Palantir Technologies 執行長 Alex Karp 近期直指 OpenAI 與 Anthropic 以「代幣」（token）為基礎的AI收費模式被嚴重過度包裝，對大型企業而言往往難以轉化為可量化的實際價值。
重點整理：
- Karp表示，企業為AI代幣付費，卻拿不到足以合理化支出的成果。
- 他警告，這些服務供應商還可能藉此接觸到客戶的專有知識與競爭敏感資訊。
- 此番批評折射出一場更廣泛爭論：AI的定價應跟著「使用量」走，還是跟著「商業成果」走。
AI代幣定價之爭
Karp在一場接受CNBC專訪時 談及 ，他對「按AI模型處理代幣數量向企業收費」這套經濟邏輯提出質疑。
他反問：「如果AI真的這麼有價值，為什麼要按代幣收費？」Karp主張，AI供應商應該是分享自己幫客戶創造的價值， 而不是一味按處理量計價。
Karp同時提醒，當企業把內部資料與作業流程串接到外部大型模型時，等同將專有知識拱手交給別人。 他形容，許多企業已對AI支出感到不耐——砸下大筆預算導入各式AI工具，卻遲遲看不到生產力明顯提升。
這番評論在某種程度上也強化Palantir本身的商業定位：該公司主打在受控環境中整合模型、資料與營運系統的軟體平台。 不過，他的發言同時反映企業界普遍面臨的痛點：成本飆升、資料治理壓力加大，以及首波AI導入回報不如預期。
延伸閱讀： Bitget推出Cash Plus，讓閒置穩定幣餘額賺取收益
企業AI投資報酬率壓力升高
Karp的論點核心在於：「技術輸出」與「商業成果」之間日益擴大的鴻溝。 代幣計價只告訴你模型處理了多少文字或資料，卻沒有回答關鍵問題——這些運算是否真正帶來營收成長、成本下降或決策品質提升。
隨著企業採購愈來愈謹慎，這個差異變得格外重要。Sam Altman 先前也承認，AI開支與效率已成為公司高層的核心焦點； 企業一方面試用成本更低的模型，一方面把工作分散給多家供應商，以壓低整體支出與依賴風險。
Karp提出的替代方案是「成果導向定價」：AI供應商的報酬與可量化的成效直接綁定。理論上，這種模式可削減對「無效使用」的浪費， 但前提是企業與供應商必須先就「如何計算價值」達成共識，包含指標設計、歸因方式與驗證機制。
這場爭論發生在企業過去幾年大舉導入AI之後。當初市場押注通用大型模型可以重塑日常工作流程，如今試點專案逐步進入驗收期， 購買方的關注焦點也由「模型有多強」轉為「資料與模型的所有權誰說了算」、「資安與合規風險如何控管」， 以及「實際、可被審計的投資報酬率」。