夜雨聆风这个世界，终于魔幻到连微软都开始算不明白AI账单了。。。
最近Fortune发了一篇很有意思的报道。
微软内部的一份分析提到，在某些特定工作场景里，部署和使用AI的综合成本，已经高过了直接付工资让人类员工来做同类任务。
不是哥们。
这句话如果是某个传统企业老板说出来，我可能还会觉得，恩，老登又开始不理解新技术了。
但这个话是微软这边传出来的，就挺有意思。
因为微软是谁？
是OpenAI最大金主之一，是GitHub Copilot背后的公司，是全世界最想把AI塞进办公软件、开发工具、云服务里的公司之一。
如果连微软都开始说，有些AI用法的成本，已经超过人工工资了。
那这事就不是简单的唱衰AI。
它更像是，AI终于从PPT里的魔法，回到了Excel里的数字。
我看到这个消息的时候，第一反应其实不是震惊。
而是有点熟悉。
因为过去一年，很多人聊AI的时候，都默认一个前提，AI一定更便宜。
写文章更便宜，写代码更便宜，客服更便宜，运营更便宜，做表格更便宜。
好像只要把一个人做的事情交给AI，成本就会自动下降。
但坦率的讲，我一直觉得这里面有个很大的误区。
AI便宜的，是它完成单次任务的边际成本。
但AI贵的，是你为了让它真的能干活，前面后面叠上去的那一整套东西。
提示词、上下文、工具调用、模型选择、权限系统、日志审计、结果校验、人工兜底、失败重跑。
尤其是Agent。
Agent这玩意最迷人的地方，就是它看起来像一个不会累的员工。
你给它一个目标，它自己拆任务，自己查资料，自己调用工具，自己写代码，自己改bug，自己再跑一遍。
听起来太爽了。
但问题也在这里。
它每多想一步，背后都是token。
它每调用一次工具，背后都是token。
它每次把上下文塞回去，让模型重新判断，背后还是token。
人类员工坐在工位上发呆十分钟，公司当然也在付钱，但这个钱已经被折算成月薪了。
AI Agent发呆十分钟，可能是在疯狂读上下文、规划路径、生成中间过程、调用接口、写一堆没用但看起来很努力的东西。
然后账单就开始跳。
一跳一跳的。
特别刺激。
Fortune这篇报道里，还有几个细节我觉得很值得咂摸。
比如微软一度在内部缩减了Claude Code的使用授权，背后的原因之一就是成本。
再比如Uber曾经发现，AI coding tools的预算消耗速度非常夸张，四个月就烧完了原本计划一整年使用的额度。
你看，这就不是大家想象中的，用了AI，所以程序员成本瞬间少一半。
更像是，公司买了一台看起来会自动干活的机器，结果发现这机器不只吃电，它还吃上下文，吃API，吃工程师的注意力，吃财务部门的血压。
这里面最反直觉的地方在于，AI越像员工，它反而越可能开始接近员工的成本结构。
以前我们用AI，更多是问答。
你问一句，它答一句。
这时候成本很好理解。
就像你去便利店买一瓶水，扫码，付钱，走人。
但Agent不是这样。
Agent更像你雇了一个实习生，让他去帮你办一件稍微复杂的事。
他可能先问你，这个文件在哪。
然后去翻文件。
翻完文件发现权限不够。
再去申请权限。
权限拿到了，开始写东西。
写完以后发现格式错了。
再改。
改完以后发现前面理解错了。
重来。
人类实习生这么干，你会说，没事，年轻人嘛，慢慢来。
Agent这么干，云账单会非常诚实地把每一步都记下来。
每一步都收费。
这尼玛就很现实。
所以我有时候觉得，现在很多企业对AI的理解，还停留在一种很朴素的替代幻想里。
一个客服五千块一个月，那我上AI客服，是不是就省五千。
一个程序员三万块一个月，那我上AI写代码，是不是就省三万。
一个分析师写报告要两天，那我让AI写，是不是十分钟搞定。
这个想法不能说错。
有些场景确实能省。
而且能省得非常狠。
但真正难的地方，不是把人类收尾那一步动作交给AI。
真正难的地方，是你要把整个工作流重新设计一遍。
就像1880年代电力刚进工厂的时候，很多工厂主第一反应，是买一台电动机，然后把原来的蒸汽机替换掉。
听着很合理对吧。
但结果是，生产效率没有想象中提升那么多。
因为他们只是替换了动力来源，没有重做工厂布局，没有重做生产流程，也没有重新理解电到底能带来什么。
后来真正吃到电力红利的，是那些把工厂重新设计了一遍的人。
AI现在也很像这个阶段。
很多公司嘴上说自己在AI转型，实际做的是，把原来的人类流程原封不动搬给AI。
