周三在旧金山举办的 The Information “AI 议程现场大会” 上，多位演讲嘉宾表示：开源大模型 ，叠加 Anthropic、OpenAI 推出低价新版模型 ，帮助企业客户在 AI 产出不减甚至提升的同时控制成本 。
代码助手服务商 Replit 首席执行官阿姆贾德・马萨德称：“开源模型的存在，给各大模型实验室带来定价压力 ，这是好事 。 ”
但对很多企业而言 ，AI 投入究竟创造了多少价值，依旧说不清。
询问 机构安永全球 AI 负责人丹・迪亚西奥表示 ，仅有十分之一的企业能在损益表中定位 AI 投资回报的来源 。他说：“多数规模扩张只是出于热情 ，而非有实打实的数据佐证 。 ”
本次大会发言嘉宾来自谷歌 、OpenAI 、黑石、优步以及云服务商 Nebius。以下为各环节摘录内容。
优步 Mattie Toia|优步 AI Token 支出保持平稳
优步工程与基础设施副总裁 Mattie Toia 介绍，尽管内部 AI 使用范围持续扩大 ，但近几个月公司成功将 AI Token 总支出基本持平 ，核心在于提升使用效率 。
今年早些时候 ，优步使用 AI 代码工具 ，曾出现预算失控 。这家网约车企业此后努力优化 AI 使用方式 、严控成本。
Toia 表示，过去三到四个月 ，通过内存优化消除冗余计算 、大量接入优步自有业务数据等手段 ，AI 成本得以稳定；同时选用性能更强的开源 AI 模型，也进一步压降开支 。
企业正在从“Token 最大化”（员工无节制使用 AI，只为表明企业拥抱新技术）转向 Nebius 首席营收官马克・博罗迪茨基所说的“价值最大化 ” 。
博罗迪茨基说：“企业真正要追求的是 ，如何在既定成本下优化创造的业务价值。 ”
他提到 ，Nebius 愿意尝试按客户达成的业务成果来售卖算力，而非按照英伟达 GPU 小时计费 。Nebius 已经针对算力资源试点现货定价与拍卖模式 。
英伟达高性能计算与 AI 基础设施高级总监迪翁・哈里斯表示 ，英伟达持续聚焦提升 AI 运行效率 ，很大程度依靠软件层优化，例如为任务自动匹配合适模型、优化内存管理。
“英伟达一直依靠软件为硬件平台增值 ，开源 Nemotron 系列模型就是一例 。” 哈里斯说 ，“蓬勃发展的 AI 生态有利于我们整体市场拓展，这是我们战略的核心 ，未来也会继续坚持 。”
Replit 首席执行官阿姆贾德・马萨德|OpenAI 降价，减缓开源 AI 落地
AI 代码初创企业 Replit 首席执行官阿姆贾德・马萨德称 ，得益于 OpenAI 下调模型费用 ，相比今年 1 月，Replit 在自有产品与内部开发中使用开源模型的规模有所减少。
本周早些时候，OpenAI 发布 GPT-6 Sol 与 Luna ，为其最新系列的第〖Two〗、 第三强版本 ，费用 比上一代同等级模型降低 50% 。Anthropic 同步推出 Claude Opus 5.5，官方称其运行成本较前代顶级模型 Fable 5.〖壹〗 、 Mythos 5.1 下降 40% ，同时编码 、推理等能力持平甚至更强 。
成立十年的 Replit 需要向 OpenAI、Anthropic 等模型厂商付费：当客户在其代码助手上调用第三方模型生成代码时 ，就会产生费用。Replit 还使用 OpenAI GPT-5.6 Luna，为产品内一项免费创意头脑风暴功能提供支持。
但开源模型本身也存在独特难题 。开发协作软件厂商 Atlassian 首席产品与 AI 官塔玛・约书亚表示 ，尽管开源模型灵活性高 ，但部署运行会产生额外成本，很多开销隐藏在企业所需的内部专业人力上 。
