作者： Haseeb
编译：佳欢，ChainCatcher
@SemiAnalysis_ 最近在AI编程订阅的经济学里发现了一个不可思议的现象。如果把使用量拉满，你支付的费用实际上比通过API购买代币便宜20到70倍。
许多人看到这一点便说：天哪，看看这些大模型公司在代币上补贴了多少钱，泡沫肯定很快就要破了。
这种反应是错的。大模型公司之所以愿意提供这么慷慨的套餐，自然是因为大多数用户极少触及上限。这款产品就像健身房会员卡：额度宽裕，是因为绝大多数人根本不怎么用。
但我花了很长时间琢磨这件事，这里确实有些古怪的地方。
我们无从得知他们在订阅上的实际综合利润率，但据SemiAnalysis估计，在20%的平均利用率下，Anthropic的Max 5x计划才勉强回本。20%的利用率可能还偏高了，尤其是在那些所有人（包括非程序员）都有订阅账号、却只是偶尔用一次的组织里。我认识的大多数机构，包括Dragonfly，都很大方地发放Claude Code订阅，还鼓励非编程人员去试。
但SemiAnalysis没深入讲的是，这完全是小企业才有的现象。大型企业用不上这种订阅定价。
原因如下：当人数到了150人以上，你会被迫退出被称为"团队（Team）"版的订阅模式。你必须切换到"企业（Enterprise）"版，定价是基础20美元/席位，外加按代币实际用量计算的API费用。企业只能按代币成本线性付费，而SemiAnalysis认为API代币的毛利率大约在75%。这是一次巨大的涨价，会在人数到150时突然生效。
所以，如果你是一家小企业或初创公司（或者个人用户），你对AI支出的认知是被扭曲的。你的代币定价其实非常优惠，Anthropic在你身上可能只维持着极低甚至负的利润率。
你或许好奇，为什么微软和Uber对代币支出大惊小怪，还大谈"代币精简（token-minning）"。原因就在这里。他们在每个代币上付的结构性成本，比初创公司和个人高得多。
但Anthropic并不在乎！对一家B2B公司来说，从小公司或个人身上榨取最大价值，意义不大。看看Datadog或Cloudflare这样的公司，他们80%到90%的收入都来自大型合同（年度经常性收入超过10万美元）。在长尾客户身上挣零利润，只是一项客户开发成本。
这是典型的B2B销售思路。
但对同样的局面，还有另一种看法：从税收政策的角度。
因为如果代币正在取代劳动力，那么OpenAI和Anthropic在代币上收的毛利，实际上就是一种对AI劳动力的征税。
这样看代币定价，会带出两个主要后果。
假设SemiAnalysis文中的利润率成立：订阅制盈亏平衡，大型企业API毛利率75%。第一反应是把它称为对大组织征75%的AI劳动力税，对初创公司征0%。
标准的税收分析会说，这阻碍了大公司在内部使用AI劳动力，在边际上促使企业减少自动化、保留更多人类劳动力。（显然，这也鼓励使用更小或开源的模型，但净效应是两者都被激励了。记住，我们这里谈的是边际。）
然而，更强烈驱动行为的并不是平均税率。在税收政策里，从来都不是。我们真正关心的是边际税率。
对采用一口价订阅的初创公司来说，在触及上限之前，下一个代币的边际价格为零。而零边际价格，是一项政策可能造成的最大扭曲。
对初创公司而言，订阅模式基本上就是一种创新补贴。最压倒性的动力，是琢磨怎么尽可能高效地把整个代币预算花光。这意味着跑Ralph循环、让屏幕堆满Claude Code会话、调度成群的智能体一起干活。
在触及上限之前，探索是免费的。所以初创公司实际上在竞相榨干订阅的最后一滴价值，靠产量压倒对手。反常的是，用得越多，平均代币价格反而越低。每家初创公司都想成为那个让Anthropic在订阅上亏得最多的人。
大型企业面临的激励正相反。如果你超过了150个席位，探索中的每一个代币都按全额加价收费（还带75%附加费！），所以他们每多探索一步前沿，惩罚就线性地往上加。
大企业仍会把那些显而易见的大批量任务自动化，但边际的、实验性的、有风险的自动化永远发掘不出来，因为发现成本太高。这种税收结构最终促使他们保留更多人力，维持原有的整体组织结构。
