瑞银调研：企业AI支出未退潮，自建趋势压制SaaS厂商
Nashnova编辑部
企业开始算账了，为什么钱还在花？
瑞银分析师凯尔斯特德的核心判断：企业AI投入逻辑正从"token最大化"转向"token优化"，效率和投资回报率被放到更优先的位置。
这意味着→ "算ROI"不等于"停投AI"。企业普遍担心错过窗口期，更倾向于先部署、再加护栏。
云厂商二季度业绩强劲，OpenAI、Anthropic等前沿模型需求也未因成本焦虑明显萎缩——用大白话说＝花钱的速度没慢下来，但花法变精细了。
成本怎么控？企业已经动手了
最核心的关切已从"AI能不能用"变成"谁在用、用了多少、值不值"。多家企业部署了使用追踪系统，员工达到额度后请求自动切换到更低级别模型。
模型调用层面也在优化：给模型更精炼的上下文、减少对RAG系统(检索增强生成——让模型先查资料再回答的技术)的反复调用、用脚本和提示词压缩降低单次任务成本。
报告提到一个典型案例：一家企业以固定价格向客户开放前沿模型，结果模型使用成本侵蚀利润。这意味着→ 定价结构迟早要改，"无限量供应最强模型"不可持续。
为什么大企业宁愿自己建，不买SaaS？
Salesforce创始人贝尼奥夫多次预判企业自建AI最终会失败、转向购买成熟SaaS产品，但瑞银调研显示现实尚未站到SaaS厂商一边。
财富500强倾向自建的三个理由：①内部流程高度定制，现成SaaS AI功能未必适配；②自建可保留对数据与智能体系统的完整控制权；③部分外部产品定价偏高或交付效果不达预期。
用大白话说＝有企业直接表示"SaaS厂商目前没有值得买的AI功能，自己开发插件就行"。这反映出应用软件公司的AI变现拐点还没到。
一个自建案例说明了什么？
报告中有一家企业计划用Turtle文件构建自己的本体层(ontology——把企业数据按语义关系组织起来的结构)，将SAP或PTC Windchill数据实时导入Databricks数据湖，经多层清洗后供智能体调用。
该企业希望以此替代Palantir方案，理由是成本更低、人才招聘更容易、未来还可向客户开放技术。
这意味着→ 企业不只是在"自建应用"，而是在自建底层数据架构——这对Palantir等平台型公司是更深层的威胁。
数据层稳，应用层慌——技术栈里谁的位置最安全？
Databricks在调研中被多次提及，覆盖实时数据湖、数据治理和AI工具底座等场景。Snowflake被用于构建智能体，受访企业明确指出LLM无法直接替代它——LLM擅长处理语言，不擅长对数百万数据点做数学处理。
Palantir的反馈复杂：仍占有一席之地，但部分客户已开始尝试用AI自建本体层替代它。一家大型国防承包商提到内部已有团队缩减Palantir使用。瑞银提示这类案例仍属早期信号。
数据库层也出现压力：有客户在AI工作负载上选择Redis和Postgres，加剧了外界对MongoDB能否充分参与AI负载的关注。
小公司抢单、云格局未变——还有哪些信号？
上市应用软件公司在调研中被提及频次有限，Atlassian、CrowdStrike、Salesforce均出现但频次不高。反而是一批小型私有AI原生公司更活跃：CodeRabbit(代码审查)、Opik(LLM可观测性)、Onyx(智能体安全)，切入的都是非常具体的痛点。
这意味着→ 企业AI采购正在绕过大型SaaS平台，直接选择垂直场景的专精工具。
云端部署格局方面，AI基础设施仍高度集中在AWS、Azure和谷歌云之上，"AI回迁本地"的实质性趋势尚未得到客户侧证据支撑。有企业计划从Azure全面迁至谷歌云，理由是定价更有竞争力，但迁移周期至少一年。
Content is for reference only, not financial advice.