依意思最接近的 30 筆
Ramp 資料顯示，企業 AI 用量在漲、支出卻幾乎停滯：8 至 9 月 token 支出僅增 1.5%，而 7 月環比還是 42%。主因是價格戰，OpenAI 9 月將 GPT-6 Sol 與 GPT-6 Luna 的 API 價格減半，Anthropic 也下調 Fable 5.1 與 Opus 5.5 價格，並稱這使收入增速減少約 6 億美元。支出最高的 1% 企業人均月支出從夏季峰值降至 1 萬美元以下，中位數企業僅 12–15 美元。
The Verge 的 Nilay Patel 在 The Vergecast 中稱 AI 產品「成本太高、收益不真實」，認為行業只有做出更好的產品才能走出當前困境。他指出各公司在這類產品上的花費已超過收入，agent 尚未真正成立、也未必按任何人的期望被使用，而換來的卻是 AI overviews 與深度偽造垃圾，還要讓人承受資料中心噪音和歐洲存血冰箱被黑等代價。
2026 年 7 至 9 月，OpenAI、Anthropic 和 Nvidia 的聯邦遊說支出都達到各自單季最高。其中 Nvidia 花 220 萬美元最多，Anthropic 為 210 萬，OpenAI 為 150 萬。與微軟、Google 等長期佈局華盛頓的大廠相比，這一規模並不算異常：微軟自 2021 年起每季至少 200 萬美元，Google 常在 300 萬以上；但這顯示三家 AI 公司正加大對政策制定的投入。
文章認為，OpenAI 與 Anthropic 把 coding agent 以每月 20 美元賣給所有人，反而拆掉了自己最重要的客戶：靠軟體訂閱收費的公司。過去三年，AI 實驗室的說法是用 AI 軟體工程師替代昂貴的人類工程師；但同樣的工具被廉價賣給個人後，業餘開發者週末就能做出 Photoshop 替代品並開源，Adobe 式訂閱收入隨之消失，而且不會流向 AI 實驗室。文中還提到，200 美元/月的套餐一年 2400 美元，低於 Google 高階工程師一個月薪水；
Spawn 這個多人遊戲世界現在由一群 Fable 模型驅動的智慧體自主開發，每月 token 開銷超過 300 萬美元，約為團隊薪資的 30 倍。玩家在遊戲裡通過提示詞讓內建 AI Savi 改造世界，而 Savi 會自己提交 bug，智慧體直接改線上程式碼並每小時上線一次，約六成工作源自生產環境報錯或 Savi 的反饋。團隊把一小時沒有上線視為最高階別事故，出問題的改動可在 30 秒內回滾。
Hugging Face 政策負責人做客播客，討論企業採用開源 AI 模型的成本、風險與取捨。開源模型因成本更低、更可控、更靈活，被企業、政府和初創公司更多采用；但模型能力越強、越容易獲取，企業如何從中獲取價值就成了難題。節目還談到中國開源模型的進展，以及美國廠商能否跟上。
一篇部落格文章指出，自託管 AI 在成本上並不比使用 API 便宜，但作者依然選擇自建。作者強調不會把 200 GB 的郵件、訊息和位置歷史傳送給 API，即使對方承諾零資料保留。他還提醒，拿 200 美元訂閱與 Opus 5.5 或 Astra 對比 Qwen 3.8 27B 並非對等比較。
IBM CEO Arvind Krishna 在第三季度財報電話會上稱，開源權重模型現已能用前沿模型 10%–25% 的 token 成本實現約 90% 的效果。他回顧差距從 2024 年的 70 分對 20–30 分，縮小到 2025 年底的 70 分對 50 分，認為企業大多數任務（總結郵件、審查合同、客服應答）用便宜模型就夠。由此 IBM 看到本地部署 AI 需求升溫，稱兩三機架即可搭建，但企業缺核心、網路與 GPU 叢集調優人才；
亞馬遜、微軟、Alphabet、Meta 在最新季度財報電話會上表示，今年資本開支合計至少 7200 億美元，其中大部分投向 AI 資料中心，此外還有至少 1 萬億美元的已承諾支出。但這些投入距離兌現此前承諾的回報並沒有更近，文章認為巨頭們不會自行放慢腳步。
Anthropic 發布一套面向企業客戶的報表工具：管理者可以按時間段檢視團隊用 AI 做了什麼、產出多少、消耗多少 token、流程卡在哪裡，並獲得改進建議；這些資料預設不用於模型訓練。同時上線團隊共享預算池，用於管理 token 支出。Anthropic 披露 Claude Code 淨收入留存率達 900%；
