当企业负担不起 AI 时会发生什么

早年，Uber 让跨城出行比出租车更便宜。投资者填补了差价，直到公司需要盈利。Rakuten Intelligence 的数据显示，2018 年至 2021 年间美国网约车价格上涨了 92%，而到了 2023 年，就连 Uber 的 CEO 听到纽约三英里行程如今的价格时也感到惊讶。

人工智能正接近类似的时刻。Anthropic 在 6 月确认已秘密申请在美国公开上市，据报道 OpenAI 也在准备跟进。上市公司每季度都要向股东交代，而这种审视往往会改变定价。

这引出了许多企业尚未提出的一个问题：如果其产品所依赖的 AI 变得更贵、限制更多，或两者兼有，会发生什么？答案与其说取决于 AI 实验室的决定，不如说取决于每家企业如何围绕它们构建业务，而且现在仍有时间做准备。

AI 成本已从 IT 预算转移到商业模式

最初的 AI 账单小到可以归入实验性支出。如今 AI 已嵌入产品和业务流程，其价格直接影响利润率。当前价格反映的是一个重投资时期的状况。

在研究公司 SemiAnalysis 的一项测试中，每月 200 美元的 Claude Max 套餐按标准 API 价格计算，每月提供的用量价值约为 8,000 美元。这对用户来说很慷慨，也说明某些价格与服务的底层成本之间差距有多大。

一些调整已经开始。2025 年年中，AI 编程工具 Cursor 将其每月 20 美元的套餐改为按 API 费率计费的使用量，Anthropic 则对 Claude Code 的重度用户引入了每周用量限制。开发者 Simon Willison 认为，投资者补贴 AI 使用的时代可能正在结束。

分析师们也给出了类似建议。Gartner 在 2026 年 8 月的指导意见中敦促领导者为 AI 价格可能上涨做好准备。其分析师还警告称，不了解 AI 成本如何随规模变化的组织，可能会将成本误判 500% 至 1,000%。

单位价格下降有帮助，但只在一定程度上。Epoch AI 显示，给定 AI 性能水平的价格每年大幅下降，然而麻省理工学院的研究人员发现，较新的推理模型为得出答案会使用多得多的算力。账单随用量增长，而用量持续增长。

上市带来纪律。公开上市的 AI 实验室需要向投资者展示通往可持续利润率的路径，而定价是最直接的杠杆之一。这可能意味着提高标价、收紧用量限制、将功能移入高级套餐，或更早淘汰旧模型。

初创公司也与供应商共享同一个市场。AI 实验室越来越多地推出自己的应用，正如 Anthropic 推出 Claude Code 那样，因此明确企业自身在模型之外所增加的价值是有益的。

也有积极的一面。上市公司披露更多信息，让客户更清楚地了解 AI 是如何定价的。供应商之间的竞争，加上快速改进的开源模型，应该会让那些准备好切换的客户面对的价格受到约束。

商业风险归结为两个问题。如果成本上升，客户是否会认为这项服务足够有价值而愿意支付更多？以及是否有足够的利润空间来吸收价格上涨？对于任何不确定答案的企业，有五种做法有帮助，而且都不需要从零开始。

了解每项任务的成本。许多团队知道每月的 AI 账单，却不知道单个客户操作的成本。衡量每项任务的成本可以显示，如果价格上涨 30%、50% 甚至 100%，哪些功能、客户或用例将变得无利可图。

在价值最高的地方使用 AI。大模型最擅长处理模糊性，例如首次面对一个问题时。重复性工作往往适合常规软件。例如在软件测试中，AI 可以一次性设计出如何检查某个用户旅程，之后这项检查作为普通代码运行数千次，而无需调用模型。

让模型与任务相匹配。Epoch AI 发现，能在单张消费级显卡上运行的最佳开源模型，落后领先模型约一年或更短。对于常规工作，更小或自托管的模型可以以一小部分价格提供可接受的结果。

保留切换的选项。围绕某一供应商特定功能构建的产品最难迁移。在产品与模型之间设置一个简单的中间层，并定期测试替代方案，可以把未来的价格上涨变成一场谈判。

按结果定价。按 token 向客户收费，会把 AI 价格的每一次变化直接转嫁给客户。按结果（例如完成的任务或解决的请求）收取固定费用，可以让客户面对的价格保持稳定，并给企业留出吸收自身成本变化的空间。同样的逻辑也适用于采购：按结果定价的工具让未来支出更容易预测。

可负担性是一项设计决策

Uber 的涨价并没有终结网约车。它终结的是那些假设行程将永远被补贴的商业模式。AI 很可能走上类似的道路。随着主要实验室进入公开市场，AI 的定价将更接近提供服务的成本，而企业将因其产品在该价格下是否仍然可行而受到评判。

最能应对这一转变的公司，会把 AI 视为一种需要衡量和管理的依赖项。对于尚未开始的企业来说，现在还不算太晚。这些步骤中的每一步都可以在本季度启动，而每一步都会让下一次价格变化更容易被吸收。