# 企业AI的所有文章

在 HTX 新闻中心浏览与「企业AI」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

如果 AI 泡沫已经在破了，谁会真正留下？

AI行业当前存在资本市场的泡沫与对生产力的真实革命两种认知。达利欧警告泡沫已高，黄仁勋则强调算力需求才刚刚开始。文章认为，AI泡沫类似于2000年的互联网泡沫——投机过热会导致短期市场洗牌，但长期来看，泡沫破灭后沉淀下来的基础设施（如算力、数据中心）和成本急剧降低的技术（如Token成本暴跌99.7%），将成为AI深入千行百业的基石。当前，企业AI支出不降反升，正是因为成本下降激活了大量长尾需求，AI正从聊天工具演变为嵌入工作流的智能体，应用于代码、医疗、金融、制造等领域。市场正在经历从基础设施投资（CapEx）向应用层价值（OpEx）的转移，估值泡沫可能通过企业业绩增长逐步消化。最终，市场将清洗掉缺乏核心竞争力的套壳公司，留下真正拥有技术、数据和场景的玩家。就像互联网泡沫后催生了完整的数字生态一样，AI泡沫的破裂不会改变“AI+”的大趋势，反而会加速智能技术像水电一样普及，推动社会进入一个由AI全面赋能的新时代。

链捕手06/15 04:35

链捕手06/15 04:35

微软CEO：在AI时代，如何定义一家公司的护城河？

微软CEO萨提亚·纳德拉认为，AI时代企业的核心竞争力并非依赖于单一的最强大模型，而在于能否构建一个持续进化的“学习闭环”。这一系统能将企业内部的工作流程、专业知识、组织判断和员工经验沉淀下来，并让人工智能与人类能力相互强化、共同提升。未来的公司将积累两类关键资产：一是以员工知识、判断力、创造力和模式识别能力为核心的“人力资本”；二是企业自身构建并拥有的AI能力，即“Token资本”。纳德拉强调，AI不仅不会削弱人力资本的价值，反而会让人类的目标设定、跨领域连接和关键决策能力变得更为重要。缺乏人的引导，算力将失去方向；没有企业自身知识的注入，再强的模型也仅是外部工具。因此，企业的真正护城河在于建立私有的评估体系、强化学习环境和知识库，将隐性经验转化为可迭代、可扩展的系统能力。即使更换底层通用模型，企业独有的“公司老员工式”的专业经验和学习成果也不会丢失。这确保了企业的知识产权与控制权。纳德拉指出，健康的AI未来应是一个繁荣的“前沿生态”，而非由少数通用模型垄断价值。只有这样，价值才能广泛惠及每家公司、每个行业和国家，让各组织能基于自身知识创造并保留经济价值，最终实现企业、员工与社区的共同繁荣。

marsbit06/15 04:00

marsbit06/15 04:00

「Token末日」降临：当成本压过生产力收益，谁来买单？

近期“Token末日”概念引发热议，源于微软GitHub Copilot转向基于token的计价模式，高级模型价格大幅上涨，部分涨幅达60倍。随着AI公司面临盈利压力，行业可能迎来涨价潮。企业陷入两难：一方面强制员工使用AI以提升生产力，token用量不足会被约谈；另一方面，新计费模式下用量超标同样会被约谈，且缺乏员工级用量限额功能，可能导致个人耗尽全月预算。开发者吐槽工作重心从解决业务问题变为管理token消耗。 Uber等公司的案例显示，AI预算消耗远超预期，迫使企业紧急设置使用上限。行业初期随意定价的后果正在显现。有公司建立成本监控面板，将token消耗实时公开，反而催生了新的KPI压力；额度用尽后，员工甚至被降级至功能受限的模型。评论指出，过度依赖AI已影响专业人员的自主能力，而管理token消耗所耗费的精力，正在侵蚀企业真正的核心工作。当行业沉浸于“AI取代一切”的叙事时，算力成本的实际承担问题已然浮现。“Token末日”或许只是这场成本清算的开始。

