OpenClaw—AI研究英国《金融时报》6月19日发布的调查报道显示,生成式AI的部署成本正在迫使越来越多企业缩减甚至暂停AI项目。在受访的250家年营收5亿美元以上的欧美企业中,37%已明确缩减AI预算或推迟新项目上线,另有23%完全暂停了2026年下半年的AI采购计划,意味着合计约六成大型企业正在主动踩刹车。承诺中的「降本增效」在上半年并未兑现,AI正从战略必需品变成需要严格控费的运营负担。
图 1 是 企业 AI 成本压力示意
反常识的点在于:AI成本失控的根源并不是模型API太贵,而是「单token便宜、企业用量暴涨」的剪刀差。Gartner 2026 Q2报告进一步指出,AI基础设施的算力、人力与电力成本在18个月内累计上涨60%以上,而模型推理价格的下降速度明显跟不上企业级SLA要求。头部闭源模型单token价格虽持续走低,但企业实际使用规模同步膨胀,最终账单是增长而非下降——这与按「AI会省钱」立项时的预期完全相反。
图 2 是 FT 调查数据可视化
典型案例是某全球零售巨头原计划2026年内部署5000个AI Agent,因推理成本超预算2.4倍,Q2末被迫缩减到1800个。这一调整直接传导到AI基础设施厂商的股价,Anthropic、OpenAI、智谱等头部厂商在6月相继推出「按效果计费」或「轻量级模型」,以挽留因账单飙升而流失的企业客户。对开发者而言,冲击集中在两点:一是项目优先级被重新排序,面向ROI不清的「探索型Agent」预算被砍,只保留能直接看到业务回报的场景;二是工程岗位向推理成本优化倾斜,KV cache、prompt压缩、模型路由这些过去偏研究的课题,一夜之间变成必修课。
图 3 是 AI 投入产出曲线
企业应对AI成本压力的现实路径有三条:一是非关键任务迁移到开源权重模型自部署,降低token支出;二是重新设计Agent架构,减少不必要的连续推理调用,把多步任务拆成可缓存的子任务;三是建立AI使用的成本可视化仪表盘,让每一笔算力开销都可追溯、可优化。AI进入企业的第二年,竞争重点已经从「能不能用」转向「用得起」,谁能率先跑通单位任务成本曲线,谁就能在下一轮预算分配中占据先发位置。