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 。
