Palantir Technologies行政總裁Alex Karp近日開腔，直指OpenAI及Anthropic大賣以「代幣」（token）計價的AI服務，向大型企業收取高昂費用，但實際可量化的業務價值往往相當有限。
重點摘要
- Karp指不少企業為AI代幣支付龐大開支，卻未見有足以抵銷成本的實質成果。
- 他警告，供應商在提供服務之餘，或同步吸收客戶的專有知識及競爭情報。
- 相關批評反映市場爭論：AI收費應按使用量，還是按實際業務成果掛鈎？
AI代幣定價之爭
Karp在接受CNBC訪問時表明立場，質疑按AI模型處理的代幣數目向企業收費的經濟合理性。
他反問：「如果真咁有價值，點解要靠收代幣錢？」Karp認為，AI供應商理應分享他們為客戶創造的價值，而非單純按運算量「開單」。
他同時指出，企業一旦將內部數據及工作流程接駁至外部大模型，等同打開後門，讓第三方有機會接觸到高度機密的專有知識與競爭優勢。Karp形容，不少大公司在AI上砸下巨資後，對產出乏善可陳的局面愈來愈感挫敗。
這番批評，客觀上有利Palantir本身的商業定位 —— 該公司主打在受控環境下，將不同模型、數據及營運系統整合在同一平台的企業級軟件。
不過，他的言論亦折射出更廣泛的企業焦慮：AI成本不斷上升、數據管治風險加劇，而早期部署帶來的回報卻未如預期。
延伸閱讀：Bitget 推出 Cash Plus 為閒置穩定幣資金產息
企業AI投資回報：技術輸出未等於業務成果
Karp的核心觀點，是技術輸出與實際業績之間存在明顯鴻溝。以代幣計費，只能量度模型處理了多少文字或數據，卻難以反映這些運算有否真正帶來收入增長、成本下降或決策改善。
隨着企業買家愈來愈精打細算，「用量」不再是唯一考慮。Sam Altman亦承認，AI開支壓力及效率問題已成為管理層關注焦點，各公司一方面測試更便宜的模型，另一方面將不同工作分流至多家供應商，比價與分散風險同時進行。
Karp倡議改用「成果掛鈎」的收費方式：AI供應商的收入與可度量的業務增長綁定，例如節省的成本、提升的產能或新增的營收。此舉或可削減大量「無效使用」開支，但前提是企業與供貨方要就價值計算方法達成明確且可審核的標準。
這場爭論出現在企業瘋狂試用通用大模型多年之後。當早期試點項目陸續進入「成績表」階段，買家的重心亦開始由「模型有幾勁」，轉到「誰擁有與控制數據」、「保安與合規風險」以及「是否看得見、算得清的投資回報」。