KeyFrame內部研究專用

裁員裁錯了?😱 AI 竟然比真人還貴!科技巨頭緊急下令:禁止使用!🚫

商業本質23 min中文
觀看原始影片

三句話摘要

AI成本危機:從"廉價勞動力"到"燒錢機器",企業正在經歷補貼時代結束後的殘酷覺醒。 AI沒有終結工作,只是把低薪重複勞動變成了昂貴的系統管理,而當企業發現維持AI系統的成本遠超直接雇傭聰明人時,人類價值的回歸拐點已真正到來。 病態激勵機制引發的成本失控:企業將TOKEN消耗量納入員工KPI考核,導致員工為顯示"積極擁抱技術"而瘋狂濫用AI——寫冗長提示詞、同時開啟多個代理空轉、執行無意義數據處理。虛假的13倍用量增長被誤讀為強勁業務需求,企業據此判斷投資,反而推高AI公司定價。

重點整理

  1. 病態激勵機制引發的成本失控:企業將TOKEN消耗量納入員工KPI考核,導致員工為顯示"積極擁抱技術"而瘋狂濫用AI——寫冗長提示詞、同時開啟多個代理空轉、執行無意義數據處理。虛假的13倍用量增長被誤讀為強勁業務需求,企業據此判斷投資,反而推高AI公司定價。

  2. 西方模式vs中國降維打擊:西方AI巨頭把模型當奢侈品,靠單次調用直接盈利;中國廠商以基礎設施思維,用免費或幾分錢的價格綁定企業核心業務到自家雲服務生態,然後從存儲和定制解決方案獲利,造成成百上千倍的價格差(西方推理模型每百萬TOKEN 180美元vs中國幾分錢到免費)。

  3. 企業對AI巨頭的信任徹底崩塌:企業將十幾年財務數據、客戶名單、商業機密通過API喂給大模型,卻發現協議數據邊界模糊,AI公司可反身推出垂直產品競爭,且供應商鎖定(vendor lock-in)風險讓企業被迫綁定他人架構,倒逼企業尋求替代方案。

  4. 人類勞動力性價比的逆轉:在呼叫中心、數據錄入領域,雇傭客服時薪15-20美元(自處理突發狀況、無額外維護費),已遠低於AI方案總成本(TOKEN費+語音API+年薪數十萬維護工程師+風險賠償)。企業被迫設立"AI保姆"崗位審核輸出,導致AI本該替代10人卻只能干5人的活,剩5人得被請回來擦屁股。

實用技巧與重點

  • 成本實例:
  • Uber全年AI代碼生成預算於4月燒完
  • Meta月均TOKEN消耗60萬億個,年支付Anthropic 26.5億美元
  • Anthropic員工單月個人API消耗15萬美元
  • 40000員工公司年均人均TOKEN支出200美元 = 年成本4億美元
  • 定價對比(每100萬TOKEN):
  • 西方頂級推理模型:180美元
  • 西方普通模型:4美分
  • 中國大模型(豆包、通義千問、DeepSeek):免費到幾分錢
  • 差距達4500倍
  • 使用差異:
  • 普通人日消耗:1萬TOKEN
  • 程序員日消耗:1000萬TOKEN(相差1000倍)
  • 客服成本對比:
  • 人類客服年成本:時薪15-20美元
  • AI客服年成本:200萬美元API費+維護工程師年薪+風險賠償
  • 基礎設施困境:
  • 美國原定2026開工的數據中心項目50%因芯片短缺、電力不足而延期或取消
  • 財務預測:
  • Anthropic 2025年營收30億,2026預期96億但持續巨額虧損
  • OpenAI和Anthropic排隊IPO,上市後將被迫涨價以滿足股東利潤要求

結論

AI沒有終結工作,只是把低薪重複勞動變成了昂貴的系統管理,而當企業發現維持AI系統的成本遠超直接雇傭聰明人時,人類價值的回歸拐點已真正到來。

完整解析

AI成本危機源於一個巨大的商業模式轉折。過去三年,OpenAI、Anthropic等巨頭用風投資金激進補貼——企業消耗一美元算力,公司實際倒貼近兩美元。這種虧本賺吆喝的策略讓所有企業誤以為AI是廉價工具。但到2026年,為籌備IPO、向股東交差,AI公司開始轉嫁成本,85%的SaaS供應商改為按用量計費。企業這才驚覺陷阱——同樣員工因工作內容差異,AI消耗成本竟相差1000倍,月均支出從幾百美元到幾百萬美元不等。

企業自製的管理怪象雪上加霜。部分管理層為考核員工是否積極擁抱AI,荒唐地將TOKEN消耗量納入KPI。這催生了"TOKEN最大化"文化:員工為達標而瘋狂濫用AI——寫冗長提示詞、同時開啟多個代理空轉、執行無意義數據處理,只為月底交出亮麗報告。虛假需求被誇大13倍,企業誤以為AI使用暴增代表業務興隆,實則員工在停車場空轉油門。這些虛假數據被傳給上游,AI公司據此融資建數據中心,卻因芯片短缺和電力不足項目延期,供給被卡死、需求還在飆升,TOKEN價格自然水漲船高。

與此同時,企業對AI巨頭的信任崩塌。三年間企業將十幾年財務數據、客戶名單、商業機密通過API喂給大模型,卻發現協議的數據邊界模糊,AI公司吸收know-how後可反身推出垂直產品競爭。供應商鎖定風險更令企業寒心——一旦系統綁定閉源模型,企業就把生命線交了出去。在這雙重打擊下,企業開始轉向開源模型和本地部署。Meta的Llama、Mistral等可直接部署內部機房,花10萬美元買高性能伺服器跑百億級參數模型,雖無法寫詩解物理,但應對客服、內部報表毫無問題,且數據安全、成本固定。

最諷刺的發展是企業開始招聘"AI降本工程師"幫助戒斷對昂貴大模型的依賴。更扎心的是,路透社調研顯示在呼叫中心、數據錄入等領域,人類性價比已反超AI——時薪15-20美元的客服能自處理突發狀況、無需額外維護費,而AI客服需TOKEN費、語音API、年薪數十萬維護工程師,一旦產生幻覺還面臨巨額訴訟。企業甚至設立"AI保姆"崗位審核輸出,結果AI本該替代10人卻只能干5人的活,剩5人得被請回來。曾被瘋狂裁掉的基礎崗位員工現在被悄悄重招——對外宣稱業務擴張,實則源於AI太貴了。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。