AI 没有投资回报率：一场被掩盖的成本危机

背景

近期，随着 Anthropic 和 OpenAI 等头部 AI 实验室在 2026 年第一季度悄然将其企业客户从订阅制转向基于 Token（令牌）的计费模式，AI 行业的“成本迷雾”被彻底撕开。此前，Uber 首席运营官 Andrew Macdonald 公开表示，由于难以将 AI 支出与有用的消费者功能划清界限，证明 AI 支出的合理性正变得越来越困难；其首席技术官也透露，Uber 在四个月内烧完了全年的 Token 预算。

与此同时，Axios 记者 Madison Mills 报道了一家企业因未设置支出上限，在一个月内意外花费 5 亿美元使用 Anthropic 模型的事件，并指出其他公司开始寻求降低 AI 支出的方法。这一系列事件标志着 AI 行业从“不计成本的狂热增长”转向“直面真实成本”的转折点。

核心内容

文章深入剖析了当前 AI 行业存在的根本性矛盾：无法衡量投资回报率（ROI）以及成本结构的极度不透明。

1. 无法测量的 ROI 与成本黑洞

作者指出，没有人能够真正衡量 AI 的投资回报率，甚至无法创建标准化的任务成本衡量标准。这主要归因于两个因素：

• 大语言模型（LLM）的本质缺陷：LLM 具有不可避免的幻觉倾向，且除了预训练和微调阶段外，不具备学习、意识或思维能力。每一次交互都可能以难以预测的方式出错，企业必须保持永恒的警惕以防止灾难性的愚蠢行为。
• 计费模式的复杂性：随着各种 Harness（接口框架）和“代理（Agentic）”界面的不断涌现，不同的 Prompt（提示词）和项目交互方式千差万别，使得成本核算变得几乎不可能。

2. 订阅制下的“虚假繁荣”与用户愤怒

长期以来，AI 订阅服务（如 GitHub Copilot、Anthropic 等）通过隐藏真实成本来误导用户。

• GitHub Copilot 的计费变革：微软将 GitHub Copilot 从“高级请求模型”全面转向基于 Token 的计费。此前，用户每月支付 39 美元即可无限使用，导致用户毫无节制地消耗 Token。变革后，用户愤怒爆发：有人一个 Prompt 消耗了 50% 的月度额度，有人在几小时内烧掉 60%，还有人抱怨 Copilot 从“最爱”变成了“最压力源”。
• 故意隐藏成本：这种愤怒源于微软在促销期间故意隐藏 Prompt 的实际成本，允许用户以极低的边际成本（甚至免费额度）进行无节制使用，以此推动增长。

3. 行业性的成本操纵与“幻觉”

作者认为，整个 AI 行业都在通过补贴 Token 和模糊实际成本来制造一种“kalopsia”（幻觉），即让用户相信 AI 比其实际更廉价、更可靠。

• 计费机制揭秘：用户支付月费，获得基于日/周“速率限制”的使用权，但公司从不解释速率限制的具体含义，仅提供模糊的百分比指示。
• Token 计费逻辑：AI 按输入和输出 Token 收费（1 Token 约等于 0.75 个单词）。无论交互是否成功或有效，每次交互都产生费用。
• 创业公司的亏损本质：几乎所有 AI 初创公司都是亏损的，因为它们将风险投资人的钱直接支付给 Anthropic 和 OpenAI。例如，Anthropic 允许用户每支付 1 美元订阅费，消耗 8 至 13.5 美元的 Token。尽管 CEO Dario Amodei 声称 Anthropic 在推理层面“盈利”，但缺乏实际证据。

4. 企业内部的“白痴 CEO”与成本脱节

企业内部的 AI 使用环境加剧了这一问题：

• 管理层误导：许多缺乏技术背景的 CEO 将 AI 使用率作为 KPI，甚至以此作为考核员工去留的标准，鼓励员工尽可能多地使用 AI。
• 成本脱节：员工在使用隐藏了真实成本的订阅服务时，被训练成认为 AI 使用是“免费”的。当 Anthropic 和 OpenAI 转向按实际 Token 成本收费时，这种脱节导致了企业的恐慌。例如，沃尔玛对其内部 AI 编码工具 "Code Puppy" 设置了 Token 限制，发言人表示希望员工以“创造价值”的方式应用 AI。

5. 成本并未真正下降

尽管模型每百万 Token 的成本（即“智能成本”）在下降，但完成相同任务所需的 Token 数量大幅增加，导致推理总成本上升。作者用了一个比喻：就像汽油单价便宜了，但你到目的地的距离却越来越远，最终总花费反而更高。

关键要点

• ROI 缺失：由于 LLM 的幻觉特性和缺乏意识，AI 支出的回报难以量化，甚至无法建立标准的成本衡量体系。
• 计费模式转变引发阵痛：Anthropic 和 OpenAI 在 2026 年 Q1 将企业客户转为 Token 计费，直接暴露了此前订阅制下的成本黑洞，导致企业用户（如沃尔玛）紧急设置支出上限。
• 订阅制的欺骗性：现有的 AI 订阅服务通过隐藏真实 Token 成本、模糊速率限制，让用户产生“使用成本低廉”的错觉。GitHub Copilot 的案例显示，一旦恢复按量计费，用户会因无法控制消耗而强烈反弹。
• 行业性成本操纵：AI 公司故意模糊成本以推动增长，导致用户（尤其是被 KPI 驱动的企业员工）无节制地消耗资源，形成“不经济”的使用习惯。
• 推理成本实际上升：虽然单位 Token 价格下降，但由于模型完成相同任务需要更多 Token，整体推理成本并未降低，反而可能上升。
• 初创公司普遍亏损：AI 初创公司本质上是在将 VC 资金支付给底层模型提供商，缺乏独立的盈利证据。

意义与影响

这篇文章揭示了 AI 行业从“泡沫期”向“现实期”过渡的关键信号。其深远影响体现在以下几个方面：

1. 企业 AI 支出的理性回归：随着计费模式的透明化，企业将不得不重新评估 AI 工具的实际价值。那些无法证明明确 ROI 的 AI 项目将面临削减或终止，AI 采购将从“盲目跟风”转向“严格审计”。
2. AI 产品模式的潜在重构：当前的订阅制或免费增值模式可能难以为继。未来，AI 服务可能需要更精细的定价策略，或者通过提高模型效率（减少 Token 消耗）来降低用户感知成本，否则将面临巨大的用户流失风险。
3. 对 AI 乐观主义的挑战：文章挑战了主流科技媒体对 AI 的过度炒作，指出当前的“AI 热潮”部分建立在对真实成本的忽视之上。这有助于投资者和企业更冷静地看待 AI 技术的成熟度和商业化潜力。
4. 技术债务与成本控制的矛盾：企业意识到，AI 的不稳定性和高成本是其核心属性，而非暂时性的技术缺陷。这要求企业在采用 AI 时，必须建立更严格的监控、预算控制和人工审核机制，以应对“灾难性愚蠢”带来的潜在损失。

总之，AI 并没有像宣传中那样廉价且高效。随着成本迷雾的散去，行业将进入一个更加残酷但真实的竞争阶段，只有那些能够真正证明价值并有效控制成本的应用才能生存下来。