整理 | Tina

程序員們，先別忙著焦慮 AI 會(huì)搶走你的飯碗?，F(xiàn)在更該焦慮的，可能是你們的 CTO 和 CFO 了：因?yàn)樽?AI 寫代碼，實(shí)在太燒錢了。

Copilot 和 Claude Code，幾乎在同一時(shí)間，給行業(yè)踩了一腳剎車。

今天（4 月 28 日），GitHub 宣布從 2026 年 6 月 1 日起，GitHub Copilot 將告別“無限暢飲”模式，將 Copilot 從“按請求計(jì)費(fèi)”轉(zhuǎn)為“按使用量計(jì)費(fèi)”。

幾乎同一時(shí)間，Anthropic 限制了 Claude Code 中 Opus 模型的訪問，每月 20 美元的 Pro 用戶想繼續(xù)用？請額外付費(fèi)。

這就引出了一個(gè)繞不開的問題：用 AI 寫代碼花的錢，哪天會(huì)比直接雇一個(gè)程序員還貴？如今這個(gè)轉(zhuǎn)折點(diǎn)，已經(jīng)不遠(yuǎn)了。

從“自助餐”到“按粒收費(fèi)”

先看看 GitHub Copilot 漲價(jià)的程度。

GitHub Copilot 原來的模式是按“請求次數(shù)”計(jì)費(fèi)，你問一句“怎么寫快排”和讓 AI 替你跑一個(gè)小時(shí)的自主編碼會(huì)話，消耗的額度是一樣的。因此，需要大量“思考”的復(fù)雜提示往往會(huì)使 GitHub 的成本超過其獲得的訂閱費(fèi)收入。GitHub 產(chǎn)品團(tuán)隊(duì)首席產(chǎn)品官 Mario Rodriguez 在今天的博客中坦言：“GitHub 已經(jīng)吸收了太多推理成本，當(dāng)前模式不可持續(xù)?！?/p>

這種壓力，其實(shí)已經(jīng)開始體現(xiàn)在更早的動(dòng)作里。GitHub ：為了止住持續(xù)擴(kuò)大的虧損，公司暫停了 Copilot、Pro、Pro+ 以及 Student 套餐的新用戶注冊。

在這樣的背景下，計(jì)費(fèi)邏輯開始徹底重寫。從 6 月 1 日起，新模式下一切以 token 為單位。GitHub 推出了自己的虛擬計(jì)費(fèi)單位， “GitHub AI Credits”，每個(gè) Credit 價(jià)值 0.01 美元。Copilot 用戶在使用過程中會(huì)消耗輸入 token、輸出 token 以及緩存 token，這些都會(huì)根據(jù)所使用的模型分別計(jì)價(jià)，最終統(tǒng)一折算為 AI Credits。

訂閱價(jià)格表面上沒變：Copilot Pro 仍是每月 10 美元，每月 1000 Credits。Pro+ 是 39 美元，每月 3900 Credits。用完之后，要么設(shè)置超額預(yù)算繼續(xù)付費(fèi)，要么等下個(gè)月額度重置。

真正麻煩的是，token 賬單很難提前算清。一次請求會(huì)“想”多久、調(diào)用多少工具、讀多少上下文、生成多少內(nèi)容，用戶事前并不知道。GitHub 也意識(shí)到這一點(diǎn)，只能先給一點(diǎn)“模糊的可見性”。Rodriguez 透露，公司將在 5 月初推出“費(fèi)用預(yù)覽”功能，讓用戶和管理員在 6 月 1 日正式切換前，能夠看到預(yù)估成本。

對于按年訂閱的用戶，可以選擇提前取消并按比例退款，或者在訂閱到期后降級為 Copilot Free——這些年費(fèi)套餐將不再支持續(xù)訂。而且那些堅(jiān)持用完年費(fèi)訂閱的用戶 ，將會(huì)明顯感受到高端模型價(jià)格的上漲。 例如，Anthropic 的 Opus 4.7，在原有按請求計(jì)費(fèi)模式下的倍率為 7.5 倍，未來將提升至 27 倍；OpenAI 的 GPT-5.4，也將從 1 倍上漲到 6 倍。

所以 GitHub 的調(diào)整，相當(dāng)于承認(rèn)了：之前是在虧本讓開發(fā)者“薅羊毛”，現(xiàn)在要把高階模型真正的推理成本轉(zhuǎn)嫁回去。

