$35,000美元。一个用户,一个月。
$35,000美元是AWS Bedrock上单个用户一个月的Token消耗——不是一家初创公司的全部AI支出,就一个人。按当下汇率折算,人民币超过25万。够雇两个中级工程师了。
瑞银证券(UBS Group Securities)分析师Karl Keirstead团队6月23日前后发布的一份AI研究报告,把AI行业的”账单休克”(bill shock)问题直接摆上了台面。X平台AI赛道头部KOL Rohan Paul 6月26日发帖引爆讨论——911赞、243转、89条回复、44万+浏览。他在帖子里写道:
"UBS says 60% of companies now watching AI budgets are moving to cheaper models and open-source Chinese models."
「瑞银称,60%已在关注AI预算的企业正在转向更便宜的模型和开源中国模型。」
帖子附了一张华尔街见闻文章截图作为配图,信息密集到读两遍才消化完。
▲ Rohan Paul于6月26日发布的推文引爆讨论,911赞、243转、89回复、44万+浏览。配图为华尔街见闻文章截图,概括了60%护栏、$35K单用户账单、模型路由、中国开源模型进入选项等核心信息。
60%的护栏,一个时代的拐点
调研覆盖约130家企业,核心发现直白:约60%的企业已以某种方式对AI支出实施限制——为Token调用加设配额、做审批、上监控。零星的自发行为,正在扩散为行业级的成本治理。
极端案例只是冰山露出水面的一角:
-
一家企业将内部AI工具从5个砍到2个,因为年内Token预算已大量消耗; -
AWS Bedrock上一个用户单月烧掉3.5万美元; -
DevOps团队Token用量冲到配额的100%到200%,企业还没出手干预。
Databricks CEO Ali Ghodsi的概括很形象:”这是一个大减速带级别的冲击,远不止是小颠簸。”
核心问题在于,AI采用进入了新阶段。早期是“鼓励员工尽力试用”,成本纪律弱;现在AI Agent和AI Coding工具普及了,Token消耗从聊天机器人的涓涓细流变成了持续跑任务的洪流。CFO终于注意到了账单。
但仔细看报告结论,瑞银传递的信号更接近增速被踩了刹车——需求没有退坡,只是扩张的斜率被重绘了。一个保守的量化估计:某企业原本Token支出100,预计数月后涨到150,优化后实际落在120到130之间。长期AI增长逻辑没有变。
▲ 华尔街见闻/追风交易台全文报道截图,标题直击“60%已开始控制AI支出”,总结框概括了护栏、极端费用、模型路由、中国开源模型、银行本地部署Qwen等关键点。
模型路由:当“默认最强”变成“按需选配”
Token优化最具冲击力的技术动作,是模型路由(model routing)。划一条Token上限只是最粗糙的起步,真正改变消耗结构的,是按任务复杂度拆分流量的能力。
简单说:把不同任务分配给不同模型。写个邮件回复、做个文本分类、生成一段常规代码——用便宜模型足矣。复杂推理、关键代码审计、长上下文文档分析——才拨给最贵的那个。
这道算术题之所以成立,关键在于价差。以Anthropic模型为例:Haiku 4.5输出每百万Token约5美元,Opus 4.5-4.8约25美元,Fable/Mythos 5高达50美元。最贵到最便宜,相差10倍。
更关键的衡量维度是“每个成功结果的有效成本”:高端模型若能一次出结果,可能比低端模型反复重试更划算。但这也意味着高端模型必须持续自证溢价合理性——以前把什么都喂给最强模型的团队,现在要看每一个任务到底值不值那个价。
Rohan Paul帖子里点出了这层逻辑:
"Companies are not abandoning AI, they are using model routing, which sends easy tasks to cheaper models and saves premium models for hard reasoning, code, and long-context work."
「企业没放弃AI,他们在用模型路由:简单任务交给便宜模型,复杂推理、代码和长上下文才用高端模型。」
X上另一位深度分析者@stretchcloud说得更直白——他管这叫”Token-maxxing时代的终结”。企业采购清单上,中国模型已经在列。真正稳坐钓鱼台的,是做路由逻辑、支出控制、可观测性那一层的玩家。最贵模型和最便宜模型,两头都在被挤压。
中国开源模型,在全球最大云平台上被企业投票
降档不只发生在同一家供应商产品线内部。中国开源模型正在被纳入真金白银的企业采购选项。
瑞银报告中提到的名单包括:阿里Qwen、DeepSeek、MiniMax、智谱GLM、月之暗面Kimi。一家大型全球银行已经开始在本地部署Qwen,用来平衡Claude等高端模型的使用。
AWS官网上,Qwen的Bedrock产品页面写得明明白白:
"Qwen3's advanced open weight foundation models are now available in Amazon Bedrock as a fully managed, serverless offering... customer data is never used to train... enterprise-grade security, automated scaling, and cost-effective infrastructure management."
