每百万token仅需0.99美元。
这是SemiAnalysis——硅谷最硬核的半导体研究机构——真实账单上的数字。
但更令人震撼的是另一项数据：其内部大模型的Token支出，已占员工总薪资的30%。
听起来比例不低——可反过来看，这笔投入所换来的产出，过去需要数倍人力才能完成。人均每月消耗近50亿个Token，是Meta人均水平的5倍以上；核心研究员月均用量更突破1000亿。
原本需初级分析师耗费数小时完成的Excel模型转换、财报图表生成，如今几分钟即可搞定，成本不过几美元。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
SemiAnalysis对此评价一针见血：这不是10%的效率跃升，而是专业服务业的单元经济正在被彻底重构。
研究机构、对冲基金、律师事务所——所有依赖人类智力输出的行业，Token支出占薪资比重达20%~30%，只是时间问题。
英伟达CEO黄仁勋比任何人都更焦虑。
今年GTC大会上他直言不讳：一名年薪50万美元的工程师，年底Token花费还不到25万美元？
「我会彻底崩溃。」
他计划为每位英伟达工程师配备相当于半年工资的Token预算，并让7.5万名员工与750万个AI智能体协同工作。
拒绝使用AI？老黄说，这跟芯片设计师坚持用纸笔画电路图一样荒谬。
Token早已超越工具范畴，正演变为新时代的「生产资料」。
但硅谷的另一面，正被AI账单压得喘不过气
有趣的是，就在SemiAnalysis靠Token大幅降本增效的同时，硅谷巨头们却因AI开销陷入混乱。
Uber是最典型的例子。
去年底，公司向5000名工程师全面推广Claude Code，并设立使用排行榜——用量越高，排名越靠前，内部竞争瞬间白热化。
结果过于成功：2月工程师使用率仅32%，3月飙升至84%，4月已达95%，其中70%的代码提交由AI生成，而全年预算——早已耗尽。
CTO坦言“必须重新制定预算”。随后更进一步——据Bloomberg报道，Uber为每位员工设定了每月1500美元的Token上限，超支需特别审批。
但COO Andrew Macdonald在播客中坦承了一句真相：AI使用量确实在增长，但它与消费者端功能创新之间的关联……目前仍难觅踪迹。
微软的情况则更为戏剧化。上月《The Verge》披露，微软正大规模取消Claude Code许可证，转而主推自家GitHub Copilot CLI。
原因直白：花钱的速度，远快于价值产出的速度。
英伟达应用深度学习副总裁Bryan Catanzaro在今年4月说得更加直白：「对我团队而言，计算成本已远超人力成本。」
MIT 2024年一项研究指出：在以视觉处理为核心任务的岗位中，仅有23%的场景下AI自动化具备经济可行性。
其余77%的情形中，雇佣人类反而更划算。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
甚至有工程师抱怨AI智能体在实际运行中“摧毁了他的数据库和网络”——他称之为「过度部署」的代价。
天价预算、失控增长、频繁翻车——硅谷正身处AI经济学最剧烈撕裂的临界点。
一边是技术驱动的生产力爆炸式跃升，一边是账单以同等惊人的速度膨胀。
成本塌缩，才刚刚拉开序幕
但SemiAnalysis的核心判断是：别只盯着当前价格，真正的成本塌缩才刚开始。
先看软件层面。
在B300芯片上运行DeepSeek R1，通过wideEP、disagg与MTP三层纯软件优化，单GPU吞吐量可从基线的1000 tokens/秒跃升至14000 tokens/秒——提升14倍，全靠算法改进。
再看硬件层面。
经过极致调优的GB300 NVL72推理吞吐量，是H100的17倍；切换至FP4精度后，直接拉升至32倍。
Opus 4.7官方定价为输入5美元/百万、输出25美元/百万，看似昂贵。
但由于智能体典型工作负载的输入输出比高达300:1，叠加90%以上的缓存命中率，实际混合成本被压缩至0.99美元。
不足标价的五分之一。
当软硬件双重优化叠加，一个结论愈发清晰：大模型毛利率的持续扩张，绝非偶然定价，而是结构性趋势。
Anthropic今年ARR从90亿美元暴涨至440亿美元以上，毛利率由38%飙升至70%以上——Token越来越便宜，卖Token的厂商却赚得更多。
Gartner今年3月报告印证这一判断：到2030年，万亿参数级大模型的推理成本将比2025年下降逾90%。
SemiAnalysis的预判明确而坚定：若你想预测2027年的Token价格，答案只有一个字——降。
钱花了，然后呢？
这正是当下AI最尖锐的矛盾所在：全球科技企业今年已宣布AI资本开支达7400亿美元，同比激增69%；与此同时，科技行业裁员节奏已超过去年全年总量。
资金狂烧，人员裁撤，但高盛首席经济学家一语道破现实——截至目前，AI对整体经济的实际影响，几乎为零。
这不是AI失效，而是每一轮基础设施革命必经的阵痛期：先砸钱铺管道，再等价值之水奔涌而至。
电网如此，互联网如此，AI亦如此。
区别仅在于，这一次管道铺设的速度，以及水流抵达的速度，都远超上一代人的想象极限。
SemiAnalysis已站在水流涌来的岸边——30%的薪资支出，撬动数倍产出杠杆，且成本曲线仍在陡峭下行。
至于其他企业：是选择涉水前行，还是等到对岸城池已筑、灯火通明后再追赶。
参考资料：
https://www.php.cn/link/a0b663e2e7d1b8d10af347c43bdb05a0
本文来自微信公众号“新智元”，作者：ASI启示录，编辑：所罗门，36氪经授权发布。
