面对算力成本高涨与获利压力，Coinbase执行长Brian Armstrong提出了一个前瞻性的预测：未来12到18个月内，全球约80%的AI工作负载，将会从当前的昂贵模型转移至价格便宜99%的高效模型上。
随着科技巨头与新创公司在人工智能领域的资本投入达到空前规模，AI行业正迎来一场前所未有的商业模式重塑。
近期GitHub Copilot从「固定月费」转型为「按量计费（Token-based）」的政策，导致部分重度用户的账单金额飙升，这不仅仅是单一平台的定价调整，更被视为 AI 产业「补贴模式」瓦解的开端。
补贴时代的告终 真实成本的浮现
过去，AI产业为了争夺市占率，长期采取「以超低价格培养用户依赖」的策略。 如同曾经的叫车市场，企业透过巨额补贴降低终端售价，导致固定订阅制的费用远低于实际的推理算力成本。
然而，随着企业需求从简单的自动补全进阶至需要庞大推理能力的「智能体（Agent）」工作流，算力消耗呈现指数级增长。
GitHub 的此次变革，正是为了将定价回归到真实的算力消耗水平。 分析师指出，这只是市场转型的一小步，随着 AI 工作负载日益复杂，这种将隐形成本显性化的收费模式，将会成为行业的主流规范。
模型路由：高效运算的未来趋势
面对定价转型引发的“账单震撼”，企业该如何应对？ Brian Armstrong 给出的策略极为清晰：智能路由（Model Routing）。
他认为，并非所有任务都需要顶级模型来完成。 在Coinbase的内部实践中，工程师正积极将不同的任务分配给最合适的模型，而非一味追求最大或最强的模型。
他强调，只有20%的特定任务，例如尖端的科学研究或高复杂度的智能体编排，才需要动用最先进的顶尖模型; 而绝大多数的常规任务，透过价格更亲民、甚至便宜99%的模型便能有效解决。
这种策略不仅让企业能将成本维持在可控范围，同时也能确保 token 使用量随业务扩张而增长时，不会带来毁灭性的财务负担。
能源与算力基础设施成为瓶颈
Brian Armstrong 的预测背后，揭示了一个更为深刻的产业瓶颈：限制 AI 发展的关键因子，正在从「模型质量」转向「算力与能源」。
在模型性能不断突破的今天，企业已经意识到，比起盲目追逐IQ最大化，如何利用现有的基础设施实现大规模的成本效益，才是决定企业生存的关键。
目前，许多 AI 大厂的获利能力依然深陷亏损，这部分依赖于外部资本投入 GPU 与电力基础设施。 当投资人开始要求回报，企业无法再无限期地进行补贴。
未来，AI产业的竞争重点将从谁能训练出最大的模型，转向谁能在有限的能源与芯片资源下，提供性价比最高的解决方案。
这场正在发生的转型，意味着 AI 产业正从早期的实验与「暴力式增长」，迈向追求执行效率与单元经济效应的成熟阶段。 对于企业管理者而言，这是一场残酷的淘汰赛，但同时也是优化组织运作、导入AI原生流程的绝佳机会。
正如市场转变所呈现的信号，能精准计算成本并灵活配置算力资源的企业，将在这波AI浪潮中建立起真正的护城河。
