人工智慧的成本超過了它所取代的人工

科技行業正面臨一個悖論：原本旨在取代人類勞動的技術，目前卻比它所取代的人類更為昂貴。公司正在裁員以資助那些比剛被解僱的員工更昂貴的AI工具。這種迴圈邏輯令人感到諷刺，如果數以萬計的生計沒有因此受到影響的話。

優步的技術長最近透露，該公司在四個月內就耗盡了整個2026年的AI程式設計預算。到3月份，優步84%的工程師採用了Claude Code，大約70%的提交程式碼源自AI。使用量巨大，但相應的價值卻模糊不清。優步的營運長兼總裁安德魯·麥克唐納公開承認，代幣使用量與向使用者交付的有用功能似乎沒有直接關聯。

優步並非個例。微軟向OpenAI投資了約130億美元，並利用生成式AI編寫了高達30%的程式碼，但該公司一個主要部門曾指示工程師停止使用AI程式設計助手，因為賬單變得難以承受。據Axios報道，一家未具名公司因管理層忘了設定使用上限，一個月內產生了5億美元的Claude賬單。這些都是關於當你按詞購買智慧時，智慧成本的結構性誤判。

輝達應用深度學習副總裁布萊恩·卡坦扎羅直言不諱：他的團隊的計算成本現在遠遠超過公司花在使用計算的員工身上的費用。這家制造推動AI革命硬體的公司承認，這項技術比它本應增強的人更為昂貴。

然而，卡坦扎羅的老闆黃仁勳告訴業界，一名年薪50萬美元的工程師每年至少應消耗25萬美元的AI代幣，輝達正在為其工程團隊實現每年20億美元的代幣預算。他認為代幣應成為招聘福利。來自供應鏈頂層的訊號明確無誤：花得更多、更快。

企業已積極響應。今年，大型科技公司宣佈了7400億美元的資本支出，比2025年增長69%。Gartner預測，僅AI代理軟體支出將在2026年達到2070億美元，同比增長139%。

然而，這裡的算術變得反常。伴隨著這些支出，2026年已有超過11.5萬名科技工作者被裁，涉及150多家公司。Meta裁掉了8000個職位。SentinelOne裁員8%以重新分配資源給AI。Wix裁掉了五分之一員工。Block將員工減半。Atlassian裁掉了1600個崗位。

其既定理由一致：運營效率，重新分配向AI。但麻省理工學院的研究發現，AI自動化僅在大約23%的崗位上具有經濟可行性。對於其餘77%的崗位，人類仍然更便宜。高盛首席經濟學家明確表示，他認為AI投資並非強勁的增長正面因素。紅杉資本合夥人戴維·卡恩給出了由此產生的缺口數字：AI公司需要大約6000億美元的年收入來證明當前基礎設施支出的合理性。截至2026年中，缺口正在擴大，而非縮小。

因此，當前的情況是：公司削減人力以資助比所取代勞動力更昂貴的人工智慧，追求大多數研究尚無法證實的生產力提升，且速度之快讓年度預算在數週內耗盡。

文化層面或許最具說明性。亞馬遜建立了一個名為KiroRank的內部排行榜來追蹤工程團隊的AI使用情況。在員工開始玩弄這個系統——為了排名攀升而在無意義的瑣碎任務上消耗代幣——之後，它被悄悄移除。Meta構建了一個類似的追蹤器，名為Claudeonomics。亞馬遜鼓勵員工“tokenmaxx”，將消費本身視為績效指標。當你獎勵人們花費多少而非生產什麼時，花費本身就成了產出。

董事會要求CEO採用AI。然後是不加區分的部署——即行業所謂的tokenmaxxing。在第三階段，領導團隊開始意識到賬單，並問出一個遲到的問題：是否每項任務都需要最昂貴的模型？大約95%的企業AI使用仍執行在最昂貴的前沿模型上，即使對於不需要如此複雜程度的工作也是如此。

當一種資源變得便宜到可以浪費時，人們會毫不猶豫地浪費它。當它變得足夠昂貴時，他們會突然對效率產生濃厚興趣。人工智慧似乎正衝向同樣的清算點——只不過浪費是以數十億計，並以沉重的月度發票形式到來。

