别再拿 AGI 吓公司了：AI 真正要过的是一张成本表

最近一段时间，很多人对 AI 的情绪变了。

去年还在担心“是不是不马上 All in 就会被淘汰”的老板、产品经理、程序员，今年坐下来算账时，表情没那么激动了。不是因为大模型突然没用了。恰恰相反，真正用过之后，大家开始承认它有用，也开始看清它到底有多有用。

这个变化很重要。

早期的 AI 叙事太容易把人带跑。今天说 AGI 已经到门口了，明天说模型有了心智，后天又说不会用 AI 的公司都要消失。OpenAI 和 Anthropic 这样的前沿实验室当然推动了技术进步，但它们也把一种很昂贵的焦虑推给了市场：不买最强模型，不烧最多 token，好像就会输掉下一轮产业革命。

问题是，公司不是靠焦虑盈利的。公司靠一张很朴素的表活着。

那张表其实很简单

过去，一个员工的经济账大概是这样：

员工工资 < 员工创造的产出

只要这个不等式长期成立，公司就能往前走。一个人拿一份工资，做出高于工资的价值，团队就有扩张的空间。

AI 进来以后，公式变了：

员工工资 + token 成本 + 管理这套 AI 工作流的成本 < 这个人和这条工作流创造的产出

这才是今天所有企业真正面对的问题。

写代码这件事，确实回不去了。手写每一行、靠人肉查文档、靠人肉试错的时代已经结束。一个会用 AI 的工程师，能更快读代码、写脚手架、跑测试、整理方案、生成迁移步骤。这个能力已经成为新的基础设施。

但“基础设施”不等于“免费利润”。水电煤也是基础设施，账单照样要付。token 也是账单，而且经常比老板想象中更像云计算账单：刚开始每个人都觉得不贵，等所有人都开始高频调用，财务很快就会发现这不是一个软件订阅费，而是一条新的成本曲线。

Karp 的话难听，但刺到了痛处

Palantir CEO Alex Karp 最近在 CNBC 上把这层窗户纸捅破了。他批评 OpenAI、Anthropic 这类前沿模型公司的 token 模式，说“something has gone completely wrong”。他转述企业客户的心态：花时间消耗 token，拿不到足够价值，还把自己的知识产权和数据交出去。

他还说，企业正在从“tokenmaxxing”转向 ROI。也就是说，过去大家把 token 消耗当成 AI 使用程度，甚至当成先进程度；现在 CFO、CEO、CTO 都开始问同一个问题：这些 token 到底换来了什么？

这个问题没有那么玄学。它不是反 AI，也不是保守。它只是把 AI 从发布会拉回了公司经营。

CNBC 另一篇关于模型路由的报道里，Cisco 高管给过一个很直观的算法：如果每个员工每周消耗大约 200 美元 token，一年就是 1 万美元；放到 9 万人的公司，就是 9 亿美元。这个数字一出来，很多“让每个人都尽情用最强模型”的口号就变得没那么轻松了。

更要命的是，很多任务根本不需要最贵的模型。简单分类、摘要、格式转换、批量清洗、常规客服、代码解释，很多时候便宜模型、开源模型、内部小模型就够了。可在焦虑最重的时候，企业往往默认把所有任务都扔给最强模型。这不是智能化，这是把公司账本交给恐慌。

中国开源模型带来的“去魅”

过去一年，另一个变化也在发生：中国和全球开源模型的能力追上来得很快。

它们不一定在每一个复杂推理任务上打赢最前沿模型，但已经足够处理大量真实业务。更重要的是，企业终于有了选择：可以路由，可以私有化，可以用便宜模型处理高频任务，把最贵的模型留给真正难的问题。

这就是去魅的开始。

去魅不是否定 AI。去魅是把 AI 从神坛上拿下来，放到工位、工单、代码库、客服台、销售流程和财务表里。它不再是“会不会替代所有人”的大词，而是“这条流程用了它以后，到底快了多少、少错多少、少花多少钱”。

腾讯调整内部 token 配额、一些大公司开始限制员工无限制使用高价模型、创业公司从单一前沿模型切到模型路由，本质上都是同一件事：AI 预算进入了经营纪律。

真正难的不是买模型，是让人和流程变强

很多人高估了工具对普通人的自动放大效应。

工具越强，头部人才确实越容易拉开差距。一个非常强的工程师拿到 Claude Code、Codex 或其他 agent 工具，能把需求拆开，能设计验证路径，能识别模型胡写的地方，能让代理跑起来，还能在最后把质量收回来。对这种人来说，AI 是杠杆。

但对大多数人来说，AI 不是自动杠杆。它更像一台很快、很会说话、但经常需要管教的机器。你不会拆任务，它也会乱拆；你不会验收，它就把错误包装得很像正确；你不知道业务边界，它就会把不该自动化的地方自动化。

所以很多公司会发现一个尴尬事实：AI 工具开了，token 花了，员工也更忙了，但真正交付的业务价值没有同比例上升。产出没有覆盖工资和 token 的总成本，公式就不成立。

Agent 要沉到工作流里，而不是停在演示里

下一步不是停止使用 AI，而是把它用得更像公司经营。

最值得做的不是天天追“最强模型又多强”，而是把 agent 做进具体工作流：

• 研发：从需求拆解、代码修改、测试、截图验证、代码审查到发布记录，形成闭环，而不是只让模型写一段代码。
• 客服：让 AI 先做分类、检索、建议回复、升级判断，人负责高价值判断和最终兜底。
• 内容：让 AI 做资料收集、初稿整理、多语言适配和排版检查，但观点、口吻和最终发布责任仍在人手里。
• 销售和运营：让 AI 帮人少做重复整理，多做客户跟进、线索评分、复盘总结这些能转化成收入的环节。

每一条工作流都要回到那张表：

人的成本 + token 成本 + 流程维护成本，必须小于这条工作流带来的收益。

这个收益可以是收入增加，也可以是错误减少、交付周期缩短、客户留存提升、人工审核压力下降。但它必须被看见，最好能被记录。

如果看不见，那就先别急着喊革命。

平常心反而更激进

今天对 AI 最危险的态度，不是谨慎，而是被吓着往前跑。

被吓着的公司会买最贵的模型，开最大的额度，做最漂亮的内部宣传，然后几个月后发现账单、质量、流程、责任都没有跟上。最后它们不是更相信 AI，而是更失望。

真正长期主义的做法反而没那么热闹：选场景，算成本，做路由，建验收，把 agent 塞进流程，持续优化。该用顶级模型的地方用顶级模型，该用便宜模型的地方就用便宜模型，该让人判断的地方不要交给模型装懂。

AI 会继续变强。可能有一天，它真的会把很多公司的组织形态改掉。但至少现在，企业还不能把“模型很强”直接翻译成“公司效率翻倍”。中间隔着流程、数据、产品、管理、人才密度和一张账本。

这张账本不好看，但它诚实。

等一个团队能稳定做到：员工工资加 token 消耗，小于这条工作流创造的价值，AI 才真正从宣传变成生产力。否则，烧掉的不是旧世界，是现金流。

参考材料

• CNBC：Palantir CEO Alex Karp 批评 OpenAI、Anthropic 的 token 模式，并谈到企业从 tokenmaxxing 转向 ROI。
• CNBC：企业开始用模型路由降低高价模型消耗，Cisco 高管给出企业 token 成本测算。
• IBTimes：Karp 称当前模型被“irresponsibly oversold”，企业不应只为 token 付费。
• 36Kr / Tech Planet：腾讯调整内部 AI Token 配额，从统一额度转向按任务动态分配。