北京
“企業的AI預算，一個月、兩個月就見底了，而這可是全年的預算。”企業AI公司Glean首席執行官阿爾溫德·賈因（Arvind Jain）對CNBC說出這番話時，語氣并不輕松。他正在描繪一個正在《財富》500強公司內部悄然發生的殘酷現實：人工智能的開銷正以一種誰也沒料到的速度吞噬著企業錢包，進而逼出一個前所未有的選擇題——要“代幣”（token），還是要人？
這不是一個比喻。當一枚前沿大模型生成的每一個“代幣”成本都在翻倍上漲，當企業發現用在AI上的錢已經和雇一個人差不多時，那個“技術永遠比人便宜”的舊信條就開始崩塌了。賈因說，在他記憶里，這是第一次出現“技術成本和人力成本持平”的時刻，企業不得不開始計算：同樣的錢，到底是多燒幾個token，還是多招幾個人？
而答案，已經開始指向對未來員工增長的犧牲。“這些越來越龐大的AI預算，正在取代未來的人力增長。”賈因直言。這背后的推手，正是AI模型價格不降反升的詭異走勢——每一代新模型，單位token成本幾乎是上一代的兩倍。賈因甚至直接用了“不可持續”這個詞來描述當前的路徑。
在這場算力與工資單的博弈中，另一個關鍵角色——Factory AI的首席執行官馬坦·格林伯格（Matan Grinberg）也給出了相似的診斷。他把這場風波看成一個“資源分配的難題”，正在領導團隊的會議室里激烈上演。“公司會說，嘿，如果我們只能優化一件事，那到底是優化我們擁有的員工數量，還是優化每個員工身上的AI花費？”格林伯格說道。這個問題的提出本身，已足夠說明AI早已不是那個躲在成本表小數位里的廉價工具了。
那么，企業們是怎么一步步把自己推到這條“燒錢高速”上的呢？格林伯格勾勒出了一條清晰的三年快進線。第一階段，董事會急迫地命令CEO“做點兒AI相關的事”，于是風風火火的探索開始了。第二階段，一種被稱為“tokenmaxxing”的行為模式出現——不問成本、只求成果，能用的AI全用上，先把所有前沿模型灌進業務流程再說。而現在，他們進入了第三階段：捂住錢袋子，重新審視需求。“我們真的需要每一個任務都用到Opus級別的智能嗎？”格林伯格發問，“你根本就沒必要。”
這個問句戳中了一個更大的麻煩：技術確實強大，但它還沒能自己養活自己。賈因點出了核心矛盾：“AI目前的工作方式，非常強大，但也非常低效。AI驅動的價值，此刻是落后于企業正在承擔的成本的。”也就是說，花出去的錢，還沒等來對等的回報，那個財務模型下的剪刀差正在越張越大。
更令人咋舌的浪費還在后面。賈因拋出了一個驚人的數字：大約95%的企業AI使用，仍然跑在最昂貴的那批前沿模型上，即便很多任務壓根用不上如此奢侈的算力。這就好比你每天點米其林三星外賣，卻只是想吃碗白粥——不是不行，但賬單足夠燒穿任何一家公司的預算表。而那個最輕易就能摘到的“低垂果實”，恰恰就藏在這里：把簡單工作路由到更便宜的模型上去。
賈因給出的方案聽起來簡單得不可思議：“只要在前端做好模型路由，你就能實現10倍的成本節省。”沒錯，十倍的節省，不靠裁人，不靠砍業務，只靠把交給頂級大腦的簡單問題，轉手丟給它那些更輕量、更便宜的“學弟學妹”們。這或許是當前企業AI預算危機中最直接、也最被低估的解藥。
如果把這個故事抽絲剝繭，它其實已經畫出了一條從瘋狂撒錢到理性算計的拋物線。起初，因為害怕落后，企業把前沿模型當成萬靈藥，不惜成本地all-in；接著，在“tokenmaxxing”的快感中，消費變得毫無節制；最后，當第一張超額賬單擺在CFO桌上時，全員才猛然驚醒——原來AI不是免費的電力，它是昂貴的“大腦”，用多少、怎么用，都有明碼標價，而且比雇一個同樣能干的人還貴。
于是，那句“要代幣還是要人”就不再是個隱喻，而是一道真實出現在企業決策表格里的選填項。在技術照進現實的過程中，每多燒一個昂貴的token，就意味著未來少招一個可能同樣產出價值的員工。這個剛剛被推上臺面的公式，也許比任何一篇AI技術論文都更能讓人們看清，人工智能這場盛宴的真正成本到底是誰在買單。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
