材、字型、模板）極具價值	積分模式使用者體驗爭議，對重度使用者可能定價過高
GitHub (微軟)	個人 $10/月，企業 $19/月（Copilot）	OpenAI Codex 模型等	中強：程式碼倉庫與開發者社群，工作流整合（IDE）	程式碼安全性、許可合規是大規模企業採納的障礙
Palantir	AIP 平台訂閱，合約價值大，價格不公開	多模型靈活接入	極強：政府與大型企業定製化資料整合與決策工作流	高客單價、長實施週期，難以像普通 SaaS 一樣快速放量

對比可看出，資料護城河與工作流嵌入深度決定了 SaaS 廠商在 Seat Expansion 中的溢價能力和留存率，而定價模式直接影響短期滲透速度。Microsoft 的明確加價路線最易被外界測度；Salesforce 和 ServiceNow 的深層捆綁模式讓 AI 價值更難以剝離，但客戶感知價值可能更強；Adobe 的積分模式則提供了以用量驅動營收的靈活槓桿。

風險

Seat Expansion 雖前景廣闊，但現實推進面臨多重風險，需持續評估。

1. AI 代理可靠性與“幻覺”風險
   企業場景要求 99%+ 的任務成功率和事實準確性。當前大型模型在生成內容上尚存高不確定性的“幻覺”，若在客服、法律文書、財稅等場景出現重大錯誤，可能引發客戶大規模索賠或監管處罰，從而打擊企業採購信心。

2. 推論成本下降不及預期
   推論成本下降依賴於晶片效能提升、系統最佳化和模型效率進步等多因素同步推進。若 HBM 供給短缺、先進封裝產能不足或新架構晶片推遲，推論成本可能長期高位，導致典型 SaaS 廠商無法獲得合意毛利，延緩 Seat Expansion 節奏。

3. 隱私、合規與資料安全
   企業 AI 席位需處理大量敏感資料（客戶資料、財務資料、內部通訊）。跨地區資料保護法規（GDPR、CCPA 等）可能限制資料流動和模型微調；部分企業（如金融、國防）對資料離開自家控制有極嚴要求，大幅增加部署難度和成本。

4. 定價模式衝突與營收侵蝕
   混合定價（訂閱 + 用量）可能導致預算不確定性，客戶可能對超額費用產生牴觸。同時，一些 AI 功能與現有訂閱功能重疊，可能引發“左手打右手”的自相蠶食，造成總營收並未增長反而下降。

5. 巨頭的平台降維競爭
   超大規模雲端廠商和基礎模型提供者有向下遊侵蝕的動機。例如，Google為自身辦公套件集成了 Gemini 並同步提供 API 給第三方，形成雙重身份。SaaS 廠商在技術高度雷同的情況下，面臨“基礎設施層免費或低價提供 AI 服務”的風險。

6. 使用者使用頻次與價值感知過低
   即便技術可行，企業採購後若員工實際使用率低，客戶續約和增購意願將不足。AI 席位從“付費開啟”到“高頻剛需”的轉化仍待時間驗證。

誤讀糾偏

1. 誤讀：Seat Expansion 等同於 AI 終端裝置出貨量的增長

   • 糾偏：這裡的“席位”指企業軟體訂閱中的付費使用者許可，與物理裝置數量無關。它衡量的是能夠使用 AI 服務的使用者帳戶數，其增長來自存量使用者的升級和新使用者的加入。

2. 誤讀：Seat Expansion 需要 AGI 才能發生

   • 糾偏：Seat Expansion 不依賴於 AGI。它依賴於在狹窄的、可測量的具體任務中，AI Agent 達到超越人工的成本效益比。比如一個 AI 客服解決 80% 常見諮詢，或 AI 程式碼助手將輸出效率提升 50%，就已足夠支撐席位增值。可靠性比通用性更重要。

3. 誤讀：Seat Expansion 將使所有 SaaS 公司同等受益

   • 糾偏：受益程度高度分化。擁有獨特、高質量私有資料和不可替代工作流的 SaaS 公司具備強大護城河。通用聊天介面容易被替代，而囊括了客戶全生命週期資料的 CRM、嵌入了企業 IT 運維流程的 ITSM 平台，其 AI 助理的價值黏性遠高於單點工具。

4. 誤讀：AI 推論成本降低將直接轉化為 SaaS 公司獲利

   • 糾偏：初期，SaaS 公司為搶佔市場份額可能採取低價甚至補貼策略，推論成本下降的紅利可能通過價格戰轉移給客戶，導致自身毛利率短期並未提升。此外，快速迭代的 AI 功能也需要持續研發投入。因此，Seat Expansion 對獲利的正面影響需要在中長期維度上觀察。

