标签
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。
毕马威（KPMG）研究显示，仅26%的企业能完全掌控AI开支，多数企业处于盲目状态；例如Uber在四个月内耗尽Claude Code预算，Teradata将薪资预算转投AI。
Ed Zitron认为人工智能缺乏可衡量的投资回报率，指出了大量超支的案例以及LLM成本固有的不可预测性。文章批评了该行业无法量化回报的问题，并敦促人们保持怀疑态度。
尽管2026年全球AI支出预计达2.5万亿美元，但MIT的NANDA倡议报告指出，95%的企业生成式AI项目可衡量ROI为零。一位从业者对14个项目的第一手分析表明，预算分配不当、偏重模型工作而忽视数据基础设施是根本原因。
Anthropic在IPO前面临企业对高额AI支出的反弹，调查显示大多数企业成本节省微乎其微，更便宜的替代方案威胁其收入。
Uber在仅四个月内就超出了年度AI预算后，对每位员工使用Claude Code和Cursor等AI编码工具实施了每月1500美元的上限，这凸显了科技行业日益增长的AI成本担忧和ROI问题。
一家神秘公司因未设置使用限制，在一个月内意外在Claude AI上花费5亿美元，凸显了对AI支出回报日益增长的担忧。