夜雨聆风Uber 的工程师们大概到今年四月才反应过来——2026 年一整年的 AI 编程预算,四个月就烧光了。
既没有裁员,项目也照常推进,钱是被自己团队里的 Claude Code、Cursor 这些 agent 工具,悄悄吃干抹净的。
几乎同一时间,大洋彼岸的高盛研究部甩出一份报告,把这种「烧钱速度」变成了一条曲线:到 2030 年,全球 AI agent 的 token 消耗量可能比 2026 年暴涨 24 倍。
一边是华尔街分析师在电子表格里画增长曲线,一边是企业 CFO 在会议室里追问「这个月账单为什么又翻倍了」。这两件事撞在一起,才是这场 24 倍预言真正吓人的地方。
一份「烧钱」预言,从高盛官网悄悄发出
2026 年 5 月 20 日,高盛官网挂出一篇洞察文章,标题是《AI Agents Forecast to Boost Tech Cash Flow as Usage Soars》——「AI Agent 预计将随着使用量激增而提振科技公司现金流」。
▲ 高盛官网洞察文首屏,标题下方灰色要点框第一条即写明「Agentic AI 有望在 2030 年前推动 token 消耗量增长 24 倍」,日期 2026 年 5 月 20 日。
执笔的是高盛研究部分析师 Jim Schneider,常年覆盖美国半导体与 IT 服务板块。他给出的核心判断是:
"With consumers and enterprises adopting AI agents, token consumption is expected to multiply 24 times, to 120 quadrillion tokens per month, between 2026 and 2030."
「随着消费者和企业采用 AI agent,token 消耗量预计将在 2026 到 2030 年之间增长 24 倍,达到每月 120 千万亿(quadrillion)。」
120 千万亿,写成数字是 1.2 后面跟 17 个零。这个量级大到连高盛自己在访谈里都开玩笑说:「我不知道千万亿后面该叫什么单位,但反正是很多。」
四天后,@GoldmanSachs 官方账号也把这句话搬上了推特,用更谨慎的措辞「could see a 24-fold increase」二次扩散。研报数字,就这样一步步从投研圈渗透进了普通开发者的信息流。
为什么一个 agent,能顶 50 个聊天机器人
普通人第一反应是:AI 用得更多了,token 涨一点很正常,可涨到 24 倍会不会太夸张了点?
要理解这个数字,得先搞明白 chatbot 和 agent 压根就是两种物种。
聊天机器人像「拨通电话问个问题」——你问,它答,挂断。而 agent 更像「雇了一个实习生」:查资料、试方案、调用工具、检查结果、发现错了再改、改完继续跑下一步。每一轮对话、每一次工具返回、每一段被重新塞进上下文的历史,都要重新计费。
AI 信息账号 Rohan Paul(@rohanpaul_ai)在 7 月 9 日转发高盛这份研报时,把这个区别浓缩成了一段让不少开发者对号入座的描述:
"A chatbot may answer once, but an agent plans, calls tools, checks results, edits mistakes, and repeats the loop. That loop can make one user request consume 10x, 50x, or even far more tokens than a normal answer."
「聊天机器人可能只回答一次,但 agent 会规划、调用工具、检查结果、修正错误,然后重复这个循环。这个循环能让一次用户请求消耗 10 倍、50 倍,甚至远超普通回答的 token。」
▲ Rohan Paul 转发高盛 24 倍预言,配图显示 2024 年基线约 5 千万亿/月,2030 年预计约 118 千万亿/月;拆分为企业 agent、消费 agent、非 agent 工作负载三部分。截至发文,该推文约 1.2 万次浏览、49 个赞。
高盛给出的拆解是:消费侧的 agent 化应用大约贡献 12 倍增长,再叠加企业侧采用,合力推出 120 千万亿/月这个终值。 换句话说,24 倍这个数字真正指向的,是「每一次任务本身,消耗的 token 密度变高了」,而单纯的用户数增长根本撑不起这条曲线。
更值得留意的是,高盛并没有假设 2030 年全员用上 agent。报告里明确写着:到 2030 年,只有约 12% 的知识工作者会使用 agentic AI;到 2040 年,这个数字才爬到 37%。
渗透率还在爬坡的早期,总量就已经要涨 24 倍。 这意味着单个任务、单个用户身上背负的 token 强度,才是真正压弯这条曲线的那只手。
Uber、微软:预言还没到 2030,账单先亮起了红灯
24 倍是投研模型给出的 2030 年终局。但真正让这个数字变得可怕的,是 2026 年上半年已经发生的事。
TechCrunch 在 6 月 5 日发了一篇长文,标题就像一记警钟:《The token bill comes due》——「token 账单,到期了」。
▲ TechCrunch 2026 年 6 月 5 日文章首屏,配图是一个漏斗形沙漏,沙子变成了美元符号。文中首段点了三个名:Uber 烧光预算、微软收回 Claude Code 权限、Priceline 员工吐槽 Cursor 续约贵了 4 到 5 倍。
文章开篇第一句就是:
"Across the industry, companies are starting to balk at the price of AI. Uber blew through its entire 2026 AI coding budget by April. Microsoft revoked its developers' Claude Code licenses months after enabling them."
