AI 从试验走向生产：自建算力还是按量购买
讨论企业何时该从按 token 付费转向自建算力：关键不是单价，而是用量是否稳定到能养住这份固定成本。
AI 进入生产环境后，模型选择只是问题的一半。当用量稳定且关乎核心业务，纯按量付费会让 AI 支出变成每月难以预测的变动成本。此时真正的问题不再是选哪个模型、哪家便宜，而是如何以可预测、可持续的方式把 AI 跑起来。
正文摘录
- title: 让 AI 成为资产，而非开支 - sourcecompany: MIT Technology Review - bodymarkdown: 当客户谈起 AI 成本时，对话往往从 token 价格开始，最后落在“能否用上云端最新、最强的模型”上。他们真的需要那种级别的能力吗？未必。但话题常常就走到那里。  随着 AI 从实验走向生产，模型选择只是等式的一部分。当需求变得稳定、且对业务至关重要时，纯按量消费的模式会让 AI 支出变成一条逐月浮动的账单，而随着使用量、工作负载和模型需求不断变化，这条账目很难预测。 到那时，问题不再只是“该消费哪个模型”或“哪家供应商的 token 价格最低”，而是：如何以经济、可预测的方式，在持续规模上运行 AI。 AI 正从孤立的试点走向生产组合：助手、检索与知识系统，以及 agentic 应用（即能自主规划并调用工具完成多步任务的智能体应用）。客服、IT、研究和业务流程类 agent 可以跨企业系统执行多步工作流，从而在模型、数据和工具层面形成持续性需求。 这件事已经在发生。