AI 语音、模型的 token 价格一路暴跌企业AI账单却一路涨。麦肯锡给正在狂欢喊AI 降本的人泼了盆冷水会聊天的 AI 是便宜了会让它干活的那种智能体Agent同一件任务成本能差 30 倍。你是不是也这么觉得AI 越来越便宜了。不是错觉。ChatGPT 一个级别能力的调用成本从 2024 年的每百万 tokens 20 美元一路跌到了 7 美分——一年时间降了两百多倍。按这个逻辑公司应该越用越省钱。但麦肯锡近期给企业界的提醒正好和直觉相反真正开始让 AI 干活的企业AI 账单反而在狂飙。他们内部自己就在烧——截至今年 5 月麦肯锡自己每个月要处理大约5 万亿 tokens而且还在指数级增长。贵不贵在模型贵在让它干活。大家以为的 vs 实际发生的大家以为的是token 降价 → AI 变便宜 → 终于能大规模落地。实际发生的是企业级大模型支出过去 12 个月反而翻了 3 倍麦肯锡一份调研里93% 的企业承认 AI 预算超支了还有 1/5 的企业因为运营成本太高主动限制了员工用 AI。一边是价格暴跌一边是账单暴涨。两边都真实。麦肯锡给出的解释很直接会聊天的 AI 和会干活的 AI根本不是同一个物种。聊天的 AI你问一句它答一句用完就完。可一旦把它升级成智能体——让它自己去查资料、调工具、反复试错、把一件事做完——成本逻辑就全变了。智能体为什么是吞金兽麦肯锡拆出了六个让智能体变贵的机制最反常识的有三个。第一它要一遍遍带着记忆重考。大模型本身是没记忆的智能体每进行一步往往要把之前的上下文重新发一遍。结果就是同样一件事智能体消耗的 tokens可能是单纯代码推理或聊天任务的1000 倍。第二贵的不是第一次回答是反复改。智能体要先给个方案然后自己检查、自己推翻、自己重来。麦肯锡的测算里一个智能体任务约60% 的成本都烧在返工修正上了。第一次答对反而最省钱可它偏偏不保证一次对。第三同一个任务成本像开