大厂AI预算两极分化：效率型与扩张型经济学的分野
2026/09/08 19:08阅读量 2
企业AI支出呈现极端两极分化，英伟达人均年预算高达25万美元，而Uber将工程师月预算限制在1500美元。这种差异源于企业对AI定位的不同：将其视为“增长资本”的扩张型市场追求智能突破以扩大产出，而将其视为“成本中心”的效率型市场仅关注替代人力和降低成本。随着开源模型逼近前沿水平，多数受非智能因素制约的企业将回归成本控制，迫使闭源实验室向金融、科学等扩张型领域转型。
事件概述
近期，科技巨头在AI投入上的巨大差异引发行业关注。英伟达为工程师团队提供高达20亿美元的年度Token预算，人均约25万美元；相比之下，Uber在提前花光全年编码预算后，设定了每人每月1500美元的硬性上限。这一现象揭示了AI商业化中两种截然不同的经济学逻辑：效率型（降本）与扩张型（增效）。
核心信息
1. 决定支出的关键：智能是否为业务瓶颈
- 扩张型市场（增长资本）：当智能提升能直接带来更多产品、客户或收入时（如药物研发、芯片设计），买家愿意支付高昂费用获取最前沿模型。此时，性能即收益，Token消耗越多越划算。
- 效率型市场（成本控制）：当业务受需求、监管、分销等非智能因素制约时（如网约车订单量、传统客服），额外智能无法增加总产出。买家仅愿支付替代劳动力的价格，一旦模型满足任务阈值，更高阶的智能便无商业价值。
2. 同一任务，不同逻辑
- 软件工程案例：Uber虽70%代码由AI生成，但因乘客需求不受AI限制，故严格控费；而初创公司则可能通过十倍代码量换取十倍产品迭代，因此更舍得投入前沿模型。
- 混合策略：Coinbase采取双轨制，日常业务使用便宜的开源模型以削减近半支出，但在预测市场等新业务线上押注前沿模型以做大蛋糕。
3. 市场趋势与影响
- 财富500强回归理性：绝大多数大型企业属于效率型买家。数据显示，98%的从业者正在管理AI支出，73%的企业超出成本预期。未来考核指标将从基准评分转向“每美元价值”。
- 开源模型机遇：当模型能力越过任务阈值后，GPT-5.6、Kimi 3、GLM 5.2等主流模型产生的商业价值趋同，开源模型因性价比高迎来广阔空间。
- 闭源实验室的突围：Anthropic等前沿实验室正从编码等被开源蚕食的“效率市场”逃离，转向Claude for Financial Services、Claude Science等“扩张型市场”，以维持高溢价。
- 基础设施化定价：效率市场的竞争下沉至推理成本、部署及监控工具（如OpenRouter），定价趋向按Token或API调用计费，类似水电煤基础设施。
4. 竞争形态决定收入持续性
- 零和博弈（如对冲基金、咨询）：AI支出如同竞争对手间征收的“税”，所有玩家必须跟进以防出局，但优势归零且结构脆弱，易受监管或整合影响。
- 正和博弈（如药物研发）：AI扩大整个市场蛋糕，支出具有持久性，但最终会撞上临床试验、监管审批等非智能瓶颈。
值得关注
当前AI行业的核心问题不再是“哪家模型更强”，而是“每一美元的AI投入是否解决了真实的业务瓶颈”。对于大多数企业而言，无法与真实瓶颈挂钩的AI项目仅是表演性投资；而对于前沿实验室，能否快速进入正和博弈的扩张型市场，决定了其长期生存能力。