在企业金融领域存在一条不成文的规则:资源消耗增长,预算必然随之攀升。但Coinbase首席执行官布莱恩·阿姆斯特朗用事实证明,这条规则完全可以被打破。尽管代币消耗呈指数级增长,该公司却成功将人工智能支出削减近半。这是如何做到的?答案不在于削减限额,而在于对工程流程的根本性优化。

不是限制,而是智能路由

Coinbase战略的核心启示在于:全面管控和硬性配额是死胡同。与其给员工设置条条框框,公司更专注于"正确的默认配置"。阿姆斯特朗强调,91%的员工从未触及使用上限,因此降低阈值毫无意义。解决方案在于智能请求路由——系统自动判断特定任务应使用何种AI模型。战略规划调用最强大(也最昂贵)的模型,而日常执行则使用更轻量经济的方案,包括GLM 5.2和Kimi 2.7等开源解决方案。

缓存与上下文:节约的两大支柱

阿姆斯特朗指出两个打破消耗与成本关联的关键工具。其一是缓存机制。Coinbase重构架构以复用已处理数据,LibreChat服务的缓存命中率从灾难性的5%跃升至令人瞩目的60%。CEO表示,缓存未命中是烧光预算的最快途径。其二是上下文节约。公司推行任务切换时开启新会话、严格限制文件上下文、停用未用工具等做法。目标不是减少代币消耗,而是明智使用,避免在无关信息上浪费资源。

多伊彻的"杠铃"策略

分析师迈尔斯·多伊彻描述了类似方法,称之为"代币工程"与"杠铃策略"。其方案将10%最复杂任务(规划与终审)交给Opus或GPT等最智能模型,80%常规工作由廉价开源模型完成。据称这种方法可将AI支出削减50%以上,且已实践数月。这充分证明:效率不在于吝啬,而在于智能架构。

专家点评:Coinbase案例不仅是优化范本,更是企业AI新时代的宣言。市场正从追逐"最智能模型"转向争夺"最高效架构"。率先部署智能路由与激进缓存的企业将获得巨大竞争优势,让对手在无意义的算力消耗中烧光预算。