最近，AI Agent成为一个非常热门的话题。作为一个长期跟踪AI发展但已忘记如何编程的人，我一直在追逐前沿动态，试图更加高效地学习使用AI Agent，拓展自己的能力边界。
继5月份和AI一起从零开始制作一个功能不全的简易版Agent后，我将目光转向了已经颇具规模的成熟Agent，并选择了朋友推荐的新兴开源Agent——Hermes，然后将API选定为我的老朋友DeepSeek。开了高权限的Agent能做的事情非常多，不仅能和你搞出聊天bot、相对高效率地编程、对很多参数配置进行一句话修改，还能模拟键鼠绕过传统的反爬虫程序，读取不少东西。不过这个过程也并非一帆风顺，也会出现改错东西导致软件崩溃的情况，例如我在修改bot参数的时候，Agent会意外篡改原来的API信息，还会频繁切换输入法繁简体。
最让我意外的是DeepSeek。由于我对编程已经忘得差不多了，本地也没有很多编程工具和软件包，每次在调试程序时，我给出的提示词都比较模糊，导致精细调整时浪费了很多词元。在一次次不断地为本地Agent界面功能升级、自动输出skill以及编程的过程中，我的词元消耗量在短时间内达到了4.5亿。我不太清楚这个数字意味着什么，尤其是我的第一选择一直是DeepSeek，没有使用过其他公司的官网API。于是我向ChatGPT提出了这个问题：4.5亿词元是不是很多？它给出了回答：4.5亿词元非常多，相当于约3亿多个英文单词或3亿到4.5亿个汉字/字符级内容。如果一篇长稿按1万词元算，大概是4.5万篇长稿；如果一本书按10万到20万词元算，大概是2250到4500本书。按OpenAI当前官方价格，处理4.5亿词元的成本非常高昂，而我只需为此付出35块钱。
由于ChatGPT的回答超出了我的预期，我又问了一下，4亿词元用美国的API要多少钱？答案再次让我惊讶。根据ChatGPT、Gemini和Claude的说法，即便在最便宜的情况下，用GPT-5.4nano全输入4亿词元也要80美元。而如果是全输出，最贵的GPT-5.5会收费1.2万美元。也就是说，即便按美国主流模型中最便宜的报价计算，处理4.5亿词元的成本理论上也会是我这次DeepSeek所花成本的约17.5倍。
这次实验过程中，我没有用专门的编程软件，也没有调用现成的工具库或多专家Agent，只是单纯比较词元的价格。有人认为单纯追求廉价意义有限，因为在AI狂飙突进的叙事下，极致的性能才是一切的核心。但在实际操作中，这种高投入是否值得需要重新审视。
一些不太关注AI的朋友可能会认为，中国模型的性价比远高于美国产品。事实上，中国模型的调用词元数量已阶段性位居世界第一。尽管如此，我们一般还是会默认，美国公司不仅会将业务留给美国AI大模型，而且美国巨头们对于AI词元的需求近乎无上限。但实际上，美国公司现在也在大规模运用中国的AI大模型。不仅用得多，甚至还直连官网。知名财务自动化平台与企业支出管理软件Ramp关于DeepSeek的报道显示，截至2025年1月底，一度有0.3%的美国企业使用过DeepSeek。而在6月3日发布的报告中，Ramp首席经济学家Ara Kharazian表示，DeepSeek登上Ramp “trending software list”的榜首。更重要的是，企业正在直接向DeepSeek付款，并通过DeepSeek直接发送和接收数据。
随着无限量订阅模式被按词元收费的模式取代，以及词元单价飙升，企业在运用AI方面的支出也将随之大增。有公司已经报告称自家AI支出增加了一到两倍，而Uber在四个月内就已经用完了AI的全年度预算。Meta、微软、Salesforce等企业的技术主管也提出新措施，以确保员工使用AI有助于提高生产力，或减少部分员工使用特定工具的权限。亚马逊也在5月通知员工，旗下可用于跟踪员工词元消耗情况的“Kirorank”榜单已停止服务。Walmart也被报道对内部AI编程工具设置词元数量限制，用来减少重复性“vibe coding”和控制成本。摩根大通的首席数据与分析官在2026年6月初的纽约科技周上公开证实，部分员工使用大模型产生的词元成本已经超过了其个人薪水。
