用AI的成本,比用员工更贵?
📍 216.73.217.33
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /
📄 越来越多企业高管发现,大规模部署AI的实际成本远高于最初预期,用AI取代员工未必比雇佣员工更便宜。 AI的应用前景也面临严峻挑战。 技术层面,围绕算力、硬件、模型运行与基础设施的整体系统性投入不断攀升,使用AI越来越昂贵;商业层面,大量企业内部出现了关于AI工具"性价比"的讨论与质疑。一些公司开始意识到,他们无法长期维持当前的高额支出。用AI替代员工的成本,实际上比此前普遍认为的要高。 增长背后的算力账本 生成式AI用户增长迅速,但背后的运行成本同样在快速上升,而且很多成本并没有被用户直接支付。 随着免费使用和低价策略持续,这种"花得多、赚得不一定够"的矛盾正变得越来越明显,也让AI商业模式的可持续性开始受到关注。 2022年底OpenAI发布ChatGPT,此后它迅速打破纪录,成为历史上增长最快的科技产品。OpenAI、Anthropic和谷歌等AI模型提供商最初采用人为压低的统一低价收费模式,以推动用户采用、抢占市场份额。他们相信,可以通过消耗投资者资金来培育用户依赖,然后再向已经形成依赖的用户群体实现商业变现。 然而,与自21世纪初以来采用这一策略的其他面向消费者的平台(如脸书、优步或Instagram)相比,生成式AI在两个关键方面有所不同。 首先,每新增一位用户,都会带来巨额且持续的单次查询成本,而这种成本规模是任何社交网络都未曾有过的。具体而言,这些聊天机器人需要消耗极其庞大的计算资源,而这些资源又依赖于电力、用于服务器冷却的水资源、建设数据中心所需的土地,以及数十亿美元规模的硬件投资。 特别是AI系统需要超大规模数据中心,而这些数据中心会消耗惊人的电力和水资源。国际能源署(IEA)今春警告称,仅2025年一年,数据中心的电力需求就激增了17%,到2030年可能翻一番,而同期专注于AI设施的电力消耗量可能增长两倍。变压器、涡轮机、电网设备和输电基础设施的供应链正成为关键瓶颈。真正决定胜负的早就不是哪家模型"更聪明",而是在于谁能拿到足够电力。 其次,随着模型变得越来越先进,其运行成本也会越来越高。从这个意义上说,它们更接近于亚马逊云服务(AWS)这样的云计算技术,而非传统互联网平台。 到2023年,据研究机构半导体分析(Semi Analysis)估算,ChatGPT的日运营成本已经达到约70万美元。此后,模型的复杂度和资源消耗程度还在持续上升。 截至2026年初,ChatGPT每周活跃用户已达到8亿至9亿人,而付费订阅用户仅为3500万人。在这一规模下,维持ChatGPT全球服务的年度成本约为170亿美元,相当于每天约4700万美元。 哈佛大学商学院教授安迪·吴认为,大多数人并未意识到AI究竟"昂贵到了何种程度"。许多人知道其高昂的固定成本,却不了解模型每生成一张图片时都会产生的可变推理成本(variable inference costs)。 OpenAI预计,仅推理成本一项,到2030年累计支出就将超过1500亿美元。在绝大多数用户仍然免费使用该平台的情况下,一个关键问题是:资源投入与收入之间的巨大缺口最终将如何弥合,以及这些成本最终将由谁来承担。 "性价比"争论 不仅是OpenAI等大模型开发商面临高昂成本压力,那些此前积极推动AI应用、寄望于以AI提升效率甚至替代部分岗位的企业,也开始重新审视这笔账。越来越多企业高管发现,大规模部署AI的实际成本远高于最初预期,用AI取代员工未必比雇佣员工更便宜。 导致这一态度转向的原因在于词元(token)的使用。 当员工向AI提出请求时,该请求会消耗数字词元,而这些词元正是大语言模型(LLM)的"计价单位",也是企业使用AI的核心成本来源。 尤其在科技公司中,员工被鼓励提高自身的词元消耗量,这一行为被称为"tokenmaxxing"。这种做法往往源于企业将AI工具与生产力直接挂钩的考核逻辑。 在某种程度上,"tokenmaxxing"甚至成为员工之间的一种身份象征:通过大量使用AI消耗词元,来证明自己在绩效指标上"超额投入"。 但"tokenmaxxing"的成本并不低。 对于纯文本任务而言,计算相对简单:大约750个单词对应1000个词元,但一旦涉及图像、视频、代码生成等任务,成本会显著上升,而且这些费用通常在任务完成之后才集中体现。 这些成本正在让雇主措手不及,尤其是在越来越多"代理型AI"被用于自主执行任务的情况下,词元的消耗急剧增加,导致许多企业频繁超支其AI预算。 优步的运营主管近期就对"tokenmaxxing"成本表达了担忧,因为到4月,公司已经提前耗尽了2026年的全部AI预算。 微软已逐步取消内部员工Claude Code的使用权限,并要求他们改用自家的AI编程助手GitHub Copilot CLI。外界普遍猜测,这一决定与成本压力有关。 