币圈界报道：

AI时代的新命题：代币消耗背后的经济逻辑

传统加密货币中的“代币经济学”聚焦于发行与分配机制，而在人工智能领域，这一概念已发生根本性转变——核心不再是如何发行代币，而是如何消耗。每一次模型调用都伴随代币支出，但这些成本是否真正转化为可衡量的生产力，目前尚无定论。

从代币生成到代币焚化：行业本质重构

如果说区块链行业是通过共识机制创造代币价值，那么当前的人工智能产业则更像一个持续燃烧代币的能量场。模型使用即意味着资源消耗，而其产出能否覆盖成本，正成为新的争议焦点。

引爆成本讨论的关键声音

近期，全球最大网约车平台优步的高管安德鲁·麦克唐纳在播客中直言，为AI投入辩护正变得愈发艰难。尽管内部开发者广泛采用AI工具，但缺乏明确证据证明其带来实际效率提升或产品优化。他将这种现象定义为“代币最大化”——即对代币的过度使用，而非有效产出。

该言论之所以引发广泛关注，不仅因其来自一家曾大力推动AI落地的企业，更因它紧随微软因成本压力削减内部Claude Code访问权限的事件。两者叠加，凸显出大型科技公司对AI成本控制的紧迫感。

市场关注点从效能转向盈利

尽管模型性能持续跃升，部分工作场景也观察到生产力改善，但投资者的问题已悄然转变：不再是“AI有没有用”，而是“AI能不能赚钱”。这场转型标志着市场情绪从盲目扩张走向理性评估。

数据揭示的成本现实

多项内部数据显示，优步在四个月内耗尽了原定用于2026年的Claude Code预算。约5000名工程师参与使用，月度活跃率高达84%至95%。人均月账单从150美元至2000美元不等，甚至有高管在一次两小时演示中消耗1200美元代币。

微软亦遭遇相似困境。自5月中旬起，逐步限制内部团队对Claude Code的访问，以应对按量计费模式下的成本飙升。同时，其旗下GitHub宣布自6月起将Copilot服务由固定订阅转为用量计费，理由是原有费率难以覆盖实际开销。有估算称，一次基于智能体的编码会话可能花费30至40美元，使每月10美元订阅制的可持续性受到挑战。

更具冲击力的是开发平台Entelligence.AI的一项调查：分析2444家企业后发现，每投入1美元代币，仅产生18美分的实际用户价值。其余成本中，修复错误占44美分，返工占27美分，审查流程占11美分。这表明，当前许多AI应用并未减少工作量，反而催生了新的任务链条。

乐观与悲观的深层分歧

面对同一组数据，解读却截然不同。乐观派视当前混乱为成长必经阶段。他们相信，随着智能体普及和任务编排技术成熟，代币消耗将呈指数级增长，带动模型提供商与云服务商收入扩张。高盛部分分析师预测，到2030年代币消耗或将达到今日数十倍水平。

悲观派则认为，成本结构本身存在系统性风险。英伟达凭借芯片供应获得巨额利润，但云服务商却背负沉重设备投资与债务负担。大量资金在“投资—云服务支出—营收确认”的循环中流转，虽规模扩大，但真实性存疑。OpenAI、Anthropic等公司高度依赖微软、甲骨文、谷歌、亚马逊等大客户，一旦某几家巨头订单集中，将形成结构性依赖，而非真正的分散化收入。

韩国企业的双重路径与隐忧

这一问题并非美国独有。韩国企业同样面临严峻挑战。Naver大幅增加AI基础设施投入，一季度设备支出同比增长超一倍，重点布局自研服务器与GPU集群。而Kakao则采取混合策略，结合外部模型与自研能力以控制成本。

两种路径虽异，本质相同：未来胜负关键，在于掌控底层算力还是灵活调用外部资源？在代币计价模式全面转向按量收费的趋势下，成本管理能力将成为决定企业竞争力的核心要素。

初创公司与系统集成商尤为敏感。资金有限者，代币支出直接关乎生存。因此，低成本与高性能模型混合部署、提示词缓存、本地大模型建设、国产NPU替代等方案正被加速推进。

政府主导的K-Cloud与主权AI战略不应止于口号。真正的自主，不仅是模型可控，更是成本可控。对外部模型与云服务的依赖越深，企业就越容易受汇率波动与海外代币价格变动影响，进而威胁整体财务稳定性。

非泡沫，但提问更趋冷静

将当前AI热潮类比2000年互联网泡沫并不准确。AI具备真实技术基础，并已在部分领域验证生产力提升。主要模型公司短期内崩盘风险极低。

然而，投资逻辑已发生根本转移。六个月前关注的是“扩张速度”，如今则聚焦“盈利方式”。单纯依靠代币消耗增长已无法支撑估值，核心在于单位经济的合理性。若每烧1美元仅换回18美分价值，终将有人被迫重新审视账单。

下一阶段的竞争，或许不再是模型的“智商”较量，而是“单位经济学”的比拼。谁能以更低成本、更高稳定性和更强可验证性输出成果，谁才可能成为真正的赢家。

AI热浪未退，只是火焰燃烧的位置，终于清晰可见。