会议纪要关键要点总结 涉及的行业与公司 * 行业: 企业级人工智能（AI）行业，特别是AI模型服务、云计算（超大规模云服务商）和企业软件（SaaS/应用软件）领域[2] * 提及的公司: * AI模型提供商: OpenAI, Anthropic, Meta, Google (Gemini)[3][6][9][19] * 超大规模云服务商 (Hyperscalers): 微软 (Microsoft, Azure), 谷歌云 (Google Cloud), 亚马逊云科技 (AWS), 甲骨文 (Oracle)[4][19][20] * 企业软件/工具: 微软 (GitHub Copilot, M365 Copilot, VS Code), 雪花 (Snowflake), Uber (内部工具Code Puppy)[9][10][12][18] * 其他: 英伟达 (Nvidia), 沃尔玛 (Walmart)[8][18] 核心观点与论据 1. AI令牌/计算成本已成为企业真实关切，但风险可能被夸大 * 约60%的受访企业表示AI令牌/计算成本已成为真实关切[3] * 企业正在设置成本护栏（如监控、限额、优化使用方式）来控制支出，这被视为正常的企业成本控制行为，而非全面刹车[3][4][17] * 即使像Uber这样在单一季度耗尽全年AI预算的公司，仍计划全力推进AI应用，并为每位工程师设置了极高的月度令牌限额（据报道为1，500美元）[4][18] * 成本问题的出现主要是因为AI采用率在快速提升，尤其是高强度的智能体应用（如AI编程助手），而非单位令牌成本通胀[3][7][17] 2. 企业AI采用率正在快速提升，且不愿过度限制 * 几乎所有被调研的企业都提到AI采用率正在提升，尤其是在开发团队中使用AI编程助手（如Anthropic Claude Code, GitHub Copilot）[3][12] * 许多企业明确表示不愿过度限制AI使用（“我们不想限制他们”），核心目标是推动组织内的AI采用[3][14] * 为了控制总体IT支出，企业倾向于通过优化其他IT支出来为AI腾出预算（如削减外部IT人员、整合云服务商）[3][14][18] 3. AI生态系统将做出反应，推动令牌成本下降和效率提升 * 预计AI模型提供商和超大规模云服务商将更关注令牌效率，并可能限制近期模型和计算价格的上涨幅度[4][19] * 谷歌云和AWS凭借其自研芯片（TPUs, Trainium）和模型（Gemini）可能获得令牌成本优势，而微软正通过自研芯片和模型努力缩小差距[4][19][20] * 这种动态也可能限制超大规模云服务商计划中的GPU每小时价格上调[20] 4. 对SaaS/应用软件公司的潜在影响 * 企业控制AI浪费支出的努力可能对软件公司产生两方面影响： * 正面: 可能减缓AI技术扩散，从而推迟AI对现有软件公司的替代风险[21] * 谨慎/负面: * 软件公司向“席位+使用量”混合计费模式的转型（这对软件公司收入有利，但会增加客户AI支出）可能遇到更大阻力[4][21] * 客户可能通过削减其他软件支出（如优化席位、减少其他软件采购）来应对上升的AI令牌成本[4][21] * 部分客户反馈显示，如果被迫采用基于使用量的定价，他们可能会进一步限制席位或许可证，只提供给能产生明确投资回报的员工[10][21] 其他重要内容 企业AI采用的主要障碍 * 根据UBS在2026年3月对约140家组织的调查，AI采用的最大挑战是“投资回报不明确”（53%），而“缺乏预算”甚至未进入前五（26%）[15][16] * 这表明成本担忧虽然真实，但可能尚未成为最核心的采用障碍[15] 具体客户反馈示例 * 客户1: 向15，000名软件工程师部署AI编程工具，约40%的用户快速消耗令牌限额。公司选择通过削减外部IT人员或优化现有云支出来抵消成本，而非限制AI使用[9] * 客户2: AI令牌使用量激增，成本从固定的SaaS成本转变为可变的消耗成本，对预算的不可预测性感到担忧[9] * 客户5: 微软GitHub Copilot的定价变更造成混乱，开发人员未遵循最佳实践，低效消耗令牌[10] * 客户7: 在云支出优化的同时，AI支出远超节省。担心如果M365 Copilot改为按使用量计费，价值考量会不同[10] * 合作伙伴1 (Snowflake生态): 可以设置每用户AI支出限额并在超限时关闭，认为节省的时间和避免的其他成本带来了投资回报[12]