越來越多企業(yè)高管發(fā)現(xiàn)，大規(guī)模部署AI的實際成本遠(yuǎn)高于最初預(yù)期，用AI取代員工未必比雇傭員工更便宜。

AI的應(yīng)用前景也面臨嚴(yán)峻挑戰(zhàn)。

技術(shù)層面，圍繞算力、硬件、模型運行與基礎(chǔ)設(shè)施的整體系統(tǒng)性投入不斷攀升，使用AI越來越昂貴；商業(yè)層面，大量企業(yè)內(nèi)部出現(xiàn)了關(guān)于AI工具“性價比”的討論與質(zhì)疑。一些公司開始意識到，他們無法長期維持當(dāng)前的高額支出。用AI替代員工的成本，實際上比此前普遍認(rèn)為的要高。

增長背后的算力賬本

生成式AI用戶增長迅速，但背后的運行成本同樣在快速上升，而且很多成本并沒有被用戶直接支付。

隨著免費使用和低價策略持續(xù)，這種“花得多、賺得不一定夠”的矛盾正變得越來越明顯，也讓AI商業(yè)模式的可持續(xù)性開始受到關(guān)注。

2022年底OpenAI發(fā)布ChatGPT，此后它迅速打破紀(jì)錄，成為歷史上增長最快的科技產(chǎn)品。OpenAI、Anthropic和谷歌等AI模型提供商最初采用人為壓低的統(tǒng)一低價收費模式，以推動用戶采用、搶占市場份額。他們相信，可以通過消耗投資者資金來培育用戶依賴，然后再向已經(jīng)形成依賴的用戶群體實現(xiàn)商業(yè)變現(xiàn)。

然而，與自21世紀(jì)初以來采用這一策略的其他面向消費者的平臺（如臉書、優(yōu)步或Instagram）相比，生成式AI在兩個關(guān)鍵方面有所不同。

首先，每新增一位用戶，都會帶來巨額且持續(xù)的單次查詢成本，而這種成本規(guī)模是任何社交網(wǎng)絡(luò)都未曾有過的。具體而言，這些聊天機(jī)器人需要消耗極其龐大的計算資源，而這些資源又依賴于電力、用于服務(wù)器冷卻的水資源、建設(shè)數(shù)據(jù)中心所需的土地，以及數(shù)十億美元規(guī)模的硬件投資。

特別是AI系統(tǒng)需要超大規(guī)模數(shù)據(jù)中心，而這些數(shù)據(jù)中心會消耗驚人的電力和水資源。國際能源署（IEA）今春警告稱，僅2025年一年，數(shù)據(jù)中心的電力需求就激增了17%，到2030年可能翻一番，而同期專注于AI設(shè)施的電力消耗量可能增長兩倍。變壓器、渦輪機(jī)、電網(wǎng)設(shè)備和輸電基礎(chǔ)設(shè)施的供應(yīng)鏈正成為關(guān)鍵瓶頸。真正決定勝負(fù)的早就不是哪家模型“更聰明”，而是在于誰能拿到足夠電力。

其次，隨著模型變得越來越先進(jìn)，其運行成本也會越來越高。從這個意義上說，它們更接近于亞馬遜云服務(wù)（AWS）這樣的云計算技術(shù)，而非傳統(tǒng)互聯(lián)網(wǎng)平臺。

到2023年，據(jù)研究機(jī)構(gòu)半導(dǎo)體分析（Semi Analysis）估算，ChatGPT的日運營成本已經(jīng)達(dá)到約70萬美元。此后，模型的復(fù)雜度和資源消耗程度還在持續(xù)上升。

截至2026年初，ChatGPT每周活躍用戶已達(dá)到8億至9億人，而付費訂閱用戶僅為3500萬人。在這一規(guī)模下，維持ChatGPT全球服務(wù)的年度成本約為170億美元，相當(dāng)于每天約4700萬美元。

哈佛大學(xué)商學(xué)院教授安迪·吳認(rèn)為，大多數(shù)人并未意識到AI究竟“昂貴到了何種程度”。許多人知道其高昂的固定成本，卻不了解模型每生成一張圖片時都會產(chǎn)生的可變推理成本（variable inference costs）。

OpenAI預(yù)計，僅推理成本一項，到2030年累計支出就將超過1500億美元。在絕大多數(shù)用戶仍然免費使用該平臺的情況下，一個關(guān)鍵問題是：資源投入與收入之間的巨大缺口最終將如何彌合，以及這些成本最終將由誰來承擔(dān)。

“性價比”爭論

不僅是OpenAI等大模型開發(fā)商面臨高昂成本壓力，那些此前積極推動AI應(yīng)用、寄望于以AI提升效率甚至替代部分崗位的企業(yè)，也開始重新審視這筆賬。越來越多企業(yè)高管發(fā)現(xiàn)，大規(guī)模部署AI的實際成本遠(yuǎn)高于最初預(yù)期，用AI取代員工未必比雇傭員工更便宜。

