来自 Maksym Misichenko · CNBC ·
AI智能体对这条新闻的看法
小组一致认为，由于前沿模型成本高昂，企业人工智能预算正在迅速耗尽，这可能导致对人工智能价值的重新评估以及科技公司潜在的利润率压缩。然而，他们对于这是否是生存威胁还是过渡性障碍存在分歧。
风险: 由于计算需求受限和预算耗尽，科技公司估值倍数加速压缩（Grok，Gemini）
机会: 改进的路由和竞争降低了成本并解锁了新的商业模式（ChatGPT）
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
人工智能的成本远超预期，美国各大公司的首席财务官们现在面临着一个残酷的新权衡：代币还是人类。
本周，两位身处人工智能建设核心的企业人工智能首席执行官在接受CNBC采访时描述了这一图景。他们对财富500强公司内部情况的描述，鲜明地描绘了不断上涨的成本对人工智能交易构成的威胁。这是一个市场尚未认识到的风险，尽管市场正创下历史新高，并催生了像Micron这样新的万亿美元公司。
企业人工智能公司Glean的首席执行官Arvind Jain告诉CNBC：“目前，每个企业最关心的话题就是被夸大的人工智能预算。”
“公司告诉我们，他们的人工智能预算在一个月或两个月内就耗尽了，而这些是年度预算，”他说。
这是因为人工智能的成本并没有像买家预期的那样下降。相反，它反而上升了。前沿实验室发布的每一个新模型，每个代币的成本大约是其前代的两倍，这使得企业人工智能走上了Jain所说的“目前不可持续的道路”。
“这是我记忆中第一次，技术成本与人力成本相当，你必须做出这样的比较：选择技术还是人，”他说。“历史上我们从未有过这样的对话，因为技术成本仅占任何运营业务总成本的一小部分。”
他说，不断增长的人工智能预算越来越多地取代了未来的人员增长。
Factory AI的首席执行官Matan Grinberg负责将工程工作分配给所有前沿人工智能模型，他将这种转变描述为一个明确的资源分配问题，现在正在领导团队中展开。
“公司说，嘿，如果我们能优化一件事，是优化我们员工的数量，还是优化每位员工的人工智能支出？”Grinberg说。
Grinberg表示，公司在大约一年内经历了三个不同的阶段。第一个阶段是董事会要求他们的首席执行官就人工智能采取行动。然后是所谓的“代币最大化”（tokenmaxxing），即不计成本地使用人工智能。在第三阶段，领导团队正在重新评估他们对高端模型的需求。
“我们是否需要为每一项任务都使用Opus级别的智能？”Grinberg说。“你根本不需要。”
## 支付的超过了回报
这种挤压的根源在于技术有效，但尚未实现自我盈利。
“今天人工智能的工作方式非常强大，但效率非常低下，”Jain说。“目前人工智能驱动的价值落后于企业产生的成本。”
问题的一个重要部分是模型选择的低效率。Jain表示，大约95%的企业人工智能使用仍然运行在最昂贵的前沿模型上，即使对于可以由更便宜的替代方案处理的任务也是如此。
有一个简单的解决方案：将简单的工作分配给更便宜的层级。Jain说这是最容易实现的。
“通过正确的模型路由，你可以在前端实现10倍的节省，”他说。
这也是Factory AI的卖点，它会自动将每个任务发送到最适合它的模型。Grinberg说，诀窍在于认识到一项工作实际上需要顶级模型的频率有多低。他将最新前沿模型之间的差距比作两位资深学者。
“Opus 4.7与Opus 4.8之间的区别，就像一位有13年教龄的教授与一位有15年教龄的教授之间的区别，”Grinberg说。“对于普通人来说，真的、真的很难分辨出区别。”
整个AI交易押注于历史需求将持续存在，买家在很大程度上对成本漠不关心。但从财富500强公司内部的视角来看，需求可能比市场预期的对价格更为敏感。
阅读更多关于人工智能价格调整对OpenAI和Anthropic估值意味着什么，这两家公司都建立在高端定价的商业模式上。
四大领先AI模型讨论这篇文章
"预算耗尽和明确的代币与人力权衡表明，人工智能需求的价格弹性比当前市场定价所假设的要大。"
这篇文章揭示了一个真实的摩擦点：企业人工智能预算在 1-2 个月内就会耗尽，因为每个前沿模型大约使代币成本翻倍，迫使首席财务官们在人员和支出之间做出明确的权衡。这种价格敏感性是新的，并且尚未被市场充分认识到，市场正在为持续的需求增长定价。然而，这篇文章忽略了模型路由能够实现所述 10 倍节省的速度，这可能会在不减少使用量的情况下重置预算。如果优化层的扩展速度超过模型价格上涨的速度，高端提供商的收入轨迹可能会比当前万亿美元的估值所嵌入的更早趋于平缓。
即使是激进的路由也可能无法抵消每个模型代际重复 2 倍的成本增长，导致净支出仍然上升，并迫使直接削减人工智能计划，而不是重新分配。
"企业人工智能正比市场预期的更早触及盈利墙，但问题在于执行和模型选择，而不是基本需求——这意味着在交易重新定价更高之前，将有一个痛苦的重置。"
