用 AI 的成本，比用员工更贵？

一句话看懂：越来越多的企业高管发现，大规模部署 AI 的实际成本远高于初期预期，用 AI 替代员工未必比雇佣员工更便宜。这一结论源自对算力、硬件、模型运行及基础设施整体系统性投入的重新审视，以及对企业内部“tokenmaxxing”现象的反思。

事件核心：发生了什么

据《国际金融报》报道，哈佛商学院教授安迪·吴指出，多数人并未意识到 AI 究竟“昂贵到了何种程度”。以 2026 年初的数据为例，ChatGPT 每周活跃用户已达 8 亿至 9 亿人，但付费订阅用户仅为 3500 万人。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。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。此外，企业内部出现“tokenmaxxing”现象——员工被鼓励提高自身 token 消耗量以证明绩效，但这些成本通常在任务完成后才集中体现，导致企业实际支出远超预算。

为什么重要

这一现象揭示了生成式 AI 商业模式的深层矛盾：用户增长迅速，但背后的运行成本同样在快速上升，且大部分成本并未被用户直接支付。与社交网络等传统互联网平台不同，AI 每新增一位用户都会带来巨额且持续的查询成本，且随着模型变得先进，运行成本也越来越高。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。这意味着，真正决定胜负的早已不是哪家模型“更聪明”，而是在于谁能拿到足够的电力和基础设施资源。

对用户/开发者/创作者的影响

对于普通用户，免费或低价使用 AI 的策略可能难以为继，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，将成为关键问题。对于开发者和创作者，token 消耗量直接影响使用成本，纯文本任务（约750个单词对应1000个token）相对便宜，但一旦涉及图像、视频、代码生成等任务，成本会显著上升。企业采购时需重新审视“性价比”讨论，避免因过度鼓励 token 消耗而导致预算失控。