Drilling Into AI’s Financial Sustainability

深入探讨 AI 的财务可持续性 | Towards Data Science

人工智能

深入探讨 AI 的财务可持续性

无论超大规模云服务提供商多么希望，AI 代币的预算都不可能是无限的

Stephanie Kirmer

2026 年 6 月 16 日

8 分钟阅读

分享

照片由 Immo Wegmann 在 Unsplash 提供

在我四月份的专栏文章中，我谈到 AI 真实成本的不透明性可能是技术长期盈利商业化的一个潜在致命缺陷。有趣的是，在过去的两个月里，我们看到了一些令人瞩目的科技行业头条新闻，可能在灾难性规模上验证了我的论点。

感觉 AI 行业的风向变化得如此之快，以至于难以跟上。就在几个月前，科技公司甚至一些其他企业都在督促员工更多地使用 AI，要求团队将其整合到工作流程中，无论他们是否有明确的需求或特别的意愿使用该软件。

事后诸葛亮

任何思考过这个问题的人都可能已经预测到，当你将人们的物质生计与使用某物更多联系在一起时，实际上会有大量的人会更多地使用该物。这导致了“tokenmaxxing”（尽可能多地使用代币），在像亚马逊这样的公司内部出现了代币使用排行榜，以及在优步（以及其他不愿透露名称的公司）等许多地方出现了令人震惊的季度 AI 代币支出数据。老实说，我不清楚为什么这些公司对这些结果感到惊讶，但无论如何，这导致了对员工的指令发生了转变，因为这种成本在任何一段时间内都是不可持续的，而且 AI 的使用也没有产生足够显著的商业成果。

有可能高管们认为 AI 使用会带来某种半奇迹般的产品ivity爆发，但如果是这样的话，他们真的没有做好功课。我们领域中的许多人以及报道该行业的媒体人士都发出了警告，指出 AI 是一种工具，可以有效地或无效地使用，期望奇迹只会带来失望。

我以前用过类似的比喻，但假设这些公司从事建筑行业，而电钻刚刚被发明出来，使得建造过程中的生产力有了显著的提高。正确的反应不是尽可能多地购买电钻，以至于使电钻部件稀缺并推高价格，还指示员工在每项任务中都使用电钻，制作显示谁在一天中使用电钻时间最多的排行榜。你将看到建筑物上出现瑞士奶酪般的孔洞图案，你将花费巨额资金购买电钻和为其供电的电力，而你将得到的成果与科技公司目前从 AI 中获得的成果差不多。

钱不是无限的

无论如何，现实已经开始迅速降临，至少这是一次快速的回归地球。一些企业仍在购买电钻，但大公司已经注意到这里的成本效益比并不合理，并正在做出调整。然而，正如我在四月份所解释的那样，这不会像他们想象的那样容易。一些公司开始告诉他们的团队，AI 的使用必须是为了产生成果的目的，而不仅仅是 tokenmaxxing，以试图在降低成本的同时，利用该技术在能够创造价值的地方获得好处。

他们尚未意识到的是，为令牌（tokens）制定预算，并明确界定AI在何时能帮助解决问题，这比使用其他类型的科技要困难得多。让我们回到我四月份的文章，回顾一下个人使用AI的经验。

“[Y]ou can ostensibly control how many tokens you submit, and thus control your costs, but that control is limited. You can make your prompts brief, limit extraneous instructions, and keep down your costs for input as a result. However, when agentic tools get involved, and the LLM is constructing prompts to pass to other LLMs, you’re no longer in charge of the length of the prompts. Even more significantly, you have only the most minimal control over the number of tokens that any model responds with (such as by asking it to “be concise”). For the most part, the number of output tokens is a part of that nondeterministic unknown I described before. And, you’ll note, an output token costs 5x the price of an input token.”

进一步扩展这一点，每次使用AI时，都有可能无法成功回答你的问题。因此，老虎机（slot-machine）这一因素进一步加剧了问题。技术工作者不知道A. 任何提示（prompt）将返回多少个令牌，也不知道B. 需要多少次输入提示（可能需要进行编辑）才能得到一个成功的问题答案。为了计算成本，我们需要将所有输入提示的令牌数量，以及所有输出提示的令牌数量（A，这是未知的）相加，乘以尝试次数（B，这也是未知的）。A和B会根据模型架构、当前的问题、模型中的随机性以及其他我们可能尚未意识到的后台因素，不可预测地变化。然后，我们再乘以所使用模型（或多个模型）每个令牌的价格，正如我在四月份所解释的，这个价格也会变化。

