AI Is Too ExpensiveAI Is Too Expensive

如果你喜欢这篇文章，不妨订阅我的付费通讯。年费70美元，或月付7美元，你将收到一份每周更新的通讯，通常长达5000至18000字，内容涵盖对NVIDIA、Anthropic和OpenAI财务状况的详尽分析，以及更广泛的AI泡沫探讨。我的《对冲基金与私募股权差评指南》是理解当前金融体系不可或缺的一环，而《OpenAI如何扼杀Oracle》一文则与我的《Oracle差评指南》相得益彰。

本周，我将发布我正在进行中的系列文章（“如果……我们正处于AI泡沫中？”）的第二部分，深入探讨最终引爆AI泡沫的关键因素与事件。

订阅付费内容不仅物超所值，也让我能够持续撰写这些篇幅庞大、研究深入的免费文章。

目前来看，除了建筑公司、NVIDIA以及受益于数据中心建设热潮的周边硬件企业外，AI对任何参与者而言都并非经济上可行。

每家AI初创公司每年都在亏损数百万甚至数十亿美元，似乎没有人找到阻止资金流失的方法。超大规模云服务商在过去三年中已投资超过8000亿美元，并计划在2026年追加约7000亿美元，2027年再投入1万亿美元。这意味着他们仅靠AI相关收入就需要至少实现3万亿美元才能收支平衡，而要使AI成为真正的盈利业务，则需要达到6万亿美元以上。去年我在一篇付费文章中详细阐述了这一点（尽管当时的数据低于2026/2027年的资本支出预测）。

为了让你更好地理解，微软、Meta、亚马逊和谷歌在各自最新的财年中，所有产品合计创造了2810亿、2000亿、7160亿和4028亿美元的收入，总计高达1.599万亿美元。然而，它们都拒绝透露实际的AI业务收入。没错，我知道微软曾表示其AI收入运行速率为370亿美元（约合每月30.8亿美元），亚马逊则为150亿美元（约合每月12.5亿美元），但这些只是单月数据，旨在让人误以为它们全年都能达到这一水平，实际上我们对它们的AI收入情况一无所知。

AI的成本过高，永远无法覆盖超大规模云服务商庞大的资本支出。

不过，我们现在确实了解到，根据彭博社报道，在马斯克诉OpenAI一案中一位高管在听证会上提供的证词，微软已为其OpenAI合作项目累计投入了约1000亿美元。

这位名为Michael Wetter的微软Azure业务主管周一作证时表示，该数字包括微软对OpenAI的原始投资，以及为构建基础设施和托管OpenAI计算资源所花费的费用。他补充说，这笔金额截至当前财年结束（即6月）为止。

这一信息非常有趣，原因如下：

2025年底，OpenAI宣称其拥有1.9吉瓦（GW）的容量（很可能指的是总功耗而非实际可用的关键IT基础设施），按分析师估算，每兆瓦成本为4200万至4400万美元，这意味着总投入约为798亿美元。这一说法是在微软发布最新季度财报前约六个月提出的。

换句话说，微软在过去四年里，通过支出或提前划拨资本开支的方式，向……建设OpenAI投入了近3000亿美元？

好吧，姑且承认这一点。微软还有2000万名Microsoft 365 Copilot订阅用户，理论上最高年收入可达72亿美元——前提是每个人都每月支付30美元，而实际上微软多年来一直在提供折扣，显然并非如此。

根据我去年报道的数据，在2025财年，微软从OpenAI的推理服务中获得了约75亿美元收入，并从其收入分成中获得7.61亿美元；而该财年中，微软的资本支出（无论是实际支出还是已分配金额）高达882亿美元。

当时我没有公开这些数据，但我确实掌握了2025财年前三季度的全部营收情况：AI相关总收入为89亿美元，剔除OpenAI推理部分后约为43.5亿美元。若假设微软其他AI服务的收入环比增长10%，我估计其在2025财年的AI总收入可能达到约179亿美元，约占其资本支出的不到五分之一。

需要明确的是，以上数字均未包含实际运营成本。

数据中心毕竟需要电力运行，尤其是AI数据中心耗电量巨大。此外还需一定数量的人员负责维护、修理和日常运维。再加上税费、保险及其他日常开销，这些加在一起会形成一个惊人的巨额数字。

有人或许会争辩说“实际上运行GPU是有利可图的”（我对此持不同看法！），但要使这一切成立，必须满足四个条件：

这四个条件必须同时成立。如果AI收入没有爆发性增长，即使资本支出停止、利润率转正，最乐观的结果也不过是勉强盈亏平衡。而只要资本支出继续不断投入，就需要AI收入实现爆炸式增长——相当于将微软、Meta和谷歌的整体业务规模翻番，并使亚马逊云服务（AWS）的年收入（1280亿美元）翻三倍——并且这些收入还必须是盈利性的。否则，一旦其他健康业务放缓，AI就会拉低整体利润率。无论如何，AI收入都必须保持稳定，因为归根结底，你得靠它赚钱。

顺便提一句：坦率地说，我不明白Meta是如何让这一切说得通的——它计划在2026年投入至少1250亿美元的资本开支，截至目前却并未展现出任何来自AI的实际真实收入增长；至于那些转化率提升，那并不代表真正的收入增长。

