Gartner研究表明，随着时间的推移和价格的持续下降，以及云部署在敏捷性、创新速度和生态系统方面的优势，中国企业的人工智能（AI）部署将逐步从本地转向云端。Gartner预测，到2027年，中国的全部AI推理工作负载中，基于云的工作负载占比将从前的20%上升至80%。

对此，Gartner高级研究总监方琦表示：“多家中国生成式人工智能（GenAI）厂商，其大语言模型应用编程接口（API）的推理成本已经降低了90%以上，有力地推动了企业地GenAI采用。企业数据和分析（D&A）领导者应积极评估相关影响，并扩展GenAI解决方案，以满足未来需要。”

就厂商表现来看，DeepSeek于2024年5月6日推出了V2模型，价格仅为GPT-4 Turbo的1/75。几天后，字节跳动于5月16日推出豆包大模型，宣称比行业平均价格便宜99.3%。作为应对，阿里巴巴、百度和腾讯纷纷调整了其大语言模型API的价格。

图1：中国主流厂商大语言模型与OpenAI的价格变化情况比较

API价格下降短期内对企业的影响有限

在计算企业GenAI解决方案的总拥有成本（TCO）时，需要将微调成本考虑在内。首先，可以使用高端GenAI模型来评估企业用例的技术可行性，然后使用企业自身的数据，对小型模型进行微调，以执行特定的下游任务。此外，在使用API将数据上传到云端时，还应考虑额外的数据安全和隐私要求。与规模较小的模型相比，最先进的大语言模型的价格变化并不显著，这将进一步减轻价格变动的影响。

方琦表示：“已部署本地GenAI解决方案的中国企业，不会受到大语言模型 API价格变化的影响。对于云部署来说，API成本只是GenAI解决方案整体成本的一部分。需要注意的是，价格只是评估因素之一，还需要对其他因素进行仔细审查，如模型质量、吞吐量和延时。”

API价格的持续下降，推动了对AI部署策略的重新评估

企业应根据业务重点来选择AI部署方式，尤其需要从六个角度比较云部署和本地部署方案的优劣势，这六个角度分别是：企业数据的主要存放位置、安全和监管合规、专门的基础设施、平台/集成的优劣势、运营支出（OpEx）与资本性支出（CapEx）、人才和技能集合。

方琦表示：“随着大语言模型API的平均价格不断下降，云部署解决方案在未来将拥有更明显的优势。此外，随着技术的加速迭代和相关架构的日益复杂化，云部署解决方案的优势将在许多场景中更加突显。因此，各企业机构需要重新评估其AI部署战略。”