Anthropic 和 OpenAI 比较好 祈祷不会有更多企业效仿 ATT 的做法 。

　　ATT 副总裁马克・奥斯汀透露，这家电信企业计划在未来几年控制员工调用 Anthropic 、OpenAI 闭源模型产生的费用 ，保持支出持平
，方案就是更多采用英伟达的 Nemotron 等开源大模型
。

　　奥斯汀负责管理公司供 10 万名员工使用的人工智能工具 ，覆盖代码编写
、财务分析、人力资源配套工具 、客服支撑系统等各类场景。虽然 ATT 也面向消费者推出部分 AI 功能（例如手机应用内置聊天机器人）
，但其人工智能的绝大多数应用都集中在内部业务 。

　　奥斯汀表示，过去一年间 ，ATT 大幅提升开源模型的使用占比，近来 员工发起的 AI 调用请求中
，已有 40% 由开源模型承载
。企业规划在未来数年，将这一比例提升至 60%~70%。

　　奥斯汀称 ，实测发现开源模型的效果 “和 Anthropic
、OpenAI 等厂商推出的旧版闭源模型持平
，甚至更优 ” 。举例来说，公司软件开发人员处理代码生成这类复杂任务时 ，仍会选用顶尖闭源模型；但代码摘要生成这类轻量化工作
，完全可以改用成本更低的开源模型
。“我们预计开源模型后续还会持续迭代优化。
”

　　ATT 还部署了模型路由工具，可根据任务复杂程度 ，自动把员工的请求分配至成本更低的模型
，以此节约开支 。奥斯汀介绍，接入路由服务商 LiteLLM 之后 ，代码编写这类高阶 AI 任务的成本比较高 下降 56%
，而 AI 输出质量仅降低 2%。

　　奥斯汀介绍，ATT 于 2023 年自研核心内部 AI 系统 Ask ATT ，该系统最初完全依托通过微软云采购的 OpenAI 模型运行
。如今这项员工通用服务已接入多款模型，覆盖多样办公场景：开发人员编写、修改代码；员工查询公司人事制度；销售人员实时记录会谈内容 、总结 客户通话纪要；客服人员通话时检索业务资料。

　　奥斯汀提到
，使用 Ask ATT 的开发人员可以自主选取 特定模型或智能代理工具，包括 GitHub Copilot
、Devin、Claude Code 、Codex ，但相关调用设有费用上限 。

　　近来 Ask ATT 每天 处理450 亿 token（文本最小处理单元）
。奥斯汀并未披露该系统的运维总成本
，但依据 OpenAI、Anthropic 公开定价测算，如果全部采用这类闭源模型承载如此庞大的 token 处理量 ，每年至少耗费上亿美元。

　　奥斯汀表示
，除 Nemotron 以外，ATT 还使用 Meta 的 Llama
、谷歌 Gemma 等开源 / 开放权重模型 。部分模型任务部署在自有数据中心 ，依托英伟达、AMD 服务器芯片运行
，相比向云厂商租用算力部署模型，自有算力方案通常成本更低
。

　　ATT 同时在评估来自中国的开源模型 ，包括深度求索（DeepSeek） 、月之暗面（Moonshot）
，不过暂未投入业务使用，企业仍在评估使用这类模型潜在的各类风险。

　　奥斯汀结合 ATT 的落地经验总结：开源模型整体能力通常比前沿顶尖闭源模型落后 6 至 10 个月 ，但二者之间的性能差距正在持续缩小 。