当人工智能的成本超过工程师时

Anthropic 在计算方面的支出是其工资的 2.3 倍。

1 到 2026 年，该公司约有 5,000 名员工，推理和培训支出约为 100 亿美元，每名员工每年的计算费用约为 200 万美元，而总成本可能超过 50 万美元。

2 其余的软件市场表现不佳。

排名前 1% 的公司每位工程师每年在 AI 上的支出为 8.9 万美元，占高级工程师满薪 22.4 万美元的 40%3.4 中位数支出为 137 美元。

这就是差距：前沿为 2.3 倍，市场顶部为 0.4 倍，中间值接近于零。

市场的其他部分有多接近？

三个场景给出了答案。

熊市（代币通货紧缩获胜）、基础股（前 1% 轨迹逐渐缩小）、牛市（市场其余部分到 2029 年达到 Anthropic 的比率）。

每个场景都对应于每位工程师的年度人工智能账单。

5 在 Bull 案例中，仅每位工程师的 AI 账单就与整个 SaaS 员工的收入贡献中位数相匹配。

6 Anthropic 和 OpenAI 已为每位员工创造了 1,400 万美元和 650 万美元的收入，是福布斯全球 2000.7 中最高的 成本结构遵循收入结构。

牛市驱动因素：由于培训成本稳定且供不应求，前沿模型价格保持不变。

代理工作流程消耗代币的速度比聊天高出几个数量级，高盛预计到 2030 年，代币消耗量将增长 24 倍。

8 如果竞争对手推出的功能更快，人工智能法案就不再是可选的。

空头平衡：三年来，代币价格每年下跌 10 倍。

9 开放权重模型以一小部分成本缩小了质量差距。

10 按角色或工作量分配使用量的公司弯曲了曲线。

其中一种情景将在 2029 年更接近事实。

您为 2027 年建模的是哪一种？

🔗 原始来源

如果你要核对细节，可以再看原文： Hacker News AI原文链接