Token 吃掉三成薪资，硅谷 AI 账单走向撕裂

硅半导体研究机构 SemiAnalysis 公布的内部数据显示，其大模型 Token 支出已占员工总薪资的 30%，人均月消耗近 50 亿个 Token，是 Meta 人均水平的 5 倍以上。但与此同时，Uber、微软、英伟达等硅谷巨头正为 AI 账单焦头烂额——硅谷 AI 经济学正进入前所未有的撕裂阶段。

Token 已成为新型生产资料

每百万 Token 仅花 0.99 美元——这是 SemiAnalysis 自己账单上的真实成本。这家硅谷半导体研究机构人均每月消耗近 50 亿个 Token，是 Meta 人均水平的 5 倍以上，核心贡献者月消耗更是突破 1000 亿。原本需要初级分析师花费数小时完成的 Excel 模型转换、财报图表制作，如今几分钟内即可搞定，成本只需几美元。

SemiAnalysis 评价称：「这不是 10% 的效率提升，而是专业服务业的单元经济正在被重写。」该公司认为，研究公司、对冲基金、律所——所有靠人脑吃饭的行业，Token 支出占到薪资的两三成，只是时间早晚的问题。

巨头们的账单失控

英伟达 CEO 黄仁勋在 GTC 大会上直言：年薪 50 万美元的工程师年底 Token 消费不到 25 万美元，「我会彻底抓狂」。他计划给每位工程师发放相当于半年工资的 Token 预算，并推动 7.5 万名员工与 750 万个 AI 智能体协同工作。

Uber 的故事则是另一面镜子：

• 去年底向 5000 名工程师推广 Claude Code 并设排行榜，用得越多排名越高
• 2 月使用率 32%，3 月飙至 84%，4 月已 95% 工程师月月使用
• 70% 的提交代码来自 AI 生成
• 全年预算提前花完

Uber 随后给每位员工设了每月 1500 美元的 Token 上限，超额需特批。但其 COO Andrew Macdonald 也承认：AI 使用量在涨，但与消费者功能创新之间的联系「目前还看不到」。

微软则更激进——上个月被曝正取消大部分 Claude Code 许可证，转向自家 GitHub Copilot CLI，原因很简单：花钱的速度比产出的速度还快。英伟达应用深度学习副总裁 Bryan Catanzaro 在今年 4 月说得更直接：「对我的团队来说，计算成本远远超过了员工的成本。」MIT 2024 年的研究也佐证：在以视觉为主要工作内容的岗位中，仅 23% 的场景下 AI 自动化在经济上划算，剩余 77% 的情况下，雇人比用 AI 便宜。

成本塌缩才刚开始

SemiAnalysis 的核心论点是：别盯着今天的价格看，成本塌缩才刚刚开始。

软件端：

• 在 B300 上运行 DeepSeek R1，通过 wideEP、disagg 与 MTP 三层纯软件优化
• 单 GPU 吞吐量从 baseline 的 1000 tokens/秒飙升至 14000 tokens/秒
• 14 倍提升，纯靠代码

硬件端：

• 最优配置的 GB300 NVL72 吞吐量是 H100 的 17 倍
• 切换到 FP4 精度直接拉到 32 倍

即便 Opus 4.7 标价为输入 5 美元/百万、输出 25 美元/百万，看似不便宜，但由于智能体工作负载输入输出比高达 300:1，加上 90% 以上的缓存命中率，实际混合成本被压到了 0.99 美元——连标价五分之一都不到。

Anthropic 的财报印证了这一点：今年 ARR 从 90 亿美元冲至 440 亿以上，毛利率从 38% 飙升至 70% 以上。Gartner 今年 3 月的报告也预测：到 2030 年，万亿参数大模型的推理成本将比 2025 年下降超过 90%。Token 在变便宜，但卖 Token 的人反而更赚钱——大模型毛利率的扩张是结构性趋势，而非一次性巧合。

钱花了，然后呢

当下 AI 最撕裂的图景是：

• 全球科技公司今年 AI 资本开支已宣布 7400 亿美元，较去年暴增 69%
• 同期科技业裁员速度已超去年全年
• Goldman Sachs 首席经济学家直言：AI 对经济的实际影响到目前为止「基本为零」

这不是 AI 不行，而是每一轮基础设施革命都要经历的阵痛：先烧钱建管道，再等水流过来。电网如此，互联网如此，AI 亦如此。差别只在于——这一次管道铺设的速度和水流过来的速度，都是上一代人没见过的量级。

SemiAnalysis 已经站在水流过来的那一边：30% 的薪资换数倍产出杠杆，成本曲线仍在急剧下行。至于其他公司是现在蹚水过河，还是等对岸的人建好了城再追，是一道无法回避的现实选择题。