AI支出大不同：企业跑两套经济学，扩张与效率市场差异几何？-优快云博客

【AI支出差异惊人】

一家企业，一年该给员工用多少AI Token？黄仁勋给出的答案是25万美元，这可能会吓到很多CFO。按照这个标准，英伟达给工程师团队批下的年度Token预算高达20亿美元。然而，Uber却走向了相反方向。今年4月，它提前花光了2026年全年的AI编码预算，随后给工程师设了每人每月1500美元的硬上限。《福布斯》算过账后，文章标题很扎心：“人工智能的成本，已经高过被它取代的人才。”

同样是顶级科技公司，买AI时一边敢人均配25万美元预算，一边却精打细算到每月1500美元，差距为何如此大？

【两套不同的经济学】

海外投资机构Leonis Capital专门发文讨论此事，答案是企业买AI正在跑两套不同的经济学。一种把AI当成本，目标是用更少的钱做同样的事；另一种把AI当增长资本，只要能创造更多产品、客户和收入，Token花得越多越划算。

理解这两套经济学，或许比讨论哪家模型更强，更接近AI商业化的核心。

【智能与商业模式的悖论】

在Leonis Capital看来，这里有两个悖论。第一，为何有些公司拼命砍AI成本，另一些却不惜买最贵的前沿模型？第二，如果开源逼近前沿水平，封闭模型凭啥还收高溢价？这两个问题背后，其实是同一个问题：智能是不是商业模式的瓶颈？

【扩张型与效率型市场】

扩张型市场中，产出随智能提升而增长，更高智能意味着更多收益，买家会不惜代价买最好的模型，就像赛车花十亿美元买最快的赛车，追求圈速。

效率型市场中，产出受非智能约束条件限制，智能超过一定线后，再多也无额外产出，买家只愿支付被替代劳动力的价格。AI在这里主要是替代劳动力等，模型胜任后，额外智能就无意义。

最终，扩张市场走向结果定价，类似咨询或服务；效率市场趋向基础设施逻辑，按token或API调用计费，上限透明，像水电煤。所以在应用层，同样收入的两类市场，估值倍数差别很大。

【Token狂欢背后的趋势】

有人想把任务分类来解决问题，比如“客户支持=提效，写代码=扩张”，但很难行得通。因为同一个任务所属市场取决于买家用途。

软件工程就是典型例子。Uber约70%已提交代码由AI生成，但仍限制支出，因为网约车平台乘客需求不受AI限制，复杂代码变不成更多订单。而早期创业公司，十倍代码量能变成十倍产品和客户，所以创业公司比大企业更舍得为前沿编码掏钱。

同一家公司也能同时有两套逻辑。Coinbase今年6月策略是token用量涨但总支出砍近一半，默认用开源模型；但在预测市场新业务上，押注前沿模型。

几乎所有财富500强都是效率型买家，“代币最大化”热潮过后，多数公司会回归效率导向。目前98%从业者管理AI支出，高于2025年的63%；73%企业过去一年超AI成本预期。由此可推出几个判断：

第一，下一阶段代币核心是“分配”，企业把AI当投资组合，考核指标转向任务成本和每一美元价值。第二，开源模型机会大，越过任务阈值后，不同模型商业价值相近。第三，闭源前沿实验室要逃离效率市场，Anthropic的路线图就是体现。第四，效率市场按基础设施逻辑定价，竞争下沉，OpenRouter的成功就是例证。