金年会官网：体育资讯，一手掌握

2026年5月15日 | 0 条评论 | 发布于 体育资讯 | 作者 金年会小编

SemiAnalysis，一家专注于半导体研究的机构，披露了其内部大模型的实际成本：每百万Token仅需0.99美元。然而，令人震惊的是，该机构员工的Token支出已占到其总薪资的三成。

尽管这个比例听起来不小，但它所带来的产出效益是巨大的。据估算，过去需要数倍于此的人力成本才能实现。该机构的员工平均每月消耗近50亿Token，远超Meta员工的五倍以上，其中核心贡献者每月消耗量更是高达1000亿Token。

此前需要初级分析师花费数小时完成的Excel模型转换和财报图表制作等任务，如今仅需几分钟和几美元即可搞定。SemiAnalysis认为，这并非简单的10%效率提升，而是对专业服务行业经济模式的颠覆性重塑。

研究机构、对冲基金、律师事务所等依赖脑力劳动的行业，Token支出占薪资的两到三成可能只是时间问题。

英伟达CEO黄仁勋对此深有体会。他在GTC大会上表示，如果一名年薪50万美元的工程师，年底的Token消费不到25万美元，他将“彻底抓狂”。黄仁勋计划为每位英伟达工程师提供相当于半年工资的Token预算，并让7.5万名员工与750万个AI智能体协同工作。他强调，不使用AI如同坚持使用纸笔进行芯片设计一样落伍。Token已不再是工具，而是新时代的“生产资料”。

与此同时，硅谷的一些大型科技公司却因AI账单而烦恼不已。

Uber的经历尤为典型。去年底，该公司向5000名工程师推广Claude Code，并设立了排行榜以激励使用。结果显示，2月工程师使用率仅为32%，3月飙升至84%，4月更是达到95%，其中70%的代码提交由AI生成。然而，公司全年的AI预算在此之前已被耗尽。

Uber的CTO不得不重新制定预算。据Bloomberg报道，Uber随后为每位员工设定了每月1500美元的Token使用上限，超出部分需特批。尽管AI使用量激增，但Uber的COO Andrew Macdonald坦言，目前尚无法明确看到AI使用量增长与消费者功能创新之间的直接联系。

微软的情况也颇具戏剧性。据The Verge报道，微软近期取消了大部分Claude Code许可证，转而推广自家产品GitHub Copilot CLI。主要原因是AI的支出速度超过了其产生的效益。

英伟达应用深度学习副总裁Bryan Catanzaro表示，对其团队而言，计算成本已远超员工成本。

MIT在2024年的一项研究指出，在以视觉工作为主的岗位中，仅有23%的场景下AI自动化在经济上是划算的。这意味着在剩下的77%的情况下，雇佣人类员工比使用AI更具成本效益。

甚至有工程师抱怨AI智能体在操作过程中“毁掉了他的数据库和网络”，称这是“过度使用”的代价。

高昂的预算、失控的使用以及层出不穷的问题，使硅谷正经历AI经济学上的巨大分歧：一方面是AI带来的前所未有的生产力提升，另一方面是账单以惊人的速度膨胀。

成本下降的趋势才刚刚开始。

SemiAnalysis的核心观点是，不应仅关注当前的价格，因为成本的急剧下降才刚刚显现。

从软件层面来看，通过WideEP、Disagg和MTP等优化技术，在B300上运行DeepSeek R1，单GPU的吞吐量可从基线的1000 tokens/秒提升至14000 tokens/秒，增幅达14倍，且这完全是通过软件优化实现的。

从硬件层面看，经过优化的GB300 NVL72的吞吐量是H100的17倍，若采用FP4精度，甚至可达到32倍。

尽管Opus 4.7的标价为输入5美元/百万Token，输出25美元/百万Token，但考虑到智能体工作负载的输入输出比高达300:1，以及超过90%的缓存命中率，实际混合成本被压低至0.99美元，不到标价的五分之一。

结合软件和硬件的进步，一个不可回避的结论是：大模型的毛利率提升并非偶然，而是结构性的趋势。Anthropic的年经常性收入（ARR）从90亿美元飙升至440亿美元以上，毛利率也从38%跃升至70%以上，这表明Token价格的下降并未影响卖家的盈利能力。

Gartner在今年3月的报告中预测，到2030年，万亿参数大模型的推理成本将比2025年下降超过90%。SemiAnalysis明确指出，到2027年，Token价格将持续走低。

钱已投入，未来如何？

这是当前AI领域最令人困惑的局面：全球科技公司今年的AI资本支出已宣布达到7400亿美元，较去年增长69%；与此同时，科技行业的裁员速度已超过去年全年。

资金在疯狂投入，人员却在被裁减，但Goldman Sachs首席经济学家指出，AI对经济的实际影响至今微乎其微。

这并非AI本身的问题，而是每一轮基础设施革命都必然经历的阵痛：首先是巨额投资建设基础设施，然后等待其效益显现。电力网络、互联网以及AI都遵循这一规律。

不同之处在于，这一次基础设施建设的速度以及效益显现的速度，是前所未有的。

SemiAnalysis已经站在了效益显现的一方，以30%的薪资成本获得了数倍的产出杠杆，且成本曲线仍在迅速下降。

对于其他公司而言，是选择现在就投入其中，还是等待他人先行建立起优势后再行追赶，这是一个关键的抉择。

想了解更多金年会官网相关内容，尽在金年会。