生成式AI正迅速成为企业提升生产力的重要工具，但其成本攀升速度也超出市场预期。部分企业的AI支出短时间内大幅增加，甚至出现全年预算在数月内即被用完的情况，企业不得不在扩招与增加AI投入之间重新权衡。

据CNBC 5月29日（当地时间）报道，美国多家大型企业近期已较少讨论继续扩大AI应用规模，转而将重点放在成本控制和使用效率上。尽管AI使用量仍在增长，但如何提高投入产出比，正成为企业管理层面临的新课题。

企业级AI平台公司Glean首席执行官Arvind Jain表示，当前客户最头疼的问题之一，就是AI成本上涨过快。他说，不少企业的年度AI预算在一两个月内就已见底；AI使用持续增加，但企业对价格的敏感度上升得比预期更快。

行业原本普遍预计，随着技术进步和市场竞争加剧，AI成本会快速下降。但现实并未朝这一方向发展。最新一代大语言模型在性能提升的同时，价格往往也更高。

Arvind Jain指出，在不少情况下，头部模型的Token单价较上一代上涨约一倍。按目前的成本结构来看，这种支出水平很难被视为长期可持续。

更值得关注的是，AI支出如今已开始直接挤压企业的人力预算。过去，技术投入更多被视为运营成本的一部分；而现在，企业必须在“继续招人”和“为AI追加预算”之间作出更明确的取舍。

他进一步表示，越来越多企业正将原本可能用于新增招聘的预算转向AI投入，希望借此提升整体生产效率，但相应的扩招空间也因此被压缩。

AI软件开发平台Factory AI也观察到了类似变化。其首席执行官Matan Grinberg表示，管理层如今面临的现实问题是：究竟该优化员工规模，还是优化人均AI成本。AI已不再只是象征性的创新投入，而是实实在在的预算分配问题。

从企业使用路径来看，AI落地策略也在快速演变。Matan Grinberg表示，最初是董事会推动管理层导入AI；随后，企业进入了“尽可能多地使用AI、不太计较成本”的阶段。

而现在，企业已进入第三阶段，即围绕成本展开优化，重新评估是否所有工作都需要调用最昂贵、最新一代的模型，以及哪些任务可以交由成本更低的模型完成。

问题在于，尽管AI确实带来了实际效果，但其创造的收益尚未证明足以抵消成本上升的速度。Arvind Jain表示，AI无疑是强大的工具，但目前仍不够高效，企业从中获得的价值往往跟不上支出的增长。

他还指出，目前企业级AI应用中，约95%的调用量仍集中在最昂贵的顶级模型上，但其中相当一部分任务，即便使用性能略低、价格更便宜的模型，同样可以完成。

有分析认为，仅通过更合理地划分任务类型并调整模型调用策略，企业就能显著压缩AI支出。Arvind Jain主张，针对不同任务难度分层使用模型，最高可实现约10倍的成本节约。

这也意味着，企业AI市场的竞争逻辑正在发生变化。过去，行业比拼的核心是谁能推出性能更强的模型；而未来，更关键的问题可能是如何把不同模型匹配到不同任务上，以提升整体成本效率。

业内普遍认为，AI市场正从性能竞赛转向经济性竞赛。随着企业不再一味追逐顶级模型的性能提升，而是更加严格地审视投入产出比，AI产业的增长节奏以及相关企业的估值，也可能随之受到明显影响。