夜雨聆风SemiAnalysis 刚刚做了一件让整个AI行业震动的事——把自己的token账单撕开给所有人看。
6月27日，这家被华尔街和硅谷奉为半导体圣经的研究机构，在X上发了一条让人倒吸一口凉气的帖子。他们说，这是自家报告里"一个更令人不安的内部观察"（one of the more uncomfortable observations）。
到底有多不安？
token支出已经达到员工薪酬总额的30%。员工平均每月消耗近50亿token。顶级使用者，单人每月超过1000亿。
而且他们明确说了——比Meta还猛5倍以上。
▲ SemiAnalysis官方推文：token支出达薪酬30%，人均月耗50亿token，比Meta多5倍（19.2万次查看，1200赞）
从1万美元到1095万：一场失控的token狂飙
这个30%的数字背后，藏着一条近乎垂直的增长曲线。
2023年底，SemiAnalysis全年token花费大约1万美元。放在2500万美元的薪酬总盘子里，约等于0.04%——连零头都算不上。
到了2025年初，这个数字年化飙到了700万美元，占薪酬基数的28%。BigGo Finance的报道详细记录了这段疯狂加速：管理层已经在预测，到年底token支出将超过全部工资。
这波使用潮的起点，来自一位非工程背景的高管。
SemiAnalysis的非技术总裁Doug O'Clairfine有一天开始用Claude写代码。联合创始人Dylan Patel给这种现象起了个名字——"Claude psychosis"（Claude精神病）。整个公司陷入了对AI的集体上瘾，从分析师到管理层，所有人都在疯狂调用token。
▲ BigGo Finance报道：SemiAnalysis的token支出从接近零暴增至年化700万美元，占工资基数28%
更夸张的还在后面。到2025年底，agentic AI（智能体）真正成熟后，Dylan Patel自己在X上晒出了一张令人窒息的支出曲线：
Claude Code的运行率峰值达到了1095万美元。
他@了Anthropic，说了六个字：
"You saved me from bankruptcy"
「你救了我免于破产。」
什么意思？Opus 4.7模型的效率提升，才把这个即将吞噬公司的账单拉了回来。
▲ Dylan Patel推文：Claude Code支出峰值达1095万美元年化运行率，Opus 4.7的效率提升"救了我免于破产"（28.7万次查看）
21美元干了2000美元的活：这笔账根本算不过来
SemiAnalysis为什么烧得这么凶，还越烧越开心？
答案在他们所说的"替代数学"（substitution math）里。
过去需要初级分析师花几个小时完成的任务——把Excel模型转成可视化仪表板、从财报数据构建图表包、重建可比公司集——现在只需要几美元的token，几分钟搞定。
他们的报告里附了一张ROI对照表。其中一个案例：为某公司写一份覆盖路线图、资产负债表、资本支出可持续性的研究报告。
token成本：21.33美元。
如果让分析师做？20小时 × 50美元/小时 =2000美元。
ROI：93倍。
其他工作流的回报率普遍在10到90倍以上。一旦分析师亲手拿到这样的收据，没有人会回到旧流程。
▲ SemiAnalysis推文：Opus 4.7的实际混合成本约0.99美元/百万token，远低于标价的5/25美元
这里面有个反直觉的价格结构。Opus 4.7标价是输入5美元、输出25美元/百万token。但SemiAnalysis观察到的实际混合成本只有0.99美元/百万token。
原因是agentic工作负载的输入输出比高达300:1——AI大量阅读和思考，输出的结论反而很短。再加上缓存命中率超过90%，而缓存输入的价格只有0.50美元/百万token。
SemiAnalysis在帖子里强调：
"That's a real change in the unit economics of professional services, not a 10% efficiency gain."
