Token吃掉三成工资！硅谷AI账单失控了

新智元报道

【新智元导读】Token单价暴跌到不足1美元，总账单却在爆炸——这是AI经济学里最反直觉的一幕。

每百万Token只花0.99美元。

这是SemiAnalysis——硅谷最硬核的半导体研究机构——自己账单上的真实成本。

但更炸裂的是这个数字：内部大模型Token支出，已经占到员工总薪资的30%。

听起来不少——但反过来算，这笔钱买到的产出，过去得靠好几倍的人力成本才能覆盖。人均每月吞掉近50亿个Token，是Meta人均水平的5倍以上，核心贡献者月消耗更突破1000亿。

原本需要初级分析师花几个小时搞定的Excel模型转换、财报图表制作，如今几分钟内完成，只需要几美元。

SemiAnalysis自己的评价一针见血：这不是10%的效率提升，而是专业服务业的单元经济正在被重写。

研究公司、对冲基金、律所——所有靠人脑吃饭的行业，Token支出占到薪资的两三成，只是时间早晚的问题。

英伟达CEO黄仁勋比谁都急。

今年GTC大会上他直接放话：一个年薪50万美元的工程师，年底Token消费不到25万美元？

「我会彻底抓狂。」

他打算给英伟达每个工程师发相当于半年工资的Token预算，还要让7.5万名员工搭配750万个AI智能体一起干活。

不用AI？老黄说，这跟芯片设计师坚持用纸和铅笔没区别。

Token已经不是工具了，它正在变成新时代的「生产资料」。

但硅谷的另一半，正在为AI账单抓狂

有意思的是，就在SemiAnalysis用Token省下真金白银的同时，硅谷的巨头们正因为AI账单焦头烂额。

Uber是最经典的案例。

去年底公司向5000名工程师推广Claude Code，还搞了排行榜——用得越多，排名越高，内部竞争直接拉满。

结果太成功了：2月工程师使用率32%，3月就飙到84%，到了4月，95%的工程师每月都在用AI，70%的提交代码来自AI生成，而全年预算——已经花完了。

CTO说「要从头重做预算」。后来更狠——Bloomberg曝出，Uber给每位员工设了每月1500美元的Token上限，超了要特批。

但COO Andrew Macdonald在播客里说了句大实话：AI使用量确实在涨，但它跟消费者功能创新之间的联系……目前还看不到。

微软的情况更魔幻。上个月《The Verge》曝出，微软正在取消大部分Claude Code许可证，转向自家的GitHub Copilot CLI。

原因很简单：花钱的速度比产出的速度还快。

英伟达应用深度学习副总裁Bryan Catanzaro在今年4月说得更直接：「对我的团队来说，计算成本远远超过了员工的成本。」

MIT 2024年的研究：在以视觉为主要工作内容的岗位中，只有23%的场景下AI自动化在经济上划算。

剩下77%的情况下，雇人比用AI便宜。

甚至还有工程师吐槽AI智能体在使用中「毁掉了他的数据库和网络」——他称之为「过度使用」的代价。

天价预算、使用失控、翻车不断——硅谷正处在AI经济学最撕裂的阶段。

一边是技术带来前所未有的生产力，一边是账单以同样前所未有的速度膨胀。

成本塌缩才刚刚开始

但SemiAnalysis的核心论点是：别盯着今天的价格看，成本塌缩才刚开始。

先看软件端。

在B300上运行DeepSeek R1，通过wideEP、disagg与MTP三层纯软件优化，单GPU吞吐量能从baseline的1000 tokens/秒飙升至14000 tokens/秒——14倍提升，纯靠代码。

再看硬件端。

最优化配置的GB300 NVL72吞吐量是H100的17倍，切到FP4精度直接拉到32倍。

Opus 4.7的标价是输入5美元/百万、输出25美元/百万，看起来不便宜。

但由于智能体工作负载的输入输出比高达300:1，加上90%以上的缓存命中率，实际混合成本被压到了0.99美元。

连标价的五分之一都不到。

把软件和硬件叠在一起，一个结论很难回避：大模型的毛利率扩张，不是一次性的定价巧合，而是结构性的趋势。

Anthropic今年的ARR从90亿美元冲到了440亿以上，毛利率从38%飙到了70%以上——Token变便宜了，但卖Token的人反而更赚钱了。

Gartner今年3月的报告佐证了这一点：到2030年，万亿参数大模型的推理成本将比2025年下降超过90%。

SemiAnalysis的判断很明确：如果你想预估2027年Token价格，答案就一个字——降。

钱花了，然后呢？

这正是当下AI最撕裂的地方：全球科技公司今年AI资本开支已宣布7400亿美元，比去年暴增69%；同一时间，科技业裁员速度已超去年全年。

钱在狂烧，人在被裁，但Goldman Sachs首席经济学家说了句大实话——AI对经济的实际影响，到目前为止基本为零。

这不是AI不行，而是每一轮基础设施革命都要经历的阵痛：先烧钱建管道，再等水流过来。

电网如此，互联网如此，AI也不例外。

差别只在于，这一次管道铺设的速度，和水流过来的速度，都是上一代人没见过的量级。

SemiAnalysis已经站在水流过来的那一边了——30%的薪资换来了数倍的产出杠杆，而成本曲线还在急剧下降。

至于其他公司：是现在蹚水过河，还是等对岸的人已经建好了城再追。

参考资料：

https://x.com/SemiAnalysis_/status/2070915305858007345

编辑：所罗门