外媒称，随着企业把更多工作流程交给 AI，相关账单正从试验性投入转向可见的经营成本。风投人士 Chamath Palihapitiya 近日表示，不少企业高管可能还没有完全掌握内部 AI 调用规模，这类支出未来可能直接反映在利润表现上。
企业开始面对 AI 使用成本
Palihapitiya 在接受 CNBC 采访时说，一些公司鼓励员工尽可能多地使用 AI 工具，希望借此提高产出和效率。但在这种做法下，模型调用量快速上升，企业支付给模型服务商的费用也会同步放大。
他提到，硅谷把这种倾向称为“tokenmaxxing”，意思是尽可能多地消耗 AI token，以换取更多工作成果。token 是模型处理数据和计费的基础单位，因此使用量越高，企业账单通常也越大。
高管或低估内部调用规模
Palihapitiya 认为，一些 CEO 和 CFO 可能并不清楚组织内部到底消耗了多少 token。如果这种情况持续，部分美国企业未来甚至可能因为 AI 成本超出预期而出现利润不及预期的情况。
已有公司开始公开谈论这类压力。Uber 首席技术官 Praveen Neppalli Naga 今年 4 月表示，公司全年 Claude Code 预算已经提前用完。Instagram 负责人 Adam Mosseri 也说，团队已经关停一些“无意义但大量消耗 token”的项目。
- Uber 称全年 Claude Code 预算已提前耗尽
- Instagram 表示已削减高消耗 token 的项目
- 企业 AI 支出正从试验阶段转向经营科目
低价模型加速追赶头部产品
在成本压力上升的同时，Palihapitiya 还提到，OpenAI 和 Anthropic 的高端模型正面临更便宜产品的竞争。按他的说法，Meta、Google 以及 xAI 等公司推出的模型，价格更低，但在多数使用场景下，性能已接近头部产品。
他认为，当前模型迭代仍在继续，但与早期相比，单次更新带来的性能跃升已没有那么大。对多数企业来说，如果更便宜的模型已经能覆盖主要需求，继续大规模采购高价模型的理由就会减弱。
这意味着，企业接下来在部署 AI 时，重点可能不再只是“用得更多”，而是重新评估模型选择、预算分配和实际产出之间的关系。