夜雨聆风这一现象在当前的科技行业已经逐渐从理论变为现实，这标志着企业在AI投资上正面临一个关键的成本拐点。
1. 现象确证：算力成本已实质超越部分人力成本
在部分前沿科技企业中，AI算力开销超过员工薪酬已是不争的事实。例如，英伟达应用深度学习副总裁曾公开表示，其团队的算力成本远高于人力成本；市值百亿的初创公司Mercor也表示，内部智能体的token开销已超过员工人力成本。麻省理工学院（MIT）2024年的一项研究更是指出，在77%的视觉相关岗位中，继续聘用人工反而比使用AI自动化更便宜。
2. 成本飙升的深层原因
尽管单个token的价格相比前几年已大幅下降（降幅达98%），但企业AI总账单却呈指数级上涨，主要原因包括：
● 智能体（Agent）的爆发式消耗：随着Claude Opus 4.5、GPT-5.1等新一代智能体工具的普及，单次任务需要经历“思考-调用工具-读取结果-再思考”的循环，导致token消耗量激增。一个简单的线性流程成本在几年间增加了约30倍。
● 隐性技术浪费：给模型接入工具时，每次调用都会产生额外的系统token和结构性token。一个50 token的用户问题，最终可能消耗超过10万token。
● 企业内部“刷Token（Tokenmaxxing）”风气：部分企业将AI使用量纳入KPI考核，导致员工为证明“深度拥抱AI”而刻意拉高使用数据，甚至出现无限循环脚本刷量等无效消耗，进一步推高了账单。
3. 企业的应对与战略转向
面对失控的AI成本，企业正在采取紧急措施并重新审视AI的定位：
● 设立预算上限与工具降级：优步（Uber）仅用4个月就花光了2026年全年的AI编程预算，被迫重新规划；微软因员工使用Claude Code成本过高，取消了直接授权并要求改用Copilot CLI；部分企业已开始对团队设置token使用上限。
● 资本结构的重新分配：科技巨头正在经历一场“资本迁移”，一边大规模裁员（如Meta裁员8000人），一边将省下的薪酬预算注入GPU集群采购和AI基础设施建设。这宣告了企业组织形态的重写，即“少数顶薪工程师+AI Agent+充足算力”的新模式。
4. 未来展望：从“降本利器”到“互补工具”
短期内，AI的使用效益仍不及人力。但业界普遍认为这是一种短期现象。随着AI基础设施的完善和模型架构的优化，Gartner预测到2030年，万亿参数大模型的推理成本将暴跌超90%。
因此，现阶段企业不应再将AI简单视为替代人力的“降本利器”，而应将其定位为一种互补工具。未来的核心竞争力不仅在于AI能否变得比人工更便宜，更在于其能否在规模化应用中输出稳定、可预期的结果，并真正兑现商业价值。