FOREXBNB获悉，瑞银强调，尽管人工智能支出依然强劲，且目前人工智能模型的选择主要以美国前沿模型为主、而非其他地区模型，但企业正将更多注意力放在投资回报率(ROI)与人工智能高效支出上。
由卡尔·柯斯特德领衔的分析师表示，他们参加了在拉斯维加斯举行的 Ai4 大会，并与约15位企业IT高管以及行业合作伙伴进行了交流，探讨了后者的人工智能举措、偏好的AI模型、token优化工作，以及所使用的AI技术产品——无论是定制开发的，还是从私营或上市公司采购的。
分析师表示，他们的调研显示，许多企业已从最初的"AI token最大化"阶段，转向了一个以"token优化"为标志的新阶段：在继续推进AI举措的同时，将效率和投资回报率(ROI)更为牢固地摆在心头。
柯斯特德及其团队表示，我们和许多投资者所担忧的是，这种对ROI和AI高效支出的日益重视，是否会对AI支出增长形成拖累，进而影响前沿实验室 Anthropic 和 OpenAI ，并层层传导至更广泛的人工智能交易。但分析师补充道，至少在这些企业中，这尚未转化为AI支出任何形式的回落，AI支出依然强劲。
分析师指出，降低AI任务成本的主要方法之一，是将token路由至开源模型——无论是英伟达的 Nemotron，还是一系列性能出色的中国AI模型。在这轮调研中——对象大多是大型非科技企业——使用中国模型的意愿较低，这也证明了"模型多元化"趋势仍处于极早期阶段。
"早在2024年夏天，赛富时(CRM.US)的马克·贝尼奥夫曾针对许多企业对自研AI解决方案日益增长的兴趣作出回应，论证(正如人们预期的那样)这种做法为何终将失败，以及企业为何会转而从赛富时等供应商处购买AI应用。然而在这轮调研中，我们依然反复听到许多世界500强企业(并非全部)表达出'干脆自己构建AI产品'的偏好——这一趋势令SaaS/应用软件公司的AI产品增长承压，"柯斯特德及其团队表示。
企业AI技术栈
首先，分析师表示，他们鲜少听到企业大规模将AI软硬件技术栈部署在本地的案例；;企业的AI解决方案几乎总是在亚马逊(AMZN.US)的AWS、微软(MSFT.US)的Azure，和 Alphabet (GOOGL.US)的Google Cloud上托管。AI主要发生在云端，而非本地。
其次，分析师表示，数据管理公司 Databricks(被多次提及)、Palantir(PLTR.US)和 Snowflake(SNOW.US)扮演着关键角色。分析师补充道，尽管少数客户正寻求借助AI技术构建 Palantir 和 Databricks 的替代品，但他们并不认为这是一种趋势。
第三，在数据库层面，有一位调研对象提到"上层数据库使用 Redis 和 Postgres"，这进一步证明 MongoDB(MDB.US)在基于AI的工作负载上面临着实质性竞争。
最后，柯斯特德及其团队表示："尽管这些调研中被引用的上市应用软件公司数量令我们感到不尽如人意(被提及的有 Atlassian(TEAM.US)、CrowdStrike(CRWD.US)和 Salesforce，但这些企业IT高管所标示的、在其组织中被使用的私营小型供应商的数量，却令我们印象深刻。"
