企業現在對 AI 的投入，怎麼看都像一場豪賭，賭的是生產力能飆到什麼程度，賭的是成本不會失控。過去幾年，只要沾上「AI」兩個字，大家就敢往裡砸錢，一副生怕錯過什麼的樣子。但現在呢？現實的巴掌開始扇過來了。那些動輒數百美元一個月的訂閱費，還有 API 調用按 token 計費的模式，讓財務部門坐不住了。公司上下都在檢討，到底哪些部門在「燒錢」，哪些場景是真的「剛需」。大家嘴上說著 AI 是未來，心裡想的可能更多是「能不能省一點」。
從技術角度看，token 效率是個繞不開的坎。特別是當模型要處理大量業務資料、生成複雜代碼、或者進行多輪對話時，token 的消耗速度簡直是飛快。想像一下，一個大型企業，幾百上千個工程師同時在用 ChatGPT Enterprise 或 Claude Team 寫代碼、做文檔總結，每天產生的 token 數量簡直天文數字。這不是幾塊錢幾十塊錢的問題，是會直接影響到季度財報的。現在大家開始仔細審視，是不是真的每個任務都需要最頂級、最昂貴的模型？是不是有些邊緣任務，其實用些成本較低的 API 也能湊合？還有，這些模型在長文本處理上的注意力衰減問題，導致同樣的內容可能要重複輸入好幾次，那 token 不就白白浪費了嗎？對企業來說，這就是實打實的成本。
當前市場上，ChatGPT Enterprise 和 Claude Team 憑藉其在長文本處理、複雜推理和程式碼生成上的實力，確實搶佔了不少企業級客戶。但別以為這些大公司就對價格不敏感，他們只是對「可替代性」更敏感。如果今天 DeepSeek、Qwen、Kimi 或文心一言能提供類似的性能，而且價格砍掉九成，你覺得那些企業高層會怎麼選？當然，這背後還有資料隱私和安全性考量，這也是 OpenAI 和 Anthropic 能夠維持高價的原因之一。企業把核心業務資料餵給模型，可不想這些資料最後成了別人的訓練集，或者在傳輸過程中被攔截。這也是為什麼許多公司會限制員工使用特定模型，甚至考慮自建私有化部署。
說到底，這場 AI 軍備競賽，最後會不會變成一場「價格戰」？當模型性能逐漸趨同，成本就成了決定勝負的關鍵。那些動輒數百億美元的估值，究竟是基於技術領先的壁壘，還是只是在燒錢圈地？當「性價比」這三個字被擺到桌面上，那些看似高不可攀的獨角獸們，還能笑多久？