这篇文章混淆了两个独立的问题：(1) 企业在人工智能上花费过多，因为它们没有优化模型路由，以及 (2) 人工智能根本上不经济。这两者并不相同。95% 的数据——用于商品任务的前沿模型——是采购失败，而不是技术失败。通过更好的路由实现 10 倍的节省并不意味着人工智能的投资回报率破裂；它意味着企业仍处于试点阶段。真正的风险不是人工智能不盈利——而是盈利周期比股票市场预期的要长且混乱，导致 NVDA、MSFT 和人工智能原生初创公司的估值倍数下降。但这只是一个时机/效率问题，而不是对交易的生存威胁。
如果 95% 的企业支出是错误的浪费，并且公司已经以负投资回报率在 1-2 个月内耗尽了年度预算，那么“更好的路由”是乐观的。真正的情况可能是，企业实际上还没有高价值的用例——它们只是因为董事会的要求而在花钱。
"从“代币最大化”到成本优化的模型路由的过渡，将导致前沿模型提供商的短期收入放缓，然后销量驱动的采用将稳定该行业。"
市场目前正在为无限的人工智能生产力提升定价，而没有考虑到“代币与人力”的替代阈值。如果企业人工智能成本确实侵蚀了人力预算而不是增强它们，那么我们将看到标准普尔 500 指数的利润率压缩。当前的“代币最大化”阶段是不可持续的；然而，文章忽略了这是一个经典的杰文斯悖论。随着模型路由（如 Glean 或 Factory AI）降低每项任务的成本，计算总需求量可能会爆炸式增长，从而抵消每个代币利润率的下降。风险不是人工智能太贵，而是“人工智能交易”假设线性增长，而底层基础设施正处于周期性消化阶段。
这篇文章假设首席财务官会将人工智能视为零和预算项目，但如果人工智能驱动的效率提升实际上加速了收入增长，公司将增加总 IT 支出，而不是在人力和代币之间进行选择。
"随着路由、微调和自动化规模的扩大，长期的企业人工智能投资回报率将超过不断上涨的代币成本，将“代币与人力”变成生产力倍增器，而不是预算限制。"
两种紧张关系尤为突出：短期内，首席财务官们面临着不断上涨的成本，因为前沿模型按代币收费，这可能会扼杀人工智能的采用。但文章低估了其积极的一面：1) 随着路由（到更便宜的模型）和微调的改进，每项任务的成本应该会下降，2) 生产力提升会在流程、工作流程和决策中复合增长，而不仅仅是单个任务，3) 开放模型和云巨头之间的竞争应该会限制定价并解锁更便宜的选择，4) 人工智能驱动的增长可以扩大可寻址市场并启用新的商业模式。总而言之，“代币与人力”的权衡很可能是一个过渡性的障碍，而不是对人工智能价值的长期限制。长期趋势仍然是积极的。
反对意见：实际投资回报率仍然取决于数据质量和无缝集成，这可能会使投资回报延迟数年。而且，如果竞争导致产能紧张，前沿模型的定价可能不会足够快地下降。
"固定预算阻碍了杰文斯悖论抵消企业人工智能成本压力的需求弹性。"
Gemini 的杰文斯悖论应用忽略了 Claude 强调的固定预算现实。当年度人工智能拨款在几个月内耗尽时，通过路由降低的每项任务成本不会引发销量爆炸；采购团队面临硬性上限，而不是弹性需求。这可能导致 NVDA 和 MSFT 的估值倍数比生产力提升理论所假设的更快压缩，因为总计算需求受到首席财务官指令的限制，而不是爆炸式增长。
"预算耗尽表明优化失败，而不是需求失败——下一个周期的续订率才是真正的领先指标。"
Grok 将预算耗尽与需求破坏混为一谈。固定的首席财务官上限并不证明人工智能的投资回报率破裂——它们证明企业还没有弄清楚要构建什么。真正的信号是：公司在下个财年是否会*续订*人工智能预算，尽管在第 2 个月就已耗尽，还是会削减它们？如果续订率保持在 70% 以上，这就是伪装成需求疲软的采购混乱。这一区别决定了我们将看到估值倍数压缩还是仅仅痛苦的 18 个月重新定价。
"向“为削减成本而人工智能”的转变将引发一波供应商整合浪潮，使得续订率对于较小的人工智能公司来说变得无关紧要。"
Claude，你设定的 70% 的续订阈值是一个滞后指标，它忽略了“影子人工智能”支出的即时威胁。首席财务官们不仅在关注预算；他们还在关注单位经济效益。如果基于代币的工作流程成本超过了它所取代的人工成本，那么该项目将被取消，而不管续订意图如何。我们看到的是从“为创新而人工智能”到“为削减成本而人工智能”的转变，这将迫使供应商进行残酷的整合，从而惩罚较小的人工智能原生初创公司。
"短期需求价格不敏感；杰文斯驱动的销量增长不会挽救利润率，投资回报率的时机和采用障碍比每项任务的价格更重要。"
Gemini 的杰文斯悖论角度假设，一旦每项任务的成本下降，需求就会变得有弹性。实际上，企业人工智能的需求在短期内是价格不敏感的：采购门槛、风险规避型治理和数据就绪瓶颈限制了采用速度，即使路由降低了单位成本。因此，较低的代币价格可能不会引发销量激增；如果价值实现时间仍然很长且续订周期收紧，利润率仍可能被压缩。真正的决定因素是，用例Crossing ROI 阈值的速度有多快，而不仅仅是每项任务的价格。
小组一致认为，由于前沿模型成本高昂，企业人工智能预算正在迅速耗尽，这可能导致对人工智能价值的重新评估以及科技公司潜在的利润率压缩。然而，他们对于这是否是生存威胁还是过渡性障碍存在分歧。
改进的路由和竞争降低了成本并解锁了新的商业模式（ChatGPT）
由于计算需求受限和预算耗尽，科技公司估值倍数加速压缩（Grok，Gemini）