一家公司接入 Claude 后，原本觉得 AI 工具挺顺手。Anthropic 今年 5 月把它切到按 token 计费，第一天账单涨了 7 倍。CEO 的反应很直白：我们造了个怪物。

这句话比很多行业报告都诚实。过去两年，企业习惯了一个幻觉：AI 很强，也很便宜。现在账单开始说另一种语言：便宜不是能力，便宜是补贴。

订阅制把真实成本藏起来了

SemiAnalysis 做过一个测试：在 200 美元/月的订阅档位里，用户可以消耗的 token 额度很夸张。

按公开价格估算，Anthropic 约等于放出 8000 美元 token 额度，OpenAI 约等于放出 14000 美元 token 额度。

这不能直接等同于平台真实成本。token 标价、边际成本、批量折扣、算力调度都不一样。但它至少说明一件事：订阅制严重扭曲了用户对 AI 成本的感觉。

对象正在发生什么直接影响
Anthropic / OpenAI低价订阅覆盖高额 token 使用重度用户被补贴最多，也最容易在改价后跳账
GitHub Copilot / Microsoft被曝计划收紧额度、尝试 token-based pricing编程助手从包月工具变成算力账单
企业客户Anthropic 切换计费后，有小公司首日支出涨 7 倍预算模型要重做，采购审批会变慢
NVIDIA 相关表态高管称团队算力成本已超过员工成本AI 替人省钱的叙事被成本反咬

OpenAI 的财务数字也把压力摊开了。

Zitron 披露的 2025 年数据里，OpenAI 收入约 130.7 亿美元，成本和费用约 340 亿美元，亏损约 209.2 亿美元。销售和营销约 57.3 亿美元，接近收入的 44%。

这里要谨慎。OpenAI 的公司结构转换、公允价值变动会影响亏损口径，不能把所有数字都当成经营亏损简单相加。

但方向已经够清楚：这不是一家没人用的公司。麻烦恰恰在于，用的人很多，价格却还没完全回到真实账单上。

AI 泡沫的考题不是需求，而是真实价格

AI 讨论最容易滑向两个极端：要么改变一切，要么马上崩盘。我不买这两种说法。

更现实的分水岭是价格。

客服、代码补全、内部知识库、文档处理、数据分析，这些场景确实有价值。有些企业愿意付钱，甚至愿意多付。问题是，一旦从包月变成按 token 跳表，很多看起来有用的需求会被重新审判。

尤其是 agent。

普通聊天是问一句、答一句。agent 要规划、调用工具、读文件、写代码、失败重试、再回滚。token 消耗可能比普通对话高很多。

演示时很迷人。财务看见会皱眉。

这有点像铁路早期。城市都想接入铁轨，资本也愿意先铺线。等债务、维护、运力和票价一起上桌，很多线路才发现客流撑不起故事。

AI 不完全一样。它的软件扩散速度更快，边际成本也可能继续下降。但资本开支的约束很像：先建数据中心和 GPU 集群，再逼收入追上折旧。

数据中心不是白来的。GPU 会折旧，电费、机房、网络、工程团队都要持续烧钱。

平台前期用低价订阅养习惯，后期总要找时间把成本往外推。天下熙熙，皆为利来。现在只是轮到客户看见，那个利从哪里来。

企业接下来该算三笔账

最先受影响的不是普通聊天用户，而是两类人：企业采购负责人，和把 AI 嵌进产品流程的开发团队。

采购负责人会更慢。以前问模型强不强，现在要问峰值使用量、失败重试成本、预算上限和退出方案。很多项目不会立刻取消，但会从全面铺开变成小范围试点。

开发团队会更抠。提示词要压缩，上下文要裁剪，缓存要做好，能用小模型就别动大模型。agent 也不能只看成功率，还要看每次成功花了多少 token。

更实用的检查表其实很短：

该问的问题为什么要问
高峰使用时 token 成本是多少平均成本会掩盖真正的账单尖峰
失败、重试、循环调用算谁的账agent 最容易在这里失控
补贴取消后还比人便宜吗这是流程能否长期成立的底线
能不能设置额度、降级和熔断没有阈值控制，财务风险会外溢到业务

这不是唱衰 AI。

真正高价值的场景会留下来：高频、标准化、结果可验证、人工成本高、错误代价可控。被挤掉的，是那些靠反正包月撑起来的伪需求。

接下来最该看的也不是发布会参数。

看三件事：平台是否继续收紧订阅额度；企业是否把 AI 预算从试验费改成生产成本；agent 产品能不能证明每一轮调用都值回票价。

AI 行业最难受的地方在这里：它要证明自己能替代大量劳动，又不能把价格高到让企业重新雇人。

模型看着更强，产品反而更虚。不是能力虚，是账本虚。

开头那张涨 7 倍的账单，其实是行业体检单。过去大家在补贴里谈未来，现在开始在发票里谈效率。很多 AI 故事，到了按量计费那一刻，才算真正开场。