标签
一个被称为“tokenomics”的新领域已经出现，用于衡量企业在人工智能上投入的巨额资金的投资回报。
OpenAI计划到2030年在计算基础设施上投入7500亿美元，远超Anthropic的租赁策略，导致Claude用户面临更多速率限制和宕机，而OpenAI则不断推出新功能。计算能力的差距正在成为一条竞争护城河。
谷歌在AI基础设施上加大投入的信号，将争论焦点从企业是否会投资AI转向哪些企业能从中获利，投资者开始关注投资回报率。
Oracle裁员21000名员工（占员工总数的13%），为大规模AI基础设施支出提供资金，包括与OpenAI签订的3000亿美元合同。同时，公司面临监管障碍和信用评级下调，威胁到其在威斯康星州计划建设的数据中心。
谷歌云收入激增82%，达到248亿美元，得益于企业采用AI，这证明了其巨额AI投资的合理性。CEO Sundar Pichai强调了强劲的增长势头和长期合同，Gemini月活跃用户达到9.5亿。
特斯拉2026年第二季度营收增长26%至282亿美元，但运营支出上升47%，利润率降至1.4%，因包括AI在内的支出增加挤压了盈利能力。
软银首席执行官孙正义预测，到2040年，人工智能每年需要5万亿美元的投资，并否定了关于人工智能泡沫的担忧。
文章讨论了这一趋势：公司可能很快会在每位员工身上花费的AI代币金额超过其薪资。文章引用AI支出每月增长14.1%的数据，并指出大量采用AI的企业反而增加了更多工作岗位，这与AI取代劳动力的说法相矛盾。
巴伦周刊报道了中国人工智能公司智谱AI和DeepSeek的支出策略，重点介绍了它们在竞争激烈的人工智能领域的财务动向。
一篇探讨开源AI模型崛起为何尚未对Anthropic等前沿实验室造成负面影响的文章。数据显示，尽管开源模型处理的token量更大，但前沿模型因用于早期部署阶段，仍占据了大部分支出。
分析AI计算支出与工程师薪资的对比，显示Anthropic在计算上的支出是薪资支出的2.3倍，而大多数公司支出远低于此，并展望了至2029年的成本情景。
Clement Delangue 认为，开放科学和开源AI可以让AI支出更高效，对比了美国和中国的人工智能投资策略。
Ramp追踪了7万家美国企业的AI支出，发现AI普及率接近100%，但不同企业间支出差异巨大：重度使用者每月人均烧$7,449，而普通公司仅$11.38（一个Claude订阅的费用）。
本文报道了人工智能行业从大量tokenmaxxing支出向效率提升的转变，Lindy和Uber等公司通过改用更便宜的模型或实施支出上限来降低成本，这对OpenAI和Anthropic产生了影响，它们正准备进行IPO。
本文认为，当前高昂的LLM定价不可持续，原因是性能提升递减、开源权重模型兴起、专用AI芯片降低推理成本以及零切换成本，并预测随着竞争加剧，价格将大幅下降。
公司们意识到，将非确定性人工智能强行应用于零错误商业环境会适得其反，导致预算削减和试点项目失败，因为投资回报率始终难以实现。
亚马逊从银行借款175亿美元用于AI基础设施，此前已发行140亿美元债券，新增融资总额达315亿美元，反映出AI军备竞赛所需的巨额资金。
企业AI支出持续增长，顶级公司每月每位员工在AI上花费7500美元，但仍低于工程师平均薪资。Ramp AI Index的研究显示，各公司的采用率差异显著。