北京
“企业的AI预算，一个月、两个月就见底了，而这可是全年的预算。”企业AI公司Glean首席执行官阿尔温德·贾因（Arvind Jain）对CNBC说出这番话时，语气并不轻松。他正在描绘一个正在《财富》500强公司内部悄然发生的残酷现实：人工智能的开销正以一种谁也没料到的速度吞噬着企业钱包，进而逼出一个前所未有的选择题——要“代币”（token），还是要人？
这不是一个比喻。当一枚前沿大模型生成的每一个“代币”成本都在翻倍上涨，当企业发现用在AI上的钱已经和雇一个人差不多时，那个“技术永远比人便宜”的旧信条就开始崩塌了。贾因说，在他记忆里，这是第一次出现“技术成本和人力成本持平”的时刻，企业不得不开始计算：同样的钱，到底是多烧几个token，还是多招几个人？
而答案，已经开始指向对未来员工增长的牺牲。“这些越来越庞大的AI预算，正在取代未来的人力增长。”贾因直言。这背后的推手，正是AI模型价格不降反升的诡异走势——每一代新模型，单位token成本几乎是上一代的两倍。贾因甚至直接用了“不可持续”这个词来描述当前的路径。
在这场算力与工资单的博弈中，另一个关键角色——Factory AI的首席执行官马坦·格林伯格（Matan Grinberg）也给出了相似的诊断。他把这场风波看成一个“资源分配的难题”，正在领导团队的会议室里激烈上演。“公司会说，嘿，如果我们只能优化一件事，那到底是优化我们拥有的员工数量，还是优化每个员工身上的AI花费？”格林伯格说道。这个问题的提出本身，已足够说明AI早已不是那个躲在成本表小数位里的廉价工具了。
那么，企业们是怎么一步步把自己推到这条“烧钱高速”上的呢？格林伯格勾勒出了一条清晰的三年快进线。第一阶段，董事会急迫地命令CEO“做点儿AI相关的事”，于是风风火火的探索开始了。第二阶段，一种被称为“tokenmaxxing”的行为模式出现——不问成本、只求成果，能用的AI全用上，先把所有前沿模型灌进业务流程再说。而现在，他们进入了第三阶段：捂住钱袋子，重新审视需求。“我们真的需要每一个任务都用到Opus级别的智能吗？”格林伯格发问，“你根本就没必要。”
这个问句戳中了一个更大的麻烦：技术确实强大，但它还没能自己养活自己。贾因点出了核心矛盾：“AI目前的工作方式，非常强大，但也非常低效。AI驱动的价值，此刻是落后于企业正在承担的成本的。”也就是说，花出去的钱，还没等来对等的回报，那个财务模型下的剪刀差正在越张越大。
更令人咋舌的浪费还在后面。贾因抛出了一个惊人的数字：大约95%的企业AI使用，仍然跑在最昂贵的那批前沿模型上，即便很多任务压根用不上如此奢侈的算力。这就好比你每天点米其林三星外卖，却只是想吃碗白粥——不是不行，但账单足够烧穿任何一家公司的预算表。而那个最轻易就能摘到的“低垂果实”，恰恰就藏在这里：把简单工作路由到更便宜的模型上去。
贾因给出的方案听起来简单得不可思议：“只要在前端做好模型路由，你就能实现10倍的成本节省。”没错，十倍的节省，不靠裁人，不靠砍业务，只靠把交给顶级大脑的简单问题，转手丢给它那些更轻量、更便宜的“学弟学妹”们。这或许是当前企业AI预算危机中最直接、也最被低估的解药。
如果把这个故事抽丝剥茧，它其实已经画出了一条从疯狂撒钱到理性算计的抛物线。起初，因为害怕落后，企业把前沿模型当成万灵药，不惜成本地all-in；接着，在“tokenmaxxing”的快感中，消费变得毫无节制；最后，当第一张超额账单摆在CFO桌上时，全员才猛然惊醒——原来AI不是免费的电力，它是昂贵的“大脑”，用多少、怎么用，都有明码标价，而且比雇一个同样能干的人还贵。
于是，那句“要代币还是要人”就不再是个隐喻，而是一道真实出现在企业决策表格里的选填项。在技术照进现实的过程中，每多烧一个昂贵的token，就意味着未来少招一个可能同样产出价值的员工。这个刚刚被推上台面的公式，也许比任何一篇AI技术论文都更能让人们看清，人工智能这场盛宴的真正成本到底是谁在买单。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
