企业AI投入的钱该怎么花？——成本失控与破局之道

美国企业正面临AI投入的两极分化局面。

Ramp平台通过7万家美国企业的实际交易记录（而非调查问卷）揭示了一个出乎意料的现象：超过54%的美国企业已为AI工具付费。然而，中位数企业的人均月度AI投入仅为11.38美元，刚好相当于一份ChatGPT或Claude企业版的订阅价格。相比之下，最激进的前1%"AI-pilled"企业则高达7449美元/员工/月。

这两者根本不在同一竞争层面。11美元是"尝试性购买"，7449美元则是"将核心业务运行于此"。

然而更有趣的是另一面。当业界还在争论"是否采用AI"时，最激进的企业已率先踩下刹车。

Meta的AI成本危机：从"疯狂消耗token"到"限制token使用"

今年初，Meta内部推出了名为"tokenmaxxing"的机制：企业建立了一个叫"Claudeonomics"的排行榜，按照AI token消耗量对前250名员工进行排名。员工们为争取上榜，竞相让AI agent同时处理多个任务，最大化token消耗。短短30天，前250名员工就消耗了73.7万亿个token。

随后账单浮出水面。Meta内部备忘录披露，仅内部AI使用一项，2026年耗资将达数十亿美元。扎克伯格立即叫停，排行榜被撤下，公司战略从"tokenmaxxing"转向"tokenminimizing"——开始限制员工token使用量，建立实时支出监控平台，并要求工程师减少对外部Claude的依赖，转向自研的MetaCode。

与此同时，员工反应激烈。Applied AI团队的6500名工程师被调去做AI训练数据的"流水线工人"——编写谜题、设计编程题供模型训练。内部直播遭人打断并爆粗口，1600多人联名请愿反对监控数据收集。扎克伯格被迫发备忘录承认："公司在AI转型中犯了错误。"

Meta的案例揭示了一个事实：AI预算失控的速度远超管理层预期。

对中国的企业和高校而言，这个信号更值得警惕。原因何在？

中美Token成本差距：价格优势并非忽视规划的借口

首先说明一个常被忽视的事实：中国大模型API调用成本约为美国的1/50至1/100。

数据来源：截至2026年6月，DeepSeek V4 API输入价格约为¥1/百万token，输出约为¥2/百万token，是OpenAI GPT-5.5价格的约1/50。国内通义千问、文心一言、Kimi等主流模型的API定价均在同一数量级。

这意味着什么？

意味着中国机构在AI成本方面拥有更大的试错空间和规模化潜力。但关键在于——便宜不等于免费，规模化后低成本也会变得昂贵。

AI-pilled企业（Top 1%）的AI支出月度增长

Meta用实际投入验证了一条铁律：AI使用量呈指数级增长。今天看到的人均¥10/月的AI投入，当员工真正将AI融入日常工作流程后，将增至¥100、¥500甚至更多——并非单价上涨，而是用量激增。

基于以上对比，中国企业应建立三层结构的AI预算规划体系：

对于高校，问题更简单也更紧迫：大学生的AI应用能力正成为比英语更重要的竞争力指标。或许可以这样推进：

成本差距中蕴含的商业机遇

中美间50-100倍的token成本差距，加上美国企业正面临的AI成本压力，为中国小团队创造了难得的商业机遇。

三个方向值得关注：

1. AI成本管理SaaS（"企业AI财务官"）

Meta投入数十亿美元才认识到需要AI成本管控系统。中国企业同样面临类似需求——谁来监控各部门的token消耗？谁来进行模型选型的成本效益分析？谁来预警异常的AI支出？这是一个全新的企业软件领域，大企业尚未完全察觉。

2. "中国版Ramp AI Index"数据服务

Ramp能做的事，中国的企业支付平台（支付宝企业版、微信企业支付、银联商务等）同样可以实现。谁率先发布"中国企业AI采用率报告"，谁就掌握了行业话语权和客户入口。无需7万家企业的数据——一个垂直行业（如电商、金融、教育）的AI支出洞察，就足以支撑一项咨询业务。

3. 模型降本增效的中间件

AI-pilled企业的多供应商策略

美国企业正从单一供应商转向"前沿模型+开源模型+垂直方案"的组合策略。这一转变过程中，最棘手的是适配成本——不同模型的API格式、输出风格、能力边界各有差异。开发一层轻量级中间件，帮助企业自动进行模型路由（简单任务使用低成本模型，复杂任务使用高端模型），通过单一API接入和后台智能调度，实现30-50%的成本降低并不困难。

最后说一句扎心的话：

Ramp AI Index首席经济学家Ara Kharazian在最新报告中指出："企业一方面在加大AI投入，另一方面也在积极寻找性价比更高的方案。这两个趋势并不矛盾。"

OpenAI与Anthropic在企业中的采用率对比

美国企业已从"是否使用AI"进入"如何更合理地使用AI"的阶段。

中国企业虽然起步稍晚，但我们手中的牌并不差——全球最低的token价格、最完整的制造业场景、最庞大的高校在校生群体。关键在于领导层能否将AI预算规划视为与电费、房租同等的基础设施成本，而非"IT部门的试验经费"。

若您是机构管理者，现在可以做两件事：

【思想馆】聚焦科技与思维的深度观察，欢迎转发给正在思考AI时代如何自处的朋友。

主编：熊猫AI博悟馆 副主编：CC 审核：CC