瑞银分析师Karl Keirstead在8月10日发布的企业AI调研报告指出，企业AI投入正从“token最大化”转向“token优化”阶段，效率与投资回报率被置于更优先位置，但这一转变尚未导致AI支出回撤。报告基于对大型非科技企业的调研，揭示了企业AI采购的结构性变化：云基础设施和数据管理层地位稳固，传统SaaS厂商承压，企业自建AI成为主流趋势。

报告显示，企业当前最核心的关切已从“AI能不能用”转向“谁在用、用了多少、值不值”。多家企业已部署使用追踪系统，员工达到一定额度后，请求将自动切换至更低级别模型及更慢响应速度。部分企业开始限制员工创建智能体的权限，消费计费模式的敏感度上升，因为它将AI使用量与账单直接挂钩。更细颗粒度的优化发生在模型调用环节：提供更精炼的上下文、减少对RAG系统的反复调用、通过脚本、路由和提示词压缩降低单次任务成本。一家企业以固定价格向客户开放前沿模型，结果模型使用成本侵蚀利润空间，未来可能被迫调整定价结构。但整体预算端并未出现明显收缩，企业普遍担心错过窗口期，更倾向于先推进部署、再逐步加装护栏。Karl Keirstead强调，“算ROI”并非“停投AI”的同义词。

在模型选择上，OpenAI GPT与Anthropic Claude仍是主流，中国开源模型尚未成为多数大企业的优先选择。技术原生型公司对中国开放模型的接受度更高，但大型传统企业更看重安全性、合规性与可控性，政府、国防及相关供应链企业尤为如此。模型降本主要沿三条路径并行：将不同任务分发至不同模型、用小模型处理低价值请求、优化调用链路减少token浪费。

“自建”逻辑主导，传统SaaS厂商等待的拐点未至。Salesforce创始人Marc Benioff曾多次表示企业自建AI最终会失败，转而购买成熟SaaS厂商的AI应用，ServiceNow也持有类似逻辑。但瑞银调研显示，现实尚未站到SaaS厂商一边。不少财富500强企业仍倾向自建AI产品，原因有三：企业内部流程高度定制化，现成SaaS AI功能未必适配；自建可保留对数据、工作流编排层与智能体系统的完整控制权；部分外部产品定价偏高或交付效果不达预期。调研中有一典型案例：一家企业计划用Turtle文件构建自己的本体层，将SAP或PTC Windchill数据实时导入Databricks数据湖，经多层清洗后供智能体调用，构建行动引擎，并希望以此替代Palantir方案，理由包括成本更低、人才招聘更容易、未来还可向客户开放技术。另有企业直接表示，目前SaaS厂商没有值得购买的AI功能，自己可以开发插件。不过，采购并未完全消失，代码审查、安全、可观测性、SIEM、工作流等具体场景中，企业仍会购买成熟产品。

数据管理层地位稳固，Databricks被反复提及。在企业AI技术栈中，数据管理公司的存在感显著强于应用软件层。Databricks常见于实时数据湖、数据治理和AI工具底座等场景；Snowflake被用于构建智能体，受访企业明确指出，LLM无法直接替代Snowflake——LLM擅长处理语言，不擅长对数百万数据点进行数学处理与转换，更合理的方式是将Claude等模型置于Snowflake之上，用于异常观察。Palantir的反馈相对复杂：一方面，它仍在企业AI与本体层中占有一席之地；另一方面，部分客户尝试用AI自建本体层替代Palantir。一家大型国防承包商提到，内部已有团队开始缩减Palantir使用，并预判该公司未来几年将面临不同挑战。但瑞银报告提示，这类案例目前仍属早期信号，尚不足以外推为普遍趋势。数据库层也出现竞争压力，有客户在AI工作负载上选择Redis和Postgres，加剧了外界对MongoDB能否充分参与AI工作负载的关注。

AI原生小厂已切入企业清单，大型SaaS存在感有限。调研中企业提及的上市应用软件公司数量有限，Atlassian、CrowdStrike、Salesforce均有出现，但频次不高。反而是一批小型私有AI原生公司在采购清单上更为活跃：CodeRabbit用于代码审查、Opik用于LLM可观测性、Onyx用于智能体安全、ArmorPoint用于AI SIEM、Workfabric用于数字工作流双胞胎，以及LiteLLM连接Langfuse用于模型路由与提示词压缩。这些公司切入的是具体业务痛点，如代码审查中，AI生成代码的速度远超人工审查能力，企业选择CodeRabbit以防止安全漏洞进入生产环境；安全领域，AI可结合防火墙配置、用户权限等信息对漏洞进行优先级排序，帮助安全团队识别关键威胁。调研还指出，AI正在快速提升攻击能力，企业安全相关支出预计将随之增加，安全支出的预算逻辑更为刚性，驱动力是防止攻击面扩大。

云端主导格局未变，本地部署叙事缺乏客户侧支撑。企业AI基础设施目前仍高度集中在AWS、Azure和Google Cloud之上，受访企业极少提及大规模扩建本地AI硬件与软件栈。调研中有企业计划将全部数据从Azure迁移至Google Cloud，理由是后者定价更具竞争力，但迁移涉及至少一年的数据搬迁周期，以及Power BI用户、Excel脚本与Google Sheets兼容性等问题，微软的相关支出有望被削减但不会归零。瑞银报告指出，尽管部分合作伙伴仍在评估“AI工厂”与模型回迁本地环境的可行性，从当前客户样本来看，AI部署的主战场仍在云端。