我也找不到任何一个能让这一切回本的经济学场景。

我们假设 Anthropic 的年化收入实际上为 450 亿美元（我怀疑他们用了些令人担忧的算法才做到这个数），即每月约 37.5 亿美元。按年化计算，即便其运营成本为零（而非亏损数十亿），也远远无法在 2024 或 2023 年从微软、谷歌、Meta 或亚马逊收回一年的资本支出。

即使 OpenAI 2026 年全部云支出（500 亿美元）都付给微软，且其 Microsoft 365 Copilot 收入（按全成本计算）翻倍至 144 亿美元，该公司仍预计今年将投入 1900 亿美元用于资本支出。亚马逊目前 AI 业务年化规模达 150 亿美元，即便翻倍，也难以撼动其 2000 亿美元的年度投资计划。至于谷歌，尽管我们不清楚其 AI 收入情况，但它已宣布今年将投入 1850 亿美元用于资本支出。

这些 AI 收入必须疯狂到极点——而且必须尽快实现，否则充其量只能说是“前几年的资本开支效果不佳，但之后才真正发挥作用”，即便如此，也意味着浪费了数千亿美元。

更糟的是，微软、谷歌和亚马逊至少 70% 的计算资源都分配给了 Anthropic 和 OpenAI 这两家公司——它们每年烧掉数十亿美元，而过去三年中，这三家巨头已向这两家公司合计注资 540 亿美元，其中仅上个月就投入 280 亿美元。若 Anthropic 达成某些绩效目标，还将再获得谷歌和亚马逊各 500 亿美元的注资。

除了 Anthropic 和 OpenAI 自身的算力投入（依赖超大规模云服务商和风投资金）之外，没有任何迹象表明 AI 收入出现了真正的爆发式增长。《信息报》的数据显示（我特别喜欢这张图！）：超过 50% 的超大规模云厂商收入 backlog 都来自这些公司。

如果对 AI 存在巨大且惊人的需求，这些未履行的绩效义务（RPOs）难道不该接近万亿美元吗？难道不该有其他与 Anthropic 或 OpenAI 体量相当的 AI 收入板块吗？据说对算力的需求是极其旺盛、势不可挡、永无止境的。可为什么现实却对不上号？

让我们来看看这些 RPOs！

这些数字确实令人头大，让我简化一下：除了OpenAI和Anthropic之外，这三家公司似乎并未显著提升自身收入，而获取收入的途径也仅限于向其中一家或两家公司输送资金。

抛开所有理论、假设、比喻和未来幻想，直接告诉我：在未来一年里，微软、谷歌和亚马逊打算怎么应对这个问题？他们准备如何解决？

即便我们假设最乐观的情况——这些公司每年通过投资获得700亿美元收入，而包括对这两家公司的直接投资在内的总投资额已超过9000亿美元——翻倍仍远远不够，三倍也不够。实际上，要覆盖这些亏损，它们必须在接下来一年内各自实现超过1000亿美元的AI业务收入，否则根本无力回本。

归根结底，只有一个简单的事实：AI太贵了。如果利润率可观，它们会分享利润；如果营收强劲，就会计入报表（注意，增长率不是营收）；如果业务足够稳固，早该单独列出一项AI业务板块。

但大型语言模型（LLMs）真的太烧钱了！运行成本居高不下，而且随着用户规模扩大，成本呈线性上升——用户使用越多，公司运营成本就越高，所需算力也越大。唯一能“捕获”增长的方式就是不断购买和部署GPU，而这又意味着必须新建数据中心，整个过程耗时耗力又费钱。

我实在难以理解为何还要持续追加资本开支。目前累计亏损已超过8000亿美元，而我估计其中不到一半真正转化为了可用的GPU算力与运营能力。而这些宝贵的算力资源，绝大部分又被OpenAI和Anthropic两家烧钱的巨头占据——它们每年消耗数十亿美元，却至今没有可行的方案来扭转局面。

你建得越多，基础设施就越依赖这两家长期无法盈利的“巨兽”——你的现有AI产品线充其量只是Google Workspace或Microsoft 365的附加功能，或是云算力扩容的一部分，这类业务的利润率更低，前期投入更高，远不如以往任何项目划算。

每个季度都意味着可能再亏损约300亿美元，唯一的期望或许是几年后能从OpenAI或Anthropic那里收回1000亿甚至2000亿美元——毕竟全宇宙范围内，只有这两家公司愿意为算力豪掷千金。除非出现全新的爆款产品，或者签下三四个同等规模的算力大单，否则根本无法回收这些巨额投资。

换句话说，亚马逊需要另一个 AWS（每年 1280 亿美元），微软需要另一个 Azure（每年 750 亿美元，含 OpenAI 2025 年算力支出），而谷歌则需要一个至少达到搜索业务一半规模的营收线（约每年 2000 亿美元）。这些业务之所以能发展到如此体量，是因为自诞生之初就提供了远超常理的巨大价值，并形成了近乎不可撼动的垄断地位——尽管从物理基础设施层面看，确实存在其他云服务商能为 OpenAI 和 Anthropic 提供算力（甲骨文正试图竞争，甚至可能因此倒闭），但真正的“垄断”在于“能够投入数万亿美元的能力”。Anthropic 正是通过向埃隆·马斯克采购 300MW 的算力，证明了这一点。