Anthropic 也一樣。 本月初，數(shù)百萬 OpenClaw 用戶發(fā)現(xiàn)這款爆火的 AI 代理工具 ?，F(xiàn)在 Claude Code 也一并改了規(guī)則：每月 20 美元的 Pro 用戶想繼續(xù)用 Opus 模型？得額外付費(fèi)。（雖然后來有Claude工程師說這是之前的文件，但綜合各方看法，很可能是因?yàn)橹暗腶b測試激起了用戶情緒，Anthropic被迫收回收費(fèi)策略，而且20美元套餐極易觸發(fā)時(shí)長限制。）負(fù)責(zé)人 Boris Cherny 也曾直言：“訂閱模式本就不是為這種使用強(qiáng)度設(shè)計(jì)的?！狈g成人話：OpenClaw 這些工具 7×24 小時(shí)跑 Agent，我們扛不住了。

輪到用戶填這個(gè)“無底洞”了

過去幾年，AI 公司一直用接近“自助餐”的方式擴(kuò)張：低價(jià)，甚至免費(fèi)，讓更多人先用起來，把規(guī)模做大。

在這個(gè)階段，主流做法是按人頭收費(fèi)，本質(zhì)上是一種“平均成本”的模式。也就是說，不管一個(gè)人每天跑幾個(gè) agent，還是一周只問兩次問題，平臺(tái)都按同一檔訂閱費(fèi)來收。高頻用戶多出來的成本，會(huì)被低頻用戶攤掉，也會(huì)被平臺(tái)自己吸收。訂閱制本質(zhì)上是在用“平均成本”覆蓋這種極不均衡的使用。

可一旦 agent 普及，這個(gè)模型就會(huì)迅速失效。所以 Copilot 和 Claude Code 現(xiàn)在做的，其實(shí)是把過去被平均掉、被平臺(tái)吸收掉的成本，重新按 token 拆回到每一次真實(shí)使用上。

某種程度上，這并不新鮮。 它像是 2010 年代科技繁榮的重演：當(dāng)年風(fēng)險(xiǎn)投資推動(dòng)網(wǎng)約車、電商、外賣、即時(shí)配送，用補(bǔ)貼換增長。一旦公司站穩(wěn)腳跟，就開始提價(jià)、拓展收入、為投資人兌現(xiàn)回報(bào)——當(dāng)然，也有不少?zèng)]撐住直接崩盤的。

但 AI 燒錢的速度，比近幾十年任何一個(gè)行業(yè)都快。 AI 公司在全球砸下數(shù)據(jù)中心，投入數(shù)萬億美元，承諾更強(qiáng)的模型、更低的成本、以及“人人可用的 AI”?？涩F(xiàn)實(shí)是，哪怕只是止住虧損都很難，更別說實(shí)現(xiàn)投資人期待的回報(bào)了。

有外媒在分析這一輪 AI 資本熱潮時(shí)，援引了 Gartner 的一組數(shù)據(jù)。分析師 Will Sommer 估算，2024 到 2029 年，全球 AI 數(shù)據(jù)中心的資本投入將達(dá)到 6.3 萬億美元——差不多是美國一年 GDP 的四分之一。為了避免資產(chǎn)減值，廠商需要大約 25% 的投資回報(bào)率（像亞馬遜、微軟那種水平）。如果回報(bào)低于 7%，就是“對所有投資者的災(zāi)難”。

要達(dá)到那根最低 7% 的紅線，大型 AI 公司到 2029 年需要累計(jì)賺出接近 7 萬億美元的 AI 收入，相當(dāng)于平均每年 2 萬億美元。如果想實(shí)現(xiàn)“歷史性回報(bào)”，這個(gè)數(shù)字要提高到 8.2 萬億美元。

那這些錢要從哪來？只能靠賣 token。

Token 是 AI 理解和處理數(shù)據(jù)的最小單位，可以是文字、圖片或聲音。通常來說，一個(gè) token 大約對應(yīng)英文中的 3 到 4 個(gè)字符，一篇 1500 字的文章大約 2050 個(gè) token。問題是，要賺到每年 2 萬億美元，需要處理的 token 數(shù)量大到荒謬。作為對比，谷歌曾透露它每月處理約 1.3 千萬億（quadrillion，也就是 1 后面 15 個(gè)零）個(gè) token。把所有廠商加一起，每年大概處理 100 到 200 千萬億個(gè) token。

但 Gartner 算了一下：要實(shí)現(xiàn)年入 2 萬億美元，算上每個(gè) token 大約 10% 的利潤率，token 的消耗量需要在未來幾年增長 5 萬到 10 萬倍——也就是從現(xiàn)在的每年百萬億級，跳到每年 1 后面 21 個(gè)零 那個(gè)級別（sextillion，簡單說，比現(xiàn)在多五位數(shù)）。

問題是，現(xiàn)在的公司根本沒有能力處理這么多 token。它們正在拼命建設(shè)數(shù)據(jù)中心，但算力依然緊張。即便有能力處理，它們也面臨另一個(gè)問題：這些 token 很可能是虧錢的。

