美國企業觀念突變，不再爲AI大肆燒錢
AI 行業進入“詞元經濟學”時代，成本控制成爲企業部署 AI 的核心考量。
要點
- 美國企業正從追求“詞元消耗量”轉向追求“詞元經濟效益”，不再盲目爲最高端、最昂貴的AI模型支付溢價。
- 企業開始採用“模型混搭”策略，將 OpenAI 和 Anthropic 的高端模型與更便宜的開放權重模型（包括中國模型）搭配使用。
- AI模型正逐漸被視爲普通商品（Commodity），企業忠誠度降低，傾向於根據任務複雜度選擇最具性價比的方案。
- 出現了一種典型的分層架構：由頂級模型（如 Anthropic Fable 或 OpenAI Sol）負責規劃和審查，由低成本模型（如 DeepSeek 或 月之暗面 的 Kimi）負責執行。
行業影響與競爭格局
- 開放權重模型（如 Meta 的 Llama）通過微調爲企業帶來顯著成本削減，例如 Zoom 通過微調 Llama 節省大量資金。
- 中國 AI 初創公司（如 DeepSeek、MiniMax、月之暗面）的模型在美國企業中被廣泛使用，儘管面臨地緣政治風險和安全警告。
- 高端模型廠商（OpenAI, Anthropic）面臨估值威脅，因爲基礎模型能力的普及降低了高端模型的絕對壟斷地位，迫使它們通過補貼和激勵措施鎖定客戶。
- Cursor 等模型無關（Model-agnostic）的工具獲益，允許用戶在不同供應商之間自由切換。
企業實踐案例
- Telnyx：採用混合架構，使用 Z.AI 模型驅動 1,400 個智能體執行，由 Anthropic Fable 規劃，OpenAI Sol 審查，大幅降低每日運營成本。
- Harvey：訓練 GLM-5.2 模型處理常規任務，僅在判定爲“艱鉅任務”時才調用 Anthropic Fable 5。
- Cursor 實驗：通過結合 Composer 編程模型與 Anthropic Opus 4.8，將構建瀏覽器的成本從 1 萬美元降低至 1,339 美元。