AT&T正借助开源大模型 削减向Anthropic支付的账单

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 AT&T 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，AT&T 大幅提升开源模型的使用占比，目前员工发起的 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。”

AT&T 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 任务的成本最高下降 56%，而 AI 输出质量仅降低 2%。

奥斯汀介绍，AT&T 于 2023 年自研核心内部 AI 系统 Ask AT&T，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、整理客户通话纪要；客服人员通话时检索业务资料。

奥斯汀提到，使用 Ask AT&T 的开发人员可以自主选择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。

目前 Ask AT&T 每日处理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，AT&T 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。

AT&T 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 AT&T 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。