新智元報道

【新智元導讀】Token單價暴跌到不足1美元，總賬單卻在爆炸——這是AI經濟學里最反直覺的一幕。

每百萬Token只花0.99美元。

這是SemiAnalysis——硅谷最硬核的半導體研究機構——自己賬單上的真實成本。

但更炸裂的是這個數字：內部大模型Token支出，已經占到員工總薪資的30%。

聽起來不少——但反過來算，這筆錢買到的產出，過去得靠好幾倍的人力成本才能覆蓋。人均每月吞掉近50億個Token，是Meta人均水平的5倍以上，核心貢獻者月消耗更突破1000億。

原本需要初級分析師花幾個小時搞定的Excel模型轉換、財報圖表制作，如今幾分鐘內完成，只需要幾美元。

SemiAnalysis自己的評價一針見血：這不是10%的效率提升，而是專業服務業的單元經濟正在被重寫。

研究公司、對沖基金、律所——所有靠人腦吃飯的行業，Token支出占到薪資的兩三成，只是時間早晚的問題。

英偉達CEO黃仁勛比誰都急。

今年GTC大會上他直接放話：一個年薪50萬美元的工程師，年底Token消費不到25萬美元？

「我會徹底抓狂。」

他打算給英偉達每個工程師發相當于半年工資的Token預算，還要讓7.5萬名員工搭配750萬個AI智能體一起干活。

不用AI？老黃說，這跟芯片設計師堅持用紙和鉛筆沒區別。

Token已經不是工具了，它正在變成新時代的「生產資料」。

但硅谷的另一半，正在為AI賬單抓狂

有意思的是，就在SemiAnalysis用Token省下真金白銀的同時，硅谷的巨頭們正因為AI賬單焦頭爛額。

Uber是最經典的案例。

去年底公司向5000名工程師推廣Claude Code，還搞了排行榜——用得越多，排名越高，內部競爭直接拉滿。

結果太成功了：2月工程師使用率32%，3月就飆到84%，到了4月，95%的工程師每月都在用AI，70%的提交代碼來自AI生成，而全年預算——已經花完了。

CTO說「要從頭重做預算」。后來更狠——Bloomberg曝出，Uber給每位員工設了每月1500美元的Token上限，超了要特批。

但COO Andrew Macdonald在播客里說了句大實話：AI使用量確實在漲，但它跟消費者功能創新之間的聯系……目前還看不到。

微軟的情況更魔幻。上個月《The Verge》曝出，微軟正在取消大部分Claude Code許可證，轉向自家的GitHub Copilot CLI。

原因很簡單：花錢的速度比產出的速度還快。

英偉達應用深度學習副總裁Bryan Catanzaro在今年4月說得更直接：「對我的團隊來說，計算成本遠遠超過了員工的成本。」

MIT 2024年的研究：在以視覺為主要工作內容的崗位中，只有23%的場景下AI自動化在經濟上劃算。

剩下77%的情況下，雇人比用AI便宜。

甚至還有工程師吐槽AI智能體在使用中「毀掉了他的數據庫和網絡」——他稱之為「過度使用」的代價。

天價預算、使用失控、翻車不斷——硅谷正處在AI經濟學最撕裂的階段。

一邊是技術帶來前所未有的生產力，一邊是賬單以同樣前所未有的速度膨脹。

成本塌縮才剛剛開始

但SemiAnalysis的核心論點是：別盯著今天的價格看，成本塌縮才剛開始。

先看軟件端。

在B300上運行DeepSeek R1，通過wideEP、disagg與MTP三層純軟件優化，單GPU吞吐量能從baseline的1000 tokens/秒飆升至14000 tokens/秒——14倍提升，純靠代碼。

再看硬件端。

最優化配置的GB300 NVL72吞吐量是H100的17倍，切到FP4精度直接拉到32倍。

Opus 4.7的標價是輸入5美元/百萬、輸出25美元/百萬，看起來不便宜。

但由于智能體工作負載的輸入輸出比高達300:1，加上90%以上的緩存命中率，實際混合成本被壓到了0.99美元。

連標價的五分之一都不到。

把軟件和硬件疊在一起，一個結論很難回避：大模型的毛利率擴張，不是一次性的定價巧合，而是結構性的趨勢。

Anthropic今年的ARR從90億美元沖到了440億以上，毛利率從38%飆到了70%以上——Token變便宜了，但賣Token的人反而更賺錢了。

Gartner今年3月的報告佐證了這一點：到2030年，萬億參數大模型的推理成本將比2025年下降超過90%。

SemiAnalysis的判斷很明確：如果你想預估2027年Token價格，答案就一個字——降。

錢花了，然后呢？

這正是當下AI最撕裂的地方：全球科技公司今年AI資本開支已宣布7400億美元，比去年暴增69%；同一時間，科技業裁員速度已超去年全年。

錢在狂燒，人在被裁，但Goldman Sachs首席經濟學家說了句大實話——AI對經濟的實際影響，到目前為止基本為零。

這不是AI不行，而是每一輪基礎設施革命都要經歷的陣痛：先燒錢建管道，再等水流過來。

電網如此，互聯網如此，AI也不例外。

差別只在于，這一次管道鋪設的速度，和水流過來的速度，都是上一代人沒見過的量級。

SemiAnalysis已經站在水流過來的那一邊了——30%的薪資換來了數倍的產出杠桿，而成本曲線還在急劇下降。

至于其他公司：是現在蹚水過河，還是等對岸的人已經建好了城再追。

參考資料：

https://x.com/SemiAnalysis_/status/2070915305858007345

編輯：所羅門