瑞銀分析師Karl Keirstead在8月10日釋出的企業AI調研報告指出，企業AI投入正從“token最大化”轉向“token最佳化”階段，效率與投資回報率被置於更優先位置，但這一轉變尚未導致AI支出回撤。報告基於對大型非科技企業的調研，揭示了企業AI採購的結構性變化：雲基礎設施和資料管理層地位穩固，傳統SaaS廠商承壓，企業自建AI成為主流趨勢。

報告顯示，企業當前最核心的關切已從“AI能不能用”轉向“誰在用、用了多少、值不值”。多家企業已部署使用追蹤系統，員工達到一定額度後，請求將自動切換至更低級別模型及更慢響應速度。部分企業開始限制員工建立智慧體的許可權，消費計費模式的敏感度上升，因為它將AI使用量與賬單直接掛鉤。更細顆粒度的最佳化發生在模型呼叫環節：提供更精煉的上下文、減少對RAG系統的反覆呼叫、通過指令碼、路由和提示詞壓縮降低單次任務成本。一家企業以固定價格向客戶開放前沿模型，結果模型使用成本侵蝕利潤空間，未來可能被迫調整定價結構。但整體預算端並未出現明顯收縮，企業普遍擔心錯過視窗期，更傾向於先推進部署、再逐步加裝護欄。Karl Keirstead強調，“算ROI”並非“停投AI”的同義詞。

在模型選擇上，OpenAI GPT與Anthropic Claude仍是主流，中國開源模型尚未成為多數大企業的優先選擇。技術原生型公司對中國開放模型的接受度更高，但大型傳統企業更看重安全性、合規性與可控性，政府、國防及相關供應鏈企業尤為如此。模型降本主要沿三條路徑並行：將不同任務分發至不同模型、用小模型處理低價值請求、最佳化呼叫鏈路減少token浪費。

“自建”邏輯主導，傳統SaaS廠商等待的拐點未至。Salesforce創始人Marc Benioff曾多次表示企業自建AI最終會失敗，轉而購買成熟SaaS廠商的AI應用，ServiceNow也持有類似邏輯。但瑞銀調研顯示，現實尚未站到SaaS廠商一邊。不少財富500強企業仍傾向自建AI產品，原因有三：企業內部流程高度定製化，現成SaaS AI功能未必適配；自建可保留對資料、工作流編排層與智慧體系統的完整控制權；部分外部產品定價偏高或交付效果不達預期。調研中有一典型案例：一家企業計劃用Turtle檔案構建自己的本體層，將SAP或PTC Windchill資料即時匯入Databricks資料湖，經多層清洗後供智慧體呼叫，構建行動引擎，並希望以此替代Palantir方案，理由包括成本更低、人才招聘更容易、未來還可向客戶開放技術。另有企業直接表示，目前SaaS廠商沒有值得購買的AI功能，自己可以開發外掛。不過，採購並未完全消失，程式碼審查、安全、可觀測性、SIEM、工作流等具體場景中，企業仍會購買成熟產品。

資料管理層地位穩固，Databricks被反覆提及。在企業AI技術棧中，資料管理公司的存在感顯著強於應用軟體層。Databricks常見於即時資料湖、資料治理和AI工具底座等場景；Snowflake被用於構建智慧體，受訪企業明確指出，LLM無法直接替代Snowflake——LLM擅長處理語言，不擅長對數百萬資料點進行數學處理與轉換，更合理的方式是將Claude等模型置於Snowflake之上，用於異常觀察。Palantir的反饋相對複雜：一方面，它仍在企業AI與本體層中佔有一席之地；另一方面，部分客戶嘗試用AI自建本體層替代Palantir。一家大型國防承包商提到，內部已有團隊開始縮減Palantir使用，並預判該公司未來幾年將面臨不同挑戰。但瑞銀報告提示，這類案例目前仍屬早期訊號，尚不足以外推為普遍趨勢。資料庫層也出現競爭壓力，有客戶在AI工作負載上選擇Redis和Postgres，加劇了外界對MongoDB能否充分參與AI工作負載的關注。

AI原生小廠已切入企業清單，大型SaaS存在感有限。調研中企業提及的上市應用軟體公司數量有限，Atlassian、CrowdStrike、Salesforce均有出現，但頻次不高。反而是一批小型私有AI原生公司在採購清單上更為活躍：CodeRabbit用於程式碼審查、Opik用於LLM可觀測性、Onyx用於智慧體安全、ArmorPoint用於AI SIEM、Workfabric用於數字工作流雙胞胎，以及LiteLLM連線Langfuse用於模型路由與提示詞壓縮。這些公司切入的是具體業務痛點，如程式碼審查中，AI生成程式碼的速度遠超人工審查能力，企業選擇CodeRabbit以防止安全漏洞進入生產環境；安全領域，AI可結合防火牆配置、使用者許可權等資訊對漏洞進行優先順序排序，幫助安全團隊識別關鍵威脅。調研還指出，AI正在快速提升攻擊能力，企業安全相關支出預計將隨之增加，安全支出的預算邏輯更為剛性，驅動力是防止攻擊面擴大。

雲端主導格局未變，本地部署敘事缺乏客戶側支撐。企業AI基礎設施目前仍高度集中在AWS、Azure和Google Cloud之上，受訪企業極少提及大規模擴建本地AI硬體與軟體棧。調研中有企業計劃將全部資料從Azure遷移至Google Cloud，理由是後者定價更具競爭力，但遷移涉及至少一年的資料搬遷週期，以及Power BI使用者、Excel指令碼與Google Sheets相容性等問題，微軟的相關支出有望被削減但不會歸零。瑞銀報告指出，儘管部分合作夥伴仍在評估“AI工廠”與模型回遷本地環境的可行性，從當前客戶樣本來看，AI部署的主戰場仍在雲端。