roi

一项分析对比了大语言模型推理中的预填充与解码阶段，探讨在本地大语言模型部署中，预填充在投资回报率方面是否未被充分重视。

Palantir CEO Alex Karp批评了OpenAI和Anthropic等商业AI实验室的API令牌定价模式，认为其回报率极低，并且随着企业寻求对数据和计算的控制，开源权重模型正在胜出。

本文论证了大多数企业需要的是用于自动化重复性工作流程的AI代理，而不仅仅是聊天机器人，并提供了实现更高投资回报率的实施框架。

一个讨论帖，询问AI智能体工作流在实际场景中的ROI，涵盖软件开发、研究、客户支持、运营、销售和数据分析等领域，寻求架构细节、指标及经验教训。

一篇讨论使人工智能盈利的策略和商业计划的文章。

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。

Scott Galloway与Ed Nelson探讨了AI采用成本不断上升的问题，Uber、Microsoft和Salesforce等公司报告称AI支出超出预算且尚未带来明确的ROI，暗示可能出现市场修正。

企业因AI能力而裁减初级岗位，同时承认无法证明AI的投资回报率，这危及了未来高级人才的储备。文中以Uber、Microsoft和Duolingo为例。

一份案例研究表明，使用AI代理为200名创作者生成内容，花费$2,352获得了25,638次下载和$6,635 MRR，每安装成本$0.09，ROI达2.82倍，优于传统TikTok广告。