附注：我完全不知道 Meta 在做什么，我的混沌赌注是，一旦形势艰难，它就会开始把算力租给 Anthropic 或 OpenAI。也许它还搞了什么乱伦式的交易，比如获得股权。我真的对此一无所知！这是一家疯狂又愚蠢的公司，由一个白痴领导。

至于甲骨文的情况，正如我之前详细解释过的，它必须成功建成 7.1GW 的算力容量，确保这部分业务真正具备正向利润（这很可疑！），然后等到——哦，比如说，2032 年——才真正收到付款？

遗憾的是，我有坏消息要告诉甲骨文、微软、亚马逊和谷歌的最大客户们。

AI 对任何 AI 实验室来说都太昂贵了，无法实现盈利。

来玩个有趣的游戏吧：问问那些 AI 吹捧者，OpenAI 或 Anthropic 怎么才能变得 profitable！

他们会这么回答：

我必须非常明确地说，没有人有任何证据表明谁在推理上真的盈利了，但我们有很多证据表明他们并没有。他们可能会引用著名说谎者山姆·奥特曼的话，称 OpenAI 在 2025 年 8 月的一场派对上说自己在推理上盈利；或者引用达里奥·阿莫迪的说法（他在某句话中提到“风格化事实”并非精确，只是一个“玩具模型”，且特指不适用于 Anthropic 的情况），声称“推理的毛利率超过 50%”。

这里有一个非常简单的方式来反驳这种说法：Coatue 表示，Anthropic 在 2025 年的收入中有 85% 来自 API 调用。如果它在推理上已经盈利，那为什么还在亏钱？你可能会说“训练成本”，但这并不能真正回答问题：如果 Anthropic 向模型提供 token 的过程本身已经盈利，那它怎么会亏损这么多？为什么要推出订阅平台？

正如我后面会提到的，已经有公司每年为 token 支付巨额费用——有些高达数亿美元——而这全部属于推理环节。那你为什么还要费心搞这些臭气熏天、令人讨厌的月度订阅呢？

“推理是盈利的”这个说法，不过是一个睡前故事，讲给那些无法理解逻辑的人听的——这些人无法接受这样一个事实：一家公司允许用户用每美元订阅收入中的 8 到 13.5 美分去“烧掉”这笔钱。

否则，你就得面对现实：Anthropic 和 OpenAI 都在疯狂烧钱，除了停止烧钱之外，没有任何真正的可持续路径。

人们提出的唯一一个非常具体的反驳是：开源模型很便宜，可以 somehow 与 OpenAI 和 Anthropic 的模型相比，尽管我们根本不知道 Sonnet、GPT、Opus 或其他任何他们模型的实际参数是多少。

我们知道的是，这两家公司都在亏数十亿美元。

我们所知的是，据《信息报》报道，OpenAI 计划到2030年底将投入8520亿美元；而根据首席财务官克里希纳·拉奥宣誓作证（截至2026年3月6日）的内容，Anthropic 在2026年已实现“超出预期”（唉）的50亿美元收入，并在推理和训练上花费了100亿美元。

Anthropic 做了大量工作来模糊其实际收入和支出的具体数字，但考虑到它在过去6个月内已筹集了750亿美元（假设其新的一轮300亿美元融资完成），还不包括谷歌和亚马逊可能在未来达成某些未知里程碑时追加的另外300亿美元，我认为它很可能比 OpenAI 烧钱更厉害。

还有那些 RPO（预留采购订单）的问题。Anthropic 现在对谷歌负有2000亿美元的义务，对亚马逊负有1000亿美元，对微软负有300亿美元——我估计这些将在未来三到四年内逐步履行。

在接下来的四年里，Anthropic 和 OpenAI 需要创造或筹集超过1.25万亿美元的资金。

那么我们来梳理一下。

根据 Anthropic 自己于3月提交的宣誓书，从计算资源角度看，它的支出是每获得1美元收入就花费3美元，这还没算任何人力、电力或其他成本，比如 Dario Amodei 用来提升他低音声线的声乐教练费用。

此外，在未来四年中，它需要支付给亚马逊、谷歌和微软共3300亿美元用于偿还云服务的债务。我估计它在 xAI 的计算资源协议上每年需花费约50亿美元（即总计200亿美元），并预计为与 CoreWeave 的合作预留300亿美元。这样算下来，总额达到3800亿美元。

很难准确估算运营 Anthropic 的实际成本，因为那份宣誓书导致许多此前的报道已经失去了参考价值。不过，我还是认为可以合理推测，在这四年期间，它至少需要200亿美元的运营开支。

我们甚至无需预测 Anthropic 或 OpenAI 未来的营收情况就能看清问题所在。这两家公司都在疯狂烧钱，且都没有任何可行的方案来停止这一趋势。关于 Anthropic 将在2027年或2028年实现“正向现金流”的诸多报道纯属幻想，逻辑不通，完全基于荒谬的预测，本就不该被当作事实传播。这些说法本质上只是公司试图误导投资者的手段。记者们本该在这些数据旁打上比 Q*Bert 在《蓝丝绒》中为 Frank 配音时还要多的星号。

