两大科技CEO同天开炮：AI定价模式正在”吞噬企业”，硅谷的印钞机为何开始反噬自己？

“这太疯了”——Palantir CEO掀桌子的背后

2026年7月下旬，硅谷发生了一件不寻常的事：两位来自不同领域的科技巨头CEO，在同一天内对AI行业的核心商业模式发起了近乎一致的公开批评。

Palantir创始人兼CEO Alex Karp在接受多家媒体采访时毫不留情地表示，当前AI行业的token计费模式”effing insane”（疯狂至极），并直言OpenAI和Anthropic的产品”被完全、不负责任地过度推销了”。他在CNBC的专访中补充道：”有些事情已经完全走偏了。”

Karp的批评之所以格外引人注目，是因为他本人就是AI的坚定支持者——Palantir本身就是美国最大规模的AI部署企业之一，其政府合同和商业产品深度依赖大语言模型。他的愤怒并非来自对技术的恐惧，而是来自一个现实问题：当AI的成本增长速度远超它能带来的商业价值时，这个商业模式还能持续多久？

90%的降幅——安全巨头的量化警告

如果说Karp的批评是情绪化的爆发，那么Palo Alto Networks CEO Nikesh Arora的表态则提供了更具操作性的量化标准。Arora在接受CNBC采访时给出了一个令人震惊的数字：要让AI真正变得”负担得起”，token价格需要下降90%。

这个数字的背后是一个残酷的现实：尽管过去两年AI模型的性能提升了数个数量级，但企业端的实际使用成本并没有同比例下降。相反，随着AI Agent和企业工作流的深度集成，token消耗量呈指数级增长——企业发现自己在为”几乎无限”的使用量买单。

Forbes的报道进一步指出，”更便宜的AI token并不能保证更便宜的企业Agent”。问题的根源在于：当AI从”问答工具”进化为”自主执行任务的工作流引擎”时，token消耗不再是线性的，而是可能达到数百万甚至数千万级别。一个看似廉价的单token价格，在规模化使用后变成了一笔天文数字。

亚马逊的转身：从闭源到开源的”自救”

就在Karp和Arora公开发声的同时，另一个同样具有象征意义的动作正在发生。亚马逊CTO宣布企业正在大规模转向开源AI模型以削减成本。

这一动向并非偶然。过去几个月，多家科技媒体已经报道了企业端对AI成本的集体焦虑——从Uber四个月烧穿预算，到Starbucks砍掉AI库存管理工具，再到Walmart、Uber和微软集体对AI订阅模式踩刹车。亚马逊的转向，更像是这场集体觉醒中的一个标志性节点。

Amazon的决策逻辑很直接：与其继续为闭源模型的token付费，不如自建或采用开源方案。这与Palantir自身的发展路径惊人地相似——Palantir的核心竞争力恰恰来自于它很少依赖外部API，而是将AI能力深度整合进自己的平台。

从”Tokenmaxxing”到”成本清算”：AI行业的范式拐点

这些信号汇聚在一起，揭示了一个更加深刻的结构性变化：AI行业正在从”模型竞赛时代”进入”价值验证时代”。

2023-2025年，AI行业的叙事主线是”Tokenmaxxing”——各大模型公司以”无限畅饮”式的token供应吸引企业客户，用免费额度、慷慨的API配额和”先上车后补票”的策略快速占领市场。这个策略在早期非常有效：企业尝到了AI甜头，开发者习惯了免费工具，风险投资看到了指数级增长的用户数据。

但现在，账单来了。

正如此前多篇报道所揭示的，企业CFO们正在为AI账单感到困惑和愤怒。The Register的报道标题直白地写道：”AI账单在转向基于使用量的定价后让C-suite陷入了混乱”。Josh Bersin的分析则指出：”AI价格在上涨、上涨、再上涨——这对企业AI意味着什么？”

当AI从”创新实验”变成”核心业务基础设施”，它的成本结构就必须接受商业世界的严格审视。而在这个审视过程中，一个残酷的事实浮出水面：当前的token定价模式，可能根本无法支撑AI成为真正的企业级基础设施。

谁在害怕什么？——AI定价战争的战略含义

Karp和Arora的公开批评，不仅仅是关于价格的抱怨。它们揭示了一个更深层的行业矛盾：AI实验室的商业化速度，远远超前于它们创造的实际商业价值。

Palantir的Gotham平台之所以能够持续获得政府和企业的长期合同，正是因为它提供的是”可衡量的结果”——国家安全级别的威胁检测、供应链优化、合规自动化。而当一个企业花了数百万美元部署AI Agent后，却发现这些Agent的产出质量参差不齐、token账单却只增不减时，信任就开始崩塌了。

这也解释了为什么Karp会用”oversold”（过度推销）这个词。在AI行业，从GPT-4到Claude Opus 5，每一次模型发布都被包装成”改变一切”的革命。但当企业真正将这些模型投入生产环境后，发现它们在很多场景下仍然需要大量的人工干预和校验——这时候，”革命”就变成了”账单”。

📌小结