AI 账单每 45 天翻一倍。 生产率提升呢，最多 5%。 Chamath 和 CTO 对完这笔账，整个人开始往后退。…

AI 账单每 45 天翻一倍。 生产率提升呢，最多 5%。 Chamath 和 CTO 对完这笔账，整个人开始往后退。

这就是很多公司接下来要碰到的墙。 不是模型不聪明了。 是每往前挤一点点改进，都要烧掉更多 token。

早期用 AI，像白捡杠杆。 写代码快了，客服快了，分析快了，PPT 快了。 老板看到的是效率曲线往上走。

可财务看到的是另一条线。 token 成本每 45 天翻倍。 一年下来，不是翻几倍，是进入指数游戏。

更麻烦的是，收益端没有同步指数增长。 Chamath 得到的内部估算是，下游生产率提升最多 5%。 成本在狂奔，增益在贴地走。

CTO 给出的解释很现实。 第一轮 AI 改造，低垂的果子已经摘完了。 再想做下一轮优化，就要让模型读更多上下文，跑更多推理，试更多路径。

听起来像技术进步。 落到公司账本上，就是变量成本。 每一次点击，每一次生成，每一次自动化，背后都有 token 表在跳。

这会改变一批 AI 公司的估值逻辑。 以前市场买的是想象力：用户增长、调用增长、自动化率增长。 接下来资本会问一个更土的问题：每多赚一美元，要多烧多少 token。

Chamath 的判断更直接。 很多公司现在还没认真做这笔审计。 但未来三四年，大家都会被迫做。

所以他才会提到一个残酷窗口。 能在这轮兴奋期高价退出、融到大钱的公司，可能会先跑。 因为等 token 成本渗进利润表，故事就没那么好讲了。

AI 当然会继续吃掉软件世界。 但它不是免费的魔法。 它更像一种新电力：越强大，越要被计量、审计、定价。

企业 AI 的下半场，会从谁会接入模型，变成谁能控制每一次智能的边际成本。