《AI 算力费用何时会超过工程师薪资》

导语

AI 原生公司的成本结构已经出现一个反常信号：算力支出可能高于工资。文章用 Anthropic、软件公司前 1% 与市场中位数的差距，推演到 2029 年每名工程师的 AI 账单，并把结果拆成悲观、基准和乐观三种情景。

正文翻译

Anthropic 的算力支出是工资总额的 2.3 倍。按 2026 年约 5,000 名员工、约 100 亿美元推理与训练支出计算，每名员工一年对应约 200 万美元算力成本，而顶级 AI 实验室员工的全口径薪酬很可能在 50 万美元以上。

软件行业的其他公司远远落后。支出最高的前 1% 公司，每名工程师每年在 AI 上花费 8.9 万美元，相当于一名全口径年薪 22.4 万美元的高级工程师薪酬的 40%；中位数公司一年只花 137 美元。这就是当前差距：前沿公司为 2.3 倍，市场顶端为 0.4 倍，中位数则接近于零。

其他公司会追到多近？可以用三种情景界定答案：悲观情景假设 token 持续快速降价；基准情景假设前 1% 公司的增长轨迹逐步放缓；乐观情景则假设到 2029 年，市场其他公司也达到 Anthropic 当前的算力支出与薪酬之比。三种情景对应的每名工程师年度 AI 账单如下：

在乐观情景中，每名工程师的 AI 账单本身，就等于一家中位数 SaaS 公司一名员工全年创造的收入。Anthropic 和 OpenAI 的人均收入已经分别达到约 1,400 万美元和 650 万美元，在《福布斯》全球 2000 强中位居最高水平。成本结构正在追随收入结构。

推动乐观情景的力量是：前沿模型的训练成本趋于稳定，但需求增长快于供给，使模型价格保持坚挺；智能体工作流消耗 token 的速度比聊天高出多个数量级，高盛预计到 2030 年 token 消耗量将增长 24 倍；如果竞争对手借助 AI 更快发布功能，AI 账单就不再是可有可无的支出。

制衡这些力量的因素也很强：同等能力的 token 价格已经连续三年以每年约 10 倍的速度下降；开放权重模型正以专有前沿模型一小部分的成本缩小质量差距；企业还可以按岗位或工作负载限制用量，从而压低成本曲线。

三种情景中，总有一种会更接近 2029 年的现实。问题是：你在编制 2027 年预算时，采用的是哪一种模型？

数据与方法方面，作者以 2026 年高级工程师全口径薪酬 22.4 万美元为基准，并按美国劳工统计局趋势假设每年增长约 5%。Ramp 2026 年 6 月的 AI 指数显示，前 1% 公司每名员工每月支出 7,449 美元、环比增长 14.1%，而中位数公司每月仅 11.38 美元，两者相差约 680 倍。公开 SaaS 数据显示，人均收入中位数约 25 万美元，前四分位约 40 万至 60 万美元。

价格下行情景参考了 GPT-4 级输入价格从 2023 年 3 月每百万 token 30 美元降至 2026 年不足 3 美元，以及 Claude、Gemini 的类似趋势；DeepSeek-V3 等开放权重模型则以领先专有模型约 1/10 至 1/30 的接口成本，取得接近前沿模型的基准表现。

思想框架

文章先用 Anthropic 与普通软件公司的单位员工成本建立悬殊基线，再给出 2026—2029 年三条情景路径；随后分别解释高成本路径的推力与低成本路径的制衡因素，最后把问题交还给企业：面向 2027 年预算时，究竟在为哪一种成本结构建模。