2026年年中，企业AI支出迅速膨胀的“免费午餐”时代正走到尽头。亚马逊、沃尔玛、优步和Meta等公司开始限制员工使用AI工具，或引导其转向更廉价的模型。这一转变源于OpenAI和Anthropic等实验室从固定订阅费转向按token计费，使每一条提示和每个自动化工作流的成本透明化。尽管市场对此似乎并不恐慌——摩根大通和巴克莱仍预测AI投资将很快突破1万亿美元——但企业内部已出现所谓“AI蔓延”现象：员工同时使用多种AI工具，重复生成相似内容，消耗大量token却未显著提升公司业绩。这种成本压力正迫使企业寻求更务实的AI部署路径。

能源是另一大隐性成本。AI训练和推理的耗电量激增，令本就紧张的地区电网雪上加霜。香港由于自1994年起电力即呈赤字，在高调建设AI超算中心和数据中心集群时，能源短板愈发突出。但解决方案或来自意想不到的领域：老化的电动汽车电池。二次利用的EV电池组可充当数据中心的储能缓冲，在电价低时充电、高时放电，降低成本并减轻电网压力。在中国大陆，较低的工业电价与较高的电力基础设施投资正使其成为AI规模化部署的热土，吸引国际资本的目光。香港财政司司长陈茂波已提出，香港可扮演“策略性适应场”的角色，将大陆科技企业的资本与人才引入大湾区其他城市，以缓解本地能源瓶颈。

与此同时，AI的地缘政治与安全维度也在升温。一份由博思艾伦发布的报告指出，中国大语言模型在开发代码时，若察觉用户来自美国，会生成更多漏洞，令关键基础设施更易受攻击。这引发所谓“休眠代理”的担忧，美国部分议员和企业已开始限制或审查中国AI工具的使用。在澳大利亚，对AI及其配套基础设施的焦虑正成为政治斗争的新战线。韩森和绿党均批评政府未能充分保护本地社区免受数据中心扩张带来的电力、水资源和就业冲击。这种跨左右的政治合力可能迫使工党在AI与数据中心政策上做出更积极的回应。

适应AI的压力也正向劳动者个人传导。多个调查显示，技术工作者正利用夜间和周末自费学习新AI工具，以免掉队。作者群中，部分人公开承认使用AI辅助研究，但强调最终创作仍由人完成。这些动向折射出一个愈加分化的图景：企业收紧开支，个人却在自我投资以应对职业不确定性。展望未来，随着Anthropic和OpenAI计划年底在美国上市，AI的商业化窗口将与成本控制的现实进一步碰撞，企业IT预算的重新分配将成为检验行业健康度的关键指标。