ChatGPT橫空出世后，硅谷玩起了老套路，它們以極低的價格瘋狂擴張，不計成本。這一時期被稱為“補貼智能”時代。

初創企業孵化器 Delphi Labs 的凱文·西姆巴克（Kevin Simback）稱：“現在風向開始變了。”作為大型AI公司，你不能繼續虧錢，要謀求如何賺錢了。正因如此，OpenAI和Anthropic都在尋求上市。

與此同時，AI各要素的價格都在上漲，AI智能體（AI agents）也是推手之一。智能體不限于聊天，它要求真正“做事”。運行智能體的成本更高，完成一項任務時，可能要啟動幾十個智能體。

AI支出猛增，生產力未見提升

運行的費用是按token（詞元）計算的。相比聊天，智能體消耗的詞元多出幾十倍，結果導致成本猛增。

科技咨詢公司 Omniux 的馬克·巴頓（Mark Barton）表示：“在開發者圈子內，使用AI編程的成本呈指數級增長，所有成本開始飆升。”

J.Gold Associates的分析師杰克·戈德（Jack Gold）表示：“在某些情況下，人們發現僅僅一兩個月，詞元的成本就超過了員工成本，僅僅是因為他們用得太多了。”

今年早些時候，Meta鼓勵員工多使用詞元，并將使用量作為衡量生產力的標準，但現在Meta已經改變了看法。Meta首席技術官安德魯·博斯沃思（Andrew Bosworth）說：“沒有人應該為了使用AI工具而使用它。”

Uber的首席運營官更是直言，AI支出并未表現為生產力的明顯提升。

為了降低成本，企業要么轉向免費開源模型，要么引入針對特定行業的小模型，因為它們更專業。還有一些企業將AI任務拆解為小步驟，將各部分交給便宜的模型去完成。

Envorso咨詢公司的阿德里安·巴爾福（Adrian Balfour）表示：“大型一體化模型每百萬個詞元收費15美元，但如果使用迷你模型，價格可以降到5美分左右。”

面對小模型的沖擊，巨頭會不會被淘汰？Gabelli Funds 投資組合經理約翰·貝爾托尼（John Beltony）認為：“前沿用戶總是愿意為最好的技術買單，這是一個不斷做大的蛋糕。”

單位經濟效益正在崩潰

今年二季度，當許多企業看到AI賬單后陷入了深思。一些人公開質疑：“面對巨額賬單，自主智能體是否真的物有所值？”以前我們問的可能是“AI能否創造需求”，現在變成了“AI能否填補供應缺口”，再進一步，有人開始問：“等一下，我們的錢花到哪里去了？”

一位《財富》500強企業的高管坦言，在AI詞元開銷上，企業就像賭徒一樣揮霍無度。一位AI顧問稱，一個月內，有客戶在Claude花了5億美元。什么概念？5億美元相當于所有美國人一個月的洗發水消費額。

一家企業一個月燒掉5億美元詞元費，知道是什么概念嗎？一位網友感嘆道：“5架私人飛機，2艘超級游艇，整整一座島嶼，全沒了。全都蒸發成了一個個 token（詞元）。真為那個不得不發出這份賬單的人默哀。”

亞馬遜員工曾創建一個榜單追蹤AI詞元使用量，現在該榜單已經關閉。雖然亞馬遜宣稱從未給員工設定使用目標，但有匿名員工透露：“使用AI工具的壓力實在太大了。”

認知科學家加里·馬庫斯（Gary Marcus）警告稱：“如果有更多公司像Uber、微軟一樣對AI的生產力表示失望，泡沫就會破裂。”

根據 SemiAnalysis的數據，智能體任務在生成答案之前就會消耗96000個詞元，比一本小說的字數還要多。Ramp首席經濟學家阿拉·哈扎里安（Ara Khazarian）表示：“普通企業在AI詞元上的支出是2025年1月的13倍。”

聰明的科技企業似乎陷入了誤區，它們認為AI使用量越大，生產力便越高。工程分析公司Faros AI發現，在高度采用AI的情況下，“代碼返工率”（即刪除的代碼行數與新增代碼行數之比）增加了800%。

雖然AI革命如火如荼，但從目前的數據看，自動化智能仍然是昂貴的。企業只能說服質疑者：“從長遠看，在智能體AI上花大錢將是合理的。”挑戰在于找出勞動力成本與AI成本之間的正確比例，現在大家還在尋找正確答案。

質疑者宣稱：“AI的單位經濟效益是崩潰的，消費者并沒有為詞元支付全額費用，行業靠風險投資補貼來支撐，當價格上漲時，AI需求會崩潰。”

技術還是人力，需要做出選擇

企業級AI公司Glean的CEO阿爾溫德·賈恩（Arvind Jain）告訴媒體，最近一段時間，各企業的首要話題是AI預算嚴重超標。他說：“企業告訴我們，AI預算在一個月或兩個月內就花光了，而這些原本是全年的預算。”

主要問題在于，AI成本并沒有像買家預期的那樣下降，相反還在上漲。

前沿實驗室每發布一個新模型，詞元的價格往往是上代產品的兩倍，所以當前模式是無法持續的。

一個現實的問題擺在首席財務官（CFO）的桌面上，技術成本已經與人力成本持平，到底選擇技術還是人員？在歷史上，技術成本只占企業運營總成本的很小一部分，但現在卻變了。不斷膨脹的AI預算抑制了人員編制的增長。

在過去大約一年里，企業的態度也在改變。最開始時，董事會要求企業在AI方面有所作為；隨后，企業開始“token-maxxing（瘋狂刷token）”，不惜一切代價使用AI；現在進入第三階段，領導團隊重新評估企業對高端模型的需求。

Factory AI的CEO馬坦·格林伯格（Matan Grinberg）質疑稱：“針對每一項單一任務，真的都需要使用Opus級別的智能嗎？根本不需要啊。”

不可否認，AI技術是有效的，但它還不能自我造血（賺回成本）。大約95%的企業堅持使用昂貴模型且毫無節制，導致成本上升，這是失衡的重要原因之一。怎么辦？可以將簡單任務分配給廉價模型。

格林伯格說：“Opus 4.7與Opus 4.8的區別就像兩位教授的區別，一個有13年教齡，一個15年，對外行來說，分不出二者的差異。”

如果AI需求是持續存在的，且買家對成本毫不在乎，那硅谷的邏輯就行得通。但來自企業的內部聲明證明，它們對價格非常敏感。（小刀）