# 成本的所有文章

在 HTX 新闻中心浏览与「成本」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

Token不经济，经济不Token

本文探讨AI行业当前从技术驱动转向资本效率主导的深刻转变。OpenAI等巨头面临巨额算力投入导致的持续亏损，其“用户增长反而增加成本”的模式与传统互联网相悖，且存在通过“云积分”等内部循环创造收入的估值泡沫。与此同时，快手可灵、百度昆仑芯等大厂AI业务通过分拆独立，估值实现数倍跃升，核心在于其从集团“成本中心”转变为可按稀缺性、成长性独立估值的“价值中心”。这反映了资本对AI资产的重新定价：分拆使其摆脱集团利润约束，获得高溢价。行业竞争焦点正从单纯的“模型能力”和“算力规模”竞赛，转向“系统效率”和“商业价值兑现”。智能体等发展凸显了CPU编排与全栈工程的重要性。当前AI处于高投入但大规模商业化前夕的关键节点，2026年的融资、分拆潮本质是资本在追问AI技术的真实价值，这将重塑未来十年的产业格局。

marsbit06/05 11:13

marsbit06/05 11:13

AI中转站引发知乎热议：便宜Token背后，用户真正担心什么？

知乎上关于“AI中转站与便宜Token”的讨论引发广泛关注，焦点从单纯的工具选择转向了深层的成本与信任问题。用户首要担忧的是模型真实性。AI中转站被类比为“AI版黄牛”，技术门槛不高，但上游来源常不透明，存在“模型掉包”风险。由于大模型输出具有随机性，普通用户难以辨别自己是否真的在使用所付费的旗舰模型，这本质上是一种信息不对称交易。其次，便宜Token的性价比需要理性看待。其“低价感”常源于与官方API按量价的对比，若与官方订阅套餐、国产模型或免费额度相比，未必总是最优。讨论强调用户应先明确自身需求——是偶尔使用还是高频调用，再选择合适渠道。便宜Token的来源复杂，既可能有批量采购、缓存优化等合法路径，也可能涉及订阅拆分、地区价差套利甚至更灰色的渠道。这种混合供给导致服务稳定性和余额风险难以评估。真正的成本计算需涵盖模型真实性、服务稳定性和数据安全。数据安全成为核心关切，尤其在AI编程、Agent和企业应用场景中。经过中转站的prompt、代码、业务文档和密钥可能面临泄露风险。对于企业，这还涉及商业秘密、数据合规与供应商审查等治理问题。讨论形成的普遍共识是：AI中转站可用于低敏感、可替代的任务（如公开资料总结、简单测试），但不建议作为默认入口，尤其不能用于处理敏感数据或接入生产环境。实用建议包括：避免大额充值、分散风险、定期测试模型、做好数据脱敏。这场讨论揭示，当AI能力按Token计价时，用户为节省调用费用，可能潜在地牺牲了信任与安全。随着AI更深度融入工作流，明晰请求路径、模型来源与数据流向变得至关重要。

marsbit06/04 06:10

marsbit06/04 06:10

54万行代码之后，Garry Tan发现AI编程的旧游戏结束了

YC总裁Garry Tan通过一个54万行代码的AI编程项目得出结论：传统的软件管理模式在AI时代已过时。过去因模型昂贵，开发者用大量代码和测试来约束AI，如同为智能工人建造“富士康工厂”。但随着模型成本下降、能力提升，重点应从“写更多代码”转向“设计更多能力”。他提出用Markdown构建“技能包”（skill pack），将可复用的工作流模块化，并由AI自动生成代码和测试。例如，原本需数天的黑客松评审，现在由AI在30分钟内完成。这种“即时生成式软件”模式，使工程师的核心竞争力转向问题定义、判断力与经验沉淀。未来，优秀的工程师未必是写代码最多的人，而是能通过清晰指令释放AI最大潜能、用最少代码实现最多价值的人。真正的创新在于构建解放AI与人类创造力的系统，而非用代码层层束缚。

