同样是顶级科技公司，买AI的姿势，却差出了100倍！

一边，黄仁勋按人均25万美元的标准，给英伟达工程师批下高达20亿美元的年度Token预算；另一边，Uber提前花光2026年全年额度后，直接设了道硬上限——每人每月1500美元。

都是买AI，差距咋能大到这个地步？

01 买AI，跑着两套完全不同的经济学

海外投资机构Leonis Capital最近写了篇文章，把这事讲透了：企业买AI，其实在跑两套完全不同的经济学。

💡 把AI当成本的人，越省越慌

目标只有一个：用更少的钱，干完同样的事。处理工单、提取字段、汇总文档，一旦模型足够胜任，再多智能也变不出额外产出。这类买家只肯付“被替代劳动力”的价钱，多一分都嫌浪费。

⚠️ 把AI当增长资本的人，越烧越赚

只要Token能换来更多产品、更多客户、更多收入，花得越多反而越划算。就像赛车，圈速是唯一目标，性能越强你越愿意掏钱——十亿美元的前沿模型，照买不误。

所以先别问贵不贵，先问一句：智能，到底是不是你业务的瓶颈？

02 Token狂欢背后，藏着4个趋势

看懂了逻辑，先别急着贴标签：客服=提效、写代码=扩张？这条路走不通。

💡 同一个任务，可能属于两个市场

软件工程最典型。Uber约70%的代码已由AI生成，却依然拼命限流——网约车的乘客需求不受AI限制，代码再强也变不出更多订单。可对早期创业公司来说，十倍的代码，真能变成十倍的产品和客户。于是出现了讽刺的一幕：高速增长的创业公司，比预算大它一千倍的大企业，更舍得为前沿编码掏钱。

Coinbase甚至同一家公司跑两套逻辑：任务默认走便宜的开源模型，AI总支出砍掉近一半；押注预测市场时却重仓前沿模型——赌的是把整个市场做大。

⚠️ 98%的人，正在管理AI支出

目前98%的从业者都在管理AI支出，2025年这个数字只有63%；73%的企业在过去一年超出了AI成本预期。这背后是个扎心事实：绝大多数财富500强都是效率型买家，生意受需求、监管、分销制约，根本不受AI制约。Token狂欢过后，回归效率导向几乎是必然。

🌟 开源模型的机会，比想象中大

一旦越过任务阈值，GPT-5.6、Kimi 3、GLM 5.2的商业价值几乎没差。最慌的是闭源实验室：相当一部分收入来自编码这类“对买家而言其实是效率任务”的活，正被开源一点点蚕食。Anthropic的路线图就是证据：从写代码，到金融，再到做药——一路在逃离效率市场。

💡 效率市场，正在按“水电煤”定价

按Token或API调用计费，配上硬上限和可观测账单，就是效率市场的终局。竞争随之沉到推理成本、部署、工作流集成这些琐碎环节。OpenRouter能做出5000万美元的年化收入，就因为它赌对了：效率市场是最大的一块，眼下却严重供给不足。

03 竞争的形态，决定大模型能赚多久

扩张市场里，钱也不是无脑烧的。买家彼此竞争的方式，决定了这笔钱能不能持续。

⚠️ 零和博弈：你多赚的，正是别人亏的

对冲基金最典型。一家用上最强模型，对手只能跟进或出局；可当所有基金都用上同一个模型，优势瞬间归零——总产出没变，行业成本却永久抬高了。咨询行业同理：麦肯锡用了，BCG就得跟上，总预算却一分没多。这笔钱本质是竞争对手互征的“税”，由模型厂商代收。

零和支出有两个特征：极其焦灼，谁都不敢先停手；又极其脆弱，监管或整合一来，军备竞赛戛然而止。

💡 正和博弈：更强的智能，把蛋糕做大

药物研发最明显。每家公司成功率翻倍，就有更多新药上市，全行业收入一起涨。GLP-1类药物2025年销售额约1320亿美元，同比增超30%——在这个盘子面前，研发算力成本不值一提。芯片设计、材料科学同理。不过正和支出终会撞上临床能力、监管审批这类非智能瓶颈，撞上之后，模型再强也白搭。

🌟 给前沿实验室：组合比总量更重要

两个利润相同的实验室，一个靠零和客户、一个靠正和客户，生意本质完全不同：前者像收税，稳定但脆弱；后者像投资，持久但会撞墙。可惜至今没人量化过这个组合——这可能是AI行业最该被看见、却还没人做的指标。

04 把那个问题，重新问一遍

市场总在问：AI到底值不值这个价？在Leonis看来，这个问题本身就是错的——它把两个根本不该平均的市场，硬生生平均了。

正确的问题只有一个：每一美元AI投入要产出的东西，智能是不是它的瓶颈？

如果是，几乎任何价格下，前沿AI都是便宜的；如果不是，最便宜且达标的模型才是唯一理性选择，付高价的只是在多付钱。

这个结论让所有人都不舒服：前沿实验室怕跑不赢开源，开源实验室嫌效率市场利润太薄，而企业会发现，自己大多数其实是效率型买家——任何不跟真实瓶颈挂钩的AI项目，都只是披着战略外衣的表演。

但真正值得盯住的，是那些被智能卡住脖子的市场。那里，更高智能的价值会持续攀升。那里才是前沿，才是AI存在的意义。

判断一笔AI投入值不值，从来不是看价格，而是先问一句：卡住你业务的，到底是智能，还是别的什么？

你们公司今年在AI上花了多少钱？是觉得烧得值，还是已经肉疼了？评论区聊聊～

觉得有启发，就点个「在看」并转发，让那个正为AI预算头疼的同事也看看！