atGPT每周活跃用户已达到8亿至9亿人，而付费订阅用户仅为3500万人。在这一规模下，维持ChatGPT全球服务的年度成本约为170亿美元，相当于每天约4700万美元。哈佛大学商学院教授安迪吴认为，大多数人并未意识到AI究竟昂贵到了何种程度。许多人知道其高昂的固定成本，却不了解模型每生成一张图片时都会产生的可变推理成本（variable inference costs）。OpenAI预计，仅推理成本一项，到2030年累计支出就将超过1500亿美元。在绝大多数用户仍然免费使用该平台的情况下，一个关键问题是：资源投入与收入之间的巨大缺口最终将如何弥合，以及这些成本最终将由谁来承担。性价比争论不仅是OpenAI等大模型开发商面临高昂成本压力，那些此前积极推动AI应用、寄望于以AI提升效率甚至替代部分岗位的企业，也开始重新审视这笔账。越来越多企业高管发现，大规模部署AI的实际成本远高于最初预期，用AI取代员工未必比雇佣员工更便宜。导致这一态度转向的原因在于词元（token）的使用。当员工向AI提出请求时，该请求会消耗数字词元，而这些词元正是大语言模型（LLM）的计价单位，也是企业使用AI的核心成本来源。尤其在科技公司中，员工被鼓励提高自身的词元消耗量，这一行为被称为tokenmaxxing。这种做法往往源于企业将AI工具与生产力直接挂钩的考核逻辑。在某种程度上，tokenmaxxing甚至成为员工之间的一种身份象征：通过大量使用AI消耗词元，来证明自己在绩效指标上超额投入。但tokenmaxxing的成本并不低。对于纯文本任务而言，计算相对简单：大约750个单词对应1000个词元，但一旦涉及图像、视频、代码生成等任务，成本会显著上升，而且这些费用通常在任务完成之后才集中体现。这些成本正在让雇主措手不及，尤其是在越来越多代理型AI被用于自主执行任务的情况下，词元的消耗急剧增加，导致许多企业频繁超支其AI预算。优步的运营主管近期就对tokenmaxxing成本表达了担忧，因为到4月，公司已经提前耗尽了2026年的全部AI预算。微软已逐步取消内部员工Claude Code的使用权限，并要求他们改用自家的AI编程助手GitHub Copilot CLI。外界普遍猜测，这一决定与成本压力有关。英伟达内部有团队在数月内报告称AI成本已超过人力成本。亚马逊也取消了内部AI排行榜机制。这
=*=*=*=*=*=
当前为第2/3页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页