算力开销反超薪酬：企业AI投资迈入成本拐点

此种趋势在当今科技领域已然由概念演变为现实，意味着公司在人工智能领域的投入正步入一个关键的费用转折期。 1. 现象印证：计算开销实质上反超部分薪资
在部分顶尖科技企业内，AI算力花费高于职员薪水已成定局。比如，英伟达应用深度学习副总裁曾坦言，其团队的算力支出远超人员开支；估值百亿的初创公司Mercor也称，内部智能体的token耗费已高于员工薪资。麻省理工学院（MIT）2024年的一份研究更表明，在77%的视觉相关职位里，继续雇佣人类反而比采用AI自动化成本更低。 2. 费用激增的核心缘由
纵然单个token的均价较前些年已巨幅下滑（降幅达98%），但公司AI总体花费却呈指数级攀升，主要因素涵盖： ● 智能体（Agent）的爆发式耗费：伴随Claude Opus 4.5、GPT-5.1等新一代智能体工具的应用，单次任务需经历“思考-调用工具-读取结果-再思考”的循环，致使token消耗量猛增。一个简易的线性流程花费在数年间增长了约30倍。 ● 隐性技术损耗：为模型接入工具时，每次调用均会产生额外的系统token与结构性token。一个50 token的用户提问，最终可能耗费超10万token。 ● 公司内部“刷Token（Tokenmaxxing）”风气：部分企业将AI使用量纳入KPI考核，致使员工为证明“深度拥抱AI”而故意拉高使用数据，甚至出现无限循环脚本刷量等无效消耗，进一步推高了账单。 3. 公司的对策与战略转向
面对失控的AI开销，公司正采取紧急手段并重新审视AI的定位： ● 设立预算上限与工具降级：优步（Uber）仅花4个月便耗尽2026年全年的AI编程预算，被迫重新规划；微软因员工使用Claude Code花费过高，取消了直接授权并要求改用Copilot CLI；部分公司已开始对团队设置token使用上限。 ● 资本结构的重新分配：科技巨头正经历一场“资本迁移”，一边大规模裁撤人员（如Meta裁员8000人），一边将节省的薪资预算投入GPU集群采购和AI基础架构建设。这宣告了企业组织形态的重写，即“少数顶薪工程师+AI Agent+充足算力”的新模式。 4. 未来展望：从“省钱利器”到“互补工具”
短期内，AI的使用效益仍不及人力。但业界普遍觉得这是一种短期现象。伴随AI基础设施的完善与模型架构的优化，Gartner预测到2030年，万亿参数大模型的推理花费将骤降超90%。 故而，现阶段企业不应再把AI单纯视作替代人力的“省钱利器”，而应将其定位成一种互补工具。未来的核心竞争力不只在于AI能否变得比人工更廉价，更在于其能否在规模化应用中输出稳定、可预期的结果，并真正兑现商业价值。