人工智能成本迫使CFO在代币和人力资源之间权衡

# 人工智能成本迫使CFO在代币和人力资源之间权衡

企业人工智能的运营成本超出初步预测30-50%，迫使首席财务官在资助AI代币消费和维持人力资本预算之间进行战略权衡。2026年5月29日报道的这一意外成本压力，对企业利润率构成了重大风险，而股市尚未对此进行定价。初步企业预测低估了AI计算和基础设施费用30%至50%，在资产负债表上形成了新的项目冲突。

背景 — [为何此时重要]

当前持续高利率的宏观经济背景，加剧了这些AI成本超支的财务压力。由于联邦基金利率维持在4.5%以上，技术投资的资本成本仍然较高。这迫使对所有重大支出，包括大型语言模型集成，进行更严格的投资回报审查。

这一转变的催化剂是从受控的AI试点项目转向全面部署。试点阶段通常利用补贴或固定费用的API访问，掩盖了生产级使用的真实可变成本。随着应用规模的扩大，每个代币的推理成本——AI计算的基本单位——成为了一项重要的运营开支。这与十年前企业面临的云成本清算相似，但采用曲线更陡。

最后一次可比的技术权衡发生在2015-2018年的云迁移浪潮中。那时，公司在传统基础设施预算与新的云服务账单之间挣扎，导致运营效率低下和利润压缩，直到FinOps实践成熟。AI成本挑战正在以更快的速度展开，对白领生产力产生更广泛的影响。

数据 — [数字显示了什么]

来自几家财富500强公司的内部分析显示，AI相关的运营费用现在占总技术预算的5%到8%，预计到2027年底将达到15%。对于一家年IT支出10亿美元的公司，这意味着每年意外支出5000万到8000万美元。对一组早期采用公司预算与实际成本的直接比较显示出低估的一致模式。

指标	预算2026年第一季度	实际2026年第一季度
AI计算成本	$2.1M	$3.0M
AI专家人数	45 FTE	55 FTE
每用户每月代币成本	$15	$22

行业比较显示，金融服务和医疗保健领域的影响最为明显，员工每人使用的AI代币比行业平均水平高出40%。这与技术行业形成对比，后者受益于更深厚的内部专业知识和谈判基础设施费率。标准普尔500科技行业的运营利润率同比压缩了约90个基点，部分原因归因于这些上升的成本。

分析 — [对市场/行业/股票的意义]

直接的二次影响是对咨询和商业服务公司盈利能力的压力，这些公司在AI驱动的解决方案上投入巨大。像埃森哲（ACN）和IBM这样的公司在试图吸收或将这些上升的成本转嫁给客户时面临利润压力。提供AI成本管理软件的公司，如Apptio（被IBM收购）和新兴企业，随着对效率工具需求的激增而受益。

一个关键的反驳观点是，AI生产力的提升最终将超过这些成本。然而，早期数据表明，可衡量的生产力改善滞后于成本发生数个季度，造成对盈利的暂时但显著的拖累。市场尚未因AI支出而惩罚股票，将其视为增长投资，但随着季度业绩反映出费用负担，这种情绪可能会发生变化。

定位数据表明，机构投资者开始增加对高度杠杆、依赖AI的小型软件公司的空头头寸。资金流向像微软Azure（MSFT）和谷歌云（GOOGL）这样的成熟云基础设施提供商，这些公司被视为定价者和AI计算需求激增的主要受益者，无论个别公司的投资回报如何。

前景 — [接下来要关注什么]

市场重新定价的主要催化剂将是2026年第二季度的财报，预计在7月发布。关于运营支出的指导修订将受到严格审查，关注是否提到AI成本控制或从其他预算领域重新分配。6月17-18日的FOMC会议也将至关重要；任何延长限制性货币政策的信号将加剧对AI项目的资本成本压力。

分析师将监测主要采用者的AI运营成本增长与收入增长的比率。如果成本增长持续超过AI产品的收入贡献，将触发负面的盈利修正。需要关注的关键水平是iShares美国科技ETF（IYW）股票的50日移动平均线，跌破该水平可能意味着对AI密集型公司的更广泛降级。

如果10年期国债收益率保持在4.3%以上，新资本密集型AI项目的财务合理性将变得更加困难。下一个重要的数据点将是8月初的摩根大通科技会议，届时CFO小组可能会直接讨论这一话题。

常见问题解答

企业预算中的AI代币成本是什么？

AI代币成本是指每次大型语言模型处理一单位文本时产生的费用。对于企业而言，这会根据使用量聚合成可变的运营成本，类似于云计算账单。这些成本在初步预算时常常被低估，因为试点项目未能反映企业范围内部署的规模。这个项目现在直接与传统的人力资源预算在客户服务、内容创建和软件开发方面竞争。

这种AI成本压力与云计算的兴起相比如何？

AI成本轨迹比2010年代的云采用浪潮更陡。云迁移涉及将固定资本支出转变为可变运营支出，并具有相对可预测的扩展性。AI推理成本纯粹是可变的，并且随着用户采用的增加可能以不可预测的方式激增。之前的云清算花费了近三年时间才对盈利产生显著影响，而显著的AI成本压力在广泛采用生成性AI的18个月内就已显现。

哪些上市公司最容易受到AI成本超支的影响？

拥有大量非技术劳动力并进行快速AI集成的公司最容易受到影响。这包括像美国银行（BAC）和摩根大通（JPM）这样的银行，它们已将AI助手部署到数千名员工。像Salesforce（CRM）这样的面向客户的软件公司也因在其平台中嵌入AI功能而面临高代币消耗。相反，像英伟达（NVDA）和云服务提供商这样的半导体公司是这一趋势的供应商，并且是净受益者。

结论