一、Token 太貴了
3 月 7 日，在 All-In Podcast 的現場，Chamath Palihapitiya 對三位同樣押注 AI 的老友說了一句震撼產業的話：
「我的成本，每三個月翻三倍。我的收入卻沒有。」
Chamath 是 Social Capital 的創辦人，也是前 Facebook 的早期高階主管。
2024 年，他啟動了一個名為「8090」的專案，意指「利用 AI 實現 80% 的功能，以節省 90% 的成本」。
目標只有一個：重寫全球所有的老舊軟體。
如今，這家以「降低成本 90%」為名的公司，其自身的 AI 帳單卻翻了 3 倍，逼近 1000 萬美元（包含 AWS 算力租賃、Cursor 訂閱費、Anthropic API 等費用）。
Chamath 在 X 上的發文，不知是在自嘲還是諷刺整個產業：
「感謝風險投資家們用鉅額投資為這場 Token 自助餐買單。」
這大概是 2026 年矽谷最諷刺的一幕：一位頂級風投，公開諷刺其他風投替他公司的 Token 帳單兜底。
OpenCode 創辦人 Dax Raad 也在 X 上爆料：CFO 們開始坐不住了。
「CFO：什麼意思？每個工程師每月要多花 2000 美元的 Token？」
過去企業的科技支出一目了然：伺服器、雲端運算、SaaS 訂閱，每年做一次預算即可。現在多了一筆完全不可控且不斷上漲的 Token 帳單。
上次我看到這種不可控的開支，一眨眼就迎來天價費用的，還是在 4G 時代「30M 流量 5 元」的時期，那時有人戲稱「一覺醒來，房子都沒了」。2026 年買 Token 的人恐怕快也要說同樣的話了。
為什麼使用 AI 的代價變貴了？
為了提升智力，我們不斷尋找更好的方案，其中「長思考」成為了 2025 年的技術贏家。
訓練成本：每一代模型的訓練成本增長約 10 倍，性能提升僅 2 倍。GPT-3 訓練成本約 460 萬美元，GPT-4 超過 6000 萬，GPT-5 已超過 5 億。10 倍的投入僅換來 2 倍的回報。
Agentic 成本爆炸：Agentic AI 的成本公式是 k × O(N²)，其中 k 是每輪工具調用的次數。每一次工具調用都要重新處理整個對話上下文。一個 40 輪對話的成本，大約是 20 輪對話的 4 倍，而不是 2 倍。
無論是訓練成本還是使用成本都水漲船高，舉個例子：
GPT-5.4 Pro 有一個極端案例：有人輸入一句「Hi」，等了 5 分 18 秒，花了 $80。推理鏈膨脹到了荒謬的地步。
智能化的代價是多付錢
Chamath 還用上了 Ralph Wiggum 的史詩級外掛，這個外掛會強制 AI Agent 持續循環判斷是否完成任務目標，若未完成則繼續循環。
Ralph Wiggum 是來自《辛普森一家》裡那個「蠢但執著」的角色。
這個外掛會讓 Agent 反覆重試同一個問題，可能解決了問題，也可能什麼都解決不了……可能一夜之間房子就沒了。
這與現在的 OpenClaw 一模一樣。我們在部署 OpenClaw 時的最大問題是，每個看起來高質量的完成背後，都伴隨著頂級模型的持續性改善與監控，每一個動作都在燃燒真金白銀。
二、你不想燒錢，但市場逼你
市場正在悄然發生變化。傳統軟體的商業模式是清晰的：前期巨額投入，後期的邊際成本基本為 0。你賣出第 1 萬份和第 100 萬份授權，成本幾乎一樣。越賣越賺。
AI 應用剛好反著來：每一次用戶交互都有直接成本，每一個 Token 都要付費。越用越虧，你希望它越自主，它就越貴。
在傳統 SaaS 中，所有用戶的成本基本一樣，趨近於零。AI 時代反過來了：你最忠實的用户，恰恰是你最貴的用户；而用得少的客戶，可能明天就轉投他家了。
增長越快，虧損越多。 先燒錢、後變現的經典 VC 劇本，在 AI 時代變成了一條開往破產的高速公路。
競爭結構逼著大家捲上新的高度。
許多 AI 創業者不選擇「人 + 代碼 + AI」的低成本模式（將 AI 用在關鍵節點、其餘交給人或流程），因為大模型廠商已經不給他們這個選項了。
OpenAI、Anthropic、Google 零起手式就是 Agent。Claude Code 直接就是一個自主寫代碼的 Agent，Codex 直接就是端到端的編碼智能體，這些編譯工具都快逼死 Cursor 了。上游廠商的產品已經全自主了，你还在做「人+AI 協作」，豈不是笑掉大牙。
捲就這樣捲起來：競爭壓力迫使創業者採用 Agent 模式 → Agent 模式是最燒 Token 的模式（k × O(N²)） → Token 成本飆升 → 利潤被吃掉。
創業者不想燒錢，但市場逼他們只能用最貴的方式競爭。 以前做科技，你可以選擇「做輕」，用更少的資源、更聰明的方式贏。Token 經濟裡不行了，「做輕」意味著你的產品能力不如大廠的免費工具。創業者被夾在中間，進退兩難。
但如果創造的價值足夠大，燒錢也是一種好方法，只是很多創業者做出來的東西都不值錢了，尤其是傳統 App。
Coding Agent 越過能力奇點後，軟體的生產成本趨近於零。但贏的不是每個人。
「Coding 越過奇點之後，軟體世界不會變得更公平，只會變得更擁擠。不是『大家都能贏』，而是『做出來已經不再構成優勢』。」
