{"id":"mb-20260902-e87f78","kind":"deep","title":"企业把日常业务交给 AI，月底收到的账单里，有八成其实是冤枉钱","summary":"企业把日常业务交给 AI，月底收到的账单里，有八成其实是冤枉钱","body":"企业把日常业务交给 AI，月底收到的账单里，有八成其实是冤枉钱。\n这个数字不是凭空捏造的。\nAI 搜索独角兽 Glean 刚公布了一份针对 180 多个企业真实业务场景的评测。\n在完成相同任务的前提下，企业用 Glean 的成本，比直接用 Anthropic 的官方助手 Claude Cowork 低了 81%。\n消耗的 Token 数量，整整少了 70%。\n两边用的都是 Anthropic 自己的顶尖模型。\nGlean 调用的甚至是单价更高、性能更强的 Claude Opus 4.8。\nClaude Cowork 跑的是带高推理模式的 Claude Sonnet 5。\n为什么用更贵的模型，反而替企业省下了八成账单？\n难道大模型巨头自己的官方应用，工程水平反而不如第三方软件？\n把两套系统的调用链路拆开，会看到一台支配着大模型商业世界的隐形机器。\n提示词填塞税。\n当一家企业想让 AI 处理跨部门审批或财务核对，AI 必须先读懂内部数据。\n大模型厂商做企业应用，最直接的工程解法，是把搜出来的相关文档一股脑塞进上下文窗口。\n几万字、几十万字的原始邮件、聊天记录和表格，原封不动倒进模型。\n这种粗暴做法在业内被称为蛮力上下文填塞。\n接着，应用启动最顶格的高推理模型，把几十万字从头到尾扫描一遍。\n每个字都在按输入 Token 计费。\n每一步推演，都在消耗昂贵的高阶算力。\n这背后是一台结构性的商业激励机器。\n大模型巨头的底层模式，是向全行业售卖 Token 和算力。\n客户消耗的 Token 越多，调用的模型越重，大模型厂商收到的账单就越厚。\n让模型厂商主动帮企业剪枝上下文、压缩 Token 消耗，等于让电力公司研发节电器。\n它在商业动机上缺乏动力把这件事做细。\nGlean 这类企业中间件，切入的是完全不同的维度。\n它的创始人 Arvind Jain 曾是 Google 资深工程师，也是数据管理独角兽 Rubrik 的联合创始人。\n它的核心资产不在于训练基础大模型，在于搭建了一套企业图谱上下文层。\n在把数据喂给大模型之前，它先用拓扑图谱把企业内部的知识、人际关系和权限安全梳理清晰。\nAI 不需要硬吞几十万字的原始文档。\n企业图谱会在毫秒级时间内精准定位到那几个核心数据节点，把无关噪音全部过滤。\n进入模型的 Token 负荷，第一步就砍掉了七成。\n随之运转的是第二道齿轮：动态模型路由。\n企业任务并不全是复杂的长链条推理。\n检索文档、核对日期、提取表格字段，交给廉价的小模型就能搞定。\n只有在面临复杂的综合决策时，系统才把精炼后的线索，路由给顶级的 Opus 4.8。\n轻重分流，按需分配。\n整套任务跑下来，企业拿到了同样准确的交付，同时省去了八成以上的算力开销。\nBooking.com、Intuit 和 Zillow 这些跨国巨头，正是在用真实的采购预算给这种效率投票。\n很多人以为，AI 时代的终极壁垒是模型参数的大小。\n谁的模型跑分最高，谁就能横扫企业软件市场。\n真实的企业世界，只认交付质量和真实账单。\n基础大模型正在加速演变成标准化的水和电。\n当大模型本身越来越容易被替换，真正的护城河，已经转移到了模型上方的那层企业图谱里。\n懂得如何把混乱的数据精准切片、懂得如何替客户看紧钱包的系统，才能在算力过剩的周期里扎下根来。","topic":"企业把日常业务交给 AI，月底收到的账单里，有八成其实是冤枉钱","frame_type":["提示词填塞税与动态模型路由","机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-09-02 09:36:45","legal_anchor_count":0,"transcript_citation_count":0}