英伟达内部有团队在数月内报告称AI成本已超过人力成本。 亚马逊也取消了内部AI排行榜机制。 这种普遍的收缩表明,各公司对AI投资回报率(ROI)感到不满。 过去几年,大型科技公司向AI基础设施投入了数十亿美元,希望它成为未来的核心生产力引擎;企业也将AI纳入工作流程,以在竞争中保持优势。 尽管科技股仍然表现强劲,但一些公司开始意识到:他们无法长期维持当前这种词元级别的高额支出。 此前,企业一直希望通过AI让团队更精简、更快速、更高效。裁员信息追踪网站Layoffs.fyi的数据显示,今年已有164家科技公司裁员约11.7万人,2025年约275家公司累计裁员近12.5万人。 但围绕"tokenmaxxing"的反弹迹象表明,劳动力市场最糟糕的阶段或许已经过去。 自2月底以来,词元价格上涨约60%。这一动向正在测试企业的边界:究竟愿意为AI支付多少成本。 比成本更深层的问题在于:AI并不会自动带来生产率提升或可转化为财务收益的结果。 在这种情况下,AI更像是一种"可有可无的效率附加品",而非不可替代的核心工具,尤其是在其成本如此高昂的情况下。 优步的运营主管指出,没有证据表明"tokenmaxxing"能够改善消费者端产品功能。 目前,也没有一种公认的方法可以清晰衡量AI与生产率之间的真实关系。 亚马逊曾尝试追踪AI使用情况,并在公司范围内设置排行榜,但这一机制最终失败,因为员工开始"刷分",人为夸大使用量,这也意味着其实际生产力可能并未提升。 另一个值得关注的问题是,即使未来AI使用成本下降,企业和用户对AI的使用量可能仍会持续增长,特别是在OpenAI和Anthropic等公司上市之后,商业化压力可能进一步加大。 目前,这两家公司整体上仍未实现稳定盈利,但情况正在发生变化。例如,Anthropic预计在截至6月的季度实现约5.59亿美元营业利润,主要受益于其广受欢迎的AI编程工具。 如果AI公司的盈利能力持续增强,市场对"AI取代人类"的热情也可能出现变化。未来,企业或许会重新发现人类员工的价值,"由真人服务"甚至可能超过"由AI驱动",成为新的卖点。 从长远来看,AI或许仍会对某些工作岗位构成威胁,但就目前而言,高昂的成本才是真正的阻碍或难题。机器可以变得智能,但代价依然存在。 特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台"网易号"用户上传并发布,本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /
📄 越来越多企业高管发现,大规模部署AI的实际成本远高于最初预期,用AI取代员工未必比雇佣员工更便宜。 AI的应用前景也面临严峻挑战。 技术层面,围绕算力、硬件、模型运行与基础设施的整体系统性投入不断攀升,使用AI越来越昂贵;商业层面,大量企业内部出现了关于AI工具"性价比"的讨论与质疑。一些公司开始意识到,他们无法长期维持当前的高额支出。用AI替代员工的成本,实际上比此前普遍认为的要高。 增长背后的算力账本 生成式AI用户增长迅速,但背后的运行成本同样在快速上升,而且很多成本并没有被用户直接支付。 随着免费使用和低价策略持续,这种"花得多、赚得不一定够"的矛盾正变得越来越明显,也让AI商业模式的可持续性开始受到关注。 2022年底OpenAI发布ChatGPT,此后它迅速打破纪录,成为历史上增长最快的科技产品。OpenAI、Anthropic和谷歌等AI模型提供商最初采用人为压低的统一低价收费模式,以推动用户采用、抢占市场份额。他们相信,可以通过消耗投资者资金来培育用户依赖,然后再向已经形成依赖的用户群体实现商业变现。 然而,与自21世纪初以来采用这一策略的其他面向消费者的平台(如脸书、优步或Instagram)相比,生成式AI在两个关键方面有所不同。 首先,每新增一位用户,都会带来巨额且持续的单次查询成本,而这种成本规模是任何社交网络都未曾有过的。具体而言,这些聊天机器人需要消耗极其庞大的计算资源,而这些资源又依赖于电力、用于服务器冷却的水资源、建设数据中心所需的土地,以及数十亿美元规模的硬件投资。 特别是AI系统需要超大规模数据中心,而这些数据中心会消耗惊人的电力和水资源。国际能源署(IEA)今春警告称,仅2025年一年,数据中心的电力需求就激增了17%,到2030年可能翻一番,而同期专注于AI设施的电力消耗量可能增长两倍。变压器、涡轮机、电网设备和输电基础设施的供应链正成为关键瓶颈。真正决定胜负的早就不是哪家模型"更聪明",而是在于谁能拿到足够电力。 其次,随着模型变得越来越先进,其运行成本也会越来越高。从这个意义上说,它们更接近于亚马逊云服务(AWS)这样的云计算技术,而非传统互联网平台。 到2023年,据研究机构半导体分析(Semi Analysis)估算,ChatGPT的日运营成本已经达到约70万美元。此后,模型的复杂度和资源消耗程度还在持续上升。 