公司收紧 AI 使用，成本挤压预算

AI 成本与感知价值

• 许多人认为，考虑到模型的销售价格低于真实交付成本，而且提供商并不盈利，AI 对大多数企业用例来说，实际成本仍不值得。
• 有人觉得，即使每位员工每月 1k–1.5k 美元，只要工具能提升几个百分点的生产力，也微不足道；也有人指出，如果 ROI 真有那么清晰，预算就不会被削减。
• 也有人担心，与固定订阅相比，按使用量计费的 API 定价和 coding agents 让成本突然飙升。

高管激励、FOMO 与群体思维

• 一些评论将 AI 采用描述为受“被落下”的恐惧、同行高管之间的压力，以及类似加密货币、区块链、元宇宙和 VR 的炒作所驱动。
• 有人认为 CEO 们是在理性下注一个 10–20 年的时间尺度，AI 必须成为核心；也有人认为这是一种天真或“精神病式”的过度自信，而且无论结果如何都能获得奖励。

生产力、工作流与 ROI

• 反馈不一：一些工程师声称收益巨大、每天重度使用；另一些则表示 AI 只会加速非关键工作，向 backlog 塞入低质量功能，并制造支持负担。
• 有人担心，指标（关闭的工单、LOC）显示了“生产力”，却没有改善利润表，而且 AI 垃圾会带来维护拖累。
• 一些公司已下调每位工程师的 AI 预算，对重度用户进行审计，或禁止某些昂贵模型。

就业影响

• 一项被引用的研究表明，AI 采用减少的更多是初级招聘，而不是导致裁员；高级岗位人数则大体持平。
• 一些员工现在会刻意避免过度文档化或过度优化，担心自己是在训练取代自己的系统。

心理与文化动态

• 一些帖子描述了“AI 精神病”：将模型拟人化、过度信任输出，并被以演示驱动的炒作席卷。
• 也有人指出两极分化的反应：狂热的 AI 支持者与绝对的反对者，而细微差别在注意力机制和营销中被淹没。

治理、部署模式与未来路径

• 一些人预计会转向本地部署或自托管模型以控制成本；较小公司可能会继续使用订阅制。
• 关于持续扩展是否会证明当前投资合理，还是会撞上瓶颈，从而让 AI 变成“只是另一个开发工具”，存在争论。

伦理、环境与阶层担忧

• 一个相当大的群体主要出于道德和环境原因反对当前 AI：能源消耗、污染，以及财富集中与未满足社会需求之间的对比。
• 即便是一些明确看到个人生产力提升的人，也会感到矛盾，提到工作场所施压要求采用 AI，尽管存在这些担忧。