導(dǎo)致這一態(tài)度轉(zhuǎn)向的原因在于詞元（token）的使用。

當(dāng)員工向AI提出請求時，該請求會消耗數(shù)字詞元，而這些詞元正是大語言模型（LLM）的“計價單位”，也是企業(yè)使用AI的核心成本來源。

尤其在科技公司中，員工被鼓勵提高自身的詞元消耗量，這一行為被稱為“tokenmaxxing”。這種做法往往源于企業(yè)將AI工具與生產(chǎn)力直接掛鉤的考核邏輯。

在某種程度上，“tokenmaxxing”甚至成為員工之間的一種身份象征：通過大量使用AI消耗詞元，來證明自己在績效指標(biāo)上“超額投入”。

但“tokenmaxxing”的成本并不低。

對于純文本任務(wù)而言，計算相對簡單：大約750個單詞對應(yīng)1000個詞元，但一旦涉及圖像、視頻、代碼生成等任務(wù)，成本會顯著上升，而且這些費用通常在任務(wù)完成之后才集中體現(xiàn)。

這些成本正在讓雇主措手不及，尤其是在越來越多“代理型AI”被用于自主執(zhí)行任務(wù)的情況下，詞元的消耗急劇增加，導(dǎo)致許多企業(yè)頻繁超支其AI預(yù)算。

優(yōu)步的運營主管近期就對“tokenmaxxing”成本表達(dá)了擔(dān)憂，因為到4月，公司已經(jīng)提前耗盡了2026年的全部AI預(yù)算。

微軟已逐步取消內(nèi)部員工Claude Code的使用權(quán)限，并要求他們改用自家的AI編程助手GitHub Copilot CLI。外界普遍猜測，這一決定與成本壓力有關(guān)。

英偉達(dá)內(nèi)部有團(tuán)隊在數(shù)月內(nèi)報告稱AI成本已超過人力成本。

亞馬遜也取消了內(nèi)部AI排行榜機(jī)制。

這種普遍的收縮表明，各公司對AI投資回報率（ROI）感到不滿。

過去幾年，大型科技公司向AI基礎(chǔ)設(shè)施投入了數(shù)十億美元，希望它成為未來的核心生產(chǎn)力引擎；企業(yè)也將AI納入工作流程，以在競爭中保持優(yōu)勢。

盡管科技股仍然表現(xiàn)強(qiáng)勁，但一些公司開始意識到：他們無法長期維持當(dāng)前這種詞元級別的高額支出。

此前，企業(yè)一直希望通過AI讓團(tuán)隊更精簡、更快速、更高效。裁員信息追蹤網(wǎng)站Layoffs.fyi的數(shù)據(jù)顯示，今年已有164家科技公司裁員約11.7萬人，2025年約275家公司累計裁員近12.5萬人。

但圍繞“tokenmaxxing”的反彈跡象表明，勞動力市場最糟糕的階段或許已經(jīng)過去。

自2月底以來，詞元價格上漲約60%。這一動向正在測試企業(yè)的邊界：究竟愿意為AI支付多少成本。

比成本更深層的問題在于：AI并不會自動帶來生產(chǎn)率提升或可轉(zhuǎn)化為財務(wù)收益的結(jié)果。

在這種情況下，AI更像是一種“可有可無的效率附加品”，而非不可替代的核心工具，尤其是在其成本如此高昂的情況下。

優(yōu)步的運營主管指出，沒有證據(jù)表明“tokenmaxxing”能夠改善消費者端產(chǎn)品功能。

目前，也沒有一種公認(rèn)的方法可以清晰衡量AI與生產(chǎn)率之間的真實關(guān)系。

亞馬遜曾嘗試追蹤AI使用情況，并在公司范圍內(nèi)設(shè)置排行榜，但這一機(jī)制最終失敗，因為員工開始“刷分”，人為夸大使用量，這也意味著其實際生產(chǎn)力可能并未提升。

另一個值得關(guān)注的問題是，即使未來AI使用成本下降，企業(yè)和用戶對AI的使用量可能仍會持續(xù)增長，特別是在OpenAI和Anthropic等公司上市之后，商業(yè)化壓力可能進(jìn)一步加大。

目前，這兩家公司整體上仍未實現(xiàn)穩(wěn)定盈利，但情況正在發(fā)生變化。例如，Anthropic預(yù)計在截至6月的季度實現(xiàn)約5.59億美元營業(yè)利潤，主要受益于其廣受歡迎的AI編程工具。

如果AI公司的盈利能力持續(xù)增強(qiáng)，市場對“AI取代人類”的熱情也可能出現(xiàn)變化。未來，企業(yè)或許會重新發(fā)現(xiàn)人類員工的價值，“由真人服務(wù)”甚至可能超過“由AI驅(qū)動”，成為新的賣點。

從長遠(yuǎn)來看，AI或許仍會對某些工作崗位構(gòu)成威脅，但就目前而言，高昂的成本才是真正的阻礙或難題。機(jī)器可以變得智能，但代價依然存在。

?