据SiliconANGLE于9月20日发布的文章，一名AI半导体行业人士提出，人工智能推理的未来不在于维持高价稀缺，而在于走向普及和商品化，从而把AI嵌入企业的各项业务之中。

文章认为，商品化会摧毁价值的传统看法并不成立。电力、宽带、云计算和存储都走过相似路径：随着成本下降、可靠性提高、部署门槛降低，需求并未萎缩，而是爆发式增长。作者据此判断，AI推理正接近同样的拐点，下一阶段的关键不是把推理保持为高单位经济性的稀缺能力，而是把成本压到企业不再限量使用。

文章描述当前AI被当作奢侈品来定价、营销和部署：行业聚焦稀缺加速器、高价系统和昂贵部署，力求从每一点可用资源中榨取最高性能。这种模式也抑制了采用，企业把AI视为珍贵资源，工程团队限量使用token、限制应用程序接口调用、控制部署规模，以避免云计算账单失控。文章提到，微软据报也在限制AI的使用量。

作者用价格类比说明低价不必然缩小市场：手工松露巧克力单价27美元、利润率高但客户群有限，99美分的巧克力棒则因数百万人买得起而扩大整个市场，并支撑新的产品和分销模式。推理变便宜后，此前无法论证AI部署的企业可以使用，已在生产的应用也会因运营成本下降而更赚钱；企业还可以围绕持续运行的AI重新设计服务，例如环境智能、自主系统和常驻助手。

文章还以汽车作比：顶级直线加速赛车造价数百万美元、性能惊人，但几乎没有人愿意开它上班，也没有物流公司会用这种车组建车队；全球经济依靠的是凯美瑞、全顺这类可靠、易维护、面向日常使用的大众车型。AI基础设施需要达到类似状态，企业更关心系统能否稳定、经济、规模化地交付结果，而非在理想条件下跑出最高跑分。

在度量方式上，文章主张生成代码行数、每秒请求数和基准分数属于工程指标，不等于业务成果。企业投资AI不是为了生成更多代码或token，而是为了完成更多工作。作者认为，真正的商业价值指标应转向任务完成率、业务加速以及节省的时间和金钱；AI基础设施应被设计为日常业务运营的一部分，便宜到可以广泛部署。