AI 开始回到算账:微软、YC 和豆包说明了同一件事

最近三条比较热的新闻，分别是微软、YC和豆包的，我用我的 AI 解读文章工具分析，放一起看，好像在说一件事：AI 时代，「Token 究竟在烧什么」。

第一条是微软内部的决定：在 2025 年 12 月，微软开放了 Claude Code 给内部 10 万+ 工程师、PM 和设计师使用。但不到半年，微软宣布在 2026 年 6 月 30 日前撤销这个权限——原因很简单，Token 账单烧得太猛了。员工产出提升不直接等于营收增加，成本结构却变成了「原工资 + 新增 Token 费」，总成本不降反升。

第二条来自 YC 合伙人 Tom Blomfield 在最近一次 batch talk 上的发言。他说，现在的公司大多是「罗马军团」式的结构——层级分明，信息逐级传递，人是协调的核心。在这种形态下加上 AI 工具，就像给罗马步兵配了热兵器：用得更狠了，但战术不会变。

Tom 的观点是，Token 应该直接取代工资，而不是叠加在工资之上。如果 API 账单不心痛，说明替代得不够多。成功的 AI-Native 初创公司，用 5-6 人加巨额 Token 账单，能完成过去 20-30 人的工作。Token 是新工资，它替代的是人、层级、会议、等待和管理成本。

第三条是豆包。作为国内首个 DAU 破亿的超级 AI 应用，豆包没有享受到传统互联网的规模效应。相反，用户越多，算力成本越高，且不会像推荐算法那样「越用越准」。2026 年 3 月，豆包日均 Token 使用量突破 120 万亿，比 2024 年发布时增长了一千倍。增长带来了巨大的亏损压力。

把微软和YC的新闻结合起来看

两个公司用截然不同的方式来看待Token。微软的支出维持了原有的组织结构：同样的薪资、同样的经理、同样的员工人数，现在多了个AI助手。相当于成本结构多出了 Token 费用，由于这不直接等同于营收增加，且工资无法随 AI 引入而即时下降，导致总成本不降反升。

而 YC 是反向视角，Tom Blomfield 提出要直接把人撤掉，工资成本变成 Token 成本。如果 API 账单不心痛，说明替代得不够多。从组织架构上做改造，达到少部分人+ Token 完成以前几十人工作的效果。

所以接下来企业应用AI，要看组织架构是否改变，如果老板说用 AI 效率提升了20%，但架构没变，那说明他们在亏钱。

把微软的新闻和豆包的新闻结合起来看

可以看到 Token 作为成本，它在原有流程中，替代了什么？微软和豆包的例子看起来都没替代什么，既没把人的成本省掉，也没达成有效的 ROI。

在豆包这意味着，在评估AI项目时，不能只看“能不能获客”，必须先算清楚“单位经济模型（Unit Economics）如果单个用户的交互成本无法被覆盖，增长就是毒药。

同理，这套逻辑放到企业内部也成立。过去我们说一个业务要算单位经济模型，今天企业用 AI 也要算“单位任务经济性”：一次 AI 调用到底替代了多少人力、减少了多少等待、少开了多少会、少雇了多少人，还是只是让原来的流程多了一层昂贵的自动补全。

如果组织架构不变、员工人数不变、管理层级不变，只是每个人多了一个 AI 助手，那 Token 就不是降本工具，而是新增开支。

把YC和豆包的新闻结合起来看

会发现烧 Token 不是问题，问题是 Token 烧完之后换回了什么。在 YC 的叙事里，Token 是新工资。它替代的是人、层级、会议、等待和管理成本。一个 5-6 人团队如果靠巨额 API 账单完成过去 20-30 人的工作，那么 Token 再贵，也是在替代一种更贵、更慢、更难协调的成本。

但在豆包的叙事里，Token 更像新履约成本。用户每多聊一句、每多生成一次，平台就多付一次算力账单。如果这些使用没有转化成付费、交易、留存，或者没有沉淀成下一次更便宜、更准确的能力，那么增长就不是规模效应，而是规模化亏损。

所以 AI 时代不是看谁敢烧 Token，而是看 Token 到底烧在了哪里：烧在替代工资上，它可能是生产力；烧在免费陪聊上，它可能只是更昂贵的流量补贴。

所以，接下来思考 AI 项目，得问三个新问题：

Token 替代了什么旧成本？
单次任务产生的价值能不能覆盖推理成本？
使用越多，系统会不会变得更便宜、更准、更可复用？

微软的问题是 Token 叠加在旧组织上。

豆包的问题是 Token 叠加在免费流量上。

YC 想象中的 AI-native 公司，则是让 Token 直接替代组织成本。

Token 不是天然的生产力。只有当它替代工资、替代流程、替代等待，或者直接完成一个用户愿意付费的任务时，它才是生产力。