企业转型：从激进部署转向效益导向的AI投入

过去一年中，那些大力倡导全员高频使用AI工具的公司，如今正面临来自财务部门的严格审视。首席财务官们开始要求对日益膨胀的API费用提供可验证的产出依据，这直接冲击了OpenAI、Anthropic等头部大模型服务商的增长预期。

管理成本压力倒逼使用逻辑重构

在高管层要求解释巨额计算支出合理性背景下，企业正系统性压缩非核心场景下的AI投入。这一趋势标志着“令牌最大化”模式的终结，且调整速度远超预期。亚马逊已取消内部追踪员工AI使用频率的排名机制，管理层指出该系统催生的是“表面活跃而非实质增效”的行为。一位高级副总裁明确提醒团队：“不要为使用而使用AI。”优步在四个月内耗尽原定用于2026年的全部编码类AI预算；Meta则向约六千名员工发出警告，称内部AI调用量呈指数级上升，潜在成本可能达数十亿美元。随后，公司为每位员工设定了每月1500美元的编码工具使用上限。

曾以“不使用即淘汰”为口号推动员工采用AI的咨询巨头埃森哲，如今正反向遏制低效使用。一段泄露的内部会议录音显示，其高管坦言：“当前的AI支出已变得极难预测。”同时强调，包括CFO、COO和CIO在内的高层持续追问：“我们支付的每一分钱是否带来了真实价值？”

IBM专家Adam McDaniel与Markus Eisele指出，“令牌最小化”与“令牌最大化”同样存在认知偏差——二者均将资源消耗视为核心目标，却忽视了最终业务成果。他们提出“价值最大化”框架，主张聚焦任务完成效率、时间节省及返工规避等实际成效，而非单纯统计所用令牌数量。

成本控制已影响大模型厂商战略预期

OpenAI与Anthropic的扩张蓝图依赖于企业持续增加令牌消耗的假设。前者年化收入已突破250亿美元，自评估值达1万亿美元；后者估值亦处于数十亿级别。两家公司均在研发、招聘与基础设施上大规模投入，期待通过企业客户实现盈利转化。然而现实是，企业正将高成本旗舰模型保留用于复杂任务，日常操作则转而采用轻量化、低成本的替代方案。部分机构甚至将工作负载迁移至自建基础设施运行的开源模型，彻底规避按次计费模式。

国际数据公司(IDC)预测，至2028年，七成领先型AI驱动企业将采用多模型混合架构，不再依赖单一供应商。这将使大模型逐步商品化，竞争焦点从性能转向价格与适配能力。尽管如此，短期内资金压力仍将持续。连OpenAI首席执行官Sam Altman也承认，当前AI成本已成为客户面临的“重大挑战”。