主要公司限制 AI 流量,旗艦模型成為奢侈品

一種令人不安的行業趨勢——“不受控制的 AI 成本”——正在矽谷和全球科技界蔓延。從 Atlassian 和 Adobe 到 Amazon,越來越多的頂級公司開始放緩內部 AI 的使用,甚至禁止員工使用最先進的旗艦模型,並強制轉向成本較低的替代方案。
這種集體行動是由 AI 提供商計費模式的劇烈變化所觸發的。隨著公司從固定的年費轉向昂貴的按使用量付費定價,AI 呼叫成本急劇上升。根據洩露的內部資料,至少有一家公司的月度 AI 支出飆升至原來的三倍,月賬單超過 1500 萬美元。面對沉重的財務壓力,公司現在正在重新評估盲目擴充套件 AI 應用的成本。
在精細化運營的浪潮中,各大公司採取了不同的策略。花旗銀行採取了最直接、最堅定的方法:禁止使用 GPT-5.5、Claude Opus 4.6 和 4.7 等旗艦模型,並要求員工“按需使用”。在花旗銀行內部,高效能模型被視為極其寶貴的資源,除非絕對必要,否則嚴格限制其使用。另一方面,Atlassian 引入了成本儀表板,讓每位員工都能清楚地看到他們的每個“提示詞”花費了多少錢。這種透明度被證明是有效的,但也引發了員工對工作效率下降的集體焦慮。
相比之下,GitHub 採取了更具前瞻性的方法。他們計劃將 AI 配額從“部門共享”轉向“個人按使用量付費”,並積極轉向開源模型,旨在尋找效能與成本之間的新平衡。與此同時,Adobe 等公司不再續簽無限使用協議,給予員工最後的過渡期。
行業內部人士指出,這種由“成本經濟學”驅動的收縮趨勢標誌著 AI 行業野蠻增長階段的結束。之前“不計成本地投資”的策略已不再有效。正如埃森哲的一份內部記錄所揭示的,當 AI 被大量用於生成 PowerPoint 簡報或預測世界盃結果等非核心任務時,它所創造的膨脹泡沫終將破裂。
隨著各大公司建立計算能力“壁壘”,AI 開發者可能需要適應一個新的現實:未來,高效能大模型將不再是隨時可用的通用工具,而是需要仔細預算和按需分配的高成本資產。這場行業“去泡沫”運動不僅是對計算資源的重新分配,也是對 AI 商業價值理性迴歸的深刻重塑。
相關文章
日本將部署1000萬個AI機器人以應對勞動力短缺
日本正轉向人工智慧機器人,以應對日益嚴峻的勞動力危機。日本經濟產業省最近釋出了更新的“人工智慧機器人戰略”,勾勒出一幅大膽的國家願景。該計劃目標是在2040年前在18個關鍵行業部署1000萬個AI機器人,旨在抵消由人口老齡化和出生率下降導致的勞動力短缺。為了實現這一願景,政府正在建立強大的物理AI和機器人資料全球基礎設施。該倡議旨在利用日本在傳統機器人制造和研發方面的既有優勢。政府鉅額投資助推AI模型開發大量的資金支援也投向了驅動這些機器人的核心軟體和大語言模型。日本經濟產業省承諾在五年內向No
Stripe 與 OpenRouter 的合作協議推動 AI 代幣經濟發展
Stripe 以 80 億美元收購 AI 閘道平台 OpenRouter,將智慧路由技術整合至全球支付系統,以優化 AI 單元經濟效益支付巨頭 Stripe 已正式同意收購 OpenRouter,這是一家領先的人工智慧模型路由與支付閘道服務平台。OpenRouter 能協助企業優化來自 80 多家不同供應商的 400 多個 AI 模型的代幣消耗。據一位向《The Information》透露此事的
靈光應用揭曉一鍵部署AI工具,如Codex、Claude Code和Cursor
靈光App已面向所有使用者推出“一鍵部署”功能,用於釋出閃應用。創作者現在可以使用靈光的部署技能,將透過Codex、Claude Code、Cursor、Qoder、Trae和Workbuddy等主流AI工具構建的應用釋出為“靈光閃應用”。這些應用將在PC客戶端和靈光App上分發並可見。此外,靈光已開放30多項免費API能力——包括大語言模型、搜尋、LBS、地圖和儲存——使使用者能夠快速配置應用功能。從今天起,使用者可以登入靈光App官網,在PC端進入[設定 - 使用靈光技能],並完成支付寶認證和技能
相關專題推薦
評論 (0)
0/500