人以前开会，AI也要看会议纪要。
人以前填表，AI也要填表。
人以前发邮件确认，AI也要发邮件确认。
人以前在十几个系统里复制粘贴，AI也被派去十几个系统里复制粘贴。
然后老板看到账单，突然说，怎么比人还贵？
那当然贵。
你让一个不擅长肉身劳动的东西，去模拟肉身劳动的全部笨办法，它不贵才奇怪。
这也是为什么我越来越觉得，AI时代真正值钱的能力，可能不是会不会写Prompt。
而是会不会拆工作流。
你能不能看出一件事里面，哪些步骤是历史遗留，哪些步骤是为了照顾人类记忆和组织结构，哪些步骤其实只是因为过去没有更好的工具，所以不得不这么绕。
一个普通人做报销，可能要截图、填表、发邮件、等审批、再补材料。
如果你只是让AI帮你填表，那它当然只是一个更贵的填表员。
但如果你重新设计这件事，数据源自动进入系统，异常项自动标记，人只看需要判断的部分，那AI才可能真的省钱。
注意，这里不是AI取代了人。
是流程终于不用为了人类的笨拙而弯来绕去了。
这个区别很重要。
我自己这两年用各种AI工具，感受特别明显。
AI在单点任务上，经常给你一种离谱的爽感。
让它写个脚本，快。
让它改个样式，快。
让它总结个文档，快。
让它起二十个标题，快。
但你一旦让它完整负责一个业务闭环，它就开始暴露各种很人类的毛病。
理解偏了，执行跑偏了，遇到异常不知道停，权限不够开始胡猜，结果看着很完整但关键处错了。
然后你就得回去检查。
检查一次，是你的时间。
重跑一次，是它的token。
再检查一次，又是你的时间。
这时候你会发现，所谓AI降本增效，里面的增效和降本，其实是两个完全不同的问题。
增效可能马上就有。
降本未必。
甚至短期内，AI会先增本。
因为你要学习它，要试错，要接系统，要建规范，要做评估，要把以前那些稀里糊涂靠人脑兜底的东西，全部摊开，写成机器能理解的结构。
这个过程不性感。
也不适合写在融资PPT里。
但它是真活。
屏幕前的你如果在公司里推过AI，应该会很懂这种感觉。
老板想听的是，能省多少人。
业务想问的是，出了错谁负责。
技术想说的是，先把权限和数据打通。
财务过一阵子默默递过来一张账单。
然后大家一起沉默。
这就是AI落地最真实的样子。
不是发布会上那个闪闪发光的Demo。
是一个Excel，一个权限表，一堆日志，一个没人敢关的兜底人工群。
说真的，我反而觉得微软这次暴露出来的问题，是一件好事。
因为它说明AI开始进入真正的生产环境了。
只有真的用了，才会开始嫌它贵。
没人会嫌一个玩具贵到影响公司成本结构。
你只会嫌一个已经进入工作流、开始被大规模调用、开始承担真实任务的东西贵。
就像云计算刚起来的时候，大家也以为上云一定省钱。
后来很多公司发现，云不一定省钱。
乱用云，反而贵得要死。
但这并没有证明云计算是骗局。
它只是证明，资源一旦变得太容易调用，人类就会开始浪费资源。
AI也是一样。
以前请一个人开会，你至少会犹豫一下。
现在调用一个Agent，你可能随手就开了十个。
以前让一个人读一百页材料，你会觉得不好意思。
现在让模型读一百万token，你甚至觉得它应该感谢你给它工作机会。
然后月底账单一来。
尼玛。
这件事再往后会走向哪里，我其实也不确定。
可能模型会越来越便宜。
可能推理成本会被各种工程优化打下来。
可能企业会学会把大模型、小模型、规则系统、人类审核混着用。
也可能很多公司会经历一轮很痛的AI成本治理，把那些看起来很酷但没产出的Agent全部砍掉。
但有一点我觉得挺确定。
以后判断一个公司会不会用AI，不能只看它用了多少模型，接了多少Agent，员工每天调用多少次。
这些都只是热闹。
更关键的是，它有没有重新理解自己的工作。
有没有把任务拆到足够清楚。
有没有知道哪些地方该让AI跑，哪些地方该让规则跑，哪些地方必须让人来判断。
有没有一套很朴素但很硬的成本意识。
AI当然是生产力。
但生产力从来不是免费的。
火很有用。
电很有用。
云计算很有用。
但你把火乱烧，把电乱接，把云服务器开了不关，它们都会变成账单。
AI只是轮到了它。
所以微软这事，我觉得最值得记住的，不是AI比人贵。
而是当AI开始像人一样进入公司，它也会开始像人一样，成为管理问题、流程问题、成本问题。
这不是AI泡沫破了。
这是AI终于长大了。
长大的标志就是，没人再只问它会不会变魔法。
大家开始问它。
你这个月，到底花了我多少钱。