「整个行业,企业都开始对 AI 的价格望而却步。Uber 在四月就烧光了整个 2026 年的 AI 编程预算。微软在开通几个月后,又收回了开发者的 Claude Code 使用权限。」
Uber 内部对这件事的反应很微妙。COO 一级的运营负责人 Andrew Macdonald 公开表示:token 用量和用户实际感受到的价值之间,很难画出一条直线关系。 工程师使用率确实很高——报道里提到超过 80% 的工程师在用 AI 工具,超过 60% 的代码由 AI 生成——但没人能证明「烧得越狠,产品就越好」。
事后,Uber 设置了一道上限:每个工具、每人每月约 1500 美元的使用额度。 独立开发者 Simon Willison 事后粗算过,如果两款主力工具都跑满上限,一名工程师一年光 AI 工具费就要花掉约 3.6 万美元——大约是典型工程师总薪酬的 11%。这既说明企业确实愿意为效率买单,也说明如果不设上限,数字只会更夸张。
微软这边的故事更耐人寻味。CEO 级别高管 Mustafa Suleyman 曾公开说 Anthropic 的模型「非常贵」,随后微软内部部门开始把开发者从 Claude Code 迁往自家的 Copilot CLI 和自研模型,时间点卡在财年末前。对外的说法是「生态整合」,但落在时间线上,很难不被读成一次控本动作。卖铲子的人,也不想在自己的工地上,按零售价买最贵的那把铲子。
高盛真正想讲的故事:毛利率拐点
如果只看「24 倍」和「Uber 烧光预算」这两组信息,很容易得出一个悲观结论:AI 太烧钱,泡沫要破了。
但高盛这份报告的落脚点,其实完全相反。
分析师同时给出了另一个数字:推理侧每个 token 的成本,正以每年 60% 到 70% 的速度下降。 芯片效率提升加上数据中心架构优化,让「同样一个 token」变得越来越便宜。
Schneider 在访谈中抛出了一个反问:
"What fixes that? … If you raise gross margins, you raise operating cash flow, and that gives you more headroom to spend."
「什么能解决(资本开支的)问题?……如果你提高毛利率,你就提高了经营性现金流,这会给你更多的支出空间。」
把这条逻辑链拉直来看是这样的:agent 采用率上升,带动 token 总量暴涨;与此同时单位成本暴跌;只要售价下降的速度慢于成本下降的速度,或者用量本身带来的收入增长够快,毛利率就会掉头向上,经营现金流随之改善,又能反过来支撑更多的资本开支。
这才是「24 倍」在高盛这套逻辑里真正的角色:它给「为什么持续烧 GPU 可能仍然合理」这个问题,提供了一个分子,而非拿来吓唬中小企业的恐怖数字。报告里还提到,未来 3 到 12 个月内可能出现这个毛利率拐点;但同时,未来 12 到 18 个月芯片供应仍会短缺,大概要两年才能追平需求。
一边是华尔街用这条曲线论证 capex(资本开支)的合理性,一边是企业财务部门在 2026 年就被账单打得措手不及。这两种说法并不冲突,它们只是站在不同的时间尺度上。 投研看的是 2030 年的效率曲线,CFO 看的是这个月的信用卡账单。
一场平行预言:芯片公司给出了 40 倍
讲 token 曲线故事的,远不止高盛一家。
COMPUTEX 2026 大会上,高通 CEO Cristiano Amon 在台上抛出了另一组数字。他说,目前全球每 10 秒钟大约产生 317 亿 个 AI 推理 token;到 2030 年,这个数字会膨胀到每 10 秒 1.27 万亿——大约是 40 倍,换算成年化口径超过 4 千万亿 token。
▲ Rohan Paul 转述高通 CEO Cristiano Amon 在 COMPUTEX 2026 的演讲数字:2026 年全球每 10 秒约 317 亿 token,到 2030 年将达 1.27 万亿,约 40 倍增长。
他打了个比方:今天一次普通聊天机器人问答,大约消耗 1 万个 token;而一个真正意义上的 agent 任务——订机票、管理供应链、和其他 agent 协商——单次就能跑到 100 万个 token 以上。
高通讲这套数字,目的和高盛不完全一样。高盛服务的是资本市场对 hyperscaler(超大规模云厂商)现金流的判断,高通讲的是芯片和数据中心设备需求的合理性。度量口径不同,但方向高度一致:华尔街和芯片公司的 CEO,现在都在用 token 曲线讲未来,不再只讲参数量和跑分。
反对的声音:高盛可能算错了曲线
24 倍这个数字发布之后,质疑声几乎同步冒了出来。
在高盛官方推文下面,一位名叫 Chen Avnery(@MindTheGapMTG)的用户给出了针锋相对的回应:
"24x assumes current architecture stays static. In production, agents burn 80% of tokens on context management, not reasoning. The winners will use fewer tokens, not more. Better retrieval, smarter caching, tighter context windows. Goldman is extrapolating the wrong curve."