我们有充分证据表明它们的亏损正在加剧。2026年1月，《信息报》报道 Anthropic 在2025年的毛利率仅为40%，比其“乐观”预估低了10个百分点，主要原因是“向客户提供 Anthropic 模型进行推理服务所产生的成本”，而这些成本来自谷歌和亚马逊的服务器，“比公司原本预期的高出23%”。

2026年2月，《信息报》又发布一篇报道指出，OpenAI 的毛利率从2024年的40%降至2025年的33%，整整比其预测的46%低了13个百分点，原因正如其所言：“由于对其聊天机器人和模型的意外高需求，该公司不得不在最后一刻购买更昂贵的计算资源。”

你瞧，这正是 Anthropic 不得不面对的情况。

这就是我所谓的“接刀”式算力需求困境——要么订单不足，在需求激增时被迫临时加购；要么过度订购，而正如达里奥·阿莫迪所言：

本质上我是在问：“到2027年我能拿到多少算力？”我可以假设收入每年增长10倍，那么到2026年底将达到1000亿美元，2027年底则达到1万亿美元。但实际上，由于需要持续五年每年投入1万亿美元，总投入将是5万亿美元。我可以购买从2027年底开始生效的1万亿美元算力。但如果我的收入不是1万亿美元，哪怕只有8000亿美元，地球上没有任何对冲工具能阻止我在如此巨额投入下破产。

而且目前正如我所分析的，现有算力建设速度根本跟不上Anthropic或OpenAI的贪婪需求，这意味着它们将不得不以任何价格抢购任何可用资源。这自然会进一步压缩它们本就为负的利润率……

…然后呢？

Anthropic或OpenAI如何实现盈利？

不，说真的，然后呢？你们这些该死的AI吹捧者，谁来告诉我这到底怎么反转局面？因为即使Anthropic年收入达到1000亿美元，它可能为此亏损3000亿甚至更多。它在2月份筹集了300亿美元，4月又筹集150亿美元，现在5月再筹300亿美元，同时据称每月收入超过30亿美元，这说明它的营业成本简直糟糕透顶，其增长带来的财务代价也极其高昂。

假设Anthropic持续增长，并按照《信息报》（The Information）的说法，年化收入达到1000亿美元（约合每月83亿美元），它究竟如何负担得起这样的支出？因为它目前（据称）即将达到的年化收入是4500亿美元，需要如此巨额资金以至于今年大部分风险投资都被它（连同OpenAI）吸收，而且显然没有任何降低成本的可行路径。

答案很简单：做不到！没有任何机制可以实现。更多的算力并不会让OpenAI或Anthropic的服务变得更便宜。没有神奇的硅片能让这一切变得经济可行，而且Anthropic并非“推理端盈利”，否则如此巨大的收入增长本应已稳定其利润率，而不是迫使它筹集接近美国职棒大联盟所有球队总价值（再加上亚马逊和谷歌基于未公开业绩承诺秘密承诺的另外500亿美元）的资金。

OpenAI情况也一样，它在2月份“筹集”了1220亿美元（实际现金约450-500亿美元，其余或以分期付款形式支付，或待IPO，或达到（唉）AGI），现在已开始考虑再次筹资。

有人可能会反驳说这是企业通过融资来提升估值，但我认为这种说法对这两家问题严重的公司来说过于方便了。

我还想问的是，为什么它们似乎都没有认真考虑上市？虽然年初曾传闻两家公司计划在2026年上市，但现在看来它们更倾向于继续募集私募资本。

我认为原因很简单：它们的CFO都知道一旦上市就会暴露真实利润率，那简直是狗屎上加糖霜——烂透了。

这里没人能给出合理或合乎逻辑的回应。

这就引出了我们的下一个要点！

AI 对客户来说太贵了

组织无法承受持续消耗 AI 预算而不产生投资回报（ROI）——一次就烧掉数百万美元。

需要记住的一个重要细节是：大约一两个月前，Anthropic 已将所有企业客户转为基于 token 的计费模式，这很可能标志着对 AI“真正价值”的一次严峻考验，因为成本正在飙升。

就在上周，我启动了名为《如果我们在 AI 泡沫中？》的三部分高端系列的第一期，并触及了一个令人不安的问题：组织是否长期负担得起为 AI 付费？

据《信息报》的 Laura Bratton 报道，Uber、ServiceNow 等多家机构在短短几个月内就用完了年度 API token 预算，目前正处于“应对”阶段。ServiceNow 的首席信息官 Kellie Romack 表示，她与首席财务官 Gina Mastantuono 最近开会讨论如何控制成本，以便员工在本年度剩余时间里继续使用 Claude Enterprise 账户。“这是一个非常棘手的问题，”Romack 说，“她担心，我也担心，我们正在共同努力解决这个问题。”让我们重点关注这句话：“……能否在本年度剩余时间继续使用 Claude Enterprise 账户”，因为它至关重要。这家上市公司，其 CEO 曾大力推动元宇宙，如今深陷 AI 狂热之中，却不确定在不控制成本的前提下，是否还能继续为 Anthropic 的模型付费至年底。

本周早些时候，Salesforce 首席执行官、“推销大师”Marc Benioff 宣称，该公司将在 2026 年向 Anthropic 投入 3 亿美元购买 token。正如我在周五的高端文章中所述，无节制的 AI 支出正在推高 Anthropic 和 OpenAI 的收入，但这种增长对任何一方都不可持续。

