一家 500 人的公司，给每个员工买 ChatGPT Plus，每人每月 20 刀。一年 12 万。看着不多对吧？
问题从来不在这 12 万。
订阅制的幻觉
所有 AI 公司都在用同一套话术：每月只要一杯咖啡的钱。对个人来说，确实是。但对企业管理者来说，这个定价模型里藏着三个没被写进合同的风险。
第一个是规模悖论。 当 5 个人用的时候，你买的是工具。当 500 个人用的时候，你买的是一个你没能力审计的黑盒系统。没人知道每个员工把什么数据喂给了 API，没人知道 prompt 里有没有夹带客户信息，更没人知道这些对话数据被模型厂商拿去做了什么。OpenAI 的企业版承诺不训练数据，但你怎么验证？合同里写的是"不训练"还是"不用于训练"？这两个说法在法律上差着十万八千里。
第二个是隐性成本。 你以为 $20/月包含了全部成本，但实际运营中你会发现：需要额外的安全审计工具、需要制定 AI 使用政策、需要培训员工怎么正确地用、需要有人专门管理 API key 的权限。Gartner 估计企业 AI 部署的隐性成本通常是许可证费用的 2-3 倍。也就是说，每人每月实际花的不是 20 刀，是 40 到 60 刀。
第三个最致命——退出成本。 你用了两年的 Copilot、两年的 Claude、两年的各种 AI 插件，你的工作流已经嵌入了这些工具。供应商涨价 30%，你怎么办？换？你的团队已经适应了那个交互模式，你的自动化脚本调的是那个 API，你的文档格式是按那个输出写的。这不是买软件，这是在给自己修一座没有出口的迷宫。
企业采购的逻辑变了
过去买 SaaS，买的是确定性：你知道功能是什么、SLA 是多少、数据存在哪里。现在买 AI 订阅，买的是一种"可能有用"的承诺。模型会更新，能力会变，输出会漂移——同一个 prompt 今天能跑通，明天可能就不行了。
有公司在尝试另一种思路：不是买一堆 $20 的个人订阅，而是集中预算部署一个可控的 AI 基础设施。自建或租用私有化模型，数据不出域，成本可预测。初期投入大，但三年看下来总成本未必更高，而且主动权在自己手里。
这不是说所有企业都该自建模型。小团队用订阅制完全合理。但当你的 AI 支出超过 IT 预算的 5% 时，是时候坐下来认真算算这笔账了——不是算每月付多少，是算三年后你会被谁绑定。
Hacker News 上有个帖子说得好：Every AI Subscription Is a Ticking Time Bomb for Enterprise。炸弹不一定会炸，但把炸弹放在地下室还假装看不见，不是明智的管理方式。
主要来源：
- Hacker News 讨论
- Gartner 企业 AI 成本分析框架
- OpenAI / Anthropic 企业服务条款