「Qwen3先进的开源权重基础模型现已作为全托管、无服务器产品在Amazon Bedrock上线……客户数据绝不会被用于训练底层模型……企业级安全、自动扩缩容、具备成本效益的基础设施管理。」
这句话对企业法务的杀伤力极大:数据不出AWS边界,模型跑在美国云上,合规门槛大幅降低。你用的是一键调用的标准API,不需要自己去对接中国服务器。
▲ AWS Bedrock Qwen产品页面,企业级全托管服务,明确承诺客户数据不用于训练。这是中国开源模型进入全球企业采购体系的最有力第三方证明。
AWS的模型菜单里,Qwen、DeepSeek、MiniMax、Kimi、GLM已经排列得整整齐齐。Azure AI Foundry也纳入了DeepSeek。这不再是“中国模型能不能用”的问题——全球最大的云厂商已经把菜单摆好了,企业只需要决定点什么菜。
X社区的两极反应:事实核查、BABA概念、和400字洞察
这张推文下面的89条回复和社区跟进帖,比推文本身更耐看。
@francescofaenzi发了一条事实核查长帖,结构清晰得可以当模板:来源是UBS Evidence Lab,Karl Keirstead团队,约130家公司,preliminary(初期调研),非完整公开报告。60%护栏数字的方法论不透明——样本小、无误差边界,需要谨慎解读。极端成本案例是企业自报轶事,可能代表outliers而非普遍水平。
但他同时也确认了几个硬事实:模型路由是真实存在的成熟实践;AWS Bedrock确实已经包含Qwen/DeepSeek/MiniMax/Kimi/GLM;银行本地部署Qwen的案例可信。总体判断:成本纪律真实存在,企业没有放弃AI;UBS整体仍看多海量AI资本开支;长期判断不变。
▲ @francescofaenzi的事实核查帖,指出这是一份初步调研,样本与方法细节未完全公开,提醒读者谨慎解读。
@dyz_ob直接把这事关联到$BABA:“UBS发现60%已开始控制AI支出,企业转向低成本模型和开源中国模型”——中概投资者迅速锁定阿里(Qwen母公司),116赞、16转,投资圈的反射弧比技术圈短得多。
▲ @dyz_ob将UBS发现与$BABA(阿里巴巴,Qwen母公司)关联,投资圈迅速反应。
@stretchcloud的长文则提供了一个更宏大的分析框架:”tokenmaxxing时代结束了”。他的判断是:Token-maxxing退潮,恰好在标记产业走向成熟。真正有机会的,是在模型之上建路由逻辑、支出控制、可观测性层的公司——Palo Alto、Datadog那类”基础设施之上的基础设施”,只不过这次管的是Token。造最大模型的那一批,反而面临最直接的定价压力。
谁先倒下,谁在吃红利
这场成本地震的震中在高端前沿闭源模型厂商。当CFO开始追问“这个任务用最贵模型真的值吗”,10倍价差在Excel表上比任何benchmark都更有说服力。
软件公司站在最微妙的位置。一方是客户预算被Token账单挤占——放缓招聘、砍SaaS增长、压缩外部IT支出。Uber就是典型:AI继续推进,但通过控人头来对冲Token成本。另一方,把自己做成“模型中立调度平台”的玩家拿到了反手牌。Palantir约一个月前商业化了AIP Evolve,帮客户选最优模型、调Prompt、优化数据调用。一个案例中更换模型后成本直降97%,上线前三周采用率冲到90%。
云厂商(AWS、Azure等)相对安全:多模型战略让模型切换非但不扰动它们,反而在增强客户粘性。只要推理在云上跑,算力需求不会消失。只有纯靠卖最贵Token吃饭的厂商,需要重新习惯”被优化”的现实。
真正的变局不在模型层
如果把视角拉远一点,这件事的意义远不止于“哪家模型更便宜”。
AI产业的护城河在位移。过去看谁的模型最强,现在比的是谁最聪明地调度模型、控制花费、保证输出质量。模型本身在commoditize——变成水电一样的基础设施——而路由层变成了新的控制点。
瑞银旗下Evidence Lab的调查还揭示了一个关键背景:目前仅8%的企业在大规模生产部署AI Agent,37%有限生产,29%还在试点。真正大规模吃Token的Agent时代才刚刚开始。账单已经够吓人了,其实还没到最吓人的时候。
这轮成本治理,恰恰是新技术在扩散早期必经的成本纪律阶段——就像云计算从”随便开实例”到”FinOps全员必修”的进化。AI的增长火车没有脱轨,赢家正在重新洗牌。
法律AI公司Harvey的数据是最好的注脚:今年1月Token消耗1万亿,5月已跳到12到13万亿。优化和扩张,可以同时发生。







