新智元报道
【新智元导读】Token 单价暴跌至不足 1 美元，总账单却急剧膨胀——这是 AI 经济学中最反直觉的一幕。
Token 经济学的悖论：单价崩盘与支出爆炸
每百万 Token 成本仅 0.99 美元，这是硅谷硬核半导体研究机构 SemiAnalysis 的真实账单。然而更惊人的数据是：其内部大模型 Token 支出已占员工总薪资的 30%。
这笔高昂支出背后是效率的质变。人均月消耗近 50 亿 Token，核心贡献者更是突破 1000 亿，远超 Meta 人均水平。原本需初级分析师数小时完成的 Excel 建模与财报图表制作，如今仅需几分钟和几美元即可搞定。
SemiAnalysis 指出，这并非简单的 10% 效率提升，而是专业服务业单元经济的重构。对于研究公司、对冲基金及律所等知识密集型行业，Token 支出占据薪资的两三成仅是时间问题。
巨头的焦虑：从黄仁勋的豪赌到 Uber 的限流
英伟达 CEO 黄仁勋对此态度鲜明。他在 GTC 大会上直言，若年薪 50 万美元的工程师年底 Token 消费不足 25 万美元，将是管理的失败。他计划为每位工程师提供相当于半年工资的 Token 预算，推动 7.5 万名员工与 750 万个 AI 智能体协同工作。在他看来，拒绝 AI 无异于芯片设计师坚持使用纸笔。
然而，硅谷另一面却是为 AI 账单抓狂的巨头。Uber 曾大力推广 Claude Code，工程师使用率从 2 月的 32% 飙升至 4 月的 95%，全年预算迅速耗尽。最终，公司不得不设定每人每月 1500 美元的 Token 上限。其 COO 坦言，目前尚未看到 AI 使用量增长与消费者功能创新之间的直接联系。
微软同样面临困境，因支出速度远超产出，正取消大部分外部许可证转而使用自家工具。英伟达应用深度学习副总裁 Bryan Catanzaro 更是直言：“计算成本已远超员工成本。”MIT 2024 年研究显示，在视觉类岗位中，仅 23% 的场景下 AI 自动化具备经济性，其余 77% 的情况人力成本更低。
成本塌缩：软硬协同下的结构性趋势
尽管当前账单高昂，SemiAnalysis 的核心观点是：成本塌缩才刚刚开始。
软件优化：吞吐量飙升 14 倍
在软件层面，通过在 B300 上运行 DeepSeek R1 并结合 wideEP、disagg 与 MTP 三层纯软件优化，单 GPU 吞吐量可从 baseline 的 1000 tokens/秒提升至 14000 tokens/秒，实现 14 倍增长。
硬件迭代：GB300 性能飞跃
硬件方面，最优配置的 GB300 NVL72 吞吐量是 H100 的 17 倍，若切换至 FP4 精度，提升幅度可达 32 倍。
结合智能体工作负载高达 300:1 的输入输出比及 90% 以上的缓存命中率，Opus 4.7 的实际混合成本被压低至 0.99 美元，不足标价的五分之一。软硬件叠加效应表明，大模型毛利率扩张是结构性趋势。Anthropic 今年 ARR 从 90 亿美元跃升至 440 亿美元，毛利率从 38% 增至 70% 以上，印证了"Token 变便宜，卖 Token 更赚钱”的逻辑。Gartner 预测，到 2030 年，万亿参数大模型的推理成本将较 2025 年下降超 90%。
基础设施阵痛：先建管道，再等水流
当前 AI 领域呈现撕裂景象：全球科技公司今年 AI 资本开支宣布达 7400 亿美元，同比激增 69%，而科技业裁员速度亦超去年全年。高盛首席经济学家指出，截至目前，AI 对经济的实际影响微乎其微。
这并非技术失效，而是基础设施革命的必经阵痛：先烧钱铺设管道，再等待价值水流涌现。电网与互联网的发展皆遵循此规律，区别在于此次管道铺设与价值释放的速度均为历史罕见量级。
SemiAnalysis 已成功站在水流将至的一侧：以 30% 的薪资成本换取数倍产出杠杆，且成本曲线仍在急剧下行。对于其他企业而言，抉择在于是即刻蹚水过河，还是待对岸城池建成后再行追赶。
参考资料：
https://x.com/SemiAnalysis_/status/2070915305858007345
编辑：所罗门