AI为什么无法取代人类？算力成本已远超人力开销

2026 年年中，一個反直覺的商業現實正悄悄瓦解過去三年科技圈最流行的敘事——AI 將以低廉成本橫掃人類勞動市場。事實上，算力成本的急遽攀升，已在多數應用場景中讓 AI 比人類員工更加昂貴。英偉達負責應用深度學習的副總裁 Bryan Catanzaro 公開承認，其團隊內部的運算資源開銷已將員工薪資遠遠甩在後面——這尤為諷刺，因為英偉達正是賣出算力鏟子的人。優步在 2026 年前四個月就燒光了全年 AI 程式開發預算，被迫緊急叫停。MIT 電腦科學與人工智能實驗室在 2024 年的研究更以量化模型明確指出：即便聚焦於理論上可自動化的崗位，真正具備成本效益的替換比例也僅有 23%，其餘 77% 的崗位保留人類仍是顯著更划算的選擇，且即使部署成本以每年 20% 速度下降，多數普通崗位也需數十年方能讓 AI 在價格上勝過人力。

在這樣的成本壓力下，大企業卻催生出一種扭曲的績效文化——「刷 Token」。為了向燒錢押注 AI 基礎設施的投資人交代，Meta、Spotify、Uber、迪士尼等公司開始以員工每日消耗的 AI Token 數量作為績效與工作態度的核心指標。Meta 旗下 85,000 名員工在 30 天內消耗了 60 至 73 兆 Token，折算公有雲算力價值約 9 億美元，最高紀錄是單一用戶單月燒掉相當於 420 萬美元算力費的 2,800 億 Token。Salesforce 更直接在員工 Mac 桌面設置每 15 分鐘更新的 AI 花費 Widget，並設定每週「最低預期消費」。工程分析機構 Jellyfish 追蹤 200 家公司的 12,000 名程式員後發現，重度 AI 用戶的月均工具花費是普通用戶的 13 倍，算力賬單成本飆升 300 倍，而實際代碼產出僅提升 2 倍。這完美示範了古德哈特定律：當 Token 消耗量成為考核標準，工程師就有動機讓五個 AI 代理同時各自寫一套方案，最後扔掉四套，製造出海量垃圾代碼與技術債務。

亞馬遜的「Just Walk Out」無人結帳系統則是 AI 成本失控最具代表性的案例。這套曾被宣傳為電腦視覺與深度學習巔峰之作的系統，在 2024 年被調查記者揭露：2022 年年中，每千筆交易中有 700 筆（70%）需要靠印度外包團隊逾千人進行實時人工審核，是原定目標 50 筆的 14 倍，業界戲稱這並非「Artificial Intelligence」，而是「Actually India」。改裝一家門市需耗資 100 萬美元，加上長年維持龐大審核人力，這套系統從第一天起就是負報酬的商業模式。最終亞馬遜於 2026 年 1 月正式關閉全部 70 多家應用此系統的門市，這場歷時多年的零售實驗以失敗告終。

AI 成本居高不下的原因有三層：其一，科技巨頭的補貼紅利正在退潮——過去幾年用戶支付的月費遠低於實際算力消耗，OpenAI 2024 年淨虧損 50 億美元，2025 年更高達 200 億美元，迫使其轉向上市、控制虧損，真實成本開始全面轉嫁到企業端，合約普遍加收 20～37% 的「AI 稅」。其二，思維鏈推理模型帶來「Token 大暴脹」——單價雖因競爭下降，但模型在回答前於後台自我推導產生的隱藏 Token 暴增百倍，導致月度賬單反升數十倍。其三，全球四大雲服務商 2026 年預計投入 7,400 億美元建設 AI 基礎設施，推高高帶寬記憶體、GPU 租賃費及電力與冷卻成本，部分地區 GPU 租賃費一年內漲幅達 300%，所有物理成本最終都折算進每一個 Token 裡，由用戶買單。節目最後，主播指出這場成本危機揭示了更深層的社會問題：人類勞動的市場定價竟不敵數據中心幾張顯卡的電費，不是 AI 多崇高，而是人的勞動尊嚴在現有分配體系中遭受了系統性貶低；部分高管追求 AI 取代人類的真正動機，不過是逃避醫療、養老、薪資等社會責任，而非追求生產力的真正提升。