AI账单失控 Token吃掉三成工资

先看一组核心数据。

每百万Token，仅需0.99美元。

这并非推广期的补贴价格，而是SemiAnalysis——硅谷最硬核的半导体研究机构——根据自身账单计算得出的真实成本。

但真正值得深挖的，是另一个指标：他们内部大模型Token支出，已占到员工总薪酬的30%。

乍看之下，这笔开销并不低。然而反过来推算，这笔投入换来的产出，过去需要数倍的人力成本才能实现。人均每月消耗近50亿Token，是Meta人均水平的5倍以上，核心贡献者月消耗更突破了1000亿。

原本需要初级分析师耗费数小时完成的Excel模型转换、财报图表制作，如今几分钟即可搞定，成本不过几美元。

SemiAnalysis自己的评价一语中的：这并非10%的效率提升，而是专业服务业的单位经济模型正在被彻底改写。

研究机构、对冲基金、律所——所有依赖人力脑力输出的行业，Token支出占薪酬的两到三成，只是时间问题。

英伟达CEO黄仁勋比谁都焦急。

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。」

他计划给英伟达每位工程师发放相当于半年工资的Token预算，还要让7.5万名员工搭配750万个AI智能体协同工作。

不用AI？老黄表示，这跟芯片设计师坚持用纸和铅笔毫无区别。

Token已不再是工具，它正在演变为新时代的「生产资料」。

但硅谷的另一半，正因AI账单焦头烂额

有趣的是，就在SemiAnalysis凭借Token节省真金白银的同时，硅谷的巨头们却因AI成本问题陷入困境。

Uber是最典型的案例。

去年底公司向5000名工程师推广Claude Code，还设置了排行榜——用量越高，排名越前，内部竞争直接拉满。

结果效果过于成功：2月工程师使用率32%，3月飙升至84%，到了4月，95%的工程师每月都使用AI，70%的提交代码由AI生成，而全年预算——已经耗尽。

CTO坦言「需要重新做预算」。后来更严厉——Bloomberg披露，Uber为每位员工设定了每月1500美元的Token上限，超出需特批。

但COO Andrew Macdonald在播客中说了句大实话：AI使用量确实在增长，但它与消费者功能创新之间的联系……目前仍看不到。

微软的情况更为魔幻。上个月《The Verge》曝出，微软正在取消大部分Claude Code许可证，转而使用自家的GitHub Copilot CLI。

原因很简单：花钱的速度超过了产出提升的速度。

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

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

剩余77%的情况下，雇人比用AI更便宜。

甚至有工程师吐槽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。

一边是技术带来的空前生产力，一边是账单以同样空前的速度膨胀。

成本塌缩才刚刚开始

但SemiAnalysis的核心论点是：别盯着当前的价格看，成本塌缩才刚拉开序幕。

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，完全靠代码实现。

再看硬件端。

最优化配置的GB300 NVL72吞吐量是H100的17倍，切换到FP4精度直接提升至32倍。

Opus 4.7的标价是输入5美元/百万Token、输出25美元/百万Token，看似不便宜。

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，实际混合成本被压低至0.99美元。

连标价的五分之一都不到。

将软件与硬件叠加来看，一个结论难以回避：大模型的毛利率扩张，并非一次性的定价巧合，而是结构性趋势。

Anthropic今年的ARR从90亿美元猛增至440亿以上，毛利率从38%飙升至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的判断十分明确：如果你想预估2027年的Token价格，答案只有一个字——降。

钱花了，然后呢？

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

资金在狂烧，人员在被裁，但Goldman Sachs首席经济学家说出了大实话——AI对经济的实际影响，截至目前基本为零。

这并非AI不行，而是每一轮基础设施革命都必经的阵痛：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与水流过来的速度，都是上一代人未曾见过的量级。

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，而成本曲线仍在急剧下滑。

至于其他公司：是现在就蹚水过河，还是等对岸的人已经建好了城再追赶？

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI账单失控 Token吃掉三成工资要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题