因此，如果你是科技公司的财务部门人员，需要为明年AI令牌的预算（以美元计算）做出决定，我祝你一切顺利。即使基于过去的使用情况，或对公司的生产力目标有非常详细的了解，我认为你准确预算所需金额的机会似乎非常渺茫。然而，你必须实施某种限制，这不能是空白支票的情况，因此你最终不得不在某个时候对人员进行限制。

实际影响

这实际上会如何运作？是“手动编码”在下半年，而上半年则大量使用AI？我们是否在第三季度和第四季度手动撰写所有电子邮件和营销文档？我们是否在达到某个阈值后关闭AI语音转文字工具和语音转文本软件？对我而言，这是一个引人深思的问题，因为我亲身经历过使用AI编写代码与不使用AI编写代码之间的体验差异，而在这两种方式之间来回切换将造成极大的干扰。

这也引发了关于削减人工智能成本将如何影响提供基于人工智能解决方案的公司的问题。去年十月，我曾讨论过超大规模云服务商（如Anthropic、OpenAI、Google等）正在推动初创公司在其产品中实施基于人工智能的功能，目的是为了赚取利润，以回报那些向该行业投入数十亿美元的投资者。随着提供人工智能功能的成本不断上升，而公司越来越倾向于采用按使用付费的模式，这种飞轮效应将开始崩溃。如果公司因为预算无法承受不断攀升的成本而减少使用基于人工智能的工具，那么回流到超大规模云服务商的收入管道将枯竭。Anthropic和OpenAI计划在今年进行首次公开募股，两者都面临着极其不确定的盈利路径，同时还有数百亿美元需要偿还给投资者，因此，人工智能使用率的下降对他们来说是最不愿看到的事情。

值得一提的是，苹果公司上周在WWDC上宣布了其进入人工智能领域的首款产品，目前批评者对该产品的反应相当积极。新的Siri将使用Google Gemini的技术，具有显著的隐私保护措施（包括设备端和私有云计算，以及最小的数据存储），而且不会给用户带来额外的费用。如果这一产品能够实现预期的质量，那么普通消费者对ChatGPT和Claude的使用也可能面临风险。

结论

请继续关注，因为虽然“公司对人工智能账单感到震惊”和“OpenAI和Anthropic瞄准历史上最大规模的首次公开募股”这两个故事经常被分别报道，但它们其实是从不同角度讲述的同一个故事。即使科技公司确实觉得人工智能为他们带来了好处并提升了生产力，他们也并没有无限的预算可以投入其中。如果他们没有无限的预算（而消费者显然也没有，因为消费品价格正在挤压预算，经济情绪已降至近一个世纪以来的最低点），我们必须重新思考，OpenAI、Anthropic和其他公司所期望的数十亿美元收入究竟将从何而来。再加上公众对数据中心的反对以及对人工智能普遍的负面情绪，超大规模云服务商确实面临真正的难题。

阅读我更多作品，请访问www.stephaniekirmer.com

进一步阅读

https://medium.com/@s.kirmer/can-we-save-the-ai-economy-b431b1f62f93

https://medium.com/@s.kirmer/the-llm-gamble-cc434c5a9f54

https://www.businessinsider.com/disney-ai-push-increase-velocity-tech-employees-tokenmaxxing-josh-damaro-2026-6

https://www.businessinsider.com/ai-spending-roi-concerns-tokenmaxxing-uber-coo-andrew-macdonald-reaction-2026-5

https://gizmodo.com/big-tech-is-quietly-admitting-that-if-it-wants-to-sell-people-on-ai-it-better-be-cheap-2000768710

https://tech.yahoo.com/ai/articles/amazon-latest-tech-giant-face-212500092.html

https://www.inc.com/georgia-fearn/palantir-ceo-just-accused-ai-labs-of-tokenmaxxing-at-corporate-companies-expense/91359321

https://www.businessinsider.com/meta-google-jpmorgan-make-ai-performance-reviews-goals-raises-promotions-2026-3

https://www.theverge.com/tech/949502/apple-macos-27-golden-gate-siri-ai-apple-intelligence

https://www.theverge.com/tech/947432/siri-ai-apple-intelligence-ios-27-wwdc

https://gizmodo.com/americans-are-starting-to-really-hate-data-centers-and-its-making-the-tech-industry-nervous-2000767088

https://gizmodo.com/companies-are-getting-burned-by-burning-tons-of-tokens-2000765232

作者：

查看 Stephanie Kirmer 的所有文章

AI 项目管理

,

编辑推荐

大语言模型

令牌管理

分享本文

• 在 Facebook 上分享

• 在 LinkedIn 上分享

• 在 X 上分享

Towards Data Science 是一个社区出版物。提交您的见解，以触达全球受众，并通过 TDS 作者支付计划获得报酬。

更新为您的实际提交 URL

为 TDS 撰写文章

✦ 结束 CTA ✦