例如，熟悉 Stripe 内部成本来源的人士告诉我，其技术团队（略超 5000 人）平均每天消耗约 9.4 万美元（每月约 280 万美元）的 token，主要用于 Anthropic 的代码模型。Stripe 2024 年的 EBITDA 收入约为 16 亿美元，因此每年 3360 万美元的 AI 支出虽不致命，但若按技术人员平均年薪 15 万美元计算，仅人力成本就高达至少 7.65 亿美元，使得 AI 支出约占人力成本的 4.392%。如我所言，这已算是相对正常的案例。高盛数周前报告称，AI 成本正接近总人力成本的 10%，“……若按当前趋势发展，未来几个季度可能将与人力成本持平”。

问题很简单：没有人真正知道 AI 在任何一个季度会花多少钱。这意味着你目前看到的 token 支出完全是实验性的，这也是为什么各组织总是迅速耗尽 token 的原因。

这种巨额支出正是支撑 Anthropic 收入“爆炸式”增长（我对它的会计方式有严重质疑）的基础。高管们普遍放任工程师随意消耗大量 token，我严重怀疑 Anthropic 的年化收入真的能达到 500 亿美元——除了那些近乎欺诈的非 GAAP 数据之外。但我相信，其收入的增长主要来自科技行业急于为某个理由付钱给某人所带来的虚假繁荣。

我要明确一点：我认为目前 Anthropic 和 OpenAI 都正处于 AI token 的疯狂消费阶段。企业并不真正了解 AI 的实际价值，也不清楚该为它投入多少预算。这就是为什么 Uber 等公司正在迅速耗尽 token 配额，却似乎并未因此削减开支。我们正处在一个过度充裕的阶段——每个人都只顾着害怕错过（FOMO），无暇认真考虑成本。但背后却暗流涌动：“等等，这到底花了多少钱？”紧接着就是：“哦，该死……虽然我爱 AI，但……”

换句话说，当前对 AI token 的支出并不能代表持久、可靠的收入来源。

在某些情况下，为了全面使用 AI 而强行推进，反而让公司的软件架构变得杂乱无章。

Zillow 就是 AI 领域的切尔诺贝利。

Zillow 在 2026 年第一季度已花费超过 100 万美元购买 AI token，全年预计将花费 700 万至 1000 万美元（占其 2025 年利润的 20% 以上）。

其他地方的情况更糟。Zillow 显然出了问题。某种 LLM 技术似乎侵蚀了他们的技术领导力，导致他们说话怪异，PPT 里充斥着令人困惑、词不达意的胡言乱语。

这家房地产科技公司仅在 2026 年第一季度就向 AI 服务投入了逾 100 万美元；4 月份，仅通过 Cursor、Anthropic 的服务以及 AWS Bedrock 就支出了 74.9 万美元的 token。截至月底，其年度 Cursor token 预算（110 万美元）已用掉近 75%。

到 5 月中旬，其 AI 总支出已超过 30 万美元，Cursor 预算更是逼近红线，仅剩不到 15%。

更令人担忧的是，Zillow 在 2026 年第一季度的净利润仅为 4600 万美元，而 2025 年每季度净利润区间在 200 万至 1000 万美元之间。

Zillow 目前预计 2026 年在 AI 上的支出至少将达到 700 万美元，按当前速度甚至可能高达 1000 万美元——几乎相当于其 2025 年全年净利润（2300 万美元）的近一半。

你可能好奇 Zillow 为何如此大手笔投入 AI，答案将在下周的免费通讯中揭晓——据我所知，该公司的技术高管似乎患上了“AI 妄想症”，声称短期目标是“让软件工程师再也无需打开代码编辑器”。

现实却是混乱不堪。在一份后续将详细分析的演示文稿中，Zillow 透露：尽管工程资源基本保持不变，但需要人工审核的输出量却激增近 50%。与此同时，代码部署和拉取请求增加了 39%，每月分配给软件评审员的工作时长暴增 2.9 万小时，给公司约 1500 名工程师带来了巨大负担。

简而言之，每位工程师每月要多花大约 19 小时，仅仅是为了审查由大模型生成的额外代码。

在面向科技从业者的匿名社交网站Blind上，Zillow员工抱怨公司的代码“正逐渐沦为AI垃圾”，“大量代码在没有防护措施或审查的情况下被批准通过，因为人们无法跟上彼此的节奏，或者干脆不再关心”。

一位员工声称：“‘垃圾’本身就是工作保障。”他补充说：“我们不希望输出质量高或文档整洁——因为管理层一旦发现‘垃圾炮’能自我维持，就会立刻用海外/近岸/AI代理取代我们。”

另一位员工表示，自己“迷失在智能体（agentic）的世界里”，“不清楚公司的发展方向，也不明白自己的角色是什么”，并指出“大家做的事情有大量重叠”。还有人说：“人们为了达成内部AI采用目标而疯狂消耗token”，并批评道：“这就是当领导将指标与使用情况而非实际成果挂钩时会发生的事”，称这“实质上是补贴无意义的忙碌工作”。

这一切都属于一份由本出版物获得的内部演示文稿所描述的“AI原生工程”（AI-Native Engineering），该文稿承诺了一条通往“智能体化的Zillow”的道路，以及“为客户带来更快的成果”，然而在所有其他幻灯片中从未提及客户。

