每百万Token仅0.99美元，SemiAnalysis降本增效，硅谷巨头却为AI账单抓狂！

【导语在AI浪潮下不同企业在使用Token时呈现出不同的局面。SemiAnalysis以低成本获得高产出重写专业服务业单元经济而硅谷巨头们却因AI账单焦头烂额。同时大模型成本塌缩趋势显现但AI对经济的实际影响目前仍有限。】Token新时代的“生产资料”硅谷半导体研究机构SemiAnalysis每百万Token成本仅0.99美元内部大模型Token支出占员工总薪资的30%却能换来数倍于人力成本的产出。人均每月消耗近50亿个Token是Meta人均水平的5倍以上核心贡献者月消耗更突破1000亿。原本初级分析师几小时的工作如今几分钟内就能完成成本只需几美元。英伟达CEO黄仁勋也十分重视Token的应用打算给英伟达每个工程师发相当于半年工资的Token预算还让7.5万名员工搭配750万个AI智能体一起干活认为Token正在变成新时代的“生产资料”。硅谷巨头的AI账单困境与SemiAnalysis形成鲜明对比的是硅谷的巨头们正为AI账单抓狂。Uber向工程师推广Claude Code后AI使用率飙升全年预算提前花完CTO要从头重做预算还为员工设置了每月1500美元的Token上限。但即便如此AI使用量与消费者功能创新之间的联系仍不明显。微软也取消了大部分Claude Code许可证转向自家的GitHub Copilot CLI原因是花钱速度比产出速度还快。英伟达应用深度学习副总裁表示计算成本远超员工成本MIT研究显示在以视觉为主要工作内容的岗位中77%的情况下雇人比用AI便宜甚至还有工程师吐槽AI智能体“毁掉了他的数据库和网络”。大模型成本塌缩趋势从软件端看在B300上运行DeepSeek R1通过wideEP、disagg与MTP三层纯软件优化单GPU吞吐量能从1000 tokens/秒提升至14000 tokens/秒实现14倍提升。从硬件端看最优化配置的GB300 NVL72吞吐量是H100的17倍切到FP4精度直接拉到32倍。Opus 4.7虽标价较高但由于智能体工作负载的输入输出比和缓存命中率等因素实际混合成本被压到了0.99美元不到标价的五分之一。Gartner报告显示到2030年万亿参数大模型的推理成本将比2025年下降超过90%SemiAnalysis判断2027年Token价格将下降。AI资本开支与实际影响的落差全球科技公司今年AI资本开支已宣布7400亿美元比去年暴增69%同时科技业裁员速度已超去年全年。然而AI对经济的实际影响到目前为止基本为零。这是每一轮基础设施革命都要经历的阵痛先烧钱建管道再等水流过来。编辑观点AI发展带来了生产力提升的希望但也面临着成本控制和实际应用效果的挑战。企业需权衡利弊把握好发展节奏以在这场变革中取得优势。