Synth Daily

AI成本之战:企业如何应对高昂的智能账单

随着企业界对人工智能(AI)的热情从最初的“无限畅饮”式推广转变为对成本的精打细算,一场关于投资回报的深刻反思正在上演。曾经被鼓励最大化使用AI的员工,如今正面临着削减消耗的压力,因为AI供应商开始涨价并采用按量计费模式。这种转变不仅让企业头疼于如何衡量AI的真实投资回报率(ROI),还在内部催生了新的矛盾:拥有雄厚预算的大团队更容易证明AI的价值,从而获得更多资源,而小团队则可能因缺乏初始投入而难以出头,形成一种公司内部的“阶级固化”。与此同时,市场正在迅速响应这种成本焦虑,催生了专门帮助企业优化AI支出的初创公司,以及推动开发者转向更具性价比的平价AI模型,整个行业正从盲目追求技术前沿转向寻求成本与效益的平衡。

要点

  • 1成本控制收紧:企业正从鼓励员工“应A尽A”转向严格的成本管理,原因是AI供应商开始提高价格并按使用量收费。
  • 2内部资源分化:AI预算的分配不均可能导致公司内部出现“富者愈富”的局面,预算充足的团队更容易证明AI价值,而预算紧张的团队则可能被边缘化。
  • 3衡量标准失效:以“token消耗量”为指标的内部排行榜被高管批评为“反乌托邦”,因为它鼓励浪费且无法真实反映绩效,整个行业缺乏公认的AI投资回报率衡量标准。
  • 4新生态崛起:为了应对高昂成本,帮助企业在不同模型间选择最优方案的“AI路由”初创公司获得大量投资,同时,DeepSeek等高性价比模型也迅速普及。
  • 5员工行为与现实脱节:调查显示,AI能显著提升个人工作效率,但许多高效使用者依赖未获批准的工具,并倾向于向管理者隐瞒AI的辅助程度。

视角

Replit 人工智能主管 Michele Catasta

批评公司内部用“AI token消耗量”来给员工排名的做法是“非常反乌托邦”的。他认为这种做法不仅是对能源和算力的不负责任,而且token消耗量与员工为公司带来的实际影响力并不成正比,是一种糟糕的绩效衡量方式。

Inworld 首席执行官 Kylan Gibbs

指出高昂的AI运行成本(推理成本)是消费级AI初创公司面临的最大威胁之一。这些公司可能将70%至90%的运营预算用于此,导致用户越多,亏损越严重的怪圈,最终阻碍了创新。为此,他将自家模型价格下调超过50%。

Bain & Company 报告

预测未来三到四年内,企业20%至30%的运营支出将来自AI代理而非人类。尽管顶尖模型的成本在上升,但企业为保持竞争力仍感到压力,因此更倾向于采用一种“混合模型”策略,根据任务的复杂性匹配不同能力和价格的模型。

AI投资回报的困境

当AI从一个时髦的概念变成企业资产负债表上实实在在的开销时,一个核心问题浮出水面:钱花得值吗?最初,一些公司简单粗暴地用“token消耗量”来量化AI的使用度,甚至设立排行榜,认为用得越多就代表效率越高。然而,这种“tokenmaxxing”的做法正迅速失宠。包括亚马逊和Uber在内的大公司发现,AI成本的上升并未带来成比例的生产力提升。这迫使企业开始更严肃地思考如何定义和衡量AI的价值。

问题在于,目前还没有一个行业公认的标准来衡量AI的投资回报率。单纯的用量指标被证明是误导性的,它可能鼓励员工进行不必要的AI交互,而非真正解决问题。企业现在正从关注“用了多少”转向关注“解决了什么”。

成本驱动的AI新生态

高昂的AI成本正在重塑市场格局,催生出新的商业模式和技术趋势。面对OpenAI、Anthropic等顶尖模型不菲的价格,企业和开发者开始积极寻找更经济的替代方案。这直接引爆了“AI路由”初创公司的融资热潮,例如OpenRouter和Concentrate AI,它们如同智能的“流量调度员”,帮助应用程序根据任务需求,自动选择性价比最高的AI模型。同时,来自中国的DeepSeek等平价模型因其出色的性能和极具竞争力的价格,在开发者社区中迅速走红,证明了市场对低成本、高效率解决方案的强烈需求。这股浪潮甚至迫使一些AI基础设施提供商(如Inworld)主动降价,以帮助下游的初创公司在“烧钱”的AI时代生存下来。

Q&A

Q: 为什么在AI上省钱突然变得这么重要?

A: 早期,企业主要目标是鼓励员工尝试和接纳AI,所以对成本相对宽容。但现在,随着AI供应商转向基于使用量的定价模式,账单开始变得惊人。同时,企业发现盲目使用AI并不直接等同于更高的生产力或利润。因此,关注点自然从“推广使用”转向了“有效使用”,即用更少的钱办更多的事,确保每一笔AI投资都能带来可衡量的商业价值。

你知道吗?