当 AI 编程真正开始吞噬 Token，谁在为 Token 付钱？谁能从 Token 里赚到钱？算力又该如何定价？
这期 SemiAnalysis 对谈里，主持人 Jordan 与 Crystal、Max Kan、Joey Brookhart 讨论的不是“谁的模型更聪明”这种老问题，而是一个更接近商业本质的问题。
一、编程正在吃掉 Token 市场
节目开头引用了一个很直观的现象：
内部工具显示，Coding 相关 Token 消耗在约半年前还不到总用量的 10%，如今已经接近一半。OpenRouter 等外部数据也呈现类似趋势。
这意味着，企业以后可能要像管理云预算一样管理“Token 预算”。开发者上午把额度用完，下午就没有 AI 可用；项目经理甚至要决定，谁值得使用更贵的模型、更长上下文和更多推理次数。
为什么编程最先爆发？ 因为它同时具备三个特征：任务高频、结果可验证、人力成本高。更重要的是，编程任务一旦启动就不能轻易暂停——代码跑到一半、Agent 改到一半，不能说“明天再继续”。所以，开发者对稳定额度和低延迟的付费意愿，远高于普通聊天用户。
Token 也从“产品功能”变成“生产资料”。以前企业购买软件席位，现在还要购买推理量；以前预算按月和人数审批，未来可能按任务、项目和模型等级审批。编程只是第一个把这件事显性化的场景。
二、AI 编程的 ROI 已经不难算
嘉宾给了一个粗略但有冲击力的比较：
如果一名工程师一年创造约 20 万美元的价值，而每月几十到几百美元的订阅，或几千美元的高阶套餐，就能显著放大其产出，那么 Token 支出在账面上并不贵。
当然，这不等于“AI 可以直接替代工程师”。真正发生的是：工程师把大量搜索、样板代码、测试、重构和调试交给模型，自己转向任务拆解、判断和验收。瓶颈从“写代码的人手”变成“给模型分配多少 Token”。
也因此，固定额度的订阅开始出现矛盾。重度用户嫌它慢、额度不够；轻度用户又消耗太少。于是，不少开发者从订阅转向按量付费的 API：
这也会改变团队管理方式。未来主管不仅要看项目排期，还要看哪些环节值得消耗昂贵 Token：需求澄清、架构讨论、代码生成、测试修复，每个环节对应的模型和预算可能都不同。
三、Anthropic 利润率为什么可能更好？
节目中估算，部分订阅套餐大约在用户达到 “5 倍用量” 时接近盈亏平衡；如果用户用到 20 倍，平台很可能亏钱。
订阅的商业难点在于，最满意的重度用户，往往也是成本最高的用户。
但 Anthropic 的整体利润率未必差，原因在于客户结构。OpenAI 的收入更偏消费者订阅，而 Anthropic 的企业、API 和云平台渠道占比更高。企业客户通过 AWS、Google Cloud 等渠道采购，单价、留存和合规需求都更有利于形成高质量收入。
这并不等于消费者业务没有价值。恰恰相反，ChatGPT 的规模、品牌和用户习惯仍是巨大壁垒。但从“每美元收入背后的推理成本”看，企业编程和高价值工作流，通常比免费或低价聊天更容易做出利润。
模型切换成本也没有想象中低。个人用户可以今天换一个聊天工具，企业却要重新评估安全、合规、采购、插件、工作流和代码习惯。只要模型能力仍处于第一梯队，渠道与工作流就会变成护城河。
四、AI 编程进入“两强竞赛”
嘉宾把当前前沿模型竞争描述为 Anthropic 与 OpenAI 的“两强竞赛”：
第三方应用、IDE 和编程初创公司当然还有机会，但短期看，它们越来越像是在两家模型厂商之上构建入口。
Codex 桌面应用被视为一种新的交互范式：把多个 Agent、代码仓库、终端和审批流程放进同一个工作台。长期看，Cursor、Windsurf 等工具仍可能通过理解开发者工作流而保留价值；但如果底层模型差距持续扩大，入口优势会被削弱。
至于“谁是第三名”，节目提到 xAI 和 Cursor 两种可能：
但算力只有转化为模型能力才有意义，入口也只有连接足够强的模型才有定价权。
五、算力出租，正在成为一张“看涨期权”
节目中最有意思的讨论之一，是 “可回收算力”。以 SpaceX 与 Anthropic 的合作为例：
持有 GPU 的一方可以先把闲置算力以高于市场的价格短期出租，同时保留 90 天左右的回收条款；一旦自家模型训练证明有效，就把算力拿回来。
这相当于一边赚取 3 到 4 倍市场价的高毛利租金，一边保留冲击前沿模型的期权。对 Meta 这类正在加大资本开支的公司来说，如果超级智能实验室进展不顺，把算力转租给模型公司，也可以成为投资回报的“安全垫”。
生意的优劣排序很清晰：
算力紧缺时，出租很赚钱；但长期价值仍取决于能否把 GPU 变成模型能力和持续收入。
这种安排也解释了为什么有些公司愿意把资本开支做得更激进：只要合同设计成短期、高价、可回收，风险就不再是“买多了算力只能砸在手里”，而是“暂时租给别人，自己需要时再拿回来”。
六、Token 服务和 RL 数据，可能是下一层金矿
企业采购 AI，越来越像采购云。它们不一定直接找模型实验室签约，而是通过 AWS、Azure、Google Cloud 消耗已有额度、满足合规要求。
节目估算，Anthropic 通过间接渠道获得的比例，可能已从半年前的约 5% 提升到约 20%。
另一条正在膨胀的供应链，是强化学习环境。嘉宾认为，RL 可能是当下提升模型能力最重要的扩展路径之一。实验室需要大量“真实、可验证、模型尚不会”的任务：一个好任务可能要优秀工程师花一天才能完成，还要配套测试、评分标准和自然 prompt。
这类任务并不便宜：
换句话说，AI 行业的“卖水人”正在从芯片、机房和网络，扩展到任务设计、验证器和训练环境。模型越强，低价值标注越没有意义；真正值钱的是那些能让模型跨过新能力边界的任务。
结语：Token 预算，会成为企业的新科目
这场对话真正提醒我们的是：AI 竞争正在从“参数和榜单”，转向 “Token 吞吐、每吉瓦收入、毛利率、渠道和 RL 数据”。
未来企业可能不再只问“要不要用 AI”，而是问：
谁能把模型、算力、分发和数据闭环同时打通，谁才有资格在下一轮竞赛中继续留在牌桌上。