英伟达一位高管近日表示,公司在算力上的支出已超过员工薪资总额。上周,招聘科技公司Mercor的CEO也透露,该公司用于内部智能体的Token开销,已超过员工薪资支出。
随着企业持续突破Token预算上限,一个核心问题浮出水面:企业在AI上的花费,真的已经超过在人力上的投入了吗?
根据Ramp AI指数的最新研究,答案目前还是否定的。该指数专门追踪AI在美国企业中的普及程度。排名前1%的企业——Ramp将其称为"AI深度投入型"企业——每月人均AI支出达到7500美元。这个数字是高是低,见仁见智,但它显然尚未超过软件工程师约1.6万美元的月均薪资水平。
而且上述数据仅代表最顶尖的用户群体。前10%的企业每月人均支出约为611美元,中位数企业则仅约11.38美元,大致相当于一个企业版账户的席位费用。
尽管如此,整体AI支出仍在持续攀升。上个月,"AI深度投入型"企业的人均支出环比增长了14.1%。这一趋势能否持续,目前尚无定论。排名前1%的企业普遍采用多模型混合策略,在多个前沿模型之间灵活切换,同时借助各类平台使用成本更低的开源模型。
Q&A
Q1:Ramp AI指数中"AI深度投入型"企业每月人均AI支出是多少?
A:根据Ramp AI指数的最新研究,排名前1%的"AI深度投入型"企业每月人均AI支出达到7500美元。这一数字虽然可观,但仍低于软件工程师约1.6万美元的月均薪资,因此目前企业在AI上的花费整体尚未超过人力成本。
Q2:普通企业在AI上每月大概花多少钱?
A:不同规模的企业AI支出差异显著。排名前10%的企业每月人均支出约为611美元,而处于中位数水平的企业仅约11.38美元,大致相当于一个企业版账户的席位费用,可见大多数企业的AI投入仍相当有限。
Q3:"AI深度投入型"企业通常采用什么样的AI使用策略?
A:排名前1%的"AI深度投入型"企业普遍采用多模型混合策略,不依赖单一平台或模型,而是在多个前沿大语言模型之间灵活切换,同时借助各类平台获取成本更低的开源模型,以此在性能与成本之间寻求最优平衡。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。