这正好和日本相反。由于人口下降，日本面临巨大的劳动力短缺。历史上这意味着日本追求高度自动化，因为高昂的人力成本激励了自动化。这就是为什么日本的餐厅、工厂、酒店、医院里都有机器人。
但奇怪的是，大企业发现自己陷入了和日本相反的困境：如果要为用AI付极高的税，反而会削弱自动化的动力，加强保留现有员工的动机（如果这期间工资还停滞不前，就更明显了）。
那么在这个模型里，劳动力的替代流向了哪里？
所有人都盯着大公司，等AI裁员潮到来。但在75%的税率下，太激进地用AI替换自己的员工可能根本不划算，代币预算会直接爆炸。
但这不代表替代不会发生，只是替代会以另一种形态显现。
当大企业把市场份额输给那些综合人力成本极低的AI原生初创公司时，大企业的收入和股价下跌会触发裁员。但被淘汰的那些岗位，永远不会在赢家初创公司里重新出现。净减员效应是一样的，这个失业缺口只是转移到了经济体中税率更低的另一个环节。
这也是为什么"AI-washing"（把普通裁员说成是新发现的AI增效）可能不是一时的现象。所谓AI-washing，是指一家公司把裁员归功于AI效率，实际上只是在掩饰普通的业务疲软。
许多人以为这只是当前AI炒作周期里的一阵风。但是，尽管所有人都准备好目睹大企业进行真正的AI裁员、用AI"替代岗位"，这种事可能永远不会大规模发生。
劳动力的替代可能会以另一种方式展开：初创公司击败大公司，大公司一路借AI之名掩饰衰退直到倒闭，而初创公司永远不会重建那些旧岗位。岗位替代依然会发生，只是不在大家盯着的地方。
这是这个模型的第一个后果。但还有一个更离奇的第二个后果。
所谓监管断点（Notch），是指一道会诱使行为出现巨大跳变的监管界限。例如：每周30小时的全职就业标准，催生了大量刚好每周工作29小时的岗位。
众所周知，法国有极其严苛的劳工法规，企业一旦到50名员工就会生效（职工委员会、强制利润分享、解雇保护），小公司则被豁免。这给了雇主巨大的动机，去拼命把规模压在50人以下。
摘自：Garicano, Luis, Claire Lelarge, 和 John Van Reenen，2016年，《企业规模扭曲与生产力分布：来自法国的证据》。
把这个类比延伸到AI。大模型公司设下了一道税收门槛，惩罚那些超过150席位的公司。这意味着你必须保持小规模，才能留住那套美妙的补贴订阅价，让代币被征约0%（甚至负）的税，而不是75%。
这可能会催生一种全新的企业管理哲学。初创公司会越来越痴迷于用智能体解决一切，团队更小，裁员更频繁，更多外包，穷尽一切手段，让需要用到人的环节尽可能少。
这并不是因为它是"最优"的自动化程度，而是因为激励机制把他们逼到了那里。如果神奇的数字是149，那每个席位都至关重要，你没法在公司的核心关节之外浪费任何一个人。
这种断层可能会被哈佛商学院那类人视为"新一代AI优先管理"。但只要理解到位，它其实只是对企业定价方案的理性回应。
这听起来可能有点夸张。但不同组织之间的行为差异，你现在已经能看到了。去和大企业的开发者聊聊，他们正精打细算地数代币，对领导削减代币预算越来越紧张。而初创公司的开发者们却在拼命把用量拉满（tokenmaxxing），一夜之间启动成群智能体，等早上再来看日志。我预计这种趋势会加速。
没有人故意设计这一切。没有哪个委员会在决定给初创公司补贴创新、对老牌企业征税。这一切都直接源自那些屡试不爽的传统企业定价策略。
但税法向来如此：一堆附带的规则，最终决定了哪些公司能被建起来，以及这些公司如何扭曲自身、把税负降到最低。
你可能会反驳说这是暂时的，大模型公司迟早会对所有人计量收费。Github Copilot已经完成了这个转变。可能吧，也可能不会。但在定价回归正常之前，149人的公司和这套新派的AI优先管理，可能早已爆发、吞下大量市场份额，并为下一代初创公司写好了剧本。
税收政策至关重要。整个"零工经济"的概念，正是因为W-2（正式员工）和1099（独立承包商）之间的法律界限才存在的。随着越来越多的劳动力被AI蚕食，代币定价可能成为未来十年最具影响力的税收政策。然而，永远不会有人为此投票表决。
（如果下一个周期里增长最快的公司，都显眼地卡在149个席位上，也别感到惊讶。）
