AI使用观察|所有人都在用AI,但没几个人用对了

德银今年6月发了一份报告，数字挺吓人的。

他们算了一笔账：同样完成一个日常写作任务，用Claude Fable 5要花3.25美元，用DeepSeek V4-Pro只要5美分。65倍的价差，但任务完成度差不多。

这还不是最离谱的。

据公开报道，优步（Uber）今年全面推广AI工具后，4个月就把全年AI预算烧光了。不是因为员工偷懒，恰恰相反——大家用得太积极了，积极到公司财务扛不住。

所以问题来了：大家都在喊"AI赋能""AI提效"，但真正花过时间琢磨"该用哪个模型"的人，有多少？

不是不会用AI，是不会选AI。

 "不会选"不是个例，是系统性问题

先说一个数据。AI基础设施公司Edgen在5月30日发布了一份调研，数字让人意外：95%的企业AI工作负载，依然跑在前沿模型（也就是最贵的那批）上做简单任务。

简单任务是什么概念？文本分类、格式转换、模板填充、回复确认——这些活儿，用免费的开源模型都能干，但你每个月要给OpenAI、Anthropic交几百上千美元。

这钱花得冤不冤？

Meta内部有个叫"Claudeonomics排行榜"的东西——是的，大厂真的在搞这种离谱的内部排行。他们让8.5万名员工参与，统计谁在AI上烧的Token最多。结果出来了：有个狠人，30天烧了2810亿Token，拿了个"Token Legend"头衔。

2810亿。这个数字荒谬到让人想笑。

游戏公司米哈游也做过类似的多Agent实验（据公开报道），让一堆AI Agent协作处理一个复杂任务。结果一晚上烧掉了价值200万元人民币的Token，账单出来肉疼了一周。

你看，这事儿不是哪个小公司不懂事。

大厂也一样在烧。

不是不会用AI，是根本没想过"这道菜该用多大的火"。

三个"不会选"的认知误区

误区一：最贵的=最好的

德银在报告里用了句特别损的话，说前沿模型的溢价，就像奢侈品包包的身份象征定价——你买的不是包，是"我买得起"的优越感。

这话说得刻薄，但很真实。

很多人选模型，默认逻辑就是"最贵的肯定最稳"。结果呢？写个会议通知花了GPT-4o的钱，输出结果和GPT-3.5没区别。

不是前沿模型不好，是有些任务根本配不上它的价格。

误区二：所有任务一碗水端平

有些公司定了规则，全员统一用某款旗舰模型，美其名曰"保证质量"。

这就好像马桶堵了开辆豪车去买皮搋子——问题能解决，但代价完全不对等。

任务性质不一样，最优解完全不一样。用旗舰模型做L1级别的简单任务，是效率最低的"认真"。

误区三：只看性能，不算成本账

很多企业推行AI之后，员工效率确实上去了——以前要干两小时的活，现在半小时搞定。

但一算总账：公司营收没变，市场份额没变，AI开支反而涨了一截。

效率提升了，成本也提升了，利润纹丝不动。

这不是AI赋能，是AI增本。

"会选AI"的核心能力：任务分级

那怎么解决这个问题？

我的建议是：先给任务分个级。

这是本文提出的任务分级模型，核心逻辑很简单——按任务复杂度匹配模型能力。

L1 简单任务

文本分类、格式转换、模板填充、回复确认、数据录入

→ 选轻量模型，成本只有旗舰的1/10，但完成度差不多

L2 中等任务

信息提取、简单内容生成、数据整理、摘要缩写、基础翻译

→ 选中等模型，成本约为旗舰的1/3，足够用

L3 复杂任务

深度分析、策略规划、长文写作、代码开发、创意生成

→ 旗舰模型，值得花这个钱

L4 关键决策

法律判断、医疗建议、重大商业决策、涉及伦理的风险评估

→ 旗舰模型+人工审核，AI给参考，人做决定

记住一个数字：80%的日常任务集中在L1和L2，但95%的工作负载跑在前沿模型上。

这个错配，才是成本失控的核心原因。

成本核算：不是技术问题，是判断力问题

德银在报告里打了个比方，我很喜欢：

用前沿模型做简单任务，就像开超跑去买菜——超跑没问题，但油耗是面包车的十倍。

你会算这笔账吗？

再说一个今年6月arXiv发表的论文结论：研究人员测试了Claude Haiku 4.5和Claude Sonnet 4.6在代码审查任务上的表现。结果Haiku——那个更轻量、更便宜的版本——一致性优于Sonnet，同时成本低3.2倍。

这不是"够用就行"，是便宜模型在特定任务上真的更好。

这说明什么？

选模型不是选手机，不是CPU越强越好。是选工具，不是选装备。手术刀比电锯贵，但做精细手术你只能用手术刀。

根据公开案例分析，某团队通过"模型路由"的方式优化成本：简单步骤用轻量模型，复杂步骤切旗舰模型，最终成本下降60%以上，质量没有明显下滑。

核心逻辑就一句话：会用AI是执行力，会选AI是判断力。

拿走就用：模型选择决策树

不整虚的，给你三个问题，下次用AI之前先问自己：

问题1：这个任务属于哪个级别？

是简单分类（L1）还是深度分析（L3+）？先定性再选工具。

问题2：质量容错率和任务频率如何？

如果每天要跑100次，即使单次节省很小，放大到全年也是大钱。如果一次失误影响不大，轻量模型完全够用。

问题3：有没有固定的分级机制？

把L1/L2任务写成团队 SOP，强制用轻量模型，把旗舰模型留给真正需要的地方。

三个问题，想清楚再动手。

写到这里，本周的《AI使用观察》系列6篇基本收尾了。

回顾一下我们聊过的：内容贬值是确定的；泡沫的本质是绝大多数人只是到此一游；真正在涨价的是可信度、节律和人格化自信；AI的能力分化已经开始；信任是AI时代最贵的资产。

这几件事，最后都指向同一个结论：

判断力，是AI时代最稀缺的能力。

会写文案不稀奇，会选模型才是本事。

会做内容不稀奇，会建信任才是壁垒。

会用AI不稀奇，能控制成本才是真懂。