这份充满AI生成文本的文稿宣称“通用AI已成为大宗商品”，并强调“具备Zillow知识的AI是竞争优势”，却始终未解释其具体含义。它鼓励工程师从“AI辅助”阶段迈向“AI原生”，实现“推动全组织杠杆效应的系统”，让工程师从使用AI工具的“独奏者”转变为协调AI代理的“指挥家”，再进阶为“作曲家”——即“定义AI可安全执行的系统”——并宣称“2026年是完成从指挥家到作曲家转变的关键年份”。

但最奇怪的部分名为“2027年：一个周二”，描述的是若此愿景成真后，留在公司里的那批人某天在办公室的典型工作日。

这个理论上的例子原本需要数周时间才能完成，但现在不到两小时就能搞定。”

根据这份演示文稿，Zillow 似乎打算为了 AI 牺牲一切——代码审查、漏洞修复、合规检查、部署、测试，甚至让智能体接管所有琐碎任务，比如自动更新依赖项或打安全补丁，而这些原本只需一个简单的 shell 脚本就能完成。

Zillow 曾这样引用：

智能体能力贯穿整个软件开发生命周期——从创建工单到上线生产，均由人类主导并审批每一步，而非由智能体直接执行。

然而实际情况是，据 Zillow 内部人士透露，这一愿景并未真正落地。软件工程师仍然手动打开 IDE 进行代码审查，有人甚至形容 Zillow 的“愿景”纯属“胡扯”，并补充说：“你不可能只在幻灯片上堆砌 buzzwords，就指望改变所有工程师的工作方式。”

至于为何 token 消耗如此之高，内部消息显示，公司正积极鼓励工程师尽可能多地使用 AI——用 AI 撰写 PRD（产品需求文档），再基于 PRD 用 AI 生成功能，接着用 AI 制作汇报材料，写邮件也用 AI，甚至用 AI 头脑风暴或开发一些奇奇怪怪、深奥难懂的自动化工具，有些管理者还要求员工设定一个个人 AI “目标”去追求。

Zillow 所谓的“智能体化”愿景，据称源自高层 C-suite 的直接指令。

很难判断这是 AI 精神错乱，还是典型的“商业蠢货”行径。

也许两者兼而有之。

AI Token 消耗激增——ROI 却根本无法衡量

我接触的每家公司都在今年头五个月里已经或即将耗尽全年 token 预算，这意味着他们突然多出了几百万美元的运营成本，而原因连他们自己都说不清楚。

每位工程师都告诉我同样的话：“我被迫这么做，我不想用，我的经理根本不懂，老板比经理更糊涂，如果我不使用 AI，就会被解雇。”

换句话说，CEO 和 CTO 们对着下属大喊“尽可能多用 AI”“挖掘其惊人价值”，却没人真正知道这些价值是什么，也不知道实现它们要付出多少代价。

Anthropic 故意模糊企业数据，推高成本

这可能是因为 Anthropic 刻意隐藏了能揭示真实成本的数据。

正如《信息报》的 Laura Bratton 所述，

ServiceNow 首席数字信息官 Kellie Romack 告诉我，Anthropic 的成本难以预测的原因之一在于，它不会自动向客户展示细粒度的使用数据——比如哪些用户使用了哪些工具、用了多少次、如何使用。她说，像 ServiceNow、SAP、Microsoft 和 Workday 这样的软件公司都会向客户提供此类“遥测”数据。

Bratton 的文章中引述多位高管表示，Anthropic 缺乏对组织内部 token 消耗方式的透明度和细节，这让我觉得非常非常可疑，尤其是结合以下事实：

Anthropic 也不提供所谓的服务等级协议（SLA），即与客户约定产品性能标准和客服响应时间，Romack 和 Mehta 指出，这在软件行业本是标准做法。

虽然我并未指控 Anthropic 有任何不当行为，但涉及个人燃烧数千甚至数万美元价值的代币、且缺乏服务级别协议、透明度或真正细粒度的燃烧数据的大规模百万美元级合同，为某些公司（并非特指 Anthropic！）在这些数字上做文章提供了完美的温床。

个人或许还能监控自己的使用情况，但在拥有数百或数千名工程师的组织中，又有谁能知道，比如，该特定代币的消耗是否在公司每位成员间保持一致，或者这些成本是否真的与用户的实际活动相符？

这是一家市值高达9000亿美元的公司，却对“这次花费了多少，为何花这么多？”这一基本问题漠然置之。

每个AI代币预算都是胡扯，因为你根本无法衡量一项任务需要多少代币。

最终，你又如何在大规模下进行衡量？假设你有1500名工程师，每月共同消耗100万美元的代币，那你他妈到底该如何计算这笔支出的投资回报率？

完成一件事需要多少代币？它在不同模型之间是否一致？在不同员工之间是否一致？你甚至有没有测量过一项任务究竟耗费多少代币？如果没有，那所谓的代币预算基本上就是在蒙眼扔飞镖。

好吧，就算你测出了一项任务的消耗，你有没有确保多次测量？因为即便使用相同的提示词、相同的Claude.MD文件、相同的约束条件和数据来源，大语言模型的行为仍可能随机变化。你需要至少对每项任务采集10个样本，并确保由真正懂行的人来测量——否则，要是派个蠢货去测，他就会把做不到的事说成能做到。

