最近，瑞银的一份研报搅动了AI圈：约六成企业已经出台管控措施，在不同程度上收紧AI开支。随着ChatGPT、Claude等闭源模型的词元（token）调用账单越来越高，不少CTO和CFO开始坐不住了。这波企业“降本增效”的浪潮，很可能让DeepSeek等开源大模型成为最大赢家。对你来说，这意味着未来AI工具会涨价吗？个人用户该怎么应对？一文聊透。
为什么企业突然收紧AI开支？
根据瑞银分析师卡尔·基尔斯泰德等人发布的研报，他们与十几位企业信息技术负责人深度交流后发现，约六成企业已出台各类管控措施，从限制员工的使用权限到重新评估AI预算。核心原因就一条：词元调用成本太高了。
词元是AI模型处理文本的基本收费单位，每次和ChatGPT对话、用Claude分析长文档，都在消耗token。大企业动辄几十万员工，即使一小部分日常使用，月底账单也可能暴涨。Uber运营总监曾在5月坦言，AI投入的回报率微薄，成本已难以自证合理性。
简单说，当初以为AI能大幅降本，结果发现它本身就是个烧钱大户。于是，财务和技术部门开始收紧钱袋子。
词元成本到底是什么？为什么这么贵？
你可能会好奇，不就是打字聊天吗？怎么这么贵？其实，AI模型的每一次推理都会按处理的“词元”数量计费，上下文越长、任务越复杂，消耗的token越多。尤其是处于领先地位的闭源模型，如GPT-5.5、Claude Fable等，API价格不菲。
举个例子：让GPT-5.5分析一份50页的PDF报告，可能一次就要花掉几美元，如果整个部门天天这么用，一个月账单轻松上千。而开源模型如DeepSeek-V3、Llama 4等，通常API价格只有闭源模型的几分之一，甚至可以通过本地部署大幅降低成本。
企业不是不认可AI的价值，而是当“AI税”超过预期时，自然会寻找更便宜的替代方案。
哪些企业受影响最大？哪些没感觉？
瑞银报告特意区分了三类企业：
- 大幅放缓投入的：多数大型企业，已将词元成本优化列为核心工作，主动压缩AI用量；
- 影响相对有限的：AI落地尚处于早期阶段的企业，本来就用得少，还没到心疼的阶段；
- 几乎不受影响的：那些深度布局AI且能从AI业务中获得可观回报的公司，或者创新战略优先的企业，它们权当成本为战略投资。
这刚好说明了“AI鸿沟”：用不起的省着用，用得起的当成护城河。但整体趋势是降温，因为多数企业还挣扎在ROI的迷茫中。
开源大模型为什么能成为受益者？
既然要省钱，开源模型就成了最直接的出口。以DeepSeek为例，其API价格只有GPT-5.5的1/10左右，而且性能在一些任务上并不逊色。对于许多非关键业务，企业完全可以用DeepSeek替代昂贵的闭源模型。
报道也明确指出，短期内OpenAI、Anthropic这类厂商将承受最大的缩减压力，而开源模型厂商如DeepSeek、Meta的Llama系列、Mistral等，因为成本优势将获得更多新客户。对企业来说，采用开源模型还能避免被单一供应商锁定，策略上更灵活。
已经有案例：一些美国中型企业正悄悄从ChatGPT转向DeepSeek，以节省80%以上的AI开支。这趋势可能加速。
这对你个人用户有什么影响？
你可能会问，企业的烦恼和我有什么关系？直接关系可能不大，但间接影响不小：
- 闭源工具可能涨价：如果企业客户大减，OpenAI、Anthropic为维持收入，可能提高个人订阅价格或限制免费版功能。已经有传闻说ChatGPT Plus要涨到每月30美元。
- 开源模型体验提升：更多资金和开发者涌入开源生态，DeepSeek、Llama等会更快进步，个人免费或低价用上顶级AI的可能性变大。
- AI服务分化：未来你可能面临“高溢价闭源”和“性价比开源”两条路，怎么选需要提前做功课。
好消息是，对国内用户来说，DeepSeek本身就在国内可用，而且有免费额度，充值也支持支付宝/微信，算是一个极佳的后备选择。
主流模型成本对比：一眼看懂差距
| 模型 | 类型 | 输入价格 (每百万token) | 输出价格 (每百万token) | 备注 |
|---|---|---|---|---|
| GPT-5.5 | 闭源 | 约15美元 | 约60美元 | ChatGPT Plus订阅另算 |
| Claude Fable 5 | 闭源 | 约15美元 | 约75美元 | Anthropic 企业API |
| DeepSeek-V3 | 开源 | 约0.5美元 | 约2美元 | 价格仅为GPT-5.5的1/10 |
| Llama 4 (70B) | 开源 | 约0.6美元 | 约0.9美元 | 需自行部署或通过云服务 |
（以上价格仅供参考，实际以官方最新公告为准；国内API充值可能涉及汇率波动）可以看出，开源模型的成本优势非常明显，尤其是输出价格可能差了几十倍。这就是企业心动的原因。
注意：切换到开源模型别踩这些坑
虽然开源模型便宜，但作为个人用户或小团队，在拥抱开源时需要注意：
- 性能不一定全面对标：在某些复杂推理、创意写作上，DeepSeek可能还略逊于GPT-5.5，如果工作需求高，不建议一刀切。
- 数据隐私与部署成本：企业可以自己部署开源模型，但需要算力，个人用户直接用官方API更简单，注意检查服务条款。
- 不要盲目压降成本：如果AI真正帮你提效，适当投资是值得的，关键是算清楚ROI，而不是单纯追求低价。
- 关注模型更新节奏：开源模型迭代快，今天省了钱，明天可能新版本更好，保持灵活。
总之，省下来的钱要花在刀刃上，先评估你的核心场景，再用低成本模型覆盖非关键任务。
信息来源:www.ithome.com。本文为基于公开资讯的原创整理与解读,非原文转载。