一種令人不安的行業趨勢——“不受控制的 AI 成本”——正在矽谷和全球科技界蔓延。從 Atlassian 和 Adobe 到 Amazon,越來越多的頂級公司開始放緩內部 AI 的使用,甚至禁止員工使用最先進的旗艦模型,並強制轉向成本較低的替代方案。
這種集體行動是由 AI 提供商計費模式的劇烈變化所觸發的。隨著公司從固定的年費轉向昂貴的按使用量付費定價,AI 呼叫成本急劇上升。根據洩露的內部資料,至少有一家公司的月度 AI 支出飆升至原來的三倍,月賬單超過 1500 萬美元。面對沉重的財務壓力,公司現在正在重新評估盲目擴充套件 AI 應用的成本。
在精細化運營的浪潮中,各大公司採取了不同的策略。花旗銀行採取了最直接、最堅定的方法:禁止使用 GPT-5.5、Claude Opus 4.6 和 4.7 等旗艦模型,並要求員工“按需使用”。在花旗銀行內部,高效能模型被視為極其寶貴的資源,除非絕對必要,否則嚴格限制其使用。另一方面,Atlassian 引入了成本儀表板,讓每位員工都能清楚地看到他們的每個“提示詞”花費了多少錢。這種透明度被證明是有效的,但也引發了員工對工作效率下降的集體焦慮。
相比之下,GitHub 採取了更具前瞻性的方法。他們計劃將 AI 配額從“部門共享”轉向“個人按使用量付費”,並積極轉向開源模型,旨在尋找效能與成本之間的新平衡。與此同時,Adobe 等公司不再續簽無限使用協議,給予員工最後的過渡期。
行業內部人士指出,這種由“成本經濟學”驅動的收縮趨勢標誌著 AI 行業野蠻增長階段的結束。之前“不計成本地投資”的策略已不再有效。正如埃森哲的一份內部記錄所揭示的,當 AI 被大量用於生成 PowerPoint 簡報或預測世界盃結果等非核心任務時,它所創造的膨脹泡沫終將破裂。
隨著各大公司建立計算能力“壁壘”,AI 開發者可能需要適應一個新的現實:未來,高效能大模型將不再是隨時可用的通用工具,而是需要仔細預算和按需分配的高成本資產。這場行業“去泡沫”運動不僅是對計算資源的重新分配,也是對 AI 商業價值理性迴歸的深刻重塑。
日本將部署1000萬個AI機器人以應對勞動力短缺
日本正轉向人工智慧機器人,以應對日益嚴峻的勞動力危機。日本經濟產業省最近釋出了更新的“人工智慧機器人戰略”,勾勒出一幅大膽的國家願景。該計劃目標是在2040年前在18個關鍵行業部署1000萬個AI機器人,旨在抵消由人口老齡化和出生率下降導致的勞動力短缺。為了實現這一願景,政府正在建立強大的物理AI和機器人資料全球基礎設施。該倡議旨在利用日本在傳統機器人制造和研發方面的既有優勢。政府鉅額投資助推AI模型開發大量的資金支援也投向了驅動這些機器人的核心軟體和大語言模型。日本經濟產業省承諾在五年內向No
Stripe 與 OpenRouter 的合作協議推動 AI 代幣經濟發展
Stripe 以 80 億美元收購 AI 閘道平台 OpenRouter,將智慧路由技術整合至全球支付系統,以優化 AI 單元經濟效益支付巨頭 Stripe 已正式同意收購 OpenRouter,這是一家領先的人工智慧模型路由與支付閘道服務平台。OpenRouter 能協助企業優化來自 80 多家不同供應商的 400 多個 AI 模型的代幣消耗。據一位向《The Information》透露此事的
靈光應用揭曉一鍵部署AI工具,如Codex、Claude Code和Cursor
靈光App已面向所有使用者推出“一鍵部署”功能,用於釋出閃應用。創作者現在可以使用靈光的部署技能,將透過Codex、Claude Code、Cursor、Qoder、Trae和Workbuddy等主流AI工具構建的應用釋出為“靈光閃應用”。這些應用將在PC客戶端和靈光App上分發並可見。此外,靈光已開放30多項免費API能力——包括大語言模型、搜尋、LBS、地圖和儲存——使使用者能夠快速配置應用功能。從今天起,使用者可以登入靈光App官網,在PC端進入[設定 - 使用靈光技能],並完成支付寶認證和技能





首頁






