Anthropic一年花在算力上的钱,是员工工资的2.3倍。这不是一次性烧钱——这家公司大约5000名员工,2026年推理和训练支出约100亿美元,人均算力开支约200万美元,而员工的全包薪酬普遍在50万美元起。算力已经结构性地超过人力,成了它商业模式里稳定的一部分。
但把镜头拉远看整个软件行业,画风完全不一样。头部1%的公司,AI支出一年约8.9万美元,只占一名资深工程师全包薪酬(约22.4万美元)的40%;中位数公司一年只花137美元,基本可以忽略不计。头部和中位数之间,差了680倍。
三条曲线,三种赌法
硅谷分析师Tom Tunguz据此画了Bear、Base、Bull三条曲线,回答一个问题:到2029年,普通公司的AI支出会不会追上Anthropic现在的比例。三条路径背后是三种完全不同的赌注。
| 年份 | Bear(token通缩) | Base(增速放缓) | Bull(追平Anthropic) |
|---|---|---|---|
| 2026 | 40% | 40% | 40% |
| 2027 | 45% | 70% | 110% |
| 2028 | 48% | 105% | 180% |
| 2029 | 41% | 140% | 230% |
Bear赌的是token价格通缩会赢:三年来价格每年跌10倍,开源模型性价比逼近前沿模型,企业开始按角色和工作量限流,比例先涨后跌。Bull赌的是相反的逻辑:训练成本见顶后前沿模型价格保持坚挺,agentic工作流的token消耗量级远高于聊天场景——原文引用Goldman Sachs预测2030年token消耗会有24倍增长,这个数字目前只能算转述,没查到独立方法论,存疑即可,不必当铁证。
用Anthropic当标尺,这笔账算得通吗
Bull情景最扎眼的地方,不是230%这个数字,而是它把Anthropic当成了终点。问题是,Anthropic不是普通公司。它人均营收1400万美元,OpenAI约650万美元,而中位数SaaS公司人均营收大概25万美元——差了56倍。
“橘生淮南则为橘,生淮北则为枳”——晏子讲的是水土决定果实。放在这儿同样成立:同一套2.3倍的成本比例,种在Anthropic那种人均营收千万级的土壤里,是合理的商业模式;种在中位数SaaS人均25万美元的土壤里,大概率是把自己烧穿。Bull情景要成立,前提不是token价格坚挺,而是这些公司的收入结构得先跟着往Anthropic的方向长——这一层,原文没提,却是决定曲线能不能落地的关键变量。
- 风险.成本结构和收入结构脱节地往上冲,涨得越快越像烧钱,而不是提效。
两种钱,不该算成一笔账
原文把“AI支出占工资比重”当成一个变量往前推,但这里面混了两种性质不同的钱。一种是训练和推理算力这类基础设施型支出,规模效应强,主要玩家自己掌握技术路线;另一种是Copilot式的应用层AI订阅,采买逻辑更像买软件许可,随时能换供应商、能砍预算。
中位数公司现在137美元一年的支出,大概率就是几个订阅账号,离Anthropic那种把算力当生产资料的重资产模式,根本不是同一件事的不同阶段,而是两种完全不同的成本类型。把两者混着算比例,容易把“行业正在趋同”讲得比实际更笃定。
该盯的不是比例,是收入曲线
对CTO和CFO来说,与其死盯“AI支出会不会追上工资”这个吓人的数字,不如先问一句:公司的人均营收有没有跟着往上走。
- 结论.680倍的支出差距背后,更可能是预算流程和决策速度的差距,而不是技术能力的差距——中位数公司想追上头部,拼的不是买不买得起算力,而是敢不敢把预算流程改快。
接下来值得盯的,是Ramp的月度AI支出指数会不会持续验证两位数月增速,以及2027年财报季头部SaaS公司愿不愿意按“人均AI支出”单独披露成本。如果连头部公司都不拆这笔账,说明230%目前还只是一个吓人的故事,离行业常态还有一段距离。