marsbit06/02 21:38

marsbit06/02 21:38

Chatbot烧钱三年，还是AI时代的“新大陆”吗？

过去几年，AI行业曾将Chatbot视为类似移动互联网超级入口的“新大陆”，但烧钱三年后，其商业化和可持续性面临严峻挑战。 OpenAI的ChatGPT虽拥有庞大用户，却陷入亏损，每收入1美元亏损1.22美元。国内豆包尝试付费也引发用户负面反馈。相比之下，Anthropic以企业服务为主（85%收入来自企业），年化收入已反超OpenAI，显示B端路径更清晰。用户真正需要的是能完成任务的AI助手，而非单纯聊天的对话窗口。 Chatbot的商业模式存在根本矛盾。它形似互联网产品，但底层经济学不同：每次推理都消耗高昂算力，用户越多成本越高，且缺乏网络效应和数据飞轮。其用户迁移成本低，护城河主要依赖模型能力，而随着各模型能力趋同，竞争可能沦为价格战。变现之路同样艰难。付费订阅率低（ChatGPT付费用户仅占5%），国内付费意愿更弱。广告模式则因Chatbot交互缺乏明确购买意图、答案形式单一、损害用户信任而难以奏效，Perplexity的失败便是例证。注意力经济在Chatbot上似乎失效——供给（算力）昂贵，用户注意力却短暂。数据表明Chatbot增长放缓，用户日均使用时长远低于主流App。其产品形态将AI能力局限在被动、回合制的“询问”，而未来方向是能多步“执行”的Agent。但若长出这些能力，它就不再是传统Chatbot。更可能的方向是AI不再需要独立App，而是嵌入现有应用（如微信）、操作系统或硬件。行业逐渐意识到，Chatbot可能只是通往AGI的中间形态。若继续固守“入口+流量”的旧地图，恐难找到真正的新大陆。未来的价值更可能在于AI作为底层能力，与各类产品和场景深度融合。

marsbit06/02 10:35

marsbit06/02 10:35

疯狂烧了数十亿美元 Token 之后，硅谷大厂开始限制员工 Token 用量了

近日，多家硅谷科技公司开始限制员工使用AI工具的Token（使用量），以应对高昂且效益不明的成本。此前，企业曾鼓励员工“tokenmaxxing”（最大化Token使用量）以体现数字化转型，但随后发现大量Token被用于非核心工作，如查天气或写祝福，且AI生成的代码存在高“流失率”（被抛弃或重写），导致隐性成本激增。数据显示，企业每花1美元在AI Token上，可能产生近80%的额外损耗用于修复Bug和审查。管理层开始质疑AI投资的回报率（ROI），仅有少数CFO能看到明确回报。个人效率的提升未能转化为公司整体收益增长。例如，Uber和Salesforce面临数亿美元的年化AI支出，却难以将其与业务成果直接挂钩。微软已取消部分员工的Claude Code许可，Meta也下线了内部鼓励使用的排行榜。市场随之出现AI成本管理工具，帮助企业监控支出并与业务成果关联。同时，部分AI厂商开始调整计费模式，从按Token用量转向按实际产出（如解决的对话数）收费。行业正从盲目追求使用量转向理性评估价值。分析指出，真正的挑战在于用AI重新设计工作流程和商业模式，而非仅仅优化现有任务。如果企业仅将AI用于加速旧工作，成本压力终将迫使它们面对这一根本问题。

marsbit06/01 04:06

marsbit06/01 04:06

当 Token 比人更贵，「AI 叙事」就碰到麻烦了

企业AI支出正面临成本与价值不匹配的严峻挑战。Uber和微软等公司高管公开表示，持续攀升的Token消耗并未带来相应的产品实质改善或明确的商业回报，甚至出现了为消耗而消耗的“Token极大化”现象。数据显示，AI应用成本高企而效率堪忧：Uber工程师人均月度账单差异巨大，一次演示可能消耗1200美元；GitHub Copilot转向按用量计费引发用户不满；研究指出，企业每投入1美元AI费用，仅18美分产生用户价值，大量消耗用于修复AI自身引入的问题。与此同时，Token价格和AI软件价格持续上涨。市场观点出现分歧。乐观者认为这是转型阵痛，未来Token消耗将转向更健康的“单位有效行动成本”衡量，真实生产力提升正在发生，且当前科技巨头估值远低于历史泡沫水平。悲观者则指出，AI供应链价值过度集中于半导体公司（如英伟达利润激增），而云服务商举债投资，多数企业投资回报为零，这种脱节难以持续。更深层的隐忧在于超大规模云服务商与AI实验室（如OpenAI、Anthropic）之间复杂的循环融资结构。云厂商既是AI实验室的投资方，又是其算力供应商，其大量云收入承诺与AI实验室的融资能力绑定。一旦融资放缓，整个链条可能面临断裂风险。当前并非典型的科技泡沫，AI技术真实且对部分用户有效。但核心矛盾已从“技术是否可行”转变为“经济上是否可持续”。企业使用AI节省的成本，能否覆盖并超越实验室和云巨头高昂的运营与估值成本，成为关键问题。过去单纯以Token消耗量衡量成功的叙事已破灭，AI的账单已经到期，最终由谁来为价值买单，仍是未知数。