marsbit06/10 08:45

marsbit06/10 08:45

Claude刷爆5亿，一夜涨60倍，你的Token账单还撑得住？

近日，科技圈曝出多起因AI使用不当导致天价账单的案例。一家企业因未设置使用上限，一个月内在Claude上消耗高达5亿美元；另有谷歌云用户因API密钥泄露，一夜收到1.8万美元账单；OpenAI内部实验也曾单月烧掉130万美元。这些事件共同揭示：在智能体时代，失控的密钥、无休的AI任务或疏于管理的账户，都可能导致Token账单瞬间“爆仓”。背后原因是计费模式的转变。OpenAI、GitHub等平台正从包月制转向按Token用量计费，以应对智能体任务带来的成本差异——重度用户与轻度用户的消耗可能相差数个量级。新计费方式引发部分用户不满，有开发者晒出账单显示费用从几十美元飙升至数千美元，但亦有观点认为这能遏制滥用，促使资源合理分配。企业内部也存在“为用AI而用AI”的浪费现象。例如亚马逊员工曾为冲上内部AI使用排行榜，刻意刷高Token消耗。这种将使用量等同于绩效的误区，加剧了成本失控。面对高昂账单，市场开始出现优化方案。例如通过工具为AI提供精准上下文以减少冗余请求，或采用模型路由将任务智能分配至性价比更高的模型。研究表明，智能体任务的Token消耗可达普通任务的千倍，且更高消耗未必带来更好效果，成本预测往往偏低。当前，AI成本在一些企业中已逼近甚至超过人力成本，迫使管理者重新审视ROI。随着免费畅用的窗口期关闭，如何让每个Token发挥最大价值，成为开发者与企业必须精打细算的课题。未来胜出的，将是那些最先学会算好“Token账”的玩家。

marsbit06/01 11:17

marsbit06/01 11:17

中国AI的东西战线——从延安到中途岛

文章以“中途岛战役”为喻，分析2026年中国AI产业的竞争格局。核心指出AI时代“边际成本不归零”，烧钱换规模逻辑失效，企业面临“补给线”与“变现效率”的双重考验。 **东线（国内消耗战）**：腾讯将AI作为现有业务（广告、游戏、云服务）的增效工具，变现效率最高；阿里押注全栈自研，力图控制从芯片到应用的全链路以降低成本，但面临利润阵痛与内部协同挑战；字节依赖流量与多应用矩阵，但海量免费用户带来高昂算力成本，付费转化率低，其“超级入口”战略面临变现与信任难题。 **西线（全球路线博弈）**：对比中美AI发展路径。美国（如Anthropic）走闭源高价路线，锁定高端企业市场。中国则通过开源（如通义千问、DeepSeek）和极致低价策略，广泛吸引全球开发者，走“农村包围城市”的生态路线。关键在于能否将生态优势转化为标准优势和商业闭环。 **结论**：中国AI产业拥有技术、用户和场景，但缺乏将其打通为高价值付费闭环的能力。最终胜负取决于：1）跑通企业级付费场景；2）将开源生态优势转化为事实标准；3）依托整体企业服务市场的升级。这是一场考验战略定力、变现效率与生态构建能力的持久战。

marsbit05/26 10:18

marsbit05/26 10:18

奥特曼急了，OpenAI稳坐三年的王座，刚刚被Anthropic踹下去了

2026年5月，企业AI市场格局发生重大变化。根据Ramp发布的AI指数，Anthropic在工作场所的采用率达到34.4%，首次超越OpenAI的32.3%。过去一年，Anthropic的企业采用率增长近4倍，而OpenAI增长率仅为0.3%。 Anthropic的崛起得益于其两大策略：一是放弃固定订阅费，转向按Token使用量计费，这使其年度经常性收入飙升至约450亿美元；二是其AI Agent深度集成到企业工作流中，大幅提升效率并创造实际收入，例如有公司一个季度内通过Agent增加百万美元销售额。然而，这种按量计费模式也导致企业AI成本激增，甚至出现预算超支和账单失控的情况，引发部分CIO的担忧。同时，Ramp经济学家指出Anthropic面临利益错配、产品体验波动及成本上涨等逆风。面对竞争，OpenAI已推出免费试用等策略反击。此次超越标志着大模型竞争重点从C端体验转向B端工作流整合。虽然Anthropic暂时领先，但企业市场对成本敏感，这场争夺企业AI王座的战争远未结束。