“推理服务本身就有硬性成本 ，运行开源模型还需要内部专业人才 ，这部分开销有时容易被忽略。 ” 约书亚说 。——Kevin McLaughlin
OpenAI|客户仅触及 AI 能力的表层
OpenAI 企业产品负责人亚历山大・恩比里科斯表示，客户还远没有挖掘出模型全部前沿能力 。
“这项技术能力极强 ，距离它能释放的价值上限还有很远。就算模型能力不再像现在这样快速迭代 ，产品层面依然有大量可做的工作 。 ”
恩比里科斯说，OpenAI 从客户反馈中打磨产品：通常先推出开放式 AI 产品，观察哪些功能真正被用户持续使用 ，再迭代优化降低使用门槛 。每月 200 美元的 Pro 个人订阅计划就是这套策略的成功案例 ，很多职场用户用它做代码编写 、智能代理任务。
“在 OpenAI 工作的一大优势，是我们同时覆盖 C 端消费市场与企业市场 。” 他说 。
ChatGPT 最初是消费级产品 ，但过去一年 ，OpenAI 大力拓展企业客户，恰逢竞品 Anthropic 的代码工具与智能代理热度飙升。恩比里科斯介绍 ，大型企业最先落地 OpenAI 前沿能力（如代码智能体） ，因为它们业务任务复杂度高，同时有预算支撑高级模型 。
“我们还处在非常早期阶段：我们已经拥有强大的智能代理 ，但还需要简化操作 ，让人们能轻松地交给 AI 完成任务 。 ”
黑石 Jas Khaira|黑石未来或收购 AI 实验室债务
黑石 AI 投资团队负责人 Jas Khaira 表示 ，AI 基础设施建设需要海量资金 ，黑石仍在观察哪类资本方会入场提供融资。他补充，黑石正在评估 OpenAI 、Anthropic 这类企业发行的债务是否具备投资吸引力。
黑石参与了一项收购 TPU 算力资产的合作项目 。Khaira 称，受算力紧缺影响 ，“我们计划扩大采购规模 ” 。
黑石信贷与保险板块本身也参与相关投资。Khaira 表示 ，黑石已经摸清 AI 算力的市场需求，但适配这类需求的债务投资者类型仍在演变 。
现场观众提问：为支撑基建 ，债务利率是否必须上行？Khaira 回应：“我们还没确定由谁来承接全部债务 。我们有一些猜想 ，但坦白说，资金来源尚不明朗。”
他大致划分三类融资渠道：投资级企业的公开债市场、私募信贷市场 ，以及 OpenAI 、Anthropic 上市后发行的企业债 。“很大程度取决于它们能否上市 ，以及后续能否达到投资级评级 。 ”
Khaira 称，在费用 合适的前提下 ，黑石也可能收购 AI 实验室的债务。“但我们仍在观望 ，看企业经营与定价如何演化 。 ”——Dakin Campbell
Block 、Cloudflare：AI 驱动组织重构，机遇与陷阱并存
Block 与 Cloudflare 高管介绍 ，今年早些时候两家公司借助 AI 推动组织重构 ，伴随大规模裁员；同时也承认改革遇到诸多挑战 。
2 月，Block 裁员近半数，围绕 AI 重新配置人力。这家金融科技公司还自研工具 Builderbot ，作为智能代理 ，能够修复代码缺陷，独立完成新功能或新产品比较多 80% 的开发工作 。Block 业务负责人欧文・詹宁斯表示 。
变革带来一个问题：代码数量急剧膨胀 ，所有代码都要审核排查漏洞 ，但公司代码审核人力不足。“瓶颈明显落在代码评审环节。代码评审如今比一年前更加重要 。” 詹宁斯说 。
Cloudflare 首席战略官斯蒂芬妮・科恩介绍，公司 5 月裁员约 20%。AI 融入工作流后 ，部分任务耗时大幅缩短：例如月末财务演示文稿 ，过去需要近一周，现在仅需一小时 。
但企业也需要管控员工使用 AI 的方式 。科恩提到 ，重组之后 ，销售团队员工全都尝试用 AI 快速开发同类工具，造成大量时间浪费。Cloudflare 随后开设公开培训 ，帮助员工高效使用 AI 。