你用 AI 幾分鐘寫了一個應用。但你的競爭對手也用 AI 幾分鐘寫了同款應用。複製成本接近於零，複製時間差接近於零。
投入在膨脹（Token 越來越貴），產出在貶值（軟體越來越不值錢）。 雙向擠壓。
「做出來不值錢」，不等於什麼都不值錢。在 Token 經濟裡，真正值錢的東西變了。
過去軟體行業的稀缺資源是「能造」。能寫出一個可用的 SaaS 產品本身就是壁壘，招工程師貴、開發週期長、技術門檻高。現在 AI 把「能造」的成本打到趨近於零，稀缺資源變成了「知道該造什麼」。判斷力、行業 know-how、對用戶需求的深度理解，這些是 Token 買不到的。
當年微信公眾號剛起來，稀缺的是「會寫」，能日更、能排版、能找素材。後來所有人都會了，稀缺的變成了「寫什麼」，選題判斷力、行業洞察、獨特視角。現在 AI 連「會寫」都替你做了，唯一不能替你做的，是「知道讀者需要什麼」。 Token 經濟和內容行業底層邏輯一樣：生產成本歸零，策略和判斷力就是全部壁壘。
四、AI 新產業鏈也在重構
Chamath 從 Cursor 遷到 Claude Code，表面原因是「太貴了」。但實際上是像 Cursor 這類的中間層，AI Agent 已經強到不需要它了。傳統的軟體是給人用的，AI 的新交互格局正在悄然展開。
2025 年，Cursor 還是 AI IDE 的獨角獸，但到了 2026 年他們就到了生死存亡的境界，甚至召開了「戰時動員」全員大會。他們表示 AI 模型的編程能力躍升到了一個臨界點：開發者可以直接向 Agent 下自然語言指令，跳過「IDE」這個中間層。
新交互代替舊交互，說兩句話就能幫你把事兒包辦了，你不用打開軟體。
軟體壁壘沒了，非行業私有數據、流程的壁壘的軟體已不存在。你可以看到 1 萬人做 RSS 總結日報 Agent 版本，也可以看到 10 萬人在做量化模型 Agent 版本，這些都沒有門檻，使用 AI 算力大力出奇蹟，追上你的產品無非就是 3 個月的事情。「模型廠商 → 工具商 → 用戶」的三層結構逐漸過渡到了「模型廠商 → 用戶」。
沒被大模型吞噬的 SaaS 正在為模型廠打工。儘管 a16z 的 Mike（前 Salesforce 高階主管）說「說 SaaS 已死為時尚早。真實的商業世界裡，隱性知識深深嵌入在大型 SaaS 的底層代碼中。印第安納州產假法律的特殊條款，當地稅法的差異化規則，這些東西幾句 Prompt 復刻不了。Vibe Coding 是長尾補充，做不了核心替代。」
部分說得對。但他漏掉了關鍵的一半。 SaaS 不會死，但它的利潤結構會被 Token 經濟吃掉。傳統 SaaS 的利潤來自「零邊際成本」。可一旦往 SaaS 裡塞了 AI 功能，每一次用戶交互都在產生 Token 成本，那條「零邊際成本」的曲線就彎了。SaaS 大概不會死於外部替代，自己加上去的 AI 功能，正在吃掉自己的利潤。
你說你不加 AI 功能？那正好，垂直領域的其他競爭者正在翹首以盼你退出市場。
最後一個數據可以看下：傳統 SaaS 的毛利率是 75% 以上。AI 產品的毛利率普遍在 50-60%，有些早期公司甚至低到 25%。
AI 產品的 COGS（銷貨成本）更像基礎設施服務，而不像軟體。 你以为你在賣軟體，其實你在賣計算，你只是在大模型廠商打工。
所以，AI 還值不值得做？
值得做，但是。
8090 的問題在於，它試圖用 AI 做的事——重寫老舊軟體，正在被 AI 本身貶值。你用 Token 造的東西，別人也能用 Token 造。你花的 Token 錢買到的只是一張入場券，入場券從來不是壁壘。
而 Cursor 的問題是，他在一個沒有明顯競爭壁壘的賽道上，80% 依賴 AI，成為任何一個大模型廠商都可以過來踹一腳的狀態。不要選擇任何強依賴 AI 且沒有私有數據加持的賽道，這裡的勝利都是短暫的。
我有一個樸素的判斷。當你的投入成本和競爭對手一模一樣，你的產出也和競爭對手一模一樣，這個生意就只剩下拼運氣。 現在做 AI 拼的是 Token 性價比。但如果你的 Token 效率和競爭對手沒有本質差距，你就只是在參與一場消耗戰。
在 Token 經濟裡活下來的，不是燒 Token 最多的公司，而是每個 Token 換回最多不可替代價值的公司。
想清楚了「一塊錢 Token 到底換回了什麼」的人，才有機會活到 Token 變便宜的那一天。
最後
我也想說，僅僅想清楚還不夠。在 Token 經濟裡，我們正在見證一場殘酷的內捲：投入的算力越來越多，產出的價值可能越不明顯，創業者們被困在困境中：不用 Agent，產品就是玩具；用了 Agent，公司就是模型廠的耗材。
但歷史的轉折往往就在這種「極致內捲」中發生。也許，破局者不會出現在那些繼續堆砌 Token 的賽道裡，而是出現在那些「敢於給 Token 畫上句號」的地方。他們懂得在何時關掉那個像 Ralph Wiggum 一樣執著的循環，他們懂得把 90% 的平庸問題交給廉價的確定性代碼，只把剩下 10% 的核心決策留給昂貴的智能。
在一切都趨於免費的智能時代，最貴的反而是那個知道「什麼時候該停止思考，開始行動」的判斷力。
想清楚你的一塊錢 Token，到底是為了買一個無限循環的循環，還是為了買一個不可替代的決策瞬間，這不僅是活下來的問題。