MIT Tech Review谈AI从成本变资产

发生了什么

文章指出，当前企业谈AI成本多聚焦token价格与云端最新模型调用，当AI从试验性项目转向常态化生产负载时，纯按量付费模式会带来难以预测的月度波动支出。企业需针对稳定可预期的规模化AI负载，评估自购可控AI算力的经济性，而非盲目追求最新模型或最低token单价。德勤2026年企业AI现状调研显示，2025年员工AI使用率提升5%，6个月内超四成AI项目进入生产阶段的企业占比将翻倍。

关键信息

调研发布方

德勤（Deloitte）

调研对象

2026年企业AI现状

2025年员工AI使用率涨幅

5%

生产端项目占比预期

6个月内企业至少40%AI项目进入生产的占比将翻倍

决策评估周期

未来12-18个月企业可合理预期的AI需求规模

背景

此前企业AI落地多为零散的试验性试点，成本核算普遍围绕云端大模型的token调用价格展开，尚未形成常态化的稳定负载。目前行业普遍默认按需调用云端模型是最灵活的选择，较少针对企业持续增长的生产级AI负载做成本架构的深度优化。

为什么重要

对行业而言，推动AI服务定价从单一token计价向适配企业生产负载的混合模式演进；对开发者与技术团队而言，不能只关注模型选型，需结合自身负载画像测算成本临界点；对普通企业而言，AI投入不再是不可控的浮动开支，可作为可规划的战略资产进行管理，降低落地试错的财务不确定性。

后续看点

后续可关注不同行业企业测算自购AI算力成本临界点的实际案例，以及头部云厂商推出的适配长期生产负载的定价方案。