AI降本增效是骗局吗？算力成本为何远超人工工资

5月24日消息，近年来，AI人工智能被众多企业视为降本增效的关键答案。一场自上而下的AI工具化浪潮正在席卷职场，管理层普遍希望通过推广AI应用来压缩人力成本、释放生产效率。然而，现实并没有完全按照预期发展。一个颇为尴尬的情况正逐渐显现：企业为AI投入的算力费用与模型调用成本，正以惊人的速度上涨，甚至开始反向吞噬最初设定的“降本”目标。

这并非夸大其词，而是一场正在科技行业迅速扩散的“AI成本高烧”。

从“降本利器”到“成本黑洞”

风向的变化其实早有迹象。微软近期在内部要求员工停用第三方代码工具Claude Code，转而使用自家产品Copilot CLI。表面上看，这像是扶持内部产品的战略调整，但业内普遍认为，其更核心的原因在于Claude Code随着用户规模激增，调用费用快速失控，已经成为一项难以忽视的高额支出。

微软并不是个例。《财富》杂志的调查进一步揭示了更广泛的企业AI成本困境：虽然AI模型训练的单次成本正在下降，但员工在日常使用中的“词元”消耗量却呈指数级增长。更麻烦的是，那些能够自主处理复杂流程的“智能体”（Agent），其单次查询所消耗的算力资源，可能达到普通大语言模型对话的上千倍。这也意味着，一旦企业开始大规模部署AI系统，每月需要承担的AI账单很可能高达数百万美元。

问题究竟出在哪里？一个源自19世纪的经济学理论——“杰文斯悖论”，或许能够解释当下的现象。

“杰文斯悖论”的现代演绎

这一理论指出，当某项资源的使用效率提升后，往往不会减少总消耗，反而会刺激整体需求进一步增加。历史上已有典型例证：蒸汽机的出现显著提高了煤炭利用效率，但结果并不是煤炭使用量下降，而是煤炭总需求大幅攀升。

如今，类似的逻辑正在AI行业再次上演。随着AI技术不断成熟，单个“词元”的处理价格的确持续走低，但这也直接催生出一种“词元最大化”的使用倾向，甚至演变为隐性的浪费文化。在不少企业中，使用AI工具已经成为硬性考核指标。为了完成使用数据，员工开始将大量事务都交给AI处理，甚至包括一些本来人工操作更直接、更高效的简单工作。这种“为了使用而使用AI”的现象，不仅未必真正提升办公效率，反而显著推高了企业的整体运营成本。

从某种意义上说，行业领袖的激进表态也在助推这场盲目投入。英伟达CEO黄仁勋曾表示，公司每年应为每位工程师投入相当于其半数年薪的算力成本，只有这样，AI投资才算“物有所值”。这一观点被不少企业奉为准则，但却忽视了一个最基本的前提：任何AI投入都必须带来与之匹配的业务价值和回报率。

残酷的现实与尴尬的对比

而现实给出的反馈更为残酷。数据显示，高达84%的企业承认，持续攀升的AI成本已经导致其毛利率下降超过6%。更具讽刺意味的是，一些企业原本希望通过裁撤部分岗位来实现降本，结果却发现，为替代这些岗位而上线的AI系统，其每月运营费用竟然与被裁员工的薪资总额相差无几。问题还不止于此，由于AI生成内容和执行结果经常需要人工复核、修正与补救，企业又不得不额外招聘人员为AI“纠错”，最终形成“裁员—招人”的尴尬循环。

这一切都指向一个清晰结论：如果企业只是把AI单纯当作压缩人力成本的工具，那么这条路本身就存在较大风险。AI技术真正的价值，在于赋能业务、优化流程和提升效率，而不是进行机械化替代。当企业沉迷于“机器换人”的数字游戏，却忽视了AI应用场景选择、成本控制以及真实ROI（投资回报率）的精细测算时，原本期待中的“成本洼地”，很可能早已演变成深不见底的“财务黑洞”。关于AI降本增效的故事，也许确实该换一种讲法了。