标签
文章分析了AI平台不可持续的经济学，揭示了巨额补贴，像OpenAI和Anthropic这样的公司通过远低于成本的收费损失了数十亿美元，导致了可负担性危机。
本文讨论了企业在部署AI处理重复性任务时面临的AI成本上升悖论，指出AI更像昂贵的基建而非廉价劳动力，需要监控、人工审核和集成等成本。
文章追溯了大语言模型从社区知识共享到当前补贴模式的演变过程，强调了AI公司面临盈利困难的财务困境——若提高价格则面临用户流失风险。
Bellwethr 正在开发一种开放方法，用于追踪来自高性能模型的单个推理 token 的实际美元成本，目前基准测试套件草案和社区贡献正在进行中。
Anthropic 正在从 xAI 的 Colossus 集群租用 GPU 进行推理，因为代币消耗呈指数级增长，这凸显了代币短缺问题，推高了成本并给 AI 公司的利润率带来压力。
分析显示，如果用户充分利用OpenAI的200美元ChatGPT订阅，计算成本可能达到14,000美元，凸显了大规模部署AI的经济挑战。
一份Citadel Securities的报告指出，前沿人工智能因算力和推理成本正面临真正的经济限制，导致向成本纪律和模型替代的转变。该报告验证了近期高额令牌费用体验，并预测了AI使用将出现分化。
分析Claude Fable 5的成本与定价模式、Anthropic停止在订阅中包含前沿模型并转向按token计费的决定，以及这对AI访问和不平等带来的更广泛经济影响。
文章强调了AI token使用经济性在大规模应用时被低估的挑战，讨论了随着组织从概念验证转向企业级部署，成本如何成为治理问题。它提出了关于成本可见性、监控以及平衡性能与成本的问题。
Nvidia 副总裁表示，其团队的算力成本已超过员工成本；Uber 因高昂的 token 成本，在四月份就用完了 2026 年的 AI 编码预算，印证了这一点。
一项分析表明，像Anthropic和OpenAI这样的AI公司每获得100美元收入，可能实际花费超过1000美元，凸显了LLM市场不可持续的经济状况。
像DeepSeek和Qwen这样的中国AI模型，以比西方同类产品低5至20倍的成本提供有竞争力的性能，正在重塑AI经济学并推动多模型部署策略。
本文分析了开放和封闭AI模型之间的经济分化，认为高级封闭模型将通过优越的智能（尤其是编码代理）保持高利润率，而开放模型则遵循商品化和效率的不同轨迹。
文章探讨了 AI 如何创造新就业机会并使企业能够将资金重新投入到业务领域，从而消除人们对 AI 导致失业的担忧，这一观察来自与企业高管的对话。
高盛预测，到2030年，人工智能代理的Token使用量将增长24倍，并引用成本担忧，Uber和微软正在重新考虑使用昂贵的代理，凸显了人工智能繁荣的一个关键挑战。
微软和其他科技公司在发现人工智能的计算成本超过人类劳动力成本后，正在缩减AI工具的使用，这凸显了人工智能应用中的一个主要经济瓶颈。
文章将当前AI格局比作抢椅子游戏，警告不断上升的成本和有限的获取途径正在将AI的好处集中于富裕实体，并敦促非富裕参与者立即行动，以免为时过晚。
《福布斯》分析了 OpenAI 和 Anthropic 在迈向公开上市过程中截然不同的财务轨迹，突显了 Anthropic 以企业客户驱动的盈利能力，而 OpenAI 则面临消费者规模带来的亏损。