💡企业确实感受到了更高的账单压力，但结论是，实际上没有人放慢 AI 使用。他们大多只是设置一些防护栏，并削减其他领域的支出，同时继续推进 AI 落地。 📌结论是

• 序号：400
• 星球链接：打开网页
• 附件：图片 0，音频 0，文档 0
• 音频文件：无音频

图片

无图片

正文

💡企业确实感受到了更高的账单压力，但结论是，实际上没有人放慢 AI 使用。他们大多只是设置一些防护栏，并削减其他领域的支出，同时继续推进 AI 落地。 📌结论是，UBS 认为可能会因为自有芯片和模型而在这里获得成本优势。随着时间推移，这可能帮助它们从 Microsoft 和其他公司手中拿到一些份额。 📋UBS 核心结论： 📊 我们的结论：1. AI 成本问题正在快速凸显，但市场对 “AI 交易” 的风险可能被过度放大，我们需要更客观地看待这一现象。 企业设置成本控制机制，是正常的企业成本管控行为，。 🔍 企业为控制 AI 成本而设置 “护栏” 的行为，在我们看来是正常的企业成本管控行为。调研中没有任何一家企业表现出恐慌，也没有企业表示要 “踩刹车” 停止 AI 投入。这种情况并未发生。 🚀 即便像 Uber 这样承认 “单季度就花光了全年 AI 预算” 的企业，其 AI 应用计划仍在全速推进，且为每位工程师设置了非常高的 Token 使用上限。 🤝 2. AI 生态（包括 AI 模型提供商和超大规模云服务商）很可能会做出反应，并更加关注 Token 使用效率。 📉 我们认为，这可能会限制短期内模型和算力价格的上涨。同时，如果 Google Cloud 和 AWS 的自有芯片 / 模型能为它们带来相较于微软、甲骨文等对手的 Token 成本优势，这可能会影响超大规模云服务商的市场份额格局。 💻 3. 对于 SaaS / 应用企业而言，早期阶段的 AI 成本压力，可能会减缓它们向基于用量的定价模式转型的速度（这种模式对软件企业有利，但会导致客户的 AI 支出增加），或促使企业削减其他领域的支出，为核心业务或非 AI 软件支出创造更严峻的环境。

总体总结

主题正文

1. 💡企业确实感受到了更高的账单压力，但结论是，实际上没有人放慢 AI 使用。
2. 📌结论是，UBS 认为可能会因为自有芯片和模型而在这里获得成本优势。
3. 📋UBS 核心结论：
4. 我们的结论：1. AI 成本问题正在快速凸显，但市场对 “AI 交易” 的风险可能被过度放大，我们需要更客观地看待这一现象。
5. 即便像 Uber 这样承认 “单季度就花光了全年 AI 预算” 的企业，其 AI 应用计划仍在全速推进，且为每位工程师设置了非常高的 Token 使用上限。
6. 2. AI 生态（包括 AI 模型提供商和超大规模云服务商）很可能会做出反应，并更加关注 Token 使用效率。
7. 同时，如果 Google Cloud 和 AWS 的自有芯片 / 模型能为它们带来相较于微软、甲骨文等对手的 Token 成本优势，这可能会影响超大规模云服务商的市场份额格局。
8. 3. 对于 SaaS / 应用企业而言，早期阶段的 AI 成本压力，可能会减缓它们向基于用量的定价模式转型的速度（这种模式对软件企业有利，但会导致客户的 AI 支出增加），或促使企业削减其他领域的支出，为核心业务或非 AI 软件支出创造更严峻的环境。