私人股本方面正從相反方向得出相同結論。在最近的一次加密谷會議私人股本小組上，Julius Baer的私人資本市場主管朱塞佩·德·菲利波表示，SaaS交易正在停滯，因為水平定價不再有效，估值尚未趕上這一現實。

AI現在可以在數小時內生成一個可用介面，這意味著公司花費多年打磨的設計層價值較一年前下降。AI無法生成的是為採礦作業或水務公用事業量身定製的、經過二十年積累的領域邏輯。護城河已從軟體的外觀轉向其知識內容。

長期以來，一個工作假設是成本在下降。每代幣價格確實下降了，Gartner預測到2030年執行最大模型可能便宜近90%。問題是消費增長速度超過了價格下降速度。Faros AI的一項研究發現，在高AI採用下，“程式碼流失”——刪除的程式碼行數與新增的程式碼行數之比——增加了800%以上。更多代幣輸入，更多工作被丟棄。

公司現在為AI使用支付的價格並非真實價格。OpenAI、Anthropic、Google和Meta都在以低於服務成本的價格定價推理，用風投資本購買市場份額。OpenAI每賺一美元推理收入就要花費近兩美元。山姆·奧爾特曼公開承認該公司在每月200美元的訂閱服務上虧損。補貼模式今年開始瓦解。

支出故事與回報故事一直沿著不同軌道執行。多年來，補貼推理價格、風投支援的虧損以及最終生產力的承諾使兩條軌道保持同向。2026年6月，市場注意到它們正在偏離。晶片製造商在一個交易時段內損失了約1.3萬億美元市值，這是自2020年3月疫情崩盤以來費城半導體指數最嚴重的單日跌幅。輝達、美光和AMD領跌。韓國基準指數一天內下跌10%，並一度暫停交易。SpaceX在上市後數日內跌破IPO價格。埃森哲在六個月內下跌52%。此次拋售並非對技術的評判，而是對時間線的評判。

2026年4月，Anthropic將企業客戶從固定費率計劃轉向與實際計算掛鉤的使用量計費。GitHub幾周後在Copilot上進行了同樣的轉變，此前多年一直默默吸收重度使用者高達八倍訂閱價值的成本。分析師預計，當定價正常化以反映真實基礎設施成本時，企業AI賬單將比當前水平再上升30-50%。

盈利路徑需要要麼價格上漲，要麼計算和能源成本下降速度快於消費增長。兩者均未發生。OpenAI自己的預測顯示今年虧損140億美元，到2029年首次盈利前累計虧損440億美元。瑞·達利歐將當前時刻描述為泡沫的早期階段。與1990年代末的類比具有啟發性：網際網路是真實的技術，但仍然產生了崩盤。

如果銷售計算的人稱支出為“目前最公平的批評是存在大量浪費”，那麼買單的人稱之為？如果代幣成本已經超過了它們所要取代的員工成本，那麼比較何時開始轉向另一個方向？如果答案是成本終將下降到足以彌合差距，那麼接下來的問題是：在從現在到最終的幾年間，誰來吸收損失？

歷史已經勾勒出答案：網際網路是真實的，它仍然崩盤了，而隨後出現的並非更少的網際網路，而是最終能夠自給自足的網際網路。AI正走向同樣的分選，分歧已可見。Inversion AI聯合創始人麗莎·埃姆表示：“錯誤在於將AI視為一個附加功能。AI原生公司圍繞模型重建——一旦做到這一點，你就不會在特定模型做得更好更便宜的工作上支付前沿價格。這不是削減成本，而是架構。這十年的贏家不會執行最大的模型，而是構建了系統，讓合適的模型執行合適的任務，逐步減少需要人工參與的工作流程。”

這就是繁榮尚未定價的更平淡的未來——不是你能購買多少智慧，而是你能將多少智慧投入實際工作。行業已經回答了關於AI能做什麼的所有問題。它尚未回答現在唯一重要的問題：在資金耗盡之前，它能否自給自足？