帕兰提尔CEO抨击OpenAI计费模式

Palantir首席执行官Alex Karp公开批评OpenAI和Anthropic的基于令牌的定价模式，称人工智能行业的当前货币化方式完全出了问题，根据2026年7月1日CNBC报道。这一表态凸显企业人工智能领域日益增长的紧张局势，企业寻求可预测成本而非与令牌挂钩的可变使用费。

关键要点

• 令牌定价导致不可预测的费用，阻碍国防和医疗等受监管行业的大规模人工智能采用。
• Palantir将其平台定位为专注于基于结果合同的替代方案，提供可衡量的商业价值而无需计算令牌。
• 这场辩论标志着更广泛的行业转变，向可持续企业人工智能战略倾斜，优先考虑合规和长期投资回报而非快速消费者模型扩展。

令牌模型局限性的深入分析

令牌定价方法根据大型语言模型处理的输入和输出令牌向用户收费。虽然对消费者应用有效，但该模型为大规模处理敏感数据的企业引入了波动性。Karp认为此类系统未能将人工智能提供商与需要一致预算和性能保证的客户之间的激励对齐。

实施挑战

企业在令牌使用不可预测波动时面临合规风险，尤其是在严格数据治理规则下。解决方案包括混合定价层或固定容量合同，Palantir已通过其政府和商业平台提供此类选项。

商业影响与机遇

探索OpenAI和Anthropic替代方案的公司可以利用对透明定价的需求获利。Palantir的模式通过与部署结果挂钩的软件订阅实现货币化，在国防、金融和物流领域开辟收入流。实施需要将现有数据管道与Palantir Foundry或Gotham平台集成，以实现快速投资回报并避免令牌超额。

微软和谷歌等竞争对手也在测试与结果挂钩的产品，加大了对纯令牌供应商的压力。围绕数据主权的监管考虑进一步有利于内置审计跟踪的平台，而非通用令牌API。

未来展望

行业分析师预测，到2028年，企业将加速转向基于价值的AI合同，以优先考虑成本确定性。这一转变可能重塑竞争格局，奖励那些将道德护栏和合规功能直接嵌入定价结构而非仅依赖使用指标的公司。

常见问题

Palantir的Karp对令牌定价说了什么？

根据2026年7月CNBC报道，Karp表示OpenAI和Anthropic使用的令牌模型存在根本缺陷，阻碍企业采用。

Palantir的定价与令牌模型有何不同？

Palantir强调基于结果和订阅的合同，将成本与交付结果挂钩，而非计算处理的单个令牌。

哪些行业受令牌定价问题影响最大？

国防、医疗和金融服务因对可预测支出和数据安全的监管要求而面临最大挑战。

此批评带来哪些市场机遇？

是的，提供固定价格企业AI平台的供应商可以通过解决预算和合规痛点从依赖令牌的提供商手中夺取份额。