The Hidden Risk To AI Profitability (And How To Fix It) DATA CENTER MAINTENANCE COSTS: THE HIDDEN RISK TO AI PROFITABILITY (AND HOW TO FIX IT) The greatest threat to profitability in the AI business today isn't model performance. It's infrastructure cost. Hyperscalers have already built up a mountain of capital costs for data center construction that depreciates rapidly. But now, maintenance of AI data centers is a pressure point that they can no longer afford to overlook. That's because as the use of gener ...

纪要涉及的行业和公司 - **行业**：印度科技、媒体和互联网行业，重点涉及IT服务和SaaS行业 [1][4][8] - **公司**：AI Rudder、Straive、TCS.IN（Tata Consultancy Services Ltd）、INFO.IN（Infosys Ltd）、COFORGE.IN（Coforge Limited）、PSYS.IN（Persistent Systems Limited）、Salesforce、Microsoft、Amazon、OpenAI、Google等 [1][7][42] 纪要提到的核心观点和论据 Agentic AI和LLMs的发展趋势 - **Agentic AI将变革科技栈**：Agentic AI预计利用LLMs快速提升的能力改变科技栈，推动从“AI驱动的企业工作流”转变，重新定义生产力，将范式从静态API和僵化的UX/UI转向动态、目标驱动的系统 [2] - **LLMs采用率增加**：LLMs和AI的采用路径与云计算类似，最初的怀疑逐渐被更好的接受度取代，已证实的ROI、灵活的部署方式（云、本地、边缘）和成熟的LLM生态系统增强了信心，语音AI代理将推动多模态交互，增强呼叫中心代理的能力 [2][16] - **AI采用将遵循云的轨迹**：AI采用将像云一样，起初缓慢，随着工具、信任和人才的契合而加速，文化转变和监管清晰度的提高正在加速信任和企业准备度 [16] 不同类型LLMs的比较 - **开源与专有LLMs各有优劣**：开源LLMs提供更大的控制、定制和成本效率，但需要大量内部专业知识，且存在安全和支持风险；专有LLMs如GPT - 4或Claude提供最先进的性能、可扩展性和托管安全功能，但成本较高，定制有限，可能存在供应商锁定 [32] - **多模型多供应商的未来**：未来可能是多模型、多供应商的，由社区驱动的创新和特定领域的需求塑造，开源LLMs正在推动一个开放、模块化、竞争的空间 [35] - **顶级LLMs的评估**：GPT - 4o和Claude 3 Opus在企业级性能方面领先，具有强大的代理和多模态能力，但成本较高；Gemini 1.5适合生产力用例；开源模型如Mistral和LLaMA 3提供经济高效、可定制的选项，但需要更多努力来实现代理工作流；Cohere在RAG相关企业任务中表现出色，但缺乏完整的多模态或自主代理能力 [39][40] 对IT服务和SaaS模型的影响 - **IT服务劳动密集型模型面临风险**：IT行业的软件开发方式将改变，大量基本编码将转向AI，AI不仅能编写代码，还能为功能开发提供精确估计，设定新的生产力和质量基准，劳动密集型行业如BPM和传统IT服务在技术栈中风险最大 [4][41] - **SaaS用户增长可能停滞或下降**：随着AI代理接管人类任务，用户数量可能下降，但使用和自动化程度将增加，这将打破按席位定价的模式，推动SaaS提供商转向基于价值、使用或结果的计费 [4][30][31] LLMs的演变方向 - **从成本削减到创收**：早期企业采用LLMs主要集中在成本削减用例，随着发展，LLMs将从成本削减工具演变为增长引擎，通过超个性化、对话式商务和AI原生产品体验实现创收，自主代理正在重塑商业模式 [5][43][44] 投资建议 - **印度IT服务行业中期受益**：印度IT服务行业中期将受益于Agentic AI，但短期内会受到效率驱动的增长影响，IT服务公司可以结合AI知识和客户行业经验，帮助企业决定如何采用AI，填补客户在构建有吸引力的AI应用程序时面临的技能、数据和基础设施差距 [8] - **具体公司评级**：对大型印度IT服务公司Infosys和TCS给予“Outperform”评级，对中型IT服务公司Coforge和Persistent给予“Outperform”评级 [8] 其他重要但可能被忽略的内容 - **工作任务自动化比例变化**：目前47%的工作任务主要由人类单独完成，22%主要由技术完成，30%由两者结合完成；到2030年，雇主预计这三个类别/方法的比例将接近平均分配 [9] - **AI代理集成方式**：添加AI代理通常是叠加而非重建，如果应用程序有稳定的API和清晰的用户流程，可以在几周内部署一个有效的AI代理层；对于较旧或更封闭的系统，可能需要一些工程努力来创建桥梁 [24] - **AI平台支持多渠道客户交互**：AI平台展示了语音机器人和聊天机器人等AI代理如何通过统一的AI交互式机器人层部署在多个渠道（电话、短信、电子邮件、WhatsApp、Facebook等），这些代理通过预先存在的通信和后端API与现有系统交互 [29] - **新应用构建**：包括垂直代理、代理托管与服务、可观测性、代理框架、内存、工具库、沙箱、模型服务和存储等多个类别，涉及Sierra、Replit、Dosu等众多公司和平台 [45] - **公司估值和风险**：对TCS、Infosys、Coforge和Persistent Systems进行了估值，并指出了各公司的下行风险，如TCS可能面临大订单势头放缓、数字业务增长放缓等风险 [49][50][51][52][53] - **评级定义和分布**：介绍了Bernstein和Autonomous品牌的评级定义、基准和评级分布情况 [55][56][57][59][60][61] - **利益冲突和合规信息**：报告中提及了分析师的利益冲突、公司的合规政策、不同地区的分发规定以及报告的法律声明等内容 [71][72][76][80][84][85][86][88][89][90][94][97][99][100][101][102][103][104][105][106][107][108][109][110][111]