除非你根本无法准确衡量某项任务具体需要多少代币，否则每个AI代币预算都是胡扯。而且，不同模型的表现因诸多变量而异，有些来自用户，有些则源于AI实验室本身。

行吧，也许你只需要KPI——即你可以追求的目标指标，通过追逐它们，你就能逐渐搞明白做事的成本。

等等，那到底该用哪个指标呢？

事实上，几乎在所有业务中，要衡量“效率”或“生产力”都相当困难，因为所有与之相关的指标都可以被人为操控，结果就是管理者和高管陷入困境：他们不得不开始了解各项事务的实际运作方式，才能判断其好坏。

在人工智能出现之前，这还不算是个大问题。因为低效和浪费的时间并不直接与一个专门用来烧钱设计的聊天机器人相关。经理和高管们可以随心所欲地编造各种荒谬的自我满足的办公室废话，在这个过程中浪费人们的时间，但这并不会立即与巨额且不断增长的成本联系起来。

商业蠢货的复仇

AI是失败概念和组织完美风暴的产物，是“商业蠢货时代”的巅峰，在这个时代里，我们被那些与实际劳动力完全脱节的人统治着，因此必然会出现一种专门用来欺骗他们的技术。

大型语言模型（LLMs）出于许多原因都非常危险，但鲜为人知的是它们如何很好地迎合某种类型的执行层蠢货。生成式AI——引用莫·比特的话来说——非常擅长模仿工作，就像大多数经理和高管一样，即使它完全无法完成某件事，它也会绝对自信地说可以做到，并告诉你提出这个建议真是太棒了。

这就是为什么商业蠢货喜欢它的原因。

普通人类会说一些烦人的话，比如“在那个时间线内不可能”或“我们没有资源去做这件事”，而AI则会说“当然，马上就可以！”，并尽可能多地消耗token。

当它犯错时，它会道歉——这是应该的，因为它辜负了你——但随后会承诺下次做得更好，同时成本却比一个普通的、令人讨厌的人类要低得多，至少在理论上如此。

它会以你需要的自信和热情创建一个理论软件项目的PRD，然后你可以立即把它交给软件工程师，对他说“立刻构建这个”，而当工程师告诉你一堆关于不可能实现的话时，它会吐出几个听起来很有说服力的回应。天哪，为什么还要费心跟那个工程师说话呢？Claude Code可以mock up一个原型，然后你可以把它扔到他们面前，在他们因为没使用AI来完成而被解雇之前。

你生活中遇到的任何执行层蠢货现在都有一个看似强大的工具，可以吐出开源软件的模仿品，如果你不断地提示它，最终可以在某个网络服务器上得到一个半功能性的东西。当你遇到问题时，它会尝试修复，有时也会“修复”（添加或删除代码）其他地方的内容来帮助解决问题，比如Cursor使用Anthropic的Claude Opus 4.6模型删除了整个生产数据库及其所有备份。它永远不会说不，即使它无能为力，即使它没有任何想法，即使你要求的事情在时间和范围上都是不可能和不合理的。

一个商业蠢货，只要他想，就可以坐在那里瞎折腾，让大型语言模型吐出一些让他感觉自己正在编程的东西，这反过来又让他觉得，作为一个懒惰愚蠢的工程师，你本可以利用AI的力量做得更多。不管它花费了多少钱，也没有办法衡量其有效性。狮子不在乎“有效性”或“生产力”这类事情，而且狮子越来越厌倦你的抱怨！狮子甚至不理解你每天做什么，除了不做狮子要求你做的事之外！

你可能会笑，但大多数经理和高管确实就是这样思考和行动的——而现在他们又搞出个专门的聊天机器人，能“放屁”一样输出勉强可用的原型，好去糊弄那些商业白痴，让他们以为AI无所不能。原因很简单：这些管理者平时根本不做正经工作，自然也看不出真实的样子，除非哪天心血来潮站到你的背后偷看一眼——这也是为什么他们非要让你回办公室上班！

企业每年烧掉几百万甚至上亿美元搞AI，不是因为它有多好，而是因为掌权的人根本不知道自己在干嘛。

在一个正常的世界里，要是哪家公司突然大手笔增加一项不断膨胀的运营开支，明摆着就是“让员工瞎试，把成本吃掉”（正如IT公司Workato的首席信息官所言），董事会早该把你家房子炸了。可现实是，在这个被一群互不相连、自我中心、薪水高得离谱的蠢货主导的世界里，许多企业之所以逼着员工用AI，不过是因为别人也在用——就像那些每天90%时间都在读邮件、开会或吃午饭的人，能有什么战略眼光和远见？

我看到绝大多数吹捧所谓AI好处的人，其实自己根本没做出什么像样的东西。我至今没见过哪个所谓的“多智能体编排工程师”真正上线过令人惊艳、有用甚至只是功能完整的项目。我也没见任何沉迷AI的老板写过、创作过、编过哪怕一件我能记住的作品。除了那些学会了把东西卖给其他陷入AI妄想症的受害者，或是各种规模公司的中层蠢材之外，我没见过这些混蛋能独立运营一家公司。

为什么总要用那种宿命论和占有欲的语言？那些整天嚷嚷“它来了，你不跟进就傻X了”的人，从来就没对过。这么急不可耐、咄咄逼人、语言粗暴的人，从来就没怀过好意，也没带来过好兆头——他们永远只是在推销某种骗局。