Character.ai 已申請破產，破產法庭檔案披露其算力支出長期遠超收入：2024 年每月 AI 算力花費 1380 萬美元，2025 年降至 1000 萬美元，而訂閱收入峰值僅每月 280 萬美元，含廣告的全部收入峰值 530 萬美元。2026 年 1 至 8 月算力支出 5610 萬美元，8 月仍每月虧損約 800 至 900 萬美元。
據 Business Insider 報導，Anthropic 內部使用 AI 的規模按零售價格折算後，已超過公司支付給員工的薪酬總額。報導以零售價而非內部成本價來折算內部 AI 用量，再拿它與薪酬總額作對比。原文沒有給出具體的 token 數量或金額，該話題在 Hacker News 上獲得 29 分、20 條評論。
阿波羅全球管理首席經濟學家 Torsten Slok 稱，AI 對科技行業以外的美國大企業帶來「零財務回報」。他考察剔除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla 後的標普 493 成分股，發現其利潤率與人均營收基本持平，沒有證據顯示 AI 提升了生產率。Slok 認為企業很難把日益廉價的智慧轉化為更高的營收與利潤率，因為商業中的智慧更多是判斷力；近期多項研究也未發現 AI 帶來顯著生產力增益。
本週美股科技股集體重挫：Google 創下史上最差單日表現，Intel 跌幅為尼克松政府以來最大，納斯達克距回撥僅一步之遙。2023 年以來 AI 支出累計已達 1.6 萬億美元，摩根大通預計未來十年每年約 1 萬億美元；大型雲廠商今年約 2500 億美元資本開支靠發債融資，明年這一比例將升至約 35%。高盛測算這些廠商可承接的投資級債務上限約 5100 億美元，是當前預計借款額的兩倍多；而風險更高的新型雲廠商 CoreWeave 本月債券收益率已升至 15%。
Anthropic 在 11 月 3 日更新的 S-1 檔案中披露：截至 9 月 30 日的季度營收為 170 億美元，高於上一季度的 115 億美元；但算力成本已佔營收 58%，明顯高於上一季度的 48%，運營虧損同步擴大。當季算力支出約 100 億美元，其中 50 億美元來自價格顯著更高的短期合約；每花 1 美元算力換來的收入在略高於 2 倍後回落至 1.72 倍。
Hugging Face 在一檔播客節目中討論了開源 AI 熱潮下價值究竟流向誰。開源模型正被企業、政府和初創公司採用，理由是成本更低、控制權更強、更靈活；但隨著能力越來越強的模型更自由地可獲取，公司該怎樣從中獲利成了核心問題。節目還提到中國開源模型正在取得進展，並追問美國玩家能否跟上。
Anthropic 在 IPO 前披露了總額 9000 億美元的 AI 支出承諾，訊息由 FT 報導。報導標題未說明這筆承諾的具體構成、時間跨度與相關交易方。
西蒙斯基金會與 Anthropic、OpenAI 共同出資 1500 萬美元，幫助數學界應對 AI 在該領域的快速興起。基金會負責管理與發放這筆資金，包括公開徵集提案，用於資助工作坊和專案，幫助研究者評估近期的 AI 輔助成果、學習使用新工具、交流看法並形成 AI 使用的集體標準。Anthropic 和 OpenAI 還將向受資助研究者提供 AI 工具與算力，範圍從數學擴充套件到基礎科學。該基金會曾資助 Lean 證明助手的開發，是機器學習用於科學的早期支持者。
企業一度鼓勵員工儘可能多地使用 AI，即所謂的 #tokenmaxxing，隨後賬單隨之而來。報導援引一項針對近 400 家企業的調查稱，其中只有 11% 能準確預測自己的 AI 支出。AI 使用量以 token 計量，而企業發現 token 很難統計，這讓 AI 預算幾乎無法編制。
AI 推理服務商 Fal 完成 13 億美元 F 輪融資，估值達 160 億美元，是今年 4 月 80 億美元估值的兩倍。本輪由 Bessemer Venture Partners 領投，輝達、Sound Ventures 與 T. Rowe Price 參投；Fal 同時公布了由紅杉領投的 E 輪，兩輪合計融資 16.5 億美元。這家舊金山公司主要託管並執行影片、影像與音訊模型，今年早些時候年化收入已超過 8 億美元，需求主要來自依賴開源模型的客戶。
Alphabet、亞馬遜、Meta、微軟今年合計計劃資本支出超過 7400 億美元，但投資者開始對負自由現金流與債務上升感到不安。Alphabet 第三季度自由現金流為 -91 億美元、連續兩季為負，全年支出預計達 2050 億美元，股價單日跌 12% 創紀錄；亞馬遜過去 12 個月自由現金流 -424 億美元，Meta 第三季度為 -21 億美元。五大科技公司 2026 年合計發債 3260 億美元、為去年三倍，微軟是唯一自由現金流為正的一家。