以下文章来源于王智远 ，作者王智远 王智远 . 商业记录者，主持人、《复利思维》《自醒》图书作者；专注于市场营销、消费心理、AI新科技、精 神生活与商业探索。 本文来自微信公众号： 王智远 ，作者：王智远，原文标题：《AI是朋友，还是思维控？》，题图来源：AI 生成 我用AI，主要为了办公。 不过，我发现，现在越来越多的人喜欢跟AI聊聊心里的焦虑、压力和困惑。AI总能给出很理性、清晰的解 释或安慰，听起来挺不错。 但是，有时AI回答得太合理了，反而，有点不对劲。不对劲在哪？ 我们以为的真理，可能是它的策略性表 演。 一 我向DeepSeek倾诉了焦虑，说每到周末工作效率特别高，周一到周五却非常抗拒做事；我也试过网上那些 千篇一律的行动方案，但似乎没什么改变。 当我把问题交给AI时，它沉默了一会儿，给了我一堆行动步骤。 我不太甘心，让它再想想。这次它解释得很详细，说我陷入了认知资源透支、工作日效率补偿效应…… 还建议我用结构化时间管理法，把任务集中在周末思考，工作日执行，减少内耗；听完，我仿佛觉得，这 AI怎么像一位心理学专家，在认真为我出主意？ 带着好奇，我又把同样的问题发给了Qwen3。 你发现了吗？ 同样 ...

我用AI，主要为了办公。 不过，我发现，现在越来越多的人喜欢跟AI聊聊心里的焦虑、压力和困惑。AI总能给出很理性、清晰 的解释或安慰，听起来挺不错。 但是，有时AI回答得太合理了，反而，有点不对劲。不对劲在哪？我们以为的真理，可能是它的策略 性表演。 一 我向DeepSeek倾诉了焦虑，说每到周末工作效率特别高，周一到周五却非常抗拒做事；我也试过网上 那些千篇一律的行动方案，但似乎没什么改变。 它们两位像逻辑大师，拿着同一本哲学书，却能推演出完全相反的真理，每个论证看起来都无懈可击。 那一刻，我才意识到： 当我把问题交给AI时，它沉默了一会儿，给了我一堆行动步骤。 我不太甘心，让它再想想。这次它解释得很详细，说我陷入了认知资源透支、工作日效率补偿效应…… 还建议我用结构化时间管理法，把任务集中在周末思考，工作日执行，减少内耗；听完，我仿佛觉得， 这AI怎么像一位心理学专家，在认真为我出主意？ 带着好奇，我又把同样的问题发给了Qwen3。 Qwen3 分析得很深入，涉及压力释放、心理预期、任务性质与内在动机等多方面的问题，但它给的建 议却完全相反： 它认为：我的问题是"自主性需求"和"压力管理"之间的冲突。周末 ...