Palantir Technologies首席执行官**亚历克斯·卡普（Alex Karp）**公开指责OpenAI和Anthropic高调兜售以「代币」（token）计价的AI服务，却往往难以为大型企业创造可量化的业务价值。
要点速览：
- 卡普称，企业为AI代币买单，却看不到足以证明成本合理的业务成果。
- 他警告，这类模式还可能让服务商获取客户的专有知识与竞争情报。
- 此番批评折射出业界对AI定价究竟应按「使用量」还是按「业务结果」计费的更大争论。
AI代币定价之争
卡普在接受CNBC采访时表示，他质疑按模型处理代币数量向企业收费的经济逻辑。
他反问道：“如果真的那么有价值，为什么要按代币数收费？”在他看来，AI供应商更合理的做法，是从客户由此创造的新增价值中分一杯羹，而不是简单出售「算量」。
卡普同时警告，当企业将内部数据与业务流程接入外部大模型时，实际上面临交出专有知识的风险。他描述称，不少公司在AI上砸下重金，却迟迟等不到生产率的实质性提升，沮丧情绪正在累积。
值得注意的是，这番批评与Palantir自身商业模式直接相关：该公司主打在可控环境内整合模型、数据与业务系统的软件产品，强调数据主权与安全可控。
即便如此，他的言论确实反映了更广泛的企业焦虑：AI成本持续上升、数据治理问题复杂，而首轮AI项目的财务回报往往低于预期。
延伸阅读：Bitget上线Cash Plus，为闲置稳定币余额提供收益
企业级AI回报拷问
卡普的核心观点，是技术输出与业务结果之间存在显著落差。代币计费衡量的是模型处理了多少文本或数据，却无法回答关键问题：这些工作是否真正提升了营收、压缩了成本，或改善了决策质量。
随着企业买方日趋理性，这一差异愈发重要。
**山姆·阿尔特曼（Sam Altman）**也承认，AI支出与效率已经成为高管层的核心议题，企业正在测试更便宜的模型，同时在多家供应商之间分流任务，以控制成本与风险。
针对现状，卡普提出应推行「结果导向定价」：AI供应商的收入直接与可验证的业务增益挂钩。
这一模式有望压缩低效或没有实际价值的使用场景，但前提是企业与供应商能就「价值如何衡量」达成清晰、可执行的共识。
这场争论的背景，是过去数年企业端对通用大模型的快速试点与拥抱——市场预期它们将重塑大量日常工作流程。
随着试点项目进入收尾与评估阶段，买方关注点正在从「模型有多强」转向「数据与模型的所有权和安全性」以及「可被审计的投资回报率」。