「24 倍这个假设,默认了当前的技术架构不会变。但在实际生产环境里,agent 大约 80% 的 token 都砸在了上下文管理上,真正花在推理上的少得可怜。未来的赢家会想办法把 token 用量压下去——靠更好的检索、更聪明的缓存、更紧凑的上下文窗口。高盛外推的,是一条错误的曲线。」
▲ Chen Avnery(@MindTheGapMTG)在高盛官推下方留言,认为 24 倍预测把当前低效架构线性外推到了 2030 年,忽略了缓存和检索优化会大幅压缩浪费。
另一位有实际生产经验的独立开发者 Jin(@jin_builds,曾在普华永道做国际税务顾问)给出了更细的工程视角:
"The 24x won't land evenly. An agent task is 10–20 calls dragging an ever-growing context, so spend scales with retries, dead ends, and cache misses — not with value shipped."
「24 倍不会均匀地落地。一个 agent 任务往往要经过 10 到 20 次调用,拖着一段不断膨胀的上下文,花费跟着重试、死胡同和缓存未命中一路走高,交付的价值却根本没跟上这个涨幅。」
▲ 独立开发者 Jin(@jin_builds)分享运营 LLM 网关的实战经验:最常见的浪费,是不稳定的 prompt 前缀悄悄杀死缓存命中,导致每一步都要按全价重新计算同一段上下文。
他提到自己运营 LLM 网关时见过最常见的浪费场景:一段本该复用的 prompt 前缀因为写法不稳定,悄悄杀死了缓存命中率,导致系统每一步都要把同样的上下文重新算一遍、重新付一遍钱。 他给出的结论掷地有声:按任务计量成本、给失控运行设明确上限的团队,能扛住 24 倍;只盯着「每百万 token 多少钱」这种标价的团队,会在这场成本压力测试里翻车。
这两条回应放在一起,勾勒出一个务实的判断:24 倍更像是「如果什么都不优化」时才会出现的极端情景,谈不上不可避免的宿命。 缓存、检索、路由这些工程手段,决定的正是这条曲线最终会有多陡。
谁在给这场「烧钱运动」踩刹车
DigitalApplied 在 6 月 23 日发布的一份行业分析,标题叫《The AI Cost Reckoning》——「AI 成本的清算时刻」,把这场转变讲得毫不留情。
▲ DigitalApplied 分析文章首屏,深色版面上四个关键数字格外醒目:「4 个月烧光全年预算」「25 倍的价格差」「98% 的企业现在要管理 AI 支出」「60%-80% 的账单可被削减」。
文章开篇写道:
"The free-for-all phase is over, and the bill is now real. The fix is not spending less on AI — it is matching each task to the cheapest model that can do it well."
「无限制放开使用的阶段已经结束,账单正变得真实可感。真正的解决办法,是把每一个任务匹配给能胜任它的最便宜模型——单纯让大家少用 AI,根本堵不住这个窟窿。」
文中一个细节值得记住:同样完成一个任务,用最贵的模型和用最便宜但够用的模型,价差可以达到 25 倍——这个数字,几乎和高盛的「24 倍」形成了一种巧合式的呼应:外部需求曲线涨多少,内部就有多少空间靠精细化路由和缓存策略把它吃回来。
这也是为什么 Linux 基金会旗下已经开始酝酿一个叫 Tokenomics Foundation 的组织,试图像当年 FinOps(云财务运营)那样,给 token 经济建立一套共同的计量语言。企业级 AI 观察者们开始把高管的问题,从「我的 agent 够不够聪明」,悄悄改写成「我们撑不撑得起在这个规模上跑它」。
写在最后:两条曲线,同一个真相
把这件事完整拼起来看,其实是两条曲线在打架。
一条是高盛画的效率曲线:2030 年之前,agent 用量暴涨,单位成本暴跌,毛利率迟早拐头向上,这是说给华尔街听的长期故事。
另一条是 Uber、微软已经踩过的成本曲线:不等到 2030,2026 年上半年账单就已经先爆表了,这是说给 CFO 听的现在进行时故事。
两条曲线都是真的,只是站在不同的时间尺度上。真正值得记住的,是 Rohan Paul 那句浓缩得很准的话:「现在的博弈,是在 agent 生产力与 token 浪费之间。」
AI 从「回答问题」走向「做事情」,这一步几乎没有人质疑。真正悬而未决的,是「做事情」背后那笔隐藏账单——上下文、重试、常驻后台——在单价真正跌到能覆盖浪费之前,总量的暴涨已经先一步,打到了企业的信用卡上。
24 倍会不会应验,谁都无法在 2026 年就给出答案。但至少现在已经清楚一件事:这场关于 token 的博弈,才刚刚开始计价。
