AI行业的关注点正在从技术可行性转向成本问题。Sam Altman指出，运行AI的成本已经从年初几乎无人讨论变成企业客户面前的重要问题。这使得生成式AI的商业化焦点迅速转向单位经济、预算约束和投资回报。
据AI媒体Fello AI报道，Altman在OpenAI于6月2日举办的企业客户活动上表示，今年初AI运行成本从未被提起，但目前已经成为企业采购和部署中的主要问题。他还透露，OpenAI最大客户之一每月消耗约1000亿个tokens，相当于750亿个单词。而六年前，最高使用者的月消耗量仅为10万个tokens。这一变化表明，单一顶级用户的使用规模已放大约100万倍。
这表明AI支出进入审查阶段，企业开始设置tokens上限、切换更便宜模型、采用智能路由。投资者需要关注的不仅是AI采用率，还包括推理成本、客户ROI和盈利路径。
Altman称，半年前企业客户几乎不担心AI花费，现在成本已成为重大问题。这意味着企业对AI的态度正从快速试用、扩大部署转向预算管理和效率评估。他提到，OpenAI单一最大客户每月消耗约1000亿个tokens，且公司外部还有人消耗更多tokens。
AI账单已从技术部门的数据变成企业预算问题。Peter Steinberger曾发布截图显示，30天内消耗6030亿个tokens，单月费用约130万美元。据报道，在他加入OpenAI后，公司承担了这笔账单。此外，一名OpenAI员工一周内消耗2100亿个tokens，McKinsey & Company作为客户也跨过每月1000亿个tokens的门槛。
企业侧的压力更为直接。Uber工程团队的全年AI预算在四个月内耗尽，之后公司设置了硬性tokens上限。个别工程师每月AI支出在150美元至2000美元之间，Amazon也关闭了内部tokens排行榜。Altman引用了客户间流传的说法：“我的公司在一季度花完了整个年度预算，你能让它更高效吗？”这句话概括了企业当前的核心诉求：AI能力仍有吸引力，但无上限使用已经难以持续。
成本压力之所以在短时间内变得突出，关键在于AI行业早期的定价和使用模式。在AI热潮的大部分时间里，大模型公司将服务价格压低到运行成本之下以换取市场份额。这种模式在使用量有限时可以维持，但随着智能体工具出现，AI开始循环调用、反复执行任务并自主运行，tokens消耗不再是线性增长，而是成倍放大。
Altman还提到，下一阶段可能出现“持续运行、主动工作的AI智能体”。如果当前企业已经难以承受按请求触发的AI成本，那么长期后台运行的AI将进一步考验预算和商业模式。
企业并未停止使用AI，但使用方式正在变得更克制。最直接的变化是设置上限。Uber在预算快速消耗后，对tokens使用设定硬性限制。Amazon关闭内部排行榜，反映出企业不再鼓励单纯追求使用量。第二个变化是模型分层，并非所有任务都需要最贵、最强的模型。日常写作、简单问答、常规代码辅助可以由更便宜、更快的模型处理，复杂推理任务才交给高端模型。第三个变化是压缩重复订阅，企业和个人此前可能同时购买多个AI产品，但实际使用往往集中在少数场景。随着财务约束加强，AI采购会更重视模型匹配、费用透明和使用效率。
这意味着AI行业的竞争重点正在从“谁的模型最强”扩展到“谁能以更低成本完成足够好的任务”。
Altman的表态不等于AI投资进入全面收缩，也不意味着行业需求崩塌。更准确地说，AI正在从早期试点和无约束扩张进入预算纪律阶段。对投资者来说，关键问题包括收入增长是否建立在可持续的成本结构上，企业客户是否能看到明确回报，以及下一代智能体是否会放大成本问题。持续运行的主动AI可能提升生产力，也可能让tokens消耗进一步失控。谁能在性能、成本和稳定性之间取得平衡，谁就更可能在企业市场获得长期优势。
AI行业的烧钱问题并非突然出现股票配资开户信息网站，只是现在被账单显性化了。Altman的公开承认标志着生成式AI进入一个更现实的阶段：客户仍想要AI，但不再愿意为无限增长的tokens无条件买单。
富华优配提示：文章来自网络，不代表本站观点。
