人工智能正变得越来越昂贵，许多企业开始重新评估自己对这项“颠覆性技术”的热情投入。

遵循硅谷一贯的增长逻辑，ChatGPT问世后，大量AI公司以极低价格甚至接近补贴的方式吸引客户。

创业孵化器 Delphi Labs 的 Kevin Simback 将这一阶段称为“补贴智能”时代——也就是由投资者替用户埋单，让企业可以以极低价格提供AI服务。

但这种局面正在发生变化。Simback 警示，一个大型AI公司必须真正实现盈利的阶段已经到来——行业领头羊 OpenAI 和 Anthropic 计划在今年晚些时候上市，面向更为传统、看重盈利能力的主流投资者。

成本为何突然“顶不住”？

多方面的价格正在上扬，其中一个关键推手是 AI 代理（agents）。

与只负责回答问题的聊天机器人不同，AI 代理会真正“动手”执行任务——例如预约、写代码、整理和管理文件等。这类系统的运行成本更高，因为一个复杂任务往往会同时触发数十个代理协同工作，而每一个代理都会产生额外费用。

这些费用通常以“代币”来计量——这是AI公司向客户计费的基础单位。一个由代理驱动的复杂任务，消耗的代币数量可能是简单聊天对话的几十倍。

与此同时，支撑这些AI运算的计算芯片和数据中心供不应求，算力资源紧张进一步推高了成本，也给整个新兴行业带来了更多不确定性。

技术咨询公司 Omniux 的 Mark Barton 指出：“尤其是在开发者圈子里，用AI来写代码等工作的成本呈指数级上升。所有相关费用都在往上冲。”

在部分企业内部，急于“全面AI化”的心态，催生了所谓的“代币最大化”使用狂潮。

分析机构 J.Gold Associates 的 Jack Gold 表示：“在一些案例中，仅仅一两个月的AI代币支出，就已经超过了员工的人力成本，原因就是使用过度。”

从“多用”到“用得其所”

即便是 Meta 这样的科技巨头，也开始反思。该公司在今年早些时候还鼓励员工尽可能多地使用代币，以此衡量生产力，如今态度已有所收紧。

据《华尔街日报》报道，Meta 首席技术官 Andrew Bosworth 在发给员工的备忘录中写道：“没人应该仅仅为了使用而使用AI工具。”

Uber 的首席运营官本周则更为直白地表示，目前大笔的AI投入，并没有带来与之相匹配的生产力提升，引发外界关注。

为了控制成本，一些公司开始转向免费、开源的AI模型。这类模型任何人都可以下载部署，虽然整体能力不及 ChatGPT 或 Anthropic 的 Claude，但在许多具体业务场景中已经“够用”。

还有企业选择使用针对特定行业（如房地产、金融等）训练的小型专业模型，而不是一味依赖庞大的通用大模型。

也有公司采取“拆分任务”的策略：将原本需要大型模型一口气完成的复杂任务，拆解成多个小步骤，再分别交给能力足够且价格更低的模型来处理。

成本差异有时极为明显。

咨询公司 Enverso 的 Adrian Balfour 举例称：“那个大型通用模型，每百万代币要价15美元，但如果换成较小的迷你模型，费用可以降到大约5美分。”

这些做法共同指向一个趋势：AI 正在逐渐变成一种“可替换的商品化服务”——具体使用哪一个模型本身不再那么重要，关键在于找到性能与价格最匹配的组合。

大模型仍有“高端市场”

不过，大型厂商和他们最前沿的旗舰模型，并不会因此失去舞台。

Gabelli Funds 的投资组合经理 John Belton 指出，“最先进的用户”始终愿意为最好的技术买单。

在他看来，这依然是一个“不断做大的蛋糕”。

© 2026 法新社