Notes Wiki

AI-Broken-Economics

9 min read

AI 破裂经济学

创建时间： 2026-04-30 来源： [[sources/AI's Economics Don't Make Sense.md]]（Ed Zitron，2026-04-29，Where’s Your Ed At） 相关： AI-Data-Center-Economics，Post-Training-Era，AI-Monetization-Market，State-of-AI-2026

核心论点

生成式 AI 的经济模型从根本上是破裂的：基于固定月费的订阅制永远不可能覆盖 LLM 推理的可变成本。AI 公司通过刻意隐藏 token 消耗来构建用户习惯，当补贴无法持续时，用户将面临两种选择——接受价格暴涨，或发现 AI 的实际 ROI 远低于预期。

Ed Zitron 称之为 “次贷 AI 危机”（Subprime AI Crisis） ——整个科技行业以极大折扣购买了一项重度补贴、高度中心化的技术，一旦大科技公司停止补贴，整个生态将面临价格冲击。

为什么订阅制对 LLM 从根本上不成立

固定月费 vs 可变成本

传统订阅制的经济学前提是边际成本近乎恒定：

  • 健身房：设备磨损、课时成本、水电费在一定范围内可预测
  • Google Workspace：文档存储和协作的计算成本相对固定
  • 一个重度 Google Drive 用户不会吃掉另一用户的利润空间

LLM 推理则完全相反。两个同样支付 $20/月的 ChatGPT 用户：

  • 用户 A：偶尔搜索，月消耗 $2 token
  • 用户 B：不断喂入代码库重构，月消耗 $160 token

AI 公司为控制成本只能选择：降低服务质量（限制上下文窗口、限制使用次数、推向更差的小模型），或改变定价模式。

蓄意的成本隐藏

AI 公司通过”token""消息数""百分比仪表盘”等抽象概念来隐藏实际成本：

公司订阅价用户实际可消耗 token 价值补贴倍数
Anthropic (Pro)$20/月~$160–2708–13.5×
Anthropic (Max)$100–200/月更高类似比例
GitHub Copilot$10–19/月$20–80+2–8×
OpenAI (Plus)$20/月高 [具体数字未公开]—

来源：Ed Zitron 引用 she-llac.com/claude-limits 的测算，以及 WSJ 2023 年 10 月关于 GitHub Copilot 单位用户亏损的报道。

GitHub Copilot：第一张倒下的多米诺骨牌

2026 年 6 月 1 日起，GitHub Copilot 从订阅制转向 token 计费：

  • 旧模式：$19/月，300 次 premium request + 无限 chat
  • 新模式：19 等值的 token，按实际模型用量扣除

微软的官方叙事是”产品进化到 Agent 形态，旧定价不再可持续”。Zitron 的反驳：Copilot 从一开始就不可能赚钱。据 WSJ 2023 年报道，微软在 Copilot 上每个用户月均亏损 80/月。

关键信号：微软是补贴算力能力最强的公司。如果连微软都撑不住，没有其他公司能撑住。

AI 不等于 Uber

常见的辩护叙事：“Uber 也亏了很多年钱，最终涨价成功了。”

Zitron 的核心反驳：Uber 涨价时，底层的单位经济学没有改变——乘客付一次行程的钱，司机收一次行程的钱，油费由司机承担而非 Uber 补贴。Uber 的亏损来自补贴、营销和 R&D。

AI 订阅制更像：Uber 收 150/加仑由 Uber 承担，然后某天通知用户改为按油耗计费——同时司机还在不断犯错（幻觉），且每次犯错你都要付钱。

企业 ROI 的真空

尽管全行业在推动”每个员工都要尽可能多用 AI”，但 ROI 证据几乎不存在：

  • Goldman Sachs 估算：部分公司 AI token 支出达到人头成本的 10%，未来几个季度可能达到 100%
  • Uber CTO 在 2026 年一场会议上表示：全年 AI 预算在几个月内烧光
  • KPMG、WTTW 等多项研究发现：企业 AI 投资与 ROI 之间缺乏可测量的关联

Zitron 的核心拷问：

“工程师’交付代码更快了’——但快了多多少？你因此多赚或省下了多少钱？如果你在 AI token 上花了人头成本的 10%，这笔额外支出是否在其他地方得到了补偿？“

Claude Code 的实际成本

Anthropic 自身文档的演变揭示了成本真相：

时间文档描述
2026 年 4 月初之前”每个开发者日均 12”
2026 年 4 月起”企业部署中，每活跃开发者日均约 150–250，90% 用户日均低于 $30”

按每月 21 个工作日计算：

  • 平均开发者年成本：$3,276
  • 日均 7,560**
  • 10 人团队年成本范围：102,900+
  • 若使用 Claude Opus 4.7（25/百万输出 token），成本只会更高

三类企业客户的承压差异

  1. 大型企业（Spotify/Uber 级别）：CEO 全力押注 AI，预算可以任性。但一次糟糕的财报电话会就可能改变叙事——投资者会开始质疑研发成本增长与收入增长的脱节。
  2. 中小型创业公司：目前靠 Teams 订阅补贴（300–$500+/人/月的真实成本？
  3. 个人用户：$20/月订阅下的便利体验在 token 计费后可能变得难以承受。

文章的终极判断

“生成式 AI 是一种侮辱。它不可靠，它的经济学不成立，它的产出无法证明其存在的必要性。AI 的骗子们是无聊、愚蠢且贪婪的人。”

Zitron 认为：

  1. LLM 订阅制将全面消失（至少在代码生成等重度产品中）
  2. OpenAI 和 Anthropic 中至少有一家会耗尽资金
  3. 当补贴结束、真实成本暴露时，AI 的热度将急剧下降
  4. 媒体的共谋——主流媒体撰稿人以 $20/月订阅体验来评价 AI，但从未体验过实际 token 成本，因此对其错误的容忍度过高

待验证 / 争议点

  • Anthropic 和 OpenAI 的具体补贴倍数缺乏官方数据支撑，依赖第三方估算 [需验证]
  • Zitron 的文章具有强烈的观点倾向，部分措辞（“欺诈""骗局”）属于评论性质而非事实报道
  • 推理成本下降的可能性未被充分考虑——虽然 Zitron 的回应是”reasoning 模型 token 消耗更大，实际成本反而在上升”

衍生创作

参考资料

Graph View

Backlinks