Sommer 估算，如果只計(jì)算基礎(chǔ)設(shè)施和電力成本，“每個(gè) token 的利潤看起來還算合理”。但隨著模型越來越復(fù)雜、token 消耗越來越大，這個(gè)利潤空間正在迅速收窄，甚至消失。而一旦把間接成本算進(jìn)去——例如擴(kuò)建算力以及不斷訓(xùn)練下一代模型的“天文級”開銷——這些利潤幾乎被完全吞噬。

“當(dāng)你把下一代模型所需的基礎(chǔ)設(shè)施成本也算進(jìn)去，這個(gè)模式就越來越站不住腳。”Sommer 預(yù)測，市場整合幾乎不可避免，每個(gè)區(qū)域最終可能只剩不超過兩家大模型廠商。

所以，慷慨的免費(fèi)額度時(shí)代，也該結(jié)束了。對那些免費(fèi)用戶很多的 AI 實(shí)驗(yàn)室來說，問題從來不是“要不要變現(xiàn)”，而是“什么時(shí)候開始、下手多重”。它們希望 token 用量繼續(xù)增長，但成本要么自己扛，要么轉(zhuǎn)嫁給用戶。這也是為什么如今 GitHub Copilot 和 Anthropic 必須放棄訂閱制的原因。

浪費(fèi)不可避免，成本逼近臨界點(diǎn)

AI 公司不得不把成本轉(zhuǎn)嫁給用戶，但問題是，很多 token 本來就是被“白燒”掉的：一部分來自技術(shù)機(jī)制，一部分來自員工內(nèi)卷。

在 AI 發(fā)展的早期，大部分算力成本都花在模型訓(xùn)練上，而推理相對便宜。但隨著模型能力提升、系統(tǒng)功能不斷疊加，推理階段的資源消耗已經(jīng)顯著上升。尤其是 AI agent——那些希望能夠替用戶完成復(fù)雜、多步驟任務(wù)、而不需要持續(xù)人工干預(yù)的工具——相比幾年前的基礎(chǔ)聊天模型，會(huì)消耗成倍增長的 token。

你輸入一句話，Agent 就在后臺(tái)工作中消耗大量 token：推演不同路徑、啟動(dòng)子 agent 去完成子任務(wù)，或者對每一步結(jié)果進(jìn)行驗(yàn)證。這些你根本看不見，但每一筆都算在賬單上。更麻煩的是，Agent 一定會(huì)產(chǎn)生“無效 token”：走錯(cuò)路退回來、反復(fù)檢查卻不改東西、甚至停下來“給自己寫首詩”。整個(gè)行業(yè)都在努力減少這種浪費(fèi)，但短時(shí)間內(nèi)沒戲。

那這些 token 到底燒在哪了？

首先是最基礎(chǔ)的輸入 token 和輸出 token。輸出往往比輸入貴 2 到 6 倍——因?yàn)樯墒谴械?，輸入可以并行。這個(gè)價(jià)差不是隨便定的，是物理層面的差異，即生成比讀取更難。

真正燒錢的是推理 token。當(dāng)你使用帶“深度思考”的模型時(shí)，它不會(huì)直接給答案，而是先“思考”，生成成千上萬 token。一個(gè)簡單數(shù)學(xué)問題，最終答案可能只有 200 個(gè) token，甚至只輸出一個(gè)“42”，但模型內(nèi)部可能生成了上千甚至幾千個(gè)推理 token。你的賬單是“推理 token + 輸出 token”的總和。推理 token 已經(jīng)成為一個(gè)新的市場分層，高級推理，就是更高價(jià)格。

還有一類正在拖垮很多 Agent 系統(tǒng)的，是工具調(diào)用 token 和系統(tǒng) token。給模型接入工具時(shí)，你必須把工具的 JSON schema 一起發(fā)過去。10 個(gè)工具，加上完整描述，每次調(diào)用就多出 3000～4000 個(gè) token，而且無論是否真用到，成本都會(huì)發(fā)生。更致命的是 Agent 的循環(huán)調(diào)用：思考→調(diào)工具→讀結(jié)果→再思考……可能跑 6 到 15 輪。一個(gè) 50 token 的用戶問題，最終可能消耗超過 10 萬 token。不建模的話，最終賬單會(huì)親自“教育你”。

除此之外，還有視覺 token（一張截圖比發(fā)一整頁文字還貴）、音頻視頻 token（一小時(shí)會(huì)議錄音 18 萬 token）、結(jié)構(gòu)性 token（這是“看不見的腳手架”：序列開始 / 結(jié)束標(biāo)記、區(qū)分 system/user/assistant 的角色 token、batch 處理時(shí)的 padding token、以及各種模式觸發(fā) token）。