最新事件

（本節選取截至 2025 年 1 月公開資訊中的重要里程碑，以展示 Seat Expansion 從概念到現實的推進。）

• 2024 年 5 月：OpenAI 釋出 GPT-4o，多模態推論效率大幅提升，API 價格相比 GPT-4 降低 50%。同期，微軟 Build 大會上整合 GPT-4o 的 Copilot 能力升級，並公佈 Copilot Stack 供企業建置定製 AI 代理。
• 2024 年 6 月：Apple 在 WWDC 推出 Apple Intelligence，雖主要面向消費端，但其端側+私有雲端推論架構對“企業級 AI 隱私”丟擲另一套答案，間接影響企業 AI 部署模式假設。
• 2024 年 9 月：Salesforce Dreamforce 大會上推出 Agentforce，旨在讓企業建置自助式 AI 客服和銷售代理，宣稱單會話成本約 $2，大幅低於現有人工成本。
• 2024 年 10 月：ServiceNow 公佈 Now Platform Xanadu 版本，Now Assist 能力擴充套件至更多工作流，並揭露了多項大額客戶簽約。
• 2024 年 11 月：Anthropic 釋出 Claude 3.5 Haiku，效能接近上代最強模型，但成本和速度對標輕量級模型，進一步拉低程式設計 Agent 等場景的推論成本。
• 2024 年 12 月：微軟 2025 財年 Q2（截至 2024 年 12 月）財報待公佈，市場將高度關注 Copilot 的採用指標與營收展望。公開資料可見的券商調查（如 Evercore ISI 2024 年 12 月企業調查）顯示，企業 AI 預算在 2025 年計劃中顯著提升。

（注：上述資訊來自各公司官方部落格、財報及公開媒體報道。）

追蹤指標

為持續追蹤 Seat Expansion 程序，可從以下指標架構入手，定期採集公開資料並比對趨勢。

類別	指標	來源
成本指標	主流模型 API 價格（$/M Tokens）	各廠商定價頁
	GPU 雲端租賃價格（$/GPU 小時）	雲端廠商官網或第三方監控平台
	HBM/先進封裝產能及報價（公開渠道無法獲得精確價格，可用廠商財報中的“供應緊張/緩解”定性描述替代）	三星/SK 海力士/台積電財報、管理層電話會
採用指標	SaaS 公司 AI 附加包客戶數量/滲透率	公司財報、電話會
	AI 功能帶來的 ARPU 增量	財報管理層評論
	大型企業 AI 預算調查（如 CIO 調查）	券商報告、諮詢公司調查（如摩根士丹利 CIO 調查）
效率指標	含 AI 業務線的毛利率趨勢	公司財報（通常與整體業務合併，需關注分項註釋）
	單客戶 AI 推論成本估計（通常無法直接獲取，可通過推斷 API 使用量估算）	行業分析報告
現金流量指標	SaaS 廠商 RPO / cRPO（合同負債中未確認部分）的增長，大額交易數量	公司財報指標

追蹤時需注意，多數 SaaS 廠商目前尚未充分揭露 AI 業務的分項資料，隨著 Seat Expansion 深化，預計揭露顆粒度將逐步提升。

信源

• 公司財報與電話會議：NVIDIA、Microsoft、Salesforce、ServiceNow、Adobe、Palantir、博通、台積電等公司季度/年度財報、電話會記錄（2024–2025 年公開檔案）。
• 雲端服務定價頁面：Azure OpenAI Service, Google Vertex AI, AWS Bedrock 官方定價頁面（2025 年 1 月查閱）。
• 行業研究報告：Gartner “Forecast: Enterprise Software Markets, Worldwide, 2022–2028” 系列；IDC “Worldwide SaaS and Cloud Software Forecast, 2023–2027”；SemiAnalysis 關於推論成本與晶片架構的分析文章。
• 券商調查：摩根士丹利、Evercore ISI、高盛等釋出的 CIO 調查及軟體行業研究報告（2024 年末）。
• 官方技術部落格與會議：NVIDIA GTC 2024 主題演講；Microsoft Build 2024；Salesforce Dreamforce 2024；OpenAI, Anthropic 官方部落格；vLLM, TensorRT-LLM 等專案文件。
• 新聞媒體：The Information, Bloomberg, Reuters 等關於企業 AI 戰略的深度報道。

宣告：本文所有涉及市值、營收、市場份額的具體數字均來自公開財務揭露或行業機構估算，已儘可能標明時間、口徑與來源。對未來趨勢的討論僅為邏輯推演，不構成任何投資建議或買賣推薦。