今年，互联网涌现出一批“新型老板”：自掏腰包雇佣AI办公。
例如小红书博主@菠萝波波搭建“赛博朝廷”，将代码编写、合同审核等流程分配给不同的AI模型处理，自己仅需像批阅奏折般进行指挥。
（图源：小红书）
与传统薪资不同，AI消耗的是算力额度（Token）。随着李佳琦直播间热卖千问月卡，囤Token已逐渐成为一种日常消费行为。《DT商业观察》采访发现，许多用户背负着数额不小的“Token月供”：
•有人同时订阅多个会员，每月固定支出3000元；
•有人为支付AI费用不得不开展副业；
•有人精打细算利用API峰谷价，但仍因超预算而推迟其他消费。
究竟是谁在自费雇佣AI？高额投入背后，他们图的是什么？
打工人新增“新月供”：AI成办公标配
AI正成为打工人的工作标配。
据CNNIC数据，截至2026年上半年，中国生成式AI用户规模超7亿，其中32.5%用于工作场景。一旦体验到AI提效带来的便利，用户往往难以回归传统办公模式。
一位高校行政人员表示，使用AI辅助近一年后，撰写材料的第一反应是让模型搭建框架；某科技公司CEO调侃称，ChatGPT宕机时其工作效率减半。
（图源：小红书）
随着使用频率增加免费额度耗尽，付费成为必然。《2026有意思生活方式报告》显示，今年36的人花钱购买大模型服务，近30%的人购买过AI办公工具。
尽管企业高喊“All in AI”，但除少数头部大厂外，大部分公司不报销相关费用。即便在大厂，随着免费额度转向控额管理，员工也需自费填补缺口。
与此同时，Token购买渠道日益丰富且便捷。
上海电信推出话费支付Token套餐；天猫上线Token充值中心，智谱、Kimi、MiniMax等首批入驻；双11期间，Token甚至进入大促会场。
无论是按月订阅还是按量计费的API，都意味着“使用AI”已演变为一项需持续续费、精算的日常开销。
月花3000元请AI干活：换取闲暇、认知与职业信念
久谦中台数据显示，自费使用AI办公的人群涵盖程序员、行政、律师、基层治理人员及学生。
主要应用场景包括：材料处理（文案、PPT、报表）、协作沟通（会议转写、翻译）、数据自动化（清洗表格、代码、Agent运行）以及专业业务创作（制图、审合同）。
AI主要承接重复、琐碎且耗时的工作，但在代码和合同审核等高风险领域，仍需人工把关。
《DT商业观察》采访了5位用户，发现他们付费的核心诉求各异：
1. 换取闲暇时间
记者贝贝每月花费300元订阅AI会员，实际工作时间减少一半，每天节省两三个小时用于休息娱乐。对她而言，同等薪资下获得更多休息时间极具价值。
2. 提升认知深度
私募基金经理李兴每月投入3000元，看重AI代码的一次成功率以减少逻辑修补成本。他认为AI大幅拓展了研究的深度与广度，使其能覆盖更多行业和公司数据。
3. 践行职业信念
高中地理老师@猫momo每月花费约1000元使用多款主流AI模型，建立包含七千多道题目的数据库，以便精准掌握学生学习情况。尽管同事不解，她认为为了学生值得投入。
（图源：@猫momo）
4. 无收入群体的负担与必需
对于暂无稳定收入的群体，AI既是利器也是负担。法学博士后小陈利用AI替代研究助理，通过错峰使用低价模型，将原本需一个月的文书提取压缩至三天，但每月约200美元的费用仍让其倍感压力。
博士在校生宝包子将AI视为随时在线的导师，每月近100元的Token花费需依靠副业支撑。
这批用户因切实受益于AI的高效与稳定结果，才愿意持续付费。但随着依赖度加深，新的支出压力随之而来。
Token黑箱：计费模糊与成本失控
从零基础消费到月均千元，用户对AI的依赖与支出同步增长。Menlo Ventures测算，全球消费者在AI上的支出从2025年的120亿美元激增至今年的400亿美元，增幅超三倍，而用户数仅增长约11%。
中信里昂证券数据显示，中国AI现存用户的付费强度显著提升：月度付费用户比例增至36%，低额度用户比例下降。
AI账单变厚的主要原因有三：
首先，单一工具无法满足所有需求。研究、代码、内容创作需匹配不同工具，导致用户同时订阅多款服务。美国受访AI用户平均使用的通用助手数量已从2.2个增至3个。
其次，磨合成本高昂。用户需不断调整提示词和工作流，且AI输出常存在“几乎对但不完全对”的情况，反复修正消耗大量额度。
最后，计费规则模糊且频繁变动，导致成本不可预测。
一方面，会员订阅限制增多。智谱GLM Coding Plan改为积分制并区分峰谷价；Cursor将Auto模式纳入用量池；GPT Plus档Chat功能与Codex共用额度池，实质上降低了原有权益。
另一方面，部分产品从“按次计量”转向“按Token消耗计费”。GitHub Copilot等平台的具体消耗取决于模型及输入输出量。据估算，相同工作量下，按量计费成本可能是订阅制的数十倍。
由于大模型厂商尚未实现稳定规模化盈利，部分创收压力被转嫁给用户。Anthropic等头部企业净利润波动剧烈，进一步印证了这一现状。
结语：AI使用如开盲盒
Anthropic曾调整Claude Code成本估算，开发者日均花费上限翻倍，理由仅是“模型更强，人们用得更多”。这折射出AI时代的新困境：相比打车或网购的透明定价，使用AI干活如同开盲盒，用户难以在开工前预判完成特定任务所需的Token成本。
