AI成本超过工程师薪酬

背景

在 AI 大模型狂飙突进的时代，算力成本已经成为科技公司最显著的开支之一。Anthropic、OpenAI 等前沿 AI 公司的计算支出甚至超过了员工薪酬，这颠覆了传统软件公司的成本结构。Hacker News 上的一篇深度分析文章，结合 Goldman Sachs、Ramp、Epoch AI 等机构的数据，揭示了 AI 公司“算力碾压薪酬”的现状，并预测了未来几年不同场景下整个软件市场可能走向的成本格局。

核心内容

前沿 AI 公司：算力成本已是薪酬的 2.3 倍

以 Anthropic 为例，该公司拥有约 5,000 名员工，2026 年的推理与训练支出约为 100 亿美元，相当于每位员工每年消耗 200 万美元的计算资源。而同期每位员工的综合薪酬（含股权等）大约在 50 万美元以上。这意味着，仅计算成本一项就是薪酬支出的 2.3 倍（$2M / $0.5M+ ≈ 2.3x）。OpenAI 也有类似的成本结构，其每位员工的营收高达 650 万美元，Anthropic 更是达到 1400 万美元，位列 Forbes Global 2000 之首。

其他软件公司：差距巨大

文章用 Ramp AI Index（2026 年 6 月）的数据展示了差距：前 1% 的企业每年为每位工程师在 AI 上花费 89,000 美元，这相当于一位高级工程师综合薪酬（22.4 万美元）的 40%；而中位数企业每年每位工程师仅花费 137 美元。由此形成一个“鸿沟”：前沿公司是 2.3 倍，市场头部是 0.4 倍，中位数几乎为零。

三种场景预测 2029 年的 AI 账单

为了回答“整个市场会在多大程度上追赶上前沿公司”，文章设定了三个情景（Bear / Base / Bull），每个情景对应工程师的年度 AI 支出占其薪酬的百分比路径（年增长率与最终比例有所区别）：

• 熊市情景（Token 通缩胜出）：2026 年支出为薪酬的 40%，之后逐年 45%、48%，到 2029 年降至 41%（因为 Token 价格持续下跌且开源模型缩小差距）。
• 基准情景（前 1% 企业增速放缓）：40%、70%、105%、140%，到 2029 年达到薪酬的 1.4 倍。
• 牛市情景（整个市场在 2029 年达到 Anthropic 当前比率）：40%、110%、180%、230%，到 2029 年达到薪酬的 2.3 倍（与 Anthropic 当前持平）。

在牛市情景下，每位工程师的 AI 账单将与中位数 SaaS 公司每位员工的营收贡献（约 25 万美元）相当。这意味着，AI 成本将变成企业的基础成本，而非可选项。

驱动牛市的因素

1. 前沿模型价格坚挺：训练成本趋于平稳，但需求超过供给，API 价格没有像以前那样快速下跌。
2. Agentic 工作流：Agent 消耗的 Token 数量比聊天模式高出数个数量级。Goldman Sachs 预测，到 2030 年 Token 消耗量将增长 24 倍。
3. 竞争压力：如果竞争对手更快推出新功能，AI 账单向企业级客户将不再是可选开支。

抑制熊市的因素

1. Token 价格持续暴跌：过去三年每年下降 10 倍（例如 GPT-4 从 2023 年的 $30/百万 tokens 降至 2026 年的 $3/百万 tokens）。
2. 开源模型缩小质量差距：DeepSeek-V3 等开放权重模型以 1/10 到 1/30 的 API 成本实现接近前沿模型的基准表现。
3. 企业配额管理：按角色或工作负载限制 AI 使用，可大幅降低总成本。

文章最后提问：你正在为 2027 年建模哪个场景？

关键要点

• Anthropic 的计算支出（$2M/员工/年）已是薪酬（$500k+）的 2.3 倍，而其他软件公司中位数仅 $137/工程师/年（薪酬的 0.006%）。
• 前 1% 的企业每年 AI 花费为 $89k/工程师（薪酬的 40%），与前沿公司差距仍在 5 倍以上。
• 三种情景（熊/基准/牛）定义了 2029 年 AI 支出占工程师薪酬的比例：熊市 41%，基准 140%，牛市 230%。
• 牛市下，每位工程师的 AI 账单将等于中位数 SaaS 员工的营收贡献（~$250k），AI 从“可选”变为“必须”。
• 关键驱动：Agent 工作流大幅增加 Token 消耗、前沿模型价格坚挺、竞争压力。
• 关键抑制：Token 价格每年降 10x、开源模型性价比极高、企业主动配额管理。
• 目前 ChatGPT 类对话主导的 Token 消耗模式将被 Agent 模式颠覆（Goldman Sachs 预测 2030 年增长 24 倍）。
• 前 1% 企业实际已在混合使用前沿模型与廉价开源模型控制成本。

意义与影响

1. 成本结构剧变：AI 公司的固定成本从“人力”转向“算力”，这改变了传统软件公司的估值模型和财务规划。如果牛市实现，所有科技公司都需要像云基础设施一样预算 AI 开支，其规模甚至可能超过薪酬包。
2. 竞争力分化加速：只有具备足够资本或高效开源整合能力的企业才能负担前沿 AI 成本。“算力鸿沟”将导致市场进一步向少数几家巨头集中，中位数企业要么选择廉价开源方案，要么被边缘化。
3. Agent 经济的爆发：Agent 工作流消耗 Token 的数量级跃升意味着，即使单 Token 价格下降，总花费也可能飙升。企业必须尽早规划 AI 使用策略，而非被动跟随。
4. 开源模型作为平衡器：如果能持续以 1/10 的成本提供接近前沿的性能，开源模型可能成为“熊市”情景的实现条件，使更多企业以较低成本参与 AI 应用。
5. 对投资与人才决策的启示：若为 2027 年建模，投资者需要区分公司类型（自有模型 vs. 调用 API）、模型价格趋势、以及员工人均 AI 支出占比。工程师的薪酬谈判也会受影响——在牛市中，工具成本可能远超个人薪资，公司将更看重能高效使用昂贵工具的人才。

总的来说，这篇文章通过清晰的数字对比和情景分析，揭示了 AI 成本正在从“可忽略”走向“结构性主导”的转折点。不同企业的 AI 战略将直接决定其财务生存能力。