截至2026年初,ChatGPT每周活跃用户已达到8亿至9亿人,而付费订阅用户仅为3500万人。在这一规模下,维持ChatGPT全球服务的年度成本约为170亿美元,相当于每天约4700万美元。 哈佛大学商学院教授安迪·吴认为,大多数人并未意识到AI究竟"昂贵到了何种程度"。许多人知道其高昂的固定成本,却不了解模型每生成一张图片时都会产生的可变推理成本(variable inference costs)。 OpenAI预计,仅推理成本一项,到2030年累计支出就将超过1500亿美元。在绝大多数用户仍然免费使用该平台的情况下,一个关键问题是:资源投入与收入之间的巨大缺口最终将如何弥合,以及这些成本最终将由谁来承担。 "性价比"争论 不仅是OpenAI等大模型开发商面临高昂成本压力,那些此前积极推动AI应用、寄望于以AI提升效率甚至替代部分岗位的企业,也开始重新审视这笔账。越来越多企业高管发现,大规模部署AI的实际成本远高于最初预期,用AI取代员工未必比雇佣员工更便宜。 导致这一态度转向的原因在于词元(token)的使用。 当员工向AI提出请求时,该请求会消耗数字词元,而这些词元正是大语言模型(LLM)的"计价单位",也是企业使用AI的核心成本来源。 尤其在科技公司中,员工被鼓励提高自身的词元消耗量,这一行为被称为"tokenmaxxing"。这种做法往往源于企业将AI工具与生产力直接挂钩的考核逻辑。 在某种程度上,"tokenmaxxing"甚至成为员工之间的一种身份象征:通过大量使用AI消耗词元,来证明自己在绩效指标上"超额投入"。 但"tokenmaxxing"的成本并不低。 对于纯文本任务而言,计算相对简单:大约750个单词对应1000个词元,但一旦涉及图像、视频、代码生成等任务,成本会显著上升,而且这些费用通常在任务完成之后才集中体现。 这些成本正在让雇主措手不及,尤其是在越来越多"代理型AI"被用于自主执行任务的情况下,词元的消耗急剧增加,导致许多企业频繁超支其AI预算。 优步的运营主管近期就对"tokenmaxxing"成本表达了担忧,因为到4月,公司已经提前耗尽了2026年的全部AI预算。 微软已逐步取消内部员工Claude Code的使用权限,并要求他们改用自家的AI编程助手GitHub Copilot CLI。外界普遍猜测,这一决定与成本压力有关。 英伟达内部有团队在数月内报告称AI成本已超过人力成本。 亚马逊也取消了内部AI排行榜机制。 这种普遍的收缩表明,各公司对AI投资回报率(ROI)感到不满。 过去几年,大型科技公司向AI基础设施投入了数十亿美元,希望它成为未来的核心生产力引擎;企业也将AI纳入工作流程,以在竞争中保持优势。 尽管科技股仍然表现强劲,但一些公司开始意识到:他们无法长期维持当前这种词元级别的高额支出。 此前,企业一直希望通过AI让团队更精简、更快速、更高效。裁员信息追踪网站Layoffs.fyi的数据显示,今年已有164家科技公司裁员约11.7万人,2025年约275家公司累计裁员近12.5万人。 但围绕"tokenmaxxing"的反弹迹象表明,劳动力市场最糟糕的阶段或许已经过去。 自2月底以来,词元价格上涨约60%。这一动向正在测试企业的边界:究竟愿意为AI支付多少成本。 比成本更深层的问题在于:AI并不会自动带来生产率提升或可转化为财务收益的结果。 在这种情况下,AI更像是一种"可有可无的效率附加品",而非不可替代的核心工具,尤其是在其成本如此高昂的情况下。 优步的运营主管指出,没有证据表明"tokenmaxxing"能够改善消费者端产品功能。 目前,也没有一种公认的方法可以清晰衡量AI与生产率之间的真实关系。 亚马逊曾尝试追踪AI使用情况,并在公司范围内设置排行榜,但这一机制最终失败,因为员工开始"刷分",人为夸大使用量,这也意味着其实际生产力可能并未提升。 另一个值得关注的问题是,即使未来AI使用成本下降,企业和用户对AI的使用量可能仍会持续增长,特别是在OpenAI和Anthropic等公司上市之后,商业化压力可能进一步加大。 目前,这两家公司整体上仍未实现稳定盈利,但情况正在发生变化。例如,Anthropic预计在截至6月的季度实现约5.59亿美元营业利润,主要受益于其广受欢迎的AI编程工具。 如果AI公司的盈利能力持续增强,市场对"AI取代人类"的热情也可能出现变化。未来,企业或许会重新发现人类员工的价值,"由真人服务"甚至可能超过"由AI驱动",成为新的卖点。 从长远来看,AI或许仍会对某些工作岗位构成威胁,但就目前而言,高昂的成本才是真正的阻碍或难题。机器可以变得智能,但代价依然存在。 特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台"网易号"用户上传并发布,本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