marsbit05/29 01:44

marsbit05/29 01:44

Token预算战争：企业AI进入「算账时代」

企业AI正从“是否采用”进入“如何算账”的“Token预算战争”阶段。随着AI推理成本从实验性支出变为持续性运营成本，CEO和CFO开始追问：每一美元token投入究竟创造了什么实际价值？文章指出，AI的使用量（token消耗）不等于价值。与SaaS时代不同，token账单上涨可能意味着有效工作，也可能源自无效折腾——如低效提示词、无关上下文、模型选择不当或重复重试。关键在于衡量“边际token效用”，即每多花一美元所创造的商业价值。当前企业面临三大挑战：重试导致成本复合增长、上下文过度供给造成成本飙升，以及任务路由不合理（简单任务误用强大模型）。这使企业难以将token成本与具体业务结果（如替代外包、节省人力或创造收入）清晰关联。解决问题的核心在于建立“从token到结果的归因层”：记录AI执行轨迹（检索、工具调用、重试、人工干预等），并将推理支出与完成的工作单位（如处理每张发票、每个客诉）挂钩。谁能实现这种归因，谁就能掌控AI资源的分配权，决定哪些工作流值得投入更多算力，哪些应改用更便宜模型或保持人工。最终，企业AI的下一阶段不再是证明技术能否完成任务，而是判断这些任务是否值得付费。掌握token效用衡量的企业，将赢得这场预算分配的主导权。

marsbit05/28 12:13

marsbit05/28 12:13

微软将弃用Claude：太贵了还是薅明白了？

微软因成本过高，将于6月30日起停止内部工程师使用Claude Code，引导其转向自家的GitHub Copilot CLI。知情人士透露，Claude Code费用高昂，类似Uber工程师每月相关开支达500至2000美元。这反映了AI定价模式从固定套餐转向按Token计费的趋势，给企业带来巨大成本压力。外界猜测，微软此举可能是一场精心实验：让员工使用Claude Code六个月，以此对标和提升自家产品Copilot CLI，弥补其功能短板后再进行替换。这也体现了微软在AI领域面临的深层困境：缺乏自研前沿通用大模型，过度依赖OpenAI等外部伙伴；核心产品GitHub Copilot在功能上被Claude Code超越，后者凭借长上下文处理能力更受工程师欢迎；同时，微软在AI生态控制权上减弱，Anthropic等公司在企业市场占有率快速上升，Claude Code已成为AI编程的重要入口。微软的决策不仅是成本考量，更关乎技术自主权和生态掌控。随着开发者习惯和工程生态可能被外部工具重塑，微软正试图通过内部调整来应对这一挑战。

marsbit05/25 10:28

marsbit05/25 10:28

670 亿美元！AI 崛起，促成美国最大能源并购案

2026年5月18日，NextEra Energy宣布以670亿美元收购Dominion Energy，创下美国最大公用事业并购案。这笔交易的核心驱动力是AI数据中心对电力的巨大需求。 Dominion是美国弗吉尼亚州“数据中心走廊”的主要电力供应商，手握超过51吉瓦的数据中心合同，这一需求仍在快速增长。收购本质是争夺AI时代关键的“供电权”。全球电网正面临AI算力带来的巨大压力。2025年数据中心电力需求激增17%，远超全球整体增速。美国部分地区电价已出现“不可逆转”的飙升，电网稳定性面临挑战。 NextEra是美国最大可再生能源商，其清洁能源和储能技术与Dominion的区位优势结合，旨在为数据中心提供稳定、可预期的电力。同时，通过“大负荷关税”等机制，部分建设成本可能转移给科技公司。然而，这引发了成本转嫁的公平性质疑。分析指出，住宅用户可能通过电费上涨分担高达7000亿美元的AI相关电网投资成本，而AI的经济收益则集中于科技公司及其股东。这场并购揭示了AI繁荣如何重塑能源版图，并将影响延伸至普通家庭。电力行业的重组，或许才刚刚开始。

marsbit05/21 08:06

marsbit05/21 08:06

3个人带100个AI程序员，一个月烧掉130万美元！OpenAI：钱我出

OpenClaw创始人Peter Steinberger在社交平台晒出惊人账单：其仅3人的团队在一个月内消耗了超过6030亿个token，发起了760万次请求，总花费高达130万美元（约900万人民币）。更引人注目的是，这些费用由OpenAI承担。这支小团队在云端运行着约100个AI智能体（agent），负责代码审查、安全漏洞查找、问题去重、Bug修复、性能监控乃至会议纪要生成与任务跟进等繁重开发工作，将AI深度融入了软件协作的各个环节。 Steinberger表示，在关闭快速模式后，其AI使用的成本低于雇佣一名工程师，但效率却高得多。他开发的工具CodexBar能实时监控各类AI编程服务的token消耗，这象征着token正成为一种新的“生产资料”。此案例展示了当token成本不再成为瓶颈时，软件开发模式可能发生的根本性变革。随着AI模型成本的持续下降，未来小型团队借助大量AI智能体进行高效开发可能成为常态，预示着软件开发领域生产力与组织形态的深刻转变。

marsbit05/17 06:20