由於代理式AI的普及與Token消耗量飆升，全球企業正重新評估其AI投資策略，多數公司發現AI營運成本急遽攀升，甚至可能超越員工薪資，因此Meta、Uber等科技巨頭已開始審視AI工具的效益，並轉向使用開源或小型專業模型以降低成本。
隨著人工智慧（AI）技術的快速發展與應用普及，全球企業對AI的擁抱正逐漸轉變為成本考量。根據《Asia Financial》報導，由於產業重心轉移及對「代理式AI」（agentic AI）需求的飆升，使用AI的成本已急劇增加，迫使各企業重新評估其AI支出策略。
最初為鼓勵業界採用，諸如OpenAI和Anthropic等領先AI公司，在ChatGPT問世後曾以極低的價格吸引客戶。然而，這種「補貼式智慧」的時代已開始轉變。Delphi Labs新創育成中心的Kevin Simback指出，目前許多企業正感受到成本壓力。Omniux科技顧問公司的Mark Barton也表示，特別是在開發者圈中，使用AI進行程式編寫等任務的成本呈指數級增長，「所有成本確實都在飆升。」
成本的關鍵在於「Token」（記號），這是AI公司用來向客戶計費的基本單位。與僅回答問題的聊天機器人不同，代理式AI能實際執行任務，例如預約、編寫程式碼或管理文件。然而，一項代理式任務可能消耗的Token量，是簡單聊天訊息的數十倍，導致營運成本高昂。J.Gold Associates分析師Jack Gold觀察到，某些情況下，Token的成本在短短一兩個月內就可能超越員工薪資，原因正是過度使用。
面對高漲的成本，即使是曾鼓勵員工將Token使用量作為生產力指標的Meta，也已開始重新思考其策略。Meta技術長安德魯·博斯沃思（Andrew Bosworth）明確表示：「不應為了使用AI而使用AI工具。」Uber營運長本週更進一步指出，AI的大量投入並未帶來顯著的生產力提升。此外，支撐這些AI運作所需的電腦晶片和資料中心，供應已無法滿足需求，造成運算資源短缺，進一步增加新興產業的不確定性。
為有效降低成本，企業正採取多種策略。一部分公司轉向採用免費的開源AI模型，儘管其功能不及ChatGPT或Anthropic的Claude模型強大，但足以應對許多任務。另一些企業則選擇體積更小、更專業化的模型，專為房地產或金融等特定行業設計，而非大型通用模型。此外，有企業將大型AI任務分解成多個小步驟，並將每個步驟交由成本最低的模型處理。Envorso顧問公司Adrian Balfour舉例，大型整體模型的每百萬Token成本可能高達15美元，但透過小型模型可降至5美分，價格差異顯著。
這些轉變預示著AI正逐漸商品化，未來選擇AI模型時，其價格與適用性將比特定模型的性能更受重視。