企业AI投资回报率仍在摸索：NEA合伙人谈Tokenmaxxing热潮后的成本反思

一句话看懂

NEA合伙人Tiffany Luck指出，企业仍在摸索AI投资回报率，年初的Tokenmaxxing热潮导致Uber等公司预算超支，如今企业开始反思AI成本与收益。

详细发生了什么

今年年初，硅谷掀起了一股Tokenmaxxing热潮——CEO们鼓励员工尽可能多地使用AI工具，试图最大化技术投资。然而，账单很快到来。据报道，Uber在几个月内就花光了全年的AI预算；一些公司削减了部分团队的Claude许可证；Meta甚至取消了内部AI使用排行榜。

NEA（New Enterprise Associates）合伙人Tiffany Luck在TechCrunch的采访中表示，企业仍在摸索AI的ROI（投资回报率）。她指出，许多公司在没有明确衡量标准的情况下大规模部署AI，导致成本失控。Luck强调，企业需要从“尽可能多用”转向“明智地用”，关注AI对业务的实际贡献，而非单纯的使用量。

Luck还提到，AI成本主要由API调用、模型训练和基础设施构成。对于大多数企业而言，API调用是最大的开销，尤其是使用GPT-4、Claude等高端模型时。她建议企业优先选择性价比更高的模型，或通过fine-tuning、RAG等技术优化成本。

中文圈视角

Tokenmaxxing现象在中文企业用户中同样存在。国内企业如字节跳动、阿里巴巴等也在大力推广AI工具，但成本问题逐渐显现。与硅谷不同，中文用户有更多国产替代方案：DeepSeek、Kimi、智谱等模型在性价比上具有优势，尤其是DeepSeek的API价格仅为GPT-4的十分之一左右。

对于中文企业，建议从以下角度优化AI ROI：

• 选择合适模型：对于简单任务（如文本摘要、翻译），优先使用国产模型；复杂推理任务再考虑GPT-4或Claude。
• 控制token消耗：通过prompt压缩、缓存机制降低API调用成本。
• 关注合规：使用国产模型可避免数据出境风险，符合国内监管要求。

目前中文社区对AI ROI的讨论仍较少，多数企业还在“先用了再说”的阶段。但随着预算压力增大，成本控制将成为2026年下半年企业AI的关键词。

几条值得记住的细节

• Uber在几个月内花光了全年AI预算，迫使公司重新评估AI使用策略。
• 一些企业开始削减Claude许可证，转而使用更便宜的模型或自建方案。
• Meta取消了内部AI使用排行榜，避免员工为排名而滥用AI。
• Luck建议企业建立AI成本监控仪表盘，按部门、任务类型追踪支出。
• 国产模型DeepSeek的API价格约为GPT-4的1/10，适合成本敏感型场景。

一句话总结

企业AI投资需从“堆量”转向“增效”，选择合适模型并监控成本，才能实现可持续的ROI。