GTC 2026 上，黃仁勛給工程師的“薪酬結構”下了一個新定義：未來年薪的一半，可能不是現(xiàn)金，而是 token。

幾乎同時，OpenAI CEO 奧特曼把這個邏輯再往前推了一步，與其發(fā)錢，不如發(fā)算力，“全民基礎算力”可能取代“全民基本收入”。

這不是遙遠設想。2026 年 3 月，騰訊、阿里已經(jīng)開始向員工發(fā)放 AI 調用額度，把 token 作為日常工作的基礎配置。

企業(yè)正在悄悄改變一件更底層的事情：它們不再只為“人”付錢，也開始為“算力”付錢。

過去，公司購買的是時間和能力，一個工程師每天工作 8 小時，能力有上限，產(chǎn)出可以被大致預估。

但在 AI 深度嵌入之后，決定產(chǎn)出的變量多了一個：你能調動多少算力。

在一些高頻使用場景中，一個工程師一年的 AI 推理成本，已經(jīng)可以達到數(shù)萬美元，接近其年薪的 20%—30%。當這部分成本穩(wěn)定存在，它就不再是工具費用，而更接近“生產(chǎn)資料”。企業(yè)的自然選擇，是把它并入用人成本，一起管理、一起分配。

于是，一種新的工資結構開始出現(xiàn)：現(xiàn)金負責保障基本回報，token負責放大生產(chǎn)力。

這帶來一個更直接的變化，人與人之間的差距，開始被“算力額度”迅速放大。

在大廠內部，算力從來不是無限的公共品，而是一種需要審批、排隊、按優(yōu)先級分配的資源。圍繞 GPU 的競爭，早已存在；只是現(xiàn)在，這種競爭從基礎設施層，延伸到了每一個具體的人。

同樣經(jīng)驗的兩個工程師，如果一方擁有更充足的 token 預算，可以調用更強模型、更高頻試錯、處理更復雜任務；另一方卻必須在額度內精打細算，那么兩者的產(chǎn)出差距，很快就會被拉開。

換句話說，token 不只是工具使用權，它正在成為一種“生產(chǎn)力杠桿”。

誰能獲得更多 token，誰就更接近“超級個體”。

更隱蔽的變化在于，算力開始像 KPI 一樣被記錄和評估。

企業(yè)可以清晰地看到：一筆 token 投入，換來了多少有效產(chǎn)出。于是資源會自動向回報更高的人集中，而那些無法有效利用算力的人，則會在體系中逐漸邊緣化。

這是一種比傳統(tǒng)績效更“冷”的篩選機制，不再依賴主觀評價，而是直接用投入產(chǎn)出比來排序。

從這個角度看，token 的出現(xiàn)，不只是提升效率的工具升級，而是在重寫分配邏輯：公司不再平均地為每個人付薪，而是按“可放大的生產(chǎn)力”分配資源；

個人之間的差距，不再只是能力差距，而是“能力 × 算力”的差距。

如果再往前一步，這套邏輯會繼續(xù)外溢。

當算力成為基礎資源，“發(fā)錢”這件事本身也會被重新定義。奧特曼提出“全民基礎算力”，本質上是把今天企業(yè)內部的分配機制，擴展到整個社會：不直接給收入，而是給生產(chǎn)力。

這也意味著，一個人的“貧富差距”，可能不再首先體現(xiàn)在賬戶余額，而是體現(xiàn)在他能調用多少算力、能使用多強的模型。

工資不會消失，但它的核心正在變化。

過去，工資是對“已經(jīng)完成的勞動”的支付；而未來，token更像是對“潛在生產(chǎn)力”的預支。

企業(yè)給你的，不只是回報，還有一部分“放大你能力的權限”。而你能否把這部分權限轉化為結果，將直接決定你在體系中的位置。

某種意義上，這更接近投資，而不是雇傭。

Token 正在寫進工資條，但它真正改變的，不是薪資結構，而是人與生產(chǎn)力之間的關系。