这些被消耗的词元并没有转化为生产力。根据初创企业Entelligence AI收集的数据，只有18%的词元支出转化为了能够触及真实用户的已交付编码产品。接连出现的成本失控事件，正在迫使所有企业直面AI实验室此前刻意回避的核心问题：这项技术究竟是否足够有用，值得投入这么高的成本？
从创新逻辑看，技术发展本就建立在大量试错的基础上，但当试错本身已经拥有极高的成本，甚至有拖垮项目的风险时，越来越多企业开始重新衡量这条技术路线的合理性。Ramp首席经济学家Ara Kharazian指出，当前大量美国企业的AI支出已经面临巨大成本压力，在高昂词元消耗、远低于预期的投资回报率双重挤压下，不少企业开始主动寻找OpenAI、Anthropic的平价替代方案，而DeepSeek极低的词元定价恰好给这类尝试和创新提供了低成本试错的空间。
然而，从美国政府的角度来看，AI不仅是工程和金融问题，还涉及美国的美元霸权以及所谓“第四次工业革命”的美梦。对于美国来说，金融端对词元需求的叙事恰恰相反。他们试图将词元与“高等级推理能力的计量单位”相挂钩，支撑了AI基础设施的巨额资本开支预期。高盛和摩根士丹利的估算显示，未来数年将有数万亿美元AI基础设施投资流入全球经济。美国已经All in AI，但接下来的问题是：美国人多久能收回自己的投资？未来的流动性还够吗？
至少从我得到的消息看，似乎推理算力（训练算力依旧相对紧缺），全球已经有了短期相对过剩趋势。微软CEO Nadella甚至公开承认，当前瓶颈不是“没有芯片”，而是没有足够电力和已经准备好的数据中心外壳，导致部分芯片处于“在库存里但插不上电”的状态。这意味着AI基础设施的约束正在从“买不买得到GPU”，转向“有没有电、有没有机房、有没有冷却、有没有真实负载把GPU用满”。而Cast AI《2026年 Kubernetes 优化报告》则指出，根据其对大量未优化Kubernetes集群的分析显示，GPU平均利用率只有约5%，CPU平均利用率约8%，内存约20%。
AI肯定是未来最重要的发展方向之一，但我们眼下正在经历的似乎是本轮AI产业链从技术萌芽期到商业化验证的阶段。更关键的是，美国经济已经出现了明显的“双层结构”：AI相关资本开支、数据中心建设和高端设备投资仍在高速扩张，并成为GDP增长和资本市场估值的核心支撑；但在AI之外，传统消费、服务业就业、制造业就业、白领岗位、利率敏感行业和中小企业部门已经显著降速，部分指标呈现衰退特征。美国正在进入一种由AI投资遮蔽的结构性停滞状态。
我们可以看一张经典的图片：标普500指数与美国失业率的走势图。传统上，美国股市通常会在失业率见底并开始上行后进入更脆弱阶段，但本轮AI行情中，这一传统关系出现了明显分化。失业率已经从周期低位抬升至4.3%，但标普500仍处在历史高位附近。AI行情暂时把“就业走弱”转化为“降息预期”，又把“资本开支扩张”转化为“盈利增长预期”，从而遮蔽了传统经济部门的疲弱。
尤其是在美国AI巨头普遍将基于AI发展的裁员视作一种重大利好的背景下，这种分化正在演变成为本轮AI周期最大的风险：AI叙事必须证明自己能够创造足够的生产率、利润乃至就业；否则两条分化的线条会重新收敛，但大概率不是以失业率下降的方式，而是以标普500补跌的方式收敛。
所以一切又回到了那个问题：“美国的高等级AI推理是稀缺的，高价的AI硬件是供应不足的，高价词元可以被企业无限消化，高估值可以由无限增长的推理需求支撑且即便词元价格高企，其投入产出终将会扩大，而AI公司也可以靠昂贵闭源API长期收割全球企业并获得盈利。”——这个叙事还能持续吗？至少在我看来，这个问题很难。因为流动性短期上限正在被锁死，而便宜、性能仅次于美国大模型的中国大模型正在蚕食美国大模型的盈利预期上限。这种局面会让越来越多的人，包括美国人也包括广大的第三世界人民，围绕着这个便宜但能用的生态贡献自己的力量。正如很多网友的说法一样，从美国的AI闭源模型角度来看，以DeepSeek为代表的、开源而廉价的中国大模型就像一个淘汰圈，闭源模型跑赢了DeepSeek没有奖励，但是跑输了，那就有惩罚，惩罚的结果就是，这个闭源模型会直接消失。
申宝策略提示：文章来自网络，不代表本站观点。
