一天烧掉四五百美元Token，Uber四个月烧穿全年预算，AI烧钱竞赛迎来转折点

去年年底，硅谷科技圈掀起一股名为“Token Maxing”的风潮——创始人和工程师们争相晒出AI账单，比谁家Token消耗更吓人，以此彰显对AI的全力押注。到了今年年中，这场烧钱竞赛走到了转折点：成本失控和虚假生产力让越来越多公司开始重新审视这笔账。

Uber四个月烧穿全年AI预算，Meta被迫给员工设定Token使用上限，一些公司甚至会在内部弹窗提醒员工“这个模型很贵，可以先用其他模型”。从“无脑烧Token”到“精打细算”，硅谷正在经历一场关于AI成本认知的集体转向。

这期节目请到了两位亲历者：Llama Ventures高级技术合伙人张宏江，以及Llama Ventures合伙人、PingCAP CTO兼联合创始人黄东旭。黄东旭曾是Token Maxing的忠实拥趸，如今却成了“本地开源模型+前沿模型”混合路线的倡导者。

“不是前沿模型用不起，而是本地开源模型底座+前沿模型的搭配，成本可控，更具性价比。”黄东旭这样总结自己的转变。

一天四五百美元的账单

黄东旭坦言，自己有过账单爆掉的时刻。“我当时属于‘无脑用最强’。”去年11月，他开始用当时最强的模型从0到1构建一个分布式数据库——这是他所能想到的最复杂的软件项目。

“在最复杂的任务上，我没有办法精确评估最强模型跟第二强模型的差别，所以最好的策略就是永远选最好的模型。”那段时间，他每天的账单是四五百美元，而且还是在已经使用了订阅服务的情况下。

这笔钱花得值吗？黄东旭认为超值。他举例说，那个叫db9的云原生分布式数据库项目，从去年12月开发到今年3月，一个人三个月就做出来了。“以前我受限于人力和技术水平做不出来，但现在用上最强的AI，它能让我做出来。”他估算，如果这个软件质量做到七八十分，一年就能带来1000万美元的直接收入。

不过他也指出，Token Maxing在社区里被误解了。“它是个结果，是滞后指标，经过思考的Token Maxing才能产出好结果。但大公司里领导要，大家就刷榜，产生很多无效调用。”

泡沫论：张宏江说“没有”

对于市场是否存在泡沫，张宏江态度明确：“去年12月我就说没有泡沫。”他认为，当前AI革命与互联网早期的基建相比，从GDP占比看还小得多，“远远没有到所谓的过度投资”。

他还提到一个关键数据：Token价格过去几年一直以每年降10倍的速度下降。“技术和应用不存在太大泡沫，股市是另一回事。这次革命如此迅猛，很多企业不知所措，一开始放开用，突然发现Token超了预算，又往回缩，这是个自然的过程。”

黄东旭完全认同这一判断。他把今天的AI基建比作上世纪五六十年代的计算机：“一个房间的电子管，好大好贵，但没有它就没有后来的个人计算机。在充分的基建之后才会诞生出新需求，新需求会刺激更多基建。”他认为，Token的高效使用还有很多优化空间，短期可能回落，但长期来看仍有大量需求还没被看见。

OpenClaw：捅破窗户纸的那个软件

在Token消耗趋势的演变中，开源Agent项目OpenClaw是一个标志性事件。黄东旭评价说，OpenClaw不是为重度软件工程设计的，更像是个人助理，通过Agent能力连接现实世界。它把编程Agent代表的“Agentic loop加工具调用”理念，变成了对普通用户来说门槛更低的东西。

张宏江则从另一个角度解读：“Peter作为OpenClaw的作者，花一个礼拜就把OpenClaw做出来，这代表大模型的能力过了一个坎——推理能力如此之强，编程能力如此之强，能让一个架构师级别的工程师在很短时间内做出一个系统，标志着从研究进入工程，从模型进入Agent。”

至于哪一版模型的能力实现了这一跨越，两位嘉宾的判断略有不同：张宏江认为是Claude的Opus 4.5，去年11月；黄东旭则认为是GPT 5.4，去年七八月。

为什么火的是OpenClaw？黄东旭分析，首先它是开源软件，开源在今天天生更具传播力；其次它一开始就坚持“local-first”理念，所有隐私数据配置在本地，“完全是一个极客会做出的选择”。张宏江补充说，Peter曾表示一直觉得大公司会做，等了好几个月没做，就自己hack出来了。“当大势准备好之后，其实就需要一个人捅破一张纸，OpenClaw正好是捅破了这张纸。”

Agent进化与Token的未来

从OpenClaw到Hermes，再到Agent蜂群的智能涌现潜力，Agent产品的进化速度超出预期。两位嘉宾都认为，Agent消耗Token的趋势不会停止，未来还会有更复杂的A2A（Agent-to-Agent）网络。

张宏江亲历了互联网、移动互联网、AI三波浪潮，他认为Token Maxing折射出的是所有人在面临AI浪潮时的不知所措。“AGI奇点已经到来，现在做Agent是好时机，但关键是：别做容易被大模型碾压的应用。”

对于如何更经济地使用Token，黄东旭的实践给出了一个方向：前沿模型负责“智力碾压”的复杂任务，大量日常任务交给本地开源模型——“只烧电费，不烧Token”。这种混合搭配，正在成为成本敏感型团队的新选择。