企业在人工智能方面的支出正遭遇意想不到的瓶颈。多年来，企业奉行“人人试验”的政策，但如今越来越多的公司发现，鼓励成千上万的员工自由使用人工智能工具，最终体现在账单上和战略规划中的效果截然不同。账单来得比投资回报来得快。

要点总结

• 由于按代币计费的 API 定价模式导致成本意外高昂，各公司正在减少对人工智能的无限制支出。
• 这种现象被戏称为“Tokenpocalypse”（代币末日）——指的是大型语言模型 API 中按代币定价如何导致大规模成本膨胀。
• 许多公司在没有投资回报率框架的情况下部署了人工智能工具，因此无法证明这些支出与生产力提升之间的合理性。
• 像Akash和Render这样的去中心化 GPU 网络正在将自己定位为 AWS、Azure 和 Google Cloud 的更便宜的替代方案——但如果公司只是简单地减少 AI 的使用，则可能会面临需求风险。
• 微软、谷歌和亚马逊在季度业绩报告中对人工智能工作负载的评论，将是企业需求是否真正放缓的最清晰信号。

企业人工智能支出面临成本挑战

从对人工智能的乐观态度到对人工智能的谨慎态度转变如此迅速，以至于已经有了专门的名称。最初，企业大力推广人工智能应用于各种工作流程，但如今却与人工智能应用程序接口（API）的实际定价机制发生了冲突——其结果令财务团队措手不及。

代币末日现象

“Tokenpocalypse”（令牌末日）这个词精准地概括了问题的症结所在：大多数大型语言模型 API 都按令牌收费，这意味着每次查询、每次生成的响应、每次自动化工作流步骤都会增加费用。这种模式在小规模下运行良好。但如果扩展到整个组织——跨部门、跨工具、跨持续运行的自动化流程——就会产生最初无人预料到的巨额账单。

从热情高涨到成本控制的转变非常迅速。过去将人工智能视为固定成本的生产力提升福利的企业，如今开始将人工智能的使用视为一项项支出，其规模随使用量而变化，这种模式更像是水电费账单，而非软件订阅费。

人工智能工具采用中缺乏投资回报率框架

雪上加霜的是，缺乏任何有效的衡量体系来消化成本冲击。许多公司在没有建立清晰的投资回报率框架的情况下就推出了人工智能。团队被要求将人工智能集成到工作流程中，但实际的生产力提升很少与支出进行对比。没有机制来回答这个根本问题：这样做值得吗？

由于缺乏问责机制，使用量不受控制地增长。如今，面对意料之外的巨额账单，各组织不得不重新进行原本应该优先进行的成本效益分析。

复杂性增加导致人工智能计算成本上升

成本上升的部分原因不仅在于人员配置的增加，还在于工作性质本身的变化。随着企业从轻量级查询转向涉及智能体和检索增强生成等更复杂的多步骤人工智能工作流程，每个任务的计算开销显著增加。一个简单的问答提示的成本远低于多智能体管道的成本，而企业越来越多地使用后者。

这一点至关重要，因为它意味着成本问题并非一成不变。即使公司停止向新员工开放人工智能的使用权限，随着工作流程日益复杂，每位用户的成本仍然可能上升。人工智能计算需求的增长轨迹取决于任务的复杂性，而不仅仅是员工人数。

对去中心化GPU网络和云服务提供商的影响

企业人工智能的成本核算并非仅限于企业IT预算。它向外扩散——不仅波及提供计算资源的云服务提供商，而且越来越多地波及试图与它们竞争的去中心化解决方案。

去中心化网络作为更经济实惠的替代方案

构建去中心化GPU网络的项目一直标榜自身比AWS、Azure和Google Cloud等中心化云服务提供商更具成本效益。其逻辑很简单：如果企业现在对AI计算的成本非常敏感，那么他们至少应该考虑分布式方案。而当企业AI预算面临压力时，这种说法就显得更有说服力了。

高成本可能引发的行为反应

但这种乐观情绪背后也隐藏着更严峻的局面。高昂的人工智能计算成本可能导致企业减少使用量，而不是寻求更便宜的基础设施。如果企业应对高额人工智能账单的措施仅仅是缩减人工智能活动——减少工具、用户数量、限制访问权限——那么无论集中式还是分散式计算服务提供商都无法从中获益。需求只会萎缩。

这就是去中心化GPU网络面临的反向风险。他们的宣传假设成本敏感型企业会转向更便宜的计算资源。但另一种可能性是，企业会彻底削减计算资源，从而从一开始就减少竞争需求。

通过科技巨头的业绩监测企业人工智能需求

要更清晰地了解大规模云服务市场的真实情况，主要云服务商的季度业绩将是最佳窗口。微软、谷歌和亚马逊的人工智能工作负载增长率是衡量企业需求是否真正放缓的最可靠指标。它们的前瞻性评论——而非个别公司削减人工智能预算的新闻报道——将决定这代表的是结构性转变，还是仅仅是内部支出政策的暂时调整。

如果这三家公司的人工智能工作负载增长率保持强劲，则表明无论企业内部围绕工具访问权限的政治因素如何，它们仍在继续大规模运行人工智能。如果这些数字放缓，情况则会发生实质性变化。

来自链上GPU利用率的加密货币市场信号

对于关注加密货币在人工智能计算领域应用前景的投资者而言，相关数据都存储在链上。Akash 和 Render 等协议上的 GPU 利用率提供了一个实时信号，无需依赖公司新闻稿或季度财报电话会议。如果这些网络的利用率在企业人工智能预算紧缩的情况下保持稳定或攀升，则表明需求正在多元化——从大型企业扩展到更广泛的用户和开发者群体。

这种需求多元化对于去中心化计算领域的韧性而言，将是一个意义重大的积极信号。反之，如果在企业人工智能预算紧缩时期链上利用率下降，则表明这些网络比其去中心化架构所暗示的更容易受到企业周期波动的影响。

常问问题

企业人工智能支出中的“代币末日”是什么？

Tokenpocalypse 指的是 AI API 中按代币定价造成的危机，随着组织内成千上万的员工进行 AI 实验，导致账单金额意外地大幅增加。

为什么企业要削减人工智能工具的预算？

由于人工智能成本高昂且出乎意料，许多公司正在削减人工智能方面的支出，雪上加霜的是，许多公司缺乏明确的投资回报率框架来确定生产力提升是否足以抵消这笔支出。

去中心化GPU网络如何在人工智能计算市场中定位自身？

他们将自己宣传为比 AWS、Azure 和 Google Cloud 等集中式云提供商更便宜的替代方案，旨在吸引那些对成本敏感、正在仔细审查其 AI 基础设施支出的企业。

哪些指标可以揭示企业对人工智能工作负载的需求趋势？

微软、谷歌和亚马逊在季度业绩报告中公布的 AI 工作负载增长率，是衡量企业对 AI 计算的需求是在扩大还是在收缩的最直接指标。

本文由人工智能辅助生成，并经编辑团队审核。