瑞银调研：60%企业已限制AI支出，中国开源模型进入采购选项
Claire Weston
瑞银6月23日报告显示约60%企业已为AI Token支出设限，企业开始按任务挑模型、引入中国开源模型降本——AI产业链的赢家排序正在被改写。
六成企业限制AI支出，到底发生了什么？
AI Agent和代码工具普及后，Token消耗从"偶尔聊几句"变成"全天候跑任务"，账单直接摆到了CFO桌上。
极端案例：某公司年内Token预算大量消耗，AI工具从5个砍到2个；AWS Bedrock上出现单用户单月花3.5万美元；有DevOps团队成员每周用量达配额的100%–200%。
Databricks CEO的原话："这是一个大减速带，不是小减速带。"这意味着→ 成本治理已从个别公司的自发行为，演变为整个行业的共同动作。
"按任务挑模型"怎么省钱？
核心技术动作叫模型路由（把不同任务分配给不同模型）：只有复杂推理、关键代码才调用最贵模型，其余任务用便宜的。
以Anthropic定价为例，低端Haiku 4.5输出价每百万Token 5美元，高端Opus达25美元，最顶级50美元——低端到高端价差10倍。
这意味着→ 高端模型从"默认项"变成了"奢侈项"。用大白话说＝ 以前什么任务都丢给最强模型，现在团队会先问：这个任务真的需要最贵的吗？
微软新推的MAI小语言模型也踩中这个方向：350亿参数的中等模型做思考，Code-1定位低端前沿——目标就是"够用但更便宜"。
中国开源模型怎么进入企业采购清单的？
降档不只在同一家供应商内部发生。企业正大规模评估中国开源模型，包括阿里Qwen、DeepSeek、MiniMax、智谱GLM、Kimi。
一家大型全球银行为控制Token支出，已在本地部署Qwen，用来平衡Claude等高端模型的使用。这意味着→ 成本结构从"按Token付费"变成"本地硬件一次性配置"，同时绕开了使用外部托管中国模型的合规风险。
云平台已把这些模型纳入标准菜单：AWS Bedrock提供MiniMax、Kimi、Qwen、DeepSeek、GLM；微软Azure AI Foundry提供DeepSeek。这反映出中国开源模型已不是边缘选项，而是正式进入了企业成本曲线。
产业链上谁受冲击最大？
模型层直接承压——客户从高价模型切换到小模型或开源模型，高端模型收入增速首先受影响。
云和硬件层冲击有限：客户换模型但推理仍在云上跑，算力需求不会消失，只是云厂商的模型API收入增速可能放缓。
软件公司处境最复杂：一边面对客户砍预算，一边有机会把自己变成Token优化平台。用大白话说＝ 软件公司站在"被砍预算"和"帮客户省钱"的岔路口上。
谁已经在"帮客户省钱"这条路上跑起来了？
Palantir约一个月前商业化AIP Evolve（帮客户选模型、调Prompt、改数据调用的优化工具）。据披露，Evolve在一个案例中推荐更换模型后，Token成本下降97%，上线三周采用率达90%。
大型席位制SaaS公司如Salesforce、ServiceNow、Workday处境尤为复杂——一方面客户在重排预算，另一方面自己还在推动从"按席位收费"向"席位+用量"的计费过渡。
这反映出此轮优化的本质：AI需求没有消失，但赢家排序正在重写——低成本模型和路由工具受益，高价模型增速受压。
AI Agent落地到底走到哪一步了？
瑞银Evidence Lab对约130家企业的最新调查：仅8%大规模生产部署AI Agent，37%有限规模生产使用，29%仍在试点。
用大白话说＝ 大多数企业还没真正把AI Agent用到核心业务里，但已经在为Token账单发愁了——优化跑在了大规模应用的前面。
法律AI公司Harvey的数据说明优化与扩张可以同时发生：Token消耗从1月的1万亿增长到5月的12万亿–13万亿。这意味着→ 瑞银的核心判断是：Token优化可能暂时拖累AI收入增速，但长期趋势依然强劲。
Content is for reference only, not financial advice.