Palantir Technologies執行長Alex Karp點名指控OpenAI與Anthropic，認為其以Token為基礎的AI服務被過度包裝，對大型企業實際創造的可量化價值有限。
重點整理：
- Karp表示，企業為AI Token付出高昂費用，卻拿不到足以支撐成本的實際成果。
- 他警告，AI供應商可能藉此取得企業內部專有知識與關鍵競爭情報。
- 這番批評映照出市場對「AI應按使用量計價，還是按實際商業成效收費」的廣泛爭論。
AI Token定價爭議
Karp在接受CNBC專訪時談到，他不認同以「模型處理Token數量」向企業收費的商業模式，直接挑戰這套經濟邏輯。
「如果AI真的那麼有價值，為什麼還要按Token計費？」Karp反問，並主張AI供應商應從替客戶創造的實際價值中分潤，而不是單純賣運算量。
他同時指出，當企業把內部資料與流程串接到外部大模型時，等於在冒著拱手交出台面下know-how的風險。Karp形容，許多公司砸下大筆AI預算，卻遲遲看不到生產力明顯提升，已開始出現「投資疲勞」與挫折感。
這番抨擊某種程度也有利於Palantir本身的商業布局。Palantir主打的正是協助企業在可控環境內，把多種模型、數據與營運系統整合在一起的軟體平台。
不過，Karp的發言也反映出企業界更廣泛的焦慮：AI導入成本高昂、資料治理壓力升溫，而初期專案的實際回報往往不如預期。
延伸閱讀：Bitget推出Cash Plus，替閒置穩定幣餘額提供收益
企業導入AI的報酬問題
Karp的核心論點在於「技術輸出」與「商業成果」之間的落差。Token計價只反映模型處理了多少文字或資料，卻無法回答這些工作是否真正提高營收、壓低成本，或改善決策品質。
隨著企業採購方愈來愈精打細算，這個差異愈發重要。
Sam Altman也曾承認，AI支出與效率已成為企業高層關注的核心議題，許多公司開始測試更便宜的模型，並將不同任務分散給多家供應商，以壓低整體成本。
Karp主張的「成果導向計價模式」，是讓AI供應商的收入綁定在可量化的績效指標上，例如具體節省的費用、新增營收或效率提升。這種作法有望削減「無效使用」的花費，但前提是企業與供應商必須事先協議如何客觀計算「價值」。
這場爭論出現在企業AI應用高速擴張多年之後。過去市場普遍期待通用大模型能大幅改造例行工作流程，如今試點計畫逐漸成熟，買方開始把焦點從「模型多強」轉向「資料與成果誰擁有、誰控管、誰負責」。