硅谷知名投资人 Tomasz Tunguz 在 Theory Ventures 的博客上发了一组数据，干净利落地解释了一个让很多人困惑的问题：AI 行业的钱到底花到哪里去了。

先说最扎眼的数字。Anthropic 有大约 5000 名员工，2026 年在模型推理和训练上的支出约 100 亿美元。平均下来，每个员工头上顶着 200 万美元的年均算力账单。而 Anthropic 的全员平均年薪大约是 50 万美元。也就是说，算力开支是人力成本的 2.3 倍。

这不是一个普通公司的成本结构。对比一下：软件行业前 1% 的公司，每个工程师的年 AI 支出是 8.9 万美元，约占一个资深工程师全包薪酬（22.4 万）的 40%。而行业中位数公司的年 AI 支出是——137 美元。

从 137 美元到 200 万美元。这就是 AI 前沿和软件行业主流之间的真实距离。

Tunguz 用三组场景来推演 2026 到 2029 年的走向。

• 悲观情景（Bear）：token 价格继续以每年 10 倍的速度下降，开源模型追平闭源，企业按角色和场景控制用量。到 2029 年，每工程师 AI 支出约 10.6 万美元，占薪酬的 41%——比现在还略低。
• 基准情景（Base）：行业沿着头部公司的轨迹追赶。到 2029 年，每工程师 AI 支出约 36.3 万美元，占薪酬的 140%。
• 乐观情景（Bull）：前沿模型的定价稳住，训练成本触顶，而需求持续跑赢供给。高盛预测到 2030 年代理式工作流（agentic workflow）的 token 消耗量将是当前聊天模式的 24 倍。到 2029 年，每工程师 AI 支出约 59.6 万美元，达到薪酬的 230%——也就是说，光 AI 账单一项就超过了一个中等 SaaS 公司员工的营收贡献。

注意这里「乐观」和「悲观」的指向。对买算力的公司来说，价格下跌是乐观的。对卖算力的云厂商来说，Bull 才是好日子。

Tunguz 的框架解释了为什么超大规模云厂商今年在数据中心上砸了大约 5750 亿美元——人类历史上第五大基础设施投资，仅次于铁路和两次世界大战，超过阿波罗计划和州际公路系统。Google 和 Meta 几乎把全部自由现金流投了进去，Oracle 的杠杆率已经到了 7:1。这不是理性投资，这是一场胆小鬼博弈，谁先停下，谁出局。

Anthropic 和 OpenAI 人均创收分别达到 1400 万和 650 万美元，排名 Forbes Global 2000 第一。这种收入密度是传统 SaaS 无法企及的。但成本结构同样极端。

Tunguz 问了一个很实际的问题：你的 2027 年模型用的是哪个场景？

对大多数软件公司，今天的 AI 账单还是小数目。但如果你在 Bull 路径上，三年后每个工程师头上要额外背 60 万美元的算力成本。而现在做预算的时候，应该已经开始想了。

参考来源：

• When AI Costs More Than the Engineer — Tomasz Tunguz
• HN 讨论