Palantir CEO痛批AI代币定价：价值兑现成难题

核心提要：Palantir首席执行官斥责当前AI代币收费体系虚高，指出企业投入巨资却难见实效，质疑其背后的数据风险与价值脱节问题。

Palantir掌门人揭发AI代币经济困局：成本飙升而成效难显

Palantir首席执行官亚历克斯·卡普公开批评OpenAI与Anthropic的代币计费机制，认为其定价严重偏离实际产出，导致企业难以实现预期商业价值。

代币费用与实际收益严重错配

卡普强调，企业在为每项AI处理任务支付高额代币费用的同时，却未能获得相匹配的业务成果。他提出担忧：供应商可能通过模型调用过程间接获取客户的敏感商业信息与内部运营逻辑，从而形成不对等的知识交换。

按使用量计费模式遭遇信任危机

在CNBC访谈中，卡普直指现行按代币消耗收费的逻辑存在根本缺陷：“若技术真具颠覆性，何须以数量论价？”他主张，服务提供方应与客户共享系统带来的真实业务增量，而非仅计量输入输出量。同时，他警示企业将核心数据接入外部模型时，面临不可控的信息外泄风险。许多组织反映，尽管已大规模部署AI工具，但生产效率未见明显提升，引发广泛焦虑。

这一立场与Palantir自身产品定位高度契合——其解决方案聚焦于在封闭环境中整合模型、数据与业务流程，强化控制力与可追溯性。卡普的言论也折射出企业界对早期AI投资回报率低、数据治理缺失及成本失控的深层忧虑。

从能力崇拜转向成果验证

卡普的核心观点在于：技术运行量与商业绩效之间存在巨大断层。当前计费方式仅能记录文本生成或数据处理的数量，无法衡量其是否带来收入增长、成本压缩或决策优化。随着采购预算趋于理性，这种差异日益成为关键判断标准。萨姆·奥尔特曼亦承认，AI支出与效能已成为高层管理焦点，企业正尝试采用更低成本模型，并在不同平台间进行任务分流。

为此，卡普倡导基于成果的定价机制——即供应商仅在客户实现可量化收益后才获报酬。该模式有望抑制资源浪费，但前提是双方必须就价值评估框架达成一致。此前，通用型AI曾被寄予厚望，推动快速普及；如今，随着试点阶段结束，用户关注点已从模型性能转向数据主权、系统安全性以及可验证的回报路径。