算力和人工费，你总得付一个

这两年，AI对工作的冲击，并不总是以一封裁员邮件出现。

更多时候，它发生得安静得多：岗位还在，工作量没有减少，招聘却开始放缓；员工确实提高了效率，涨薪时却被告知，公司已经为工具、系统和算力投入了不少钱。

工作没有消失，工作的价格正在改变。

背后是一条朴素的商业逻辑：公司会不断比较，完成同一项任务，究竟是交给人更便宜，还是交给机器更划算。工资上涨时，企业更愿意投入AI；模型太贵、错误太多时，又不得不把人叫回来。

算力和人工费，公司总得付一个。

一、公司购买的不是AI，而是更低的成本

企业真正关心的，很少是模型有多少参数，也不是发布会上又刷新了什么榜单。

它们关心的是：处理一封客服邮件要多少钱，整理一份数据要多久，写出一版合格文案需要几轮修改，一个程序员配合AI后能否承担过去两个人的工作。

因此，人工和AI之间并不是简单的“谁取代谁”，更像是两套生产方案在争夺预算。

人工成本不只有工资，还包括招聘、培训、管理、福利和人员流动；AI成本也不只有API账单，还包括系统接入、数据整理、人工审核、错误返工以及安全合规。

公司最终比较的，是完成一项工作的综合成本。

二、OpenAI降价，改写的是企业账本

7月30日，OpenAI宣布下调GPT-5.6系列部分模型的API价格：Luna降价80%，Terra降价20%，旗舰模型Sol则没有被列入此次降价范围。

这次调整的重要之处，不只是“AI又便宜了”。

Luna和Terra对应的，恰恰是企业最容易大量调用的日常任务：客服回复、内容初稿、资料分类、表格处理、代码辅助和内部信息检索。这些工作单次价值不高，但数量巨大，对价格非常敏感。

过去，一家公司可能已经证明AI能够提效，却因为调用成本、稳定性和部署费用，只敢在几个部门里试用。现在模型价格快速下降，更多任务会接近规模化部署的成本线。

技术能力没有突然翻倍，但账本发生了变化。

当同样一笔预算可以处理更多邮件、生成更多草稿、检查更多代码时，企业自然会把更多任务交给模型。降价本身，就是AI公司主动进入劳动力市场参与竞争。

三、AI最先压低的，可能是涨薪空间

这种变化未必立刻反映在失业数字上。

Apollo最新白皮书研究了2015年至2025年间321个美国职业。结果显示，2023年以后，高AI暴露职业的实际工资增速，相对低暴露职业低约6.7%，但研究没有发现显著的整体就业下降。

也就是说，企业暂时不一定需要大规模裁员。它还可以选择减少招聘、压低起薪、延缓晋升，或者要求现有员工借助AI承担更多工作。

影响在收入较低的人群中更明显。研究中，工资最低四分之一职业的实际工资增速相对下降约10.7%，最高收入组则没有出现显著影响。不过，这项研究只覆盖了部分职业，主要依据Anthropic的实际使用数据，也可能受到疫情后劳动力市场变化的干扰，因此还不能把所有工资变化都归因于AI。

但它至少提醒我们：AI对劳动市场的第一轮影响，可能不是把人从办公室赶出去，而是先改变公司愿意为同一份工作支付多少钱。

四、真正要守住的是结果的定价权

当然，算力不会一直单方面降价。

芯片、电力、数据中心、模型训练和推理都需要成本。如果能源价格上涨、算力供应紧张，或者企业发现AI错误造成的返工与风险太高，人工仍然会重新显出价值。

问题在于，低水平、可标准化、容易检查的工作，已经越来越容易被拿来比较价格。

会写一版普通文案，会整理常规表格，会完成基础代码，这些能力并不会完全失去价值，但企业愿意支付的溢价可能越来越低。因为模型也能交出一个“差不多能用”的版本，而且价格还在下降。

人的谈价空间，将更多来自模型难以独立承担的部分：理解模糊需求、判断信息真假、处理复杂关系、承担决策责任，并把不确定的过程变成可以交付的结果。

会使用AI只是进入新工作流程的门票。能够对最终结果负责，才是工资继续上涨的理由。

结语：账单没有消失，只是换了位置

算力和人工费，你总得付一个。

模型降价以后，公司会更愿意购买算力，也会重新衡量每个岗位的价值。短期内，这会加快AI进入客服、内容、设计、数据和软件开发等日常流程；更长时间里，它会改变招聘数量、起薪标准和员工的议价方式。

技术没有让成本凭空消失。

它只是把一部分账单从工资条转移到了服务器、电力和API上，再让企业不断寻找其中更便宜的一端。

真正值得关注的，也就不只是“AI会不会让我失业”。

还要看原本属于人的涨薪，有没有被“工具提效”抵消；原本需要一个岗位承担的工作，有没有被拆成模型执行、人工审核；以及自己所提供的，究竟只是可以廉价生成的劳动，还是必须由一个具体的人作出判断、承担责任并完成交付的结果。