大多数技术都是为了提升人类而诞生的。而AI却把每一次互动都降格为一种廉价产品，由一台不尊重你、甚至不屑于为你创造真正适合人类工作的机器所生产出来。

你必须接受自己成为一个垃圾贩子，热爱并乐于接收劣质商品。你必须庆祝那些毫无意图、正在腐烂的残羹剩饭，并用整个身心去捍卫它以及制造它的机器。你必须玷污自己——把那些平庸、粗糙、不可靠的输出当作有意识的标志，至少证明数字意识是可能的。你必须捍卫那些丑陋、刺耳、吵闹的钢铁巨兽，里面塞满了价值五万美元的显卡。你必须说它们是必要的，并且必须 aggressively antagonize 那些不同意你的人。

只要你为生成式AI辩护，你就是在为一个已经烧掉一万亿美元、创造出历史上最浪费产品的资本机器辩护。如果有人不同意你，你就必须想办法伤害他们——排挤他们、嘲笑他们、攻击他们、贬低他们。你会把这合理化为道德行为，因为你已经被这项由史上最大骗子之二——达里奥·阿莫迪和山姆·奥特曼——打造并兜售的技术所操控。

任何比这更差的情况，都是对一种具有极权主义特征的行业（包括媒体谄媚者、宣传手段以及以模糊的“更高利益”之名强占土地）的反对。

但这些家伙确实把人们哄得服服帖帖。

山姆·奥特曼帮助推广了一项非常适合用来欺骗潜在用户的技术——这是对他自己人生经历（比如创办 Loopt 那种狗屎项目）的进一步放大，并将其转化为更大的机会。它能勉强做出一些演示效果，但对“商业蠢货”来说已经足够好卖了。

达里奥·阿莫迪将其中的骗局发挥到了极致。Anthropic 是一家专门设计来让人感觉聪明从而心甘情愿掏钱的公司。大语言模型偶尔能完成某些工作，但前提是你要降低标准去接受那些平庸甚至经常出错的东西，还得时刻警惕地盯着它，要么使用一个亏损的产品，要么支付巨额费用给 Anthropic，而他们依然亏损。

这些公司之所以能够扩张，完全是因为经济被轻信且不事劳作的人主导。只有在一个由那些实际上什么都不做、什么都不知道的人主导的资本主义文化中，这种情况才会发展到如此地步。没人想要这个，从一开始就没人想要，它是被强行施加给所有人的，假装不是这样是可笑的，甚至是冒犯性的。那些稍微用了一下这些东西并相信我们离它成本超过一万亿美元却 somehow 赚回数万亿美元、成为完全不同且优秀产品的日子不远了的人，应该意识到自己正在被操控。你越觉得有义务为 AI 辩护，就越要接受更严格的审视。

我不是你的敌人！如果你这么认为，那你就是站在某个公司或产品那一边的。你可以试试看，喜欢就用，我其实并不在乎，但一旦我看到你试图对不同意你选择产品的人表现出居高临下、评判或攻击的态度，我立刻就会起疑。难道你看不出这些人有多反常吗？难道看不出为一个花钱买来的、经济上糟糕透顶的东西辩护有多奇怪吗？如果不是因为这是“潮流”，成为一个 AI 爱好者本应被视为非常怪异。我期待那一天的到来。希望你们喜欢自己的言论从 2022 年起就被反复播放！我一直都在保存它们。优雅退场的时间所剩无几，你们最好赶紧行动！

如果你在别人嘲讽 AI 时感到不自在，那才奇怪呢！我经常看到有人说不喜欢 Mac，谁在乎啊！我可不会为了蒂姆·库克拼命。人们可以自己做决定。

那些把 AI 比作 AOL 邮寄光盘的人应该感到羞愧。这就好比每次翻开杂志都有一张 AOL 光盘砸向你，老板威胁说如果你不上网就把你换成调制解调器，新闻里还不断播出题为《我没收到邮件：父亲因未上网永远失去儿子》的节目，或者邀请所谓的“互联网专家”参加讨论，他们说“我现在就在互联网高速公路上，我可以肯定地说，十年内 AOL 时代华纳就能把我自己发邮件给我爸。”

想象一下，如果辛吉是亿万富翁，在 1999 年每天上电视告诉你：“世界必须做好准备，因为你马上会收到来自主的 ICQ 消息。”

生成式人工智能本就是为迎合那些实际上不干活的高管和管理层而量身打造的。它的成功，源于整个管理阶层惊人的集体无知；而它之所以能继续泛滥，也完全依赖于媒体对“CEO们忙碌是因为他们在真正做事”这一观念的持续信任与信仰。

然而，即便是商业白痴最终也会意识到花费的钱实在太多了，第一个削减他们代币预算的笨蛋，就会让其他人都争先恐后地逃离现场。

我们应该把他们锁起来。我们应该让所有沉迷于关于AI能做什么或将做什么的理论构想的人，因他们的智力欺骗或一贯的无知而感到羞耻。

AI时代的终结，唯一能改变我们经济体系核心的腐朽的，是接受这样一个事实：大多数公司都由懒惰、自我中心且无知的白痴所掌控，并对那些拒绝审视他们的人追究责任。