营销软件厂商 Klaviyo 首席技术官 Surabhhi Gupta 认为 ，员工自主尝试 AI 工具，是企业工作模式的自然演进 。员工周末回来上班会展示：“你看我用 AI 做出来的东西。 ” 公司需要确保工程师开发内容服务于客户核心目标 。——Michael Roddan
Neolabs 观点：想要提升企业生产力，AI 可靠性亟待改善
AI 研究初创企业 Core Automation 首席执行官 Jerry Tworek（前 OpenAI 研究副总裁）表示：AI 模型在高等数学、竞赛编程等领域越来越强 ，但绝大多数职场任务上 ，可靠性提升有限 。因此人们不敢把本职工作全权交给 AI 智能代理。
“如果 AI 这么聪明，为什么我们还需要上班？ ”Tworek 说 ，“我希望有一天能去海滩度假 ，让模型替我干活 。但我意识到，要实现这点 ，需要全新算法 。”
Core Automation 正在研究这类新算法 ，探索比头部大厂模型更可靠的架构。
头部实验室近期接连取得亮眼成果，包括 OpenAI 攻克高难度数学题 ，让一部分研究者认为沿用现有架构 ，AI 终将在全部任务超越人类。新派实验室（neolabs）则认为，现有架构距离这个目标还有漫长距离 。
初创公司 Humans 联合创始人兼 CEO Eric Zelikman 表示 ，员工之间协同 、信息共享 、决策能力 ，限制了企业落地 AI 产品的效果 。Humans 成立仅一年，目标打造能够助力用户达成长期目标的 AI。
Zelikman 说，OpenAI、Anthropic 这类公司正 “殊死竞争 ” ，致力于自动化尽可能多的单项任务（例如编码） ，而 Humans 的路线与之不同 。
Humans 的一大特点：训练 AI 的硬件大多自持 。Zelikman 估算，如果租赁两套 AI 芯片集群 ，成本将超 10 亿美元；公司正在部署第三套集群。——Rocket Drew
头部 AI 实验室如何获得数倍于年度算力成本的收入
OpenAI 、Anthropic 争相锁定超万亿美元算力合约 ，同时筹备上市 。这些大额订单究竟能带来多少营收，市场一直没有清晰答案 。一项数据显示这笔投入存在回报空间。
数据中心融资 、能源与算力资本服务商 Volta 联合创始人兼 CEO Ricard Boada 表示：前沿 AI 实验室当前每兆瓦算力每年变现 7500 万美元 ，而算力平准成本仅 1500 万–2000 万美元 。
Boada 解释 ，头部实验室拥有市场定价权，潜在收益可达运营成本数倍 ，这也是它们急于大规模部署电力与芯片的原因 。Volta 今年 8 月走出隐形模式 ，宣布与一家前沿 AI 实验室在挪威签署 100 亿美元算力大单，消息称客户是 Anthropic。Boada 拒绝确认客户身份 ，仅透露合约包含 50 亿美元硬件采购订单 ，以及需要 Volta 安排融资的 20 亿美元数据中心合同 。
Crusoe 首席数据中心官 Chris Dolan 在同场论坛表示，1 吉瓦数据中心建设成本比较高 可达 150–200 亿美元，芯片采购还需额外 300–400 亿美元 。顶尖前沿实验室理论上可以快速回本 ，但前提是电力交付、算力上线时间高度协同。
近期部分市场交易案例显示 ，公开股票与债券投资者对 AI 基建融资意愿可能下降。Boada 与 Dolan 认为，行业成熟后 AI 数据中心合约可以带来可预期回报 ，但资本方对投资标的筛选越来越严格 。
“资本市场正在适应这类全新资产类别 。 ”Dolan 说。
