(资料图片仅供参考)

AI底层技术成本正在快速下降，推理费用降低，模型提供商竞争激烈，企业也有机会使用更小模型完成任务。

但多家企业发现，整体AI账单并未减少，反而可能大幅增加。一家客户支持软件公司CEO表示，其年度AI费用将从约40万美元升至140万美元。这并非使用量突然暴增，而是因为用户规模超过门槛后，定价从包含用量的套餐转为按token单独计费的企业计划。

早期企业采用AI时多享受捆绑定价、优惠折扣和有限部署。随着实验转向大规模生产应用，真实成本逐渐暴露。企业给AI分配更多工作、覆盖更多员工、集成进更多产品，使用量和复杂度的增长轻易超过单价下降的节省。

这与过去计算资源、存储、带宽的发展路径相似：效率提升往往扩大整体消耗规模。AI的特别之处在于其消耗较难被管理层清晰观察。传统企业软件按座位或交易计费，而AI系统可能自主产生不均衡的算力消耗，相同许可的用户用量差异可能极大。

投资者需关注企业如何从单纯追求采用率，转向评估单位经济性。对客服AI而言，关键指标是每个成功解决案例的成本、解决时间；对翻译类AI公司而言，则是达成特定质量的内容生产总成本、市场进入速度等。

只有那些能将AI支出与收入增长、利润改善或战略优势清晰挂钩的企业，才能在支出增加的情况下持续投入。AI不需要变得极度廉价，但必须在经济上可衡量、可管理。