技術(shù)上的浪費(fèi)已經(jīng)夠頭疼了，更糟糕的是，一些企業(yè)還在主動(dòng)放大這種浪費(fèi)。

tokenmaxxing 這個(gè)概念最早在硅谷流行起來，但傳播速度很快。員工拼命消耗更多 token，以此證明自己“深度擁抱 AI”。Visa 自豪地宣布，它的 token 使用量從 2 月的 1 萬億翻到了 3 月的 2 萬億。摩根大通和迪士尼內(nèi)部甚至設(shè)有儀表盤，專門追蹤員工用了多少 AI 代幣。誰消耗得多，誰就顯得更“前沿”。

今年 4 月，Meta 內(nèi)部出現(xiàn)了一個(gè)叫 Claudeonomics 的排行榜，追蹤全公司 8.5 萬人的 AI token 消耗，只展示前 250 名。為了沖榜，有人讓 Agent 跑幾個(gè)小時(shí)，有人一次性跑幾十個(gè)用例，還有人直接寫無限循環(huán)腳本——讓 AI 不斷調(diào)用自己，一晚上刷出幾十億 token。30 天內(nèi)，全公司燒掉了 60 萬億 token，按公開定價(jià)估算相當(dāng)于 9 億美元。排名最高的個(gè)人，一個(gè)月賬單接近 200 萬美元。

這些數(shù)字放在一起，會(huì)逼出一個(gè)更直接的問題：人和 AI，到底哪個(gè)更貴？

過去大家默認(rèn) AI 便宜，是因?yàn)檎鎸?shí)成本被補(bǔ)貼和平均掉了。Copilot 每月十幾美元、Claude Code 每月幾十美元，看起來當(dāng)然比一個(gè)工程師便宜。現(xiàn)在 token 開始逐筆計(jì)價(jià)，這個(gè)賬就變了。假設(shè)一個(gè)工程師年綜合成本是 25 萬美元，折到每月大約 2 萬美元。如果一個(gè) AI 工具每月花 1000 美元，但能穩(wěn)定替代 5% 以上的工程產(chǎn)出，那就是劃算的；如果一個(gè)團(tuán)隊(duì)每月 token 賬單燒到幾萬、幾十萬美元，卻只換來一些重復(fù)嘗試和無效產(chǎn)出，那 AI 反而比人貴。

所以真正的問題不是“AI 要不要用”，而是“AI 賬單什么時(shí)候會(huì)超過一個(gè)程序員的工資”。

在今年 2 月的一期播客里，硅谷知名天使投資人、All-In Podcast 聯(lián)合主持人 Jason Calacanis（曾早期投資 Uber、Robinhood 等公司）提出這個(gè)問題：token 成本什么時(shí)候會(huì)超過員工工資？他說，“這個(gè)臨界點(diǎn)，不是未來，是馬上就會(huì)發(fā)生?！?/p>

那些重度使用 AI、長時(shí)間跑 agent 的開發(fā)者，其實(shí)早已到了這個(gè)點(diǎn)。

同場的 Chamath Palihapitiya 也提到，他的公司已經(jīng)開始給開發(fā)者設(shè)定 token 預(yù)算。按他的說法，單個(gè) agent 通過 Claude API 跑起來，一天就可能花掉 300 美元，一年就是 10 萬美元。團(tuán)隊(duì)必須至少提升 2 倍生產(chǎn)力，才能覆蓋“工資 + AI 賬單”的總成本。

否則，AI 不是降本工具，而是新的成本黑洞。

https://github.blog/news-insights/company-news/github-copilot-is-moving-to-usage-based-billing/

https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing#model-multipliers-for-annual-copilot-pro-and-copilot-pro-subscribers

https://x.com/i/trending/2048906922825519314

https://www.theverge.com/ai-artificial-intelligence/917380/ai-monetization-anthropic-openai-token-economics-revenue

https://www.youtube.com/watch?v=JK6QnFKv080

https://www.youtube.com/watch?v=CnaegIpkenA

聲明：本文為 InfoQ 整理，不代表平臺(tái)觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會(huì)議推薦

世界模型的下一個(gè)突破在哪？Agent 從 Demo 到工程化還差什么？安全與可信這道坎怎么過？研發(fā)體系不重構(gòu)，還能撐多久？

AICon 上海站 2026，4 大核心專題等你來：世界模型與多模態(tài)智能突破、Agent 架構(gòu)與工程化實(shí)踐、Agent 安全與可信治理、企業(yè)級研發(fā)體系重構(gòu)。14 個(gè)專題全面開放征稿。

誠摯邀請你登臺(tái)分享實(shí)戰(zhàn)經(jīng)驗(yàn)。AICon 2026，期待與你同行。

今日薦文

你也「在看」嗎？