Palantir Technologies首席执行官**亚历克斯·卡普（Alex Karp）**公开点名批评OpenAI和Anthropic，称两家公司大力推销基于Token计费的AI服务，但对大型企业而言往往“产出价值难以量化”，与投入成本严重不匹配。
要点速览：
- 卡普称，企业为AI Token买单，却拿不到与成本相称的业务结果。
- 他指出，供应商还可能借此接触并汲取客户的专有知识与竞争情报。
- 此番批评折射出业界对“按使用量”还是“按业务效果”定价的激烈争论。
AI Token 定价之争
卡普在接受CNBC采访时表示，他对按照AI模型处理的Token数量向企业收费的商业逻辑提出质疑。
“如果真那么有价值，为什么还要按Token收费？”卡普反问，认为AI厂商更合理的盈利方式，应是分享系统为客户创造的实际业务价值。
他同时提醒，大型企业一旦将内部数据和业务流程接入外部大模型，就面临拱手让出专有知识产权的风险。卡普形容，许多公司在AI工具上砸下重金，却迟迟看不到生产率、利润率等指标的同步改善，挫败感正在累积。
值得注意的是，这番指责也与Palantir自身商业利益高度相关：Palantir主打的软件产品，强调在受控环境中整合多模型、企业数据及业务系统，以减少对外部黑盒平台的依赖。
尽管如此，卡普的观点仍然反映出企业界更普遍的忧虑：AI投入成本高企、数据治理复杂，而早期项目的投资回报率（ROI）却远不如预期。
延伸阅读：Bitget推出Cash Plus，为闲置稳定币余额提供收益
企业AI投资回报之问
卡普的核心观点，是技术产出与业务成果之间存在巨大落差。Token计费只衡量模型处理了多少文本或数据，却无法回答关键问题：这些工作究竟有没有带来营收增长、成本下降或决策优化。
随着采购方越来越成熟，这一差异愈发重要。
Sam Altman此前也承认，AI开支与算力效率已成为企业高管的核心考量；与此同时，许多公司开始测试更便宜的模型，并将不同任务分流给多家供应商，以压缩整体成本。
针对上述困境，卡普提出“结果导向定价”（Outcome-based pricing）：AI供应商按客户获得的可量化收益来收费。例如按新增利润、节约成本或效率提升的比例分成。此举有望抑制“无效使用”的浪费，但前提是双方能就“如何衡量价值”达成清晰、可验证的共识。
这场定价争议，背后是过去数年企业对通用大模型的狂热追捧——许多公司押注其能重塑日常流程与后台运营。如今试点项目进入收官期，买方的关注点也在从“模型有多强”转向“数据由谁掌控、安全如何保障、财务回报是否站得住脚”。