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。
