瑞銀調研：60%企業已限制AI支出，中國開源模型進入採購選項
Claire Weston
瑞銀6月23日報告顯示約60%企業已為AI Token支出設限，企業開始按任務揀模型、引入中國開源模型降低成本——AI產業鏈的贏家排序正被改寫。
六成企業限制AI支出，究竟發生了甚麼？
AI Agent和代碼工具普及後，Token消耗從「偶爾聊幾句」變成「全天候跑任務」，賬單直接擺到了CFO枱面上。
極端案例：某公司年內Token預算大量消耗，AI工具從5個縮減至2個；AWS Bedrock上出現單用戶單月花3.5萬美元；有DevOps團隊成員每周用量達配額的100%–200%。
Databricks CEO原話：「這是一個大減速帶，不是小減速帶。」這意味著→ 成本治理已從個別企業的自發行為，演變為全行業的共同動作。
「按任務揀模型」點樣慳錢？
核心技術動作叫模型路由（將不同任務分配給不同模型）：只有複雜推理、關鍵代碼才調用最貴模型，其餘任務用平價模型。
以Anthropic定價為例，低端Haiku 4.5輸出價每百萬Token 5美元，高端Opus達25美元，最頂級50美元——低端到高端價差10倍。
這意味著→ 高端模型從「默認項」變成了「奢侈項」。簡單來說＝ 以前甚麼任務都丟給最強模型，現在團隊會先問：呢個任務真係需要最貴嗰個嗎？
微軟新推的MAI小語言模型亦踩中這個方向：350億參數的中等模型負責思考，Code-1定位低端前沿——目標就是「夠用但更平」。
中國開源模型點樣進入企業採購清單？
降檔不只發生在同一家供應商內部。企業正大規模評估中國開源模型，包括阿里Qwen、DeepSeek、MiniMax、智譜GLM、Kimi。
一家大型全球銀行為控制Token支出，已在本地部署Qwen，用來平衡Claude等高端模型的使用。這意味著→ 成本結構從「按Token付費」變成「本地硬件一次性配置」，同時規避了使用外部託管中國模型的合規風險。
雲平台已將上述模型納入標準菜單：AWS Bedrock提供MiniMax、Kimi、Qwen、DeepSeek、GLM；微軟Azure AI Foundry提供DeepSeek。這反映出中國開源模型已非邊緣選項，而是正式進入了企業成本曲線。
產業鏈上邊個受衝擊最大？
模型層直接承壓——客戶從高價模型切換至小模型或開源模型，高端模型收入增速首先受影響。
雲和硬件層衝擊有限：客戶換模型但推理仍在雲上跑，算力需求不會消失，只是雲廠商的模型API收入增速可能放緩。
軟件公司處境最為複雜：一邊面對客戶縮減預算，一邊有機會將自身定位為Token優化平台。簡單來說＝ 軟件公司企喺「被砍預算」同「幫客戶慳錢」嘅岔路口上。
邊個已經喺「幫客戶慳錢」呢條路上跑起嚟？
Palantir約一個月前商業化AIP Evolve（幫客戶揀模型、調Prompt、改數據調用的優化工具）。據披露，Evolve在一個案例中推薦更換模型後，Token成本下降97%，上線三周採用率達90%。
大型席位制SaaS公司如Salesforce、ServiceNow、Workday處境尤為複雜——一方面客戶在重排預算，另一方面自己仍在推動從「按席位收費」向「席位+用量」的計費過渡。
這反映出此輪優化的本質：AI需求沒有消失，但贏家排序正被改寫——低成本模型和路由工具受益，高價模型增速受壓。
AI Agent落地到底走到邊一步？
瑞銀Evidence Lab對約130家企業的最新調查：僅8%大規模生產部署AI Agent，37%有限規模生產使用，29%仍在試點。
簡單來說＝ 大多數企業尚未真正將AI Agent用到核心業務，但已經在為Token賬單頭痛——優化跑在了大規模應用的前面。
法律AI公司Harvey的數據說明優化與擴張可以同時發生：Token消耗從1月的1萬億增長至5月的12萬億–13萬億。這意味著→ 瑞銀的核心判斷是：Token優化可能暫時拖累AI收入增速，但長期趨勢依然強勁。
Content is for reference only, not financial advice.