marsbit05/14 07:22

marsbit05/14 07:22

DeepSeek V4的真正价值，不在参数里

DeepSeek V4的发布标志着技术指标的提升，但其真正价值在于实现了在国产算力平台上的高效稳定运行，突破了对英伟达芯片和CUDA生态的长期依赖。该模型通过混合注意力机制、KV Cache压缩和MoE架构优化，显著降低推理计算和显存负担，使其能够适配华为昇腾、寒武纪等国产芯片，并实现Day 0级支持。这一突破使中国大模型在推理阶段具备国产化部署能力，大幅降低长期运营成本。同时，DeepSeek V4以极具竞争力的价格提供1M长上下文处理能力，支持代码分析、合同审查、投研Agent等企业级应用，推动AI技术在各行业的规模化落地。尽管国产算力生态仍在完善中，但V4通过深度软硬件协同优化，证明了在限制中实现技术突围的可行性，为产业链自主可控提供了重要实践基础。

marsbit04/25 08:08

marsbit04/25 08:08

Claude故意降智，模型也开始“看人下菜碟”？

近日，Anthropic公司旗下的AI助手Claude被曝出现明显“降智”行为。AMD AI高级总监Stella Laurenzo通过分析大量生产数据发现，自2月中旬起，Claude的思考长度中位数下降67%–73%，文件阅读次数锐减，甚至三分之一修改操作不再预先阅读文件。用户普遍反馈模型响应变慢、推理能力下降。 Anthropic回应称，这是其“adaptive thinking”功能的“有意优化”，旨在根据任务复杂度动态调整思考深度，并建议用户手动调高effort设置以改善效果。然而，此举被批评缺乏透明度，付费用户未获通知却遭遇服务降级。背后原因指向商业成本压力。数据显示，企业级API调用成本远高于订阅费用，Anthropic可能通过降低默认推理深度来控制算力消耗。公司正测试为企业用户默认开启高性能模式，释放出模型能力分层信号：B端客户将获得更强推理能力，而C端用户只能使用“够用就好”的降级版本。这一事件反映出AI行业普遍趋势：厂商在商业化过程中暗中降低C端服务质量，推动资源向高价值企业客户倾斜。信任损耗与能力分层可能成为AI普惠叙事下的新挑战。

marsbit04/14 10:32

marsbit04/14 10:32

一份内部备忘录，暴露了OpenAI最真实的焦虑与野心

一份OpenAI内部备忘录曝光，揭示了其战略焦虑与野心。备忘录由首席营收官发出，指出企业AI竞争已从模型能力转向适配度与工作流整合。OpenAI提出五项优先事项：赢下模型层、智能体平台、借助亚马逊扩大市场、销售全技术栈、掌握部署权，核心目标是从“最好用的AI”转型为“最难替换的AI”，打造企业AI操作系统。备忘录直接批评竞争对手Anthropic，指责其叙事基于恐惧与控制、存在算力不足导致体验问题，并质疑其营收数据高估。这种公开攻击在硅谷属常见策略，旨在影响投资人、动员团队并传递市场信号。对中国AI行业的启示在于：一是竞争阶段差异，国内尚处“比参数、拼价格”阶段，而下一阶段需聚焦部署能力与生态构建；二是数据主权与信任是关键，合规部署和私有化解决方案可能成为差异化优势。最后，OpenAI称其最大约束是产能不足，而国内企业面临的却是需求不足与商业化信心问题，凸显出两地市场发展阶段的核心差异。

marsbit04/14 10:21