10月6日，OpenAI曝了个细节：用ChatGPT Pro做一项数学研究，平均要三小时的计算量。这不是说它算得慢，而是戳破了一个幻想——不是所有AI任务，都要砸这么多算力。
不是摸高比赛，是按任务配智能
很多人以为AI要越聪明越好，其实不是。普通用户每天碰的不是数学猜想，是找合同、清电脑、记会议要点。OpenAI10月7日把GPT-6推给普通用户，免费版用轻量模型Luna，付费版Astra要50美元每百万输出Token，差价100倍。Anthropic同期发的Haiku5.5，主打摘要、分类这类高频重复活，定价低七成，就是冲着“够用”来的。
大厂也在走这条分配路。阿里吴泳铭在云栖大会说AGI是未来起点，千问办公却忙着接门店员工的操作问题；腾讯让Marvis管电脑文件，WorkBuddy做日常任务，字节把豆包工作嵌进飞书读团队资料。关键不在模型多强，而在把对的能力给对的活：简单查询用快模型，重复内容靠缓存复用，难题才升级到顶配。腾讯Marvis团队说，给本地文件建索引、调缓存、按难度选模型后，日活成本降到上线首月的十分之一；千问办公也宣称，专用模型让办公Token消耗减了75%。算下来，一个万人公司如果每天发千万次普通调用，用Luna的成本才是Astra的千分之一。
老资产变护城河，不用拼新模型
外来的AI智能体可以写漂亮周报，却搞不定大厂的“内部细节”。比如古茗的店员问“滤芯多久换”，通用模型不知道当天的门店规范，千问办公却能把培训资料、群聊记录按权限梳理出答案——因为它接入了企业的“上下文”。飞书把组织权限、文档、协作环境交给豆包工作，生成的内容能直接回团队修改；千问办公还能跨钉钉、飞书、企业微信取数。
外来智能体缺的是大厂攒了多年的东西：员工身份、审批流程、业务边界。比如它们不知道公司说的“华东区”包括哪些省份，也不清楚那份合同该谁批。这些老资产别人买不到，也抄不走——模型可以采购，沉淀的业务逻辑没个三五年攒不出来。但维护这些东西也花钱，要管过期资料、错配权限，过去卖软件是“卖扳手”，现在要“替人拧螺丝”，责任重多了。
生意的核心，不是参数是UE
够用的智能要成生意，得算清每一分成本。Marvis管电脑，有人问“电脑怎么慢”，却很少有人愿意为AI管系统付钱——毕竟这些活过去是免费工具做的。千问办公的思路是绑定旧软件合同：企业买钉钉、飞书，再按坐席买千问积分，每人每月2000积分，超了再补。这是在旧模式和波动的AI调用费之间架桥，可也有问题：公司预算是固定的，AI多花一分，就得从别的地方挤。
只有当AI做的是“原来做不起、做不快的活”，才能拿到增量预算。比如富立卡用数字员工处理询盘、审批，法律服务用AI批量核验资料——这些业务部门愿意从销售、运营预算里拿钱，而不是让IT从办公费里挪。千问办公要的就是这种位置：生意的胜负，不在参数表，在每年新增的合同里，在客户愿意多掏的那笔预算上。
大厂把AI从实验室拉回日常，不再追“最聪明”，而是算清“够不够用”。当AI不再是秀场里的参数，要接住企业的真实需求，这门生意能摆脱“成本中心”的标签吗？
素材来源：钛媒体 · AI情报、大模型、AI应用落地
查看报道原文
发表第一条评论吧