瑞银最新研报扯下了AI狂热的遮羞布：约六成企业已经踩下AI刹车，不同程度收紧开支。背后的推手不是技术瓶颈，而是越来越离谱的Token账单。 以前企业搞AI不管三七二十一，先接API跑个Demo再说。现在CFO和CTO看着持续走高的账单直摇头。Uber运营总监安德鲁·麦克唐纳5月份就交了底，人工智能投入的回报率十分微薄，持续攀升的成本已难以自证合理性。 账单压力直接引发了一场内部工具大清洗。有受访企业坦言，年度Token预算大半已提前消耗完毕。以前内部一口气上线五款AI工具加多款大模型，现在直接砍到只保留两款，并且严格管控调用量。绝大多数企业已经把Token成本优化列为核心工作，行业彻底告别盲目试水阶段。 在这场温和逆风中，OpenAI和Anthropic等闭源大厂首当其冲，承受着最大的缩减开支压力。DeepSeek等开源模型则顺势接住了这波平替红利，尤其吃香于那些有非代码类业务需求的企业。 靠烧钱换规模的草莽期已经结束。当Token账单成为悬在头顶的利剑，把成本优化写进常态化研发KPI才是活下去的底线，资本市场不会再为没有ROI的盲目炫技无限期买单。 瑞银分析师团队最近跟十几位企业IT负责人深度聊了聊，扒出了这波AI开支收缩背后的三大核心真相。其实这根本不是什么技术信仰崩塌，而是企业终于开始算经济账了。 第一个真相是Token账单倒逼精细化运营，成本优化彻底变成常态化KPI。以前企业搞AI是闭着眼睛接API，现在是CFO盯着报表杀价。瑞银调研显示，绝大多数企业已经把Token成本优化列为核心工作。有企业高管直言，年度预算大半提前烧完，只能砍掉多余工具。当下的核心问题早就不再是要不要调用词元资源，而是如何高效利用。成本优化已经从应对预算危机的临时救火，变成了常态化的技术研发。 第二个真相是闭源大厂遭反噬，开源模型吃尽平替红利。当CFO们开始抠字眼算成本，OpenAI和Anthropic这类闭源头部厂商首当其冲，面临最大的缩减压力。反观DeepSeek等开源模型和中国本土大模型，直接接住了这波红利。特别是那些有非代码类业务需求的企业，用开源模型平替简直香得不行。 第三个真相是底层硬件升级酝酿大招，行业仍在良性阵痛期。别一看企业缩减开支就觉得AI要凉。瑞银强调这只是良性调整阵痛，没哪家企业彻底叫停AI落地。真正的杀招在底层硬件。下一代芯片训练的全新模型有望进一步把调用成本打下来。随着三星HBM4E良率突破70%等硬件进展，底层算力的升级迟早会把推理成本砸出一个大坑。 别把成本收缩当成AI退潮的信号。当潮水退去，只会无脑调API的玩家注定出局，能靠开源模型和底层硬件把成本抠到极致的精细化运营者，才能拿到下一张牌桌的入场券。 闭源大厂现在的日子确实不好过。瑞银团队深度走访了十几位企业IT一把手，结论很直接：短期内OpenAI和Anthropic这些闭源头部厂商，正承受着最猛的缩减开支压力。以前企业买闭源API，看中的是技术光环和参数规模，现在CFO只盯投资回报率。当Token账单变成无底洞，闭源模型的高溢价就成了原罪。 这时候，DeepSeek等开源模型直接接住了这波平替红利。特别是那些搞非代码类业务的企业，做做智能客服、写写营销文案、搭搭内部知识库，根本用不着花大价钱去调最顶级的闭源模型。用开源模型做平替，常规任务效果能逼近闭源的90%，但调用成本能砍掉70%以上。有企业技术主管私下吐槽，以前非要用闭源大模型撑门面，现在发现DeepSeek这类开源方案完全够用，省下来的预算够给研发团队换一轮顶配显卡了。 闭源大厂显然也慌了，开始拼命卷降本。谷歌搞出Gemini 3.5 Flash，Anthropic发Claude Sonnet 5，都在主打Token使用效率。但这更像是被逼出来的防御动作。对于大多数企业来说，把核心业务绑在单一闭源大厂的API上，不仅贵，还容易被卡脖子。 开源模型的崛起不是偶然，是市场用脚投票的结果。当AI应用从炫技走向落地，能帮企业把每一分钱都花在刀刃上的模型，才是真正的生产力。闭源大厂如果还指望靠参数壁垒收过路费，迟早会被开源生态的白菜价卷死。 软件层抠成本抠得头破血流，硬件层和重度场景却在悄悄憋大招，AI投资正加速潜入深水区。 先看底层物理底座。三星电子最近透了底，第七代HBM4E的可靠性测试良率已经干到70%以上，逼近80%的成熟量产线。别小看这十几个百分点的跨越，这直接意味着英伟达下一代Vera Rubin Ultra加速器的显存瓶颈正在被强行打通。以前大厂们天天盯着大模型参数规模卷，现在真刀真枪拼的是底层内存良率和先进DRAM工艺。算力成本的物理底座正在被一点点夯实，把推理价格砸穿只是时间问题。 光有便宜算力不够，还得有能算出真金白银的重度场景。施耐德电气直接砸了31亿美元全现金，把挪威工业AI公司Cognite全盘吞下。这可不是买个套壳大模型做做PPT，而是实打实买下了工业数据平台。Cognite专门帮能源和制造等重资产行业整合运营数据。施耐德高管算过账，靠AI搞电力智能化，能耗最多能砍掉30%。这才是AI落地的深水区。以前企业搞AI是弄个聊天机器人听听响，现在是把AI硬塞进工厂流水线和电网调度里抠利润。 AI投资早就过了听个响的草莽期。底层硬件把算力单价打下来，垂直应用把业务ROI提上去。还在靠通用大模型讲故事的公司该醒醒了，未来的牌桌上，只有把硬件良率和工业场景吃透的硬核玩家，才能把成本阵痛熬成真正的护城河。 企业内部的AI工具大清洗才刚刚进入深水区。以前搞AI是闭着眼睛堆API，内部一口气上线五款工具加多款大模型，生怕落后于时代。现在CFO拿着账单挨个对账，年度Token预算大半提前烧完，直接砍到只保留两款核心工具，并且严格管控调用量。这种从广撒网到精耕细作的转变，标志着企业彻底告别了盲目试水的草莽期。 当Token账单变成无底洞，把成本优化写进常态化KPI就不再是一句空话。瑞银走访的一家企业高管交了底，当下的核心问题早就不再是要不要调用词元资源，而是如何高效利用。成本优化已经从应对预算危机的临时救火，变成了常态化的技术研发工作。这意味着，以后评估一个AI项目能不能上，不仅要看业务收益，还得把Token消耗死死算进ROI里。 具体怎么抠成本？得先戒掉对闭源大模型的路径依赖。非核心业务直接切到开源平替，常规任务效果逼近闭源的九成，调用成本却能砍掉大半。接着要在路由策略和Prompt工程上死磕。通过意图识别把简单问题分流给小模型，复杂推理再扔给大模型，把每一滴算力都榨干。 别再迷信堆砌工具能带来业务增长了。当潮水退去，只会无脑调API的玩家注定出局。把Token成本优化刻进研发团队的DNA，用开源生态和精细化运营把每一分钱都花在刀刃上，才是熬过这波成本阵痛、拿到下一张牌桌入场券的唯一解法。