「专业服务的单位经济学正在被彻底重写——别再拿10%的效率提升来衡量了。」
Meta的8.5万人大乱斗：Token Legend、扎克伯格落榜和被紧急关停的排行榜
SemiAnalysis的经历已经出现在更大的组织里。大厂内部，同样的故事正在以更大的规模上演。
Fortune在2026年4月报道了Meta内部一场荒诞的token消耗大战。一名员工自建了一个叫"Claudeonomics"的排行榜，把8.5万名Meta员工的AI token使用量排了个名次。
30天内，Meta全员总消耗达到了60.2万亿token——按API公开价折算，约9亿美元。
排行榜上还设了头衔：Token Legend（Token传奇）、Cache Wizard（缓存巫师）、Session Immortal（会话不灭者）。顶级用户单月消耗2810亿token，折算价值可能超过140万美元。
而扎克伯格？连前250都没进。
这个排行榜上线两天就被下线了。官方给出的理由——"数据被外部分享"。官方留言写道：本来这是给大家看看自己用了多少token的趣味工具，但既然数据外泄了，只能先关掉。
Meta CTO Andrew Bosworth曾公开表态：最优秀的工程师，token花费相当于他的薪水，但产出提升了5到10倍。他的态度是："继续烧。不设上限。"
然而当总账单加速奔向"数十亿美元"时，CFO和董事会坐不住了。Meta开始建设AI Gateway做实时追踪和预算控制，计划2027年正式实施限额。
从"不设上限"到"必须设限"——Meta用自己的经历演示了token开支膨胀的完整生命周期。
单价暴跌，账单暴涨：杰文斯悖论的AI版
一个关键问题：如果token越来越便宜，为什么总支出反而在爆炸？
SemiAnalysis在推文线程里给出了吞吐量的数据。同一块NVIDIA B300 GPU跑DeepSeek R1模型：
基线FP8配置：每秒约1000 token/GPU 加上wideEP + 分离式推理（disaggregated inference）：8000 再加上多token预测（MTP）：14000
纯软件优化就带来了14倍的吞吐提升。叠加硬件迭代（从H100到GB300 NVL72），最优化配置比最早的H100高出17倍，FP4精度下甚至达到32倍。
生产token的成本在断崖式下降。
但这恰恰触发了经济学里经典的杰文斯悖论——当一种资源的使用效率大幅提升时，人们不会节省它，反而会消耗更多。蒸汽机效率提高后，煤炭用量翻了好几倍。token也一样。
单价降了，能做的事情就多了。以前觉得"太贵不值得让AI跑"的任务，现在全部值得跑了。每个分析师迭代的次数更多了。新的工作流被解锁了。总支出于是持续攀升。
SemiAnalysis自己就是这个悖论的微观标本：30%这个数字，已经是优化之后的结果。未优化版本只会更加触目惊心。
当token预算成为董事会议题
SemiAnalysis之所以选择公开，理由写得很明白：
"Every research firm, hedge fund, and law firm we know is heading toward a similar number, just on a delay."
「我们认识的每家研究公司、对冲基金和律所，都在朝着类似数字迈进，只是晚一步。」
NVIDIA CEO黄仁勋说过一个类似的愿景：未来工程师的标准配置，是基本工资加token预算，后者可能达到薪水的一半。产出被放大10倍。
这个趋势指向一个结论——token正在从IT部门的边角料预算，变成和工资、租金并列的核心运营成本。
对企业而言，至少有三件事需要立刻认真对待：
第一，token ROI的衡量体系。当一张21美元的收据背后是93倍回报，不用的公司就是在"把钱留在桌上"。但同时，很多工作流达不到这样的杠杆率，需要区分高价值任务和低效消耗。
第二，预算和治理。Meta的教训说明，放任式增长最终会触达财务红线。token开支需要像headcount一样规划——有预算、有审批、有ROI考核。
第三，供应商风险。高度依赖单一前沿模型提供商，意味着你的核心生产力受制于对方的定价策略、速率限制和服务条款变更。开源模型和次前沿方案是必要的备选项。
Anthropic的年经常性收入（ARR）从90亿美元飙升至440亿以上，毛利率从38%跃升至超过70%。价值正在从基础设施层（GPU、电力、内存）向模型实验室转移。谁的模型能替代更多人类工时，谁就能拿走更大的蛋糕。
SemiAnalysis用自己的账单证明了一件事：AI的成本时代已经到来，而这个"成本"已经长成了一项真正的生产力基础设施投入。
30%只是起点。他们说到2027年，token单价会进一步大幅下降。但历史已经反复证明——更便宜的资源，只会催生更多的使用。
总支出的天花板，还远远没有到。