OpenAI 把 API 的付費使用檔位從五個合併為三個：Build、Launch 和 Grow。新的最高檔 Grow 准入門檻為累計 API 付款 500 美元，此前最高檔需要 1000 美元。OpenAI 表示這讓開發者更容易達到更高的 API 速率限制。該訊息由 @OpenAIDevs 於 2026 年 10 月 6 日發布。
FurtherAI 的 Sashank Gondala 復盤九個月 AI 原生工程實踐：自 1 月起每位工程師每日合併的程式碼變更量增長約 5 倍，回滾率仍低於 0.5%。面向客戶的變更從夏季每月 17 至 30 個升到 9 月 45 個、10 月預計 48 個；含測試的變更佔比從 15% 升至 91%，AI 先行評審覆蓋 99% 的變更，最多三分之一低風險變更無需人工合併。
Agent37 推出低成本 agent 沙箱服務，客戶平均每沙箱每月花費 0.37 美元，並已開放免費套餐，目前 90% 以上新註冊使用者為免費使用者，其免費沙箱基礎設施成本約每使用者每月 0.05 至 0.10 美元。降本手段包括按 agent harness 的 CPU/RAM 突發特性排程資源、繞開超大規模雲廠商直接租用 Hetzner 與 OVH，以及用 gVisor 在主機內共享記憶體並加快啟動。
Apple 首席財務官 Kevan Parekh 在 11 月 3 日財報電話會上稱，AI 除了促使消費者為獲得最新能力而升級換機之外，在第三方應用與合作，以及 Apple 自有產品上都存在收入機會，但他沒有說明具體形式。路透社報導稱，投資者猜測 Apple 可能通過 App Store 分發第三方 AI agent 並從中抽成。Parekh 同時提到，App Store 佣金正面臨監管與法律帶來的壓力，移動遊戲也是持續的不利因素；
Linux 基金會旗下 AAIF 新增四個託管專案，Anthropic 把 Agent Skills 規範連同名稱、Logo、GitHub 組織與 agentskills.io 域名一併捐出。其餘三項是 OpenAI 統一模型介面的 Open Responses（AWS 已參與維護與開發）、Hugging Face 的訓練環境框架 OpenEnv、阿里的沙箱 OpenSandbox，AAIF 託管專案增至 10 個、會員達 305 家。
哈佛商學院教授 Willy Shih 做客 Decoder 播客，圍繞新書《Where Does My Stuff Come From?》談全球供應鏈的經濟邏輯，以及 AI 基建熱潮的隱性成本。他以富士康威斯康辛 LCD 廠為例，指出配套供應鏈缺位讓美國製造業迴流大多落空；加徵關稅後廠商的第一反應是轉道越南、墨西哥繞開壁壘，中國仍是全球製造中心。訪談還提到，AI 正以空前的基建規模吞噬全球算力資源。
Anthropic 宣布把 2025 年 5 月啟動的 AI for Science 計劃擴充套件至全球 20 家科研基金會、機構與研究團隊，為從事高影響力科研專案的研究者提供免費 Claude 額度。合作方包括美國國家科學基金會（NSF）、施密特科學、Sloan 與 Simons 基金會、Wellcome Sanger 研究所、Crick 研究所、EMBL、太空望遠鏡科學研究所等。此前該計劃已支援生物、醫學、物理、化學、氣候與數學領域的數百個專案；
FDE（Forward Deployed Engineer，前線部署工程師）成為當下最火的 AI 崗位之一，國內大廠開出月薪三五萬元，海外公開薪資崗位基本年薪中位數約 20 萬美元（約 134 萬元人民幣）。Anthropic 宣布投資 1 億美元在 2027 年底前培訓 1 萬名 FDE，OpenAI 以 40 億美元投資成立部署公司，AWS 拿出 10 億美元組建 FDE 部門；國內 Kimi 聯合 IT 服務商共建 FDE 隊伍，騰訊雲推出 FDE 工程師認證。從業者稱溝通需求佔工作時間七成以上，開發僅約三成。
Ai2 把原先基於優先順序的 GPU 排程器換成了由 GPU 時間預算、層級化公平分配和時間切片契約組成的新系統。它管理數千塊 NVIDIA H100、B200、B300，叢集規模從 88 到 1024 塊 GPU，服務約 150 名內部研究者，GPU 需求長期是供給的 2 到 3 倍。舊方案導致 GPU 蹲坑佔位、優先順序通脹（最終 100% 工作負載都標為 HIGH）以及值班工程師大量時間用於協商關閉不可搶佔任務。