近日，美国科技圈一场以AI为名的裁员潮引发了广泛反思。多家企业原本期望用AI替代人工以压缩成本，却发现现实并不如预期顺利。一项对300多家企业HR的访谈显示，约36%的公司裁掉员工后，不得不将其中一半的人重新召回，原因是AI仍不够稳定，许多工作仍需人工完成。更令人深思的是，裁员省下的成本，正被AI的Token账单迅速吞噬。
希鸥网观察到，Uber的案例极具代表性。去年12月，Uber大力推广AI编码工具，工程师普及率迅速达到95%。然而仅4个月后，全年的AI预算就被打穿，总裁随即下令将每人每月AI工具开销上限卡死在1500美元。另一个极端案例来自OpenClaw，其创始人Peter Steinberger的团队使用了约100个Codex编码智能体实例，过去30天共发起约760万次请求，消耗约6030亿个Token，等价成本高达130.5万美元。Token消耗量在三年多时间内暴涨了100倍，从普通对话的每轮1万个上升至智能体的超过100万个。
这背后有一个结构性原因：智能体并非高效完成任务，而是在反复循环中不断将代码、报错日志、搜索结果重新塞入上下文窗口，导致Token越烧越多。普通对话每轮消耗约1万个Token，推理模型升至10万，智能体则动辄超过100万。同一任务执行两次，消耗量可相差30倍。这种“上下文雪球效应”让成本变得不可预测，企业本指望AI实现降本增效，结果却可能适得其反。
高昂的AI账单叠加昂贵的遣散费用，已将AI带来的“降本增效”红利消耗殆尽。Meta、微软等硅谷大厂已在上半年裁掉超10万个岗位，AI成为最频繁提及的理由。然而，超过三分之一的企业在裁员后不得不召回部分员工，因为AI并未带来预期的成本节省和效率提升。原高通全球副总裁沈劲指出，Token消耗量暴涨的另一原因在于成本不可预测，同一任务两次执行，花费可能相差30倍。
与此同时，AI的硬件需求格局也在悄然改变。过去三年，所有人的注意力都在GPU上，但沈劲认为，GPU与CPU的配比正从8:1转变为1:1。在AI Agent时代，CPU正悄然回到舞台中央。GPU擅长内容生成，但智能体最消耗资源的是“编排”和“调度”，这正是CPU的强项。沈劲以自身订机票的案例说明，复杂的行程搜索任务几乎不涉及内容生成，CPU的使用率飙升到了70%-80%。英伟达近期发布的RTX Spark硬件，正是专门针对本地AI Agent适配的新型硬件，旨在将算力从云端拉回本地。
希鸥网认为，这场Token账单危机正在倒逼整个行业重新思考AI的运行方式。企业不应盲目追求AI替代人工，而应更精准地评估AI的实际成本与效益。对于创业者而言，这反而孕育着新的机遇：从消费类AI终端、分布式智能体AI运营商，到上下文工程技术公司，乃至CPU相关的创业方向，都可能成为未来增长点。关键在于，在技术狂潮中保持冷静，找到真正能创造价值的切入点。
对于创业者而言，这篇报道揭示了AI落地中的真实痛点。正如《原则》中所言，承认缺点的同时努力寻找绕过缺点的方法，是“最可行”的道路。创业者应客观看待自身能力边界，在AI技术领域，如果缺乏对Token成本、硬件架构等问题的深刻理解，不妨请教擅长的专业人士，建立“安全护栏”，避免盲目投入。这不仅能帮助企业规避风险，更能将缺点转化为战略优势。
同时，AI领域的创业需要遵循《创业四步法》的核心逻辑：通过结构化客户访谈持续验证真实痛点。报道中Uber、微软等企业的AI预算失控，正是源于对AI工具实际效果缺乏“证据驱动”的验证。创业团队应走出办公室，与潜在客户深入沟通，了解他们的工作流程和成本痛点，而非仅凭假设开发产品。只有精准匹配关键痛点，才能在激烈的市场竞争中站稳脚跟。
此外，团队构建中，理解成员特性至关重要。《原则》中提到，通过“棒球卡”等工具了解员工思维方式，可以弥补团队短板。在AI创业中，团队既需要擅长宏观规划的“思想家”，也需要关注具体执行细节的“实干家”。报道中CPU与GPU的角色转换启示我们，团队也需要类似的互补：有人擅长技术架构，有人精通成本控制，有人善于客户沟通。只有找到缺失的“积木”，才能让创业计划顺利推进。
2026人工智能+实战应用及产业创新论坛将于7月31日在南京举办，欢迎全国各地人工智能创业者报名。本文内容整理自网络，将同步发布在希鸥网创投联盟网站（希鸥网、AI联播网、斯贝瑞品牌资讯、华商资讯网、金鸥财经、锐CEO网、AEXNEWS美讯社、创新日报）。欢迎媒体合作、会议咨询、纳斯达克大屏等业务对接~ 如需修改或发布文章，请加微信号：sheisceo