美国公司也无法承受越来越长的美国AI账单了

一些不太关注AI的朋友可能会产生这样的印象：即便有数据表明中国模型的性价比远高于美国产品——例如，人工智能基准测试公司Artificial Analysis在相同10项评估中对比各实验室最强模型后发现，Anthropic的Claude成本高达4811美元，OpenAI的ChatGPT为3357美元，而DeepSeek仅需1071美元，Kimi为948美元，智谱的GLM更是低至544美元，Claude的成本几乎是其中最便宜的中国方案的九倍。

同时，中国模型的调用词元数量已阶段性位居世界第一，根据OpenRouter数据，3月底至4月初中国模型的词元调用占比一度接近48%，并且在2026年4月以来的大多数周中都超过了美国模型，单周调用量甚至一度达到美国模型的4.28倍。

尽管如此，我们一般还是会默认，美国公司不仅会将业务留给美国AI大模型，而且美国巨头们对于AI词元的需求，至少现在是近乎无上限的。但是事实上，我们错了，而且大错特错。

首先，美国公司现在也在大规模运用中国的AI大模型。不仅用得多，甚至还直连官网。这里我们可以看看知名财务自动化平台与企业支出管理软件Ramp关于DeepSeek的两篇报道。第一篇是发布于2025年3月7日的《Are businesses actually using DeepSeek?》，里面提到，根据其企业支付数据估算，截至2025年1月底，一度有0.3%的美国企业使用过DeepSeek。

然而在6月3日发布的《Top SaaS Vendors on Ramp (June 2026)》中，Ramp首席经济学家Ara Kharazian在文中表示，DeepSeek在当月登上Ramp “trending software list”的榜首。更重要的是，Ramp特别说明，这不是企业自建开源模型的间接使用，而是企业正在直接向DeepSeek付款，并且通过DeepSeek直接发送和接收数据。也就是说，虽然没有给出明确数据，但是已经有一定比例的美国企业开始通过官方API渠道采购DeepSeek的服务，而不只是下载开源权重或通过第三方平台间接使用。

如果这只是小型企业开始嫌弃美国大模型收费太贵的话，那么另外的一些报道则可能更值得警惕：美国顶级企业开始限制员工对词元的消耗。

5月，美媒《华尔街日报》就报道，不少大公司数月前对AI应用的普遍看法仍是“越多越好”。因此，当模型开发商提供无限量订阅模式时，部分企业员工便尽可能消耗算力，以证明自己紧跟AI热潮。然而，随着无限量订阅模式被按词元收费的模式取代，以及词元的单价飙升后，企业在运用AI方面的支出也将随之大增。

有公司已经报告称自家AI支出增加了一到两倍，而Uber在4个月就已经用完了AI的全年度预算。Meta、微软、Salesforce等企业的技术主管也提出新措施，以确保员工使用AI有助于提高生产力，或减少部分员工使用特定工具的权限。亚马逊也在5月通知员工，旗下可用于跟踪员工词元消耗情况的“Kirorank”榜单已停止服务。该榜单的设立初衷是推动AI在业务场景的应用，然而事与愿违，部分员工为追求更高的排名和绩效，将AI智能体当作不计成本的“烧词元”工具，导致公司算力资源被浪费。

同时，老牌企业也开始限制自家员工对于词元的需求。Walmart也被报道对内部AI编程工具设置词元数量限制，用来减少重复性“vibe coding”和控制成本。

这股风气甚至蔓延到了一直在炒作AI需求的华尔街。Business Insider报道称，JPMorgan、毕马威等公司已经建立了跟踪员工AI使用机制；其中JPMorgan工程师的AI使用情况会被内部记录和分类（包括GitHub Copilot、Claude等工具）。

摩根大通的首席数据与分析官在2026年6月初的纽约科技周上公开证实，部分员工使用大模型产生的词元成本，已经超过了其个人薪水。作为在全球及北美拥有庞大投行业务的欧洲最大银行之一，法国巴黎银行CIB的首席AI官在巴黎Mistral AI峰会期间表示，他已经不再把“每天消耗数十亿词元”作为首要指标，而是更重视实际产出、效率提升和收入影响。

更加扎心的是，这些被消耗的词元并没有转化为生产力，根据初创企业Entelligence AI收集的2000多家使用高级AI编程工具公司的数据，发现只有18%的词元支出转化为了能够触及真实用户的已交付编码产品。

而这时候，我们不妨来看看近期的一个例子，《崩坏》系列AI NPC&Gameplay技术团队负责人郑银河在2026阿里云峰会上，无意间透露了内部Agent尝试的成本。团队有个工程师为测试多智能体协作，搭建了几十个AI Agent，没有设置词元消耗上限就下班离开。结果智能体连续运行13小时，消耗了价值200万元人民币的词元。他还对同事开玩笑说，如果你是一个独立游戏开发团队，那一晚上已经破产了。（200万元人民币都够很多编程小团队一年以上工资了。）

接连出现的成本失控事件，正在迫使所有企业直面AI实验室此前刻意回避的核心问题：这项技术究竟是否足够有用，值得投入这么高的成本？

从创新逻辑看，技术发展本就建立在大量试错的基础上，但当试错本身已经拥有极高的成本，甚至有拖垮项目的风险时，越来越多企业开始重新衡量这条技术路线的合理性。Ramp首席经济学家Ara Kharazian指出，当前大量美国企业的AI支出已经面临巨大成本压力；在高昂词元消耗、远低于预期的投资回报率双重挤压下，不少企业开始主动寻找OpenAI、Anthropic的平价替代方案，而DeepSeek极低的词元定价，恰好给这类尝试和创新提供了低成本试错的空间。

但是从美国政府的角度来看，AI从来不只是工程上的问题，也不只是金融上的问题，它还涉及美国的美元霸权以及所谓“第四次工业革命”的美梦。