据科技媒体SiliconANGLE报道，近期Canva、Uber等企业因依赖第三方AI模型导致成本飙升，被迫调整营收预期和模型策略。这些案例显示，企业在获取AI能力的同时，必须控制其背后的经济成本，否则可能沦为供应商的利润来源。
据The Information报道，Canva公司将2026年营收增长预期从30%下调至20%，原因是其AI功能运行成本远超预期。Canva每季度营收超过9亿美元，增长率超过25%，却因输入成本下调业绩指引。该公司承认过度依赖昂贵的第三方前沿模型。作为应对，Canva改用自研模型、Leonardo.AI和任务级路由，据称将单次AI任务成本削减约90%，其视频和图像模型成本分别仅为前沿模型的十七分之一和三十分之一。
类似案例并不少见。据报道，优步公司在一个季度内耗尽了全年的AI预算，随后重置默认配置并将工作负载转向低成本模型。微软则公开表示希望减少乃至最终取消向Anthropic支付的费用，同时加强自研模型能力。人工智能初创公司Lindy的案例更为典型：Anthropic曾是其最大支出，甚至超过工资。Lindy将流量迁移至另一家模型供应商，并称在核心用例上降低成本的同时提升了性能。
瑞士政府也启动了重要的主权AI计划，但后来意识到需要向微软开出一张大额支票。这些事例说明，AI能力本身有效，但产品能正常运作却未必能通过“财务主权”考验。企业并非出于意识形态而转向，而是因为收到了意外的账单。
Palantir首席执行官Alex Karp曾批评“tokenmaxxing”现象——即优化供应商账单而非企业留存价值。他强调，企业应当追求“主权阿尔法”，即通过控制成本曲线和保持迁移能力，从自身数据、工作流和专业知识中保留更多价值。没有供应商能赋予这种主权，供应商只提供组件，只有企业自己能定义并执行其主权边界。
财务主权并非一次性的通过与否，而是一个风险谱系。每个组织需要决定其边界条件。例如微软的Foundry平台提供多种模型选择，工程师偏好Claude可能只是开发层面的决定，但当这种偏好损害利润率超过容忍度时，就会触发财务警戒线，促使企业加强控制或转向更低成本的内部及开源模型。优步则将前沿模型用于最高价值的工程场景，这一策略在撞上预算墙之前一直有效——当它大约四个月内烧掉全年预算时，就无法再自信地进行未来两三年的规划。