一句话看懂：多家企业发现，大规模部署 AI 应用带来的算力成本、API 调用费用和模型微调支出远超预期，开始主动限制 AI 使用范围，甚至削减项目。这一现象揭示了当前大模型商业化面临的现实困境：技术狂热退潮后，投入产出比正成为企业决策的核心标尺。
事件核心：发生了什么
据英国《金融时报》报道，随着生成式 AI 的部署从试点走向规模化，企业 CFO 和 IT 负责人发现实际账单惊人。一家大型企业高管直言：“我们创造了一个怪物。”具体表现为：高频率调用 GPT-4、Claude 等闭源大模型 API 每月产生数十万美元费用；自建或微调开源模型需要昂贵的 GPU 集群，推理环节的电力和维护成本让中小型企业难以承受。一些公司已要求员工减少非必要 AI 查询，并将部分任务切换至更便宜的开源模型或规则引擎。报道提及，有企业将 AI 工具的使用范围从全员开放缩减为特定部门，另一些则干脆叫停不产生明确收入的项目。
为什么重要
这标志着 AI 行业从“跑马圈地”进入“精打细算”阶段。此前，硅谷和资本市场过度关注用户数量增长，忽视了单位经济模型。当前事实表明：即使在 GPT-4 Turbo 等模型降价后，大规模推理成本依然高昂；而开源模型虽降低训练成本，但部署和运维隐形成本并未消失。这一矛盾正在重塑竞争格局——拥有自研芯片和基础设施的云巨头（如微软、谷歌、亚马逊）可能更具成本优势，而依赖第三方 API 或纯模型卖点的初创公司将面临更大生存压力。
对用户/开发者/创作者的影响
对于企业采购者和开发者，这意味着选型必须更务实：需要单独核算不同场景的 token 消耗和响应延迟，在闭源 API 与开源部署之间做成本权衡。对于内容创作者，AI 工具的免费额度或低价套餐可能进一步缩水，部分平台已出现按查询次数计费的趋势。对于独立开发者，构建 AI 应用时需预留更高的推理预算，或主动采用量化、蒸馏等模型压缩技术来减少调用成本。此外，企业收紧 AI 使用也可能导致某些依赖 AI 回复质量的产品体验下降。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，更多云厂商是否会跟随 OpenAI 的步伐，推出更细粒度的定价层级（如离线批处理、低优先级推理）来吸引成本敏感客户。第二，开源社区能否推出真正能降低推理总成本（TCO）的轻量工具链，例如更高效的 KV 缓存或硬件适配方案。第三，企业会不会将 AI 投入重点从通用聊天助手转向更具 ROI 的垂直场景，例如代码补全、客服自动化和文档分析。第四，监管层面是否会因企业成本压力而加速对“不当收费”“供应商锁定”的关注。
来源：www.ft.com
