企業在人工智能方面的支出正遭遇意想不到的瓶頸。多年來，企業奉行“人人試驗”的政策，但如今越來越多的公司發現，鼓勵成千上萬的員工自由使用人工智能工具，最終體現在賬單上和戰略規劃中的效果截然不同。賬單來得比投資回報來得快。

要點總結

• 由於按代幣計費的 API 定價模式導致成本意外高昂，各公司正在減少對人工智能的無限制支出。
• 這種現象被戲稱爲“Tokenpocalypse”（代幣末日）——指的是大型語言模型 API 中按代幣定價如何導致大規模成本膨脹。
• 許多公司在沒有投資回報率框架的情況下部署了人工智能工具，因此無法證明這些支出與生產力提升之間的合理性。
• 像Akash和Render這樣的去中心化 GPU 網絡正在將自己定位爲 AWS、Azure 和 Google Cloud 的更便宜的替代方案——但如果公司只是簡單地減少 AI 的使用，則可能會面臨需求風險。
• 微軟、谷歌和亞馬遜在季度業績報告中對人工智能工作負載的評論，將是企業需求是否真正放緩的最清晰信號。

企業人工智能支出面臨成本挑戰

從對人工智能的樂觀態度到對人工智能的謹慎態度轉變如此迅速，以至於已經有了專門的名稱。最初，企業大力推廣人工智能應用於各種工作流程，但如今卻與人工智能應用程序接口（API）的實際定價機制發生了衝突——其結果令財務團隊措手不及。

代幣末日現象

“Tokenpocalypse”（令牌末日）這個詞精準地概括了問題的癥結所在：大多數大型語言模型 API 都按令牌收費，這意味着每次查詢、每次生成的響應、每次自動化工作流步驟都會增加費用。這種模式在小規模下運行良好。但如果擴展到整個組織——跨部門、跨工具、跨持續運行的自動化流程——就會產生最初無人預料到的鉅額賬單。

從熱情高漲到成本控制的轉變非常迅速。過去將人工智能視爲固定成本的生產力提升福利的企業，如今開始將人工智能的使用視爲一項項支出，其規模隨使用量而變化，這種模式更像是水電費賬單，而非軟件訂閱費。

人工智能工具採用中缺乏投資回報率框架

雪上加霜的是，缺乏任何有效的衡量體系來消化成本衝擊。許多公司在沒有建立清晰的投資回報率框架的情況下就推出了人工智能。團隊被要求將人工智能集成到工作流程中，但實際的生產力提升很少與支出進行對比。沒有機制來回答這個根本問題：這樣做值得嗎？

由於缺乏問責機制，使用量不受控制地增長。如今，面對意料之外的鉅額賬單，各組織不得不重新進行原本應該優先進行的成本效益分析。

複雜性增加導致人工智能計算成本上升

成本上升的部分原因不僅在於人員配置的增加，還在於工作性質本身的變化。隨着企業從輕量級查詢轉向涉及智能體和檢索增強生成等更復雜的多步驟人工智能工作流程，每個任務的計算開銷顯著增加。一個簡單的問答提示的成本遠低於多智能體管道的成本，而企業越來越多地使用後者。

這一點至關重要，因爲它意味着成本問題並非一成不變。即使公司停止向新員工開放人工智能的使用權限，隨着工作流程日益複雜，每位用戶的成本仍然可能上升。人工智能計算需求的增長軌跡取決於任務的複雜性，而不僅僅是員工人數。

對去中心化GPU網絡和雲服務提供商的影響

企業人工智能的成本覈算並非僅限於企業IT預算。它向外擴散——不僅波及提供計算資源的雲服務提供商，而且越來越多地波及試圖與它們競爭的去中心化解決方案。

去中心化網絡作爲更經濟實惠的替代方案

構建去中心化GPU網絡的項目一直標榜自身比AWS、Azure和Google Cloud等中心化雲服務提供商更具成本效益。其邏輯很簡單：如果企業現在對AI計算的成本非常敏感，那麼他們至少應該考慮分佈式方案。而當企業AI預算面臨壓力時，這種說法就顯得更有說服力了。

高成本可能引發的行爲反應

但這種樂觀情緒背後也隱藏着更嚴峻的局面。高昂的人工智能計算成本可能導致企業減少使用量，而不是尋求更便宜的基礎設施。如果企業應對高額人工智能賬單的措施僅僅是縮減人工智能活動——減少工具、用戶數量、限制訪問權限——那麼無論集中式還是分散式計算服務提供商都無法從中獲益。需求只會萎縮。

這就是去中心化GPU網絡面臨的反向風險。他們的宣傳假設成本敏感型企業會轉向更便宜的計算資源。但另一種可能性是，企業會徹底削減計算資源，從而從一開始就減少競爭需求。

通過科技巨頭的業績監測企業人工智能需求

要更清晰地瞭解大規模雲服務市場的真實情況，主要雲服務商的季度業績將是最佳窗口。微軟、谷歌和亞馬遜的人工智能工作負載增長率是衡量企業需求是否真正放緩的最可靠指標。它們的前瞻性評論——而非個別公司削減人工智能預算的新聞報道——將決定這代表的是結構性轉變，還是僅僅是內部支出政策的暫時調整。

如果這三家公司的人工智能工作負載增長率保持強勁，則表明無論企業內部圍繞工具訪問權限的政治因素如何，它們仍在繼續大規模運行人工智能。如果這些數字放緩，情況則會發生實質性變化。

來自鏈上GPU利用率的加密貨幣市場信號

對於關注加密貨幣在人工智能計算領域應用前景的投資者而言，相關數據都存儲在鏈上。Akash 和 Render 等協議上的 GPU 利用率提供了一個即時信號，無需依賴公司新聞稿或季度財報電話會議。如果這些網絡的利用率在企業人工智能預算緊縮的情況下保持穩定或攀升，則表明需求正在多元化——從大型企業擴展到更廣泛的用戶和開發者羣體。

這種需求多元化對於去中心化計算領域的韌性而言，將是一個意義重大的積極信號。反之，如果在企業人工智能預算緊縮時期鏈上利用率下降，則表明這些網絡比其去中心化架構所暗示的更容易受到企業週期波動的影響。

常問問題

企業人工智能支出中的“代幣末日”是什麼？

Tokenpocalypse 指的是 AI API 中按代幣定價造成的危機，隨着組織內成千上萬的員工進行 AI 實驗，導致賬單金額意外地大幅增加。

爲什麼企業要削減人工智能工具的預算？

由於人工智能成本高昂且出乎意料，許多公司正在削減人工智能方面的支出，雪上加霜的是，許多公司缺乏明確的投資回報率框架來確定生產力提升是否足以抵消這筆支出。

去中心化GPU網絡如何在人工智能計算市場中定位自身？

他們將自己宣傳爲比 AWS、Azure 和 Google Cloud 等集中式雲提供商更便宜的替代方案，旨在吸引那些對成本敏感、正在仔細審查其 AI 基礎設施支出的企業。

哪些指標可以揭示企業對人工智能工作負載的需求趨勢？

微軟、谷歌和亞馬遜在季度業績報告中公佈的 AI 工作負載增長率，是衡量企業對 AI 計算的需求是在擴大還是在收縮的最直接指標。

本文由人工智能輔助生成，並經編輯團隊審覈。