烧钱速度远超想象

对于诸多企业来讲, AI应用并非处在试水环节, 而是实实在在的日常耗费。像Uber、微软这类美国科技巨头, 每年于AI方面的支出动不动就达数亿美元。员工每日耗费几十亿Token, 费用如同水流般快速流失, 这致使财务部门感受到极大压力。例如微软内部就有团队表明, 一个AI项目的月度Token费用已然超出200万美元, 然而产出成效却难以进行量化。

员工担心白花钱没产出

于企业内部会议之时, 有员工径直提出尖锐之问题, 曰: 吾等每日皆烧掉如此多之Token, 难道仅是在做表面之功夫乎? 究竟有无真正地提升生产力呢? 这般担忧并非是杞人忧天。有些公司为了去应对考核, 致使员工大量运用AI来完成任务, 最终却发觉所生成的诸多内容质量欠佳、需进行二次修改, 反倒增加了人工之成本——比如某互联网公司于内部进行统计, 表示AI辅助生成的材料之中有近40%需要人工重写。

黄仁勋说先别追求完美

英伟达CEO黄仁勋, 在面对质疑之际, 给出了属于他的那番观点, 其一在于他觉得, 于任何新技术处于初期阶段之时, 人们对此都是不够熟悉的, 所以不能够在一开始便要求达到完美的状态, 他的态度是极为明确的，那就是踏出第一步这件事情比其他任何事情都更为重要, 这就如同当年云计算刚刚普及的时候样子, 许许多多的企业同样是在一边烧钱然后一边进行摸索, 黄仁勋着重强调, 技术的应用是需要时间去沉淀的, 不要因为在初期阶段效率不高就选择停下来, 他还为之举例说道, 英伟达内部的员工刚开始使用AI工具的时候, 产出的质量最初也是很低的, 但经过坚持使用了6个月之后, 效率提升超过了6倍。

浪费点钱但别浪费时间

在费用问题上, 黄仁勋抱持一种极为豁达的态度, 那就是虽然他觉得稍微浪费些许金钱并无大碍, 然而却坚决认为绝不能浪费宝贵的时间。同时, 他还进行了细致的算计, 据之所算出的结果表明, 对于一位年薪高达50万美元的工程师而言, 要是Token费用低于25万美元, 那么这位工程师便会心里添堵, 忧心重重；倘若Token费用仅仅只用了5000美元, 刹那间他将会怒发冲天, 情绪彻底失控。于他的认知范畴内, 以一半工资的额度去促使员工借助AI从而提升10倍的工作效率, 这样的一笔经济账着实非常合算。而支撑这个观点的背后实则有一个关键的前提条件, 那便是英伟达会为其员工报销Token费用, 如此一来员工便无需自己掏腰包支付这笔费用了。

企业报销变考核指标

然而, 黄仁勋此番言论所处的背景正处于改变之中, 由于AI使用量急剧猛增, 众多公司开始将Token用量纳入员工KPI考核的范畴, 这就意味着员工并非依据需求去使用AI, 而是被规定必须用完一定额度的Token, 这进而引发了一种奇特的现象, 即, 为了达到标准, 有人蓄意生成大量毫无用处的内容, 反倒造成了算力以及时间的浪费, 诸如某科技公司要求每位工程师每月消耗至少500万Token, 最终报告显示无效输出所占比例高达60%。

成本差距不是一星半点

对于中小企业以及个人用户而言, 烧钱问题愈发尖锐, 当前美国企业主要运用OpenAI和Anthropic的AI服务, 其Token报价是英伟达等自建方案的50倍还要多, 这表明同样的AI任务, 采用第三方服务时烧钱速度至少要快50倍, 举例来讲, 一家创业公司借助GPT-4生成10万字规模的市场分析报告, 所需花费大概为1200美元, 要是采用开源模型进行本地部署, 成本仅仅在20美元左右, 黄仁勋此次也不敢宣称能随意使用, 仅强调稍微浪费一点并无不妥。

那么你认为企业应不应该为了员工运用 AI 而大幅度提升 Token 预算, 你会不会用自己的钱财去购买 AI 服务, 欢迎在评论区域分享你所拥有的看法, 点赞并进行转发可让更多的人见到这个现实存在的问题。