Coinbase創始人Brian Armstrong分享AI支出控制實踐，公司實驗將默認模型切換爲開源權重模型
Coinbase創始人Brian Armstrong表示，通過更好默認設置、路由和緩存，可在token使用量指數級增長的同時保持AI支出平穩，而非依賴摩擦與支出警報。
公司實驗將默認模型切換爲開源權重模型如GLM 5.2和Kimi 2.7，通過LLM網關實現，同時保留工程師自主選擇權，並通過緩存命中率提升、上下文精簡等措施將AI支出幾乎減半。
市場機制上，企業AI成本優化實踐加速內部基礎設施投資，資金從純模型調用流向路由、緩存與優化工具，事件驅動AI可持續規模化，受益者爲提供高效推理基礎設施的公司，承壓者爲單純售賣算力的供應商。
來源：公開信息
ABAB AI 解讀
Brian Armstrong領導Coinbase在加密業務中深度集成AI，並通過自定義LLM網關與內部工具鏈實踐成本控制，將工程師使用自由度與公司支出控制結合，實現指數級採用下的可持續增長。
資本路徑顯示Coinbase將工程資源投入AI基礎設施優化，動機在於支持業務指數增長同時控制邊際成本，戰略上構建內部高效AI平臺以提升整體競爭力。
類似大型科技公司在雲時代通過緩存與路由優化降低成本，當前AI時代處於從粗放token消耗向智能資源分配轉型的關鍵階段。
本質屬於技術替代與資本集中，機制在於更好默認、路由和緩存大幅降低無效計算，取代人工監控與限額的低效方式，資本向掌握AI推理優化技術的平臺與企業集中，定價權從原始算力提供商轉移至全鏈路效率提升者。
ABAB News · 認知定律
限額摩擦一時，智能優化一世；指數增長靠基礎設施而非節流
默認路由緩存控成本，工程師自由度不降；可持續纔是規模化核心
工程師粗放調用一時，企業建智能網關一世，頂級資本賣AI效率結構工具