科技 个股 中概瑞银：六成企业开始限制AI支出，转向低成本模型与中国开源方案

瑞银证券分析师Karl Keirstead团队在6月23日发布的报告中指出，Token支出优化正在企业信息技术治理中迅速蔓延。前期调研显示，约60%的企业已以某种方式限制人工智能开支，核心动作是为Token使用加设护栏。这意味着AI支出的成本管理已从个别企业的自发行为，演变为更广泛的行业现象。

企业并未停用AI，而是开始审视Token账单。在AI应用的早期阶段，企业普遍鼓励员工试用，优先追求采用率，成本纪律较弱。但随着AI Agent和代码工具的普及，Token消耗从小流量演变为持续运行的大流量，极端案例开始出现：有公司年内Token预算被大量消耗，被迫将内部AI工具从5个收缩至2个；有企业在AWS Bedrock上出现单个用户单月花费3.5万美元的情况；还有DevOps团队成员每周Token用量达到配额的100%至200%。Databricks首席执行官将这一变化描述为“一个大减速带，不是小减速带”。

真正被压缩的往往是投资回报率不清晰的使用场景。对于软件工程师代码产出提升、客服AI Agent减少呼叫量等可量化收益的场景，企业愿意承受高Token账单。而成本优化的关键手段并非简单限额，而是模型路由——将不同任务分配给不同模型，仅对复杂推理、关键代码等任务调用最昂贵的模型。以Anthropic模型定价为例，从Haiku 4.5到Fable/Mythos 5，输出Token价格相差10倍，这一价差使得按任务选模型具有显著的成本意义。微软近期推出的MAI小语言模型也瞄准了这一方向，目标是为企业提供“够用但更便宜”的选项。

降档趋势还推动企业更大规模地评估开源模型，尤其是来自中国的开源模型，包括阿里Qwen、DeepSeek、MiniMax、智谱GLM以及Moonshot旗下的Kimi。据报告描述，一家大型全球银行为管理Token支出，已在本地部署Qwen，以平衡Claude等高端模型的使用。本地化部署将成本结构从按Token付费转变为本地硬件容量配置，同时规避了使用外部托管中国模型的合规风险。云平台方面，AWS Bedrock的模型选项已包含MiniMax、Kimi、Qwen、DeepSeek、GLM；微软则通过Azure AI Foundry提供DeepSeek。

在产业链传导上，模型层是成本压力的直接承压点，云和硬件层所受冲击相对有限。AWS、Azure、Google Cloud已是多模型平台，客户从高价模型切换至小模型或开源模型，可能影响云厂商的模型API收入增速，但只要推理仍在云上运行，算力需求便不会消失。硬件层判断整体偏向乐观，新一代算力刚开始形成规模，多模态数据流需求仍在扩展算力边界。

软件公司处于最为复杂的位置。Salesforce、ServiceNow、Workday等大型席位制SaaS公司一方面面对客户预算重排，另一方面推动向“席位加使用量”计费模式过渡，而客户刚被AI账单冲击时，接受新计费模型的意愿明显下降。但软件公司也握有反制牌，例如Palantir约一个月前商业化的AIP Evolve工具，在一个案例中推荐更换模型后，Token成本下降97%，上线前三周采用率达到90%。软件公司的结构性优势在于不绑定单一模型，可定位为模型中立的调度平台。

分析师认为，当前Token优化更接近新技术扩散早期的成本治理，而非需求逆转。一个保守的路径假设是：若企业原本AI Token支出为100，预计增长至150，优化后实际可能落在120至130区间，增速被压低而非需求倒退。瑞银旗下Evidence Lab的调查显示，仅8%的企业已在生产环境中大规模部署AI Agent，AI Agent真正大规模消耗Token的阶段才刚开始。法律AI公司Harvey的数据也印证了优化与扩张可同时发生，其Token消耗从1月的1万亿增长至5月的12万亿至13万亿。此轮变化的结果不是AI需求消失，而是重塑赢家排序——高价模型收入增速受压，低成本模型和路由工具受益，云平台继续承接多模型部署需求，软件公司则站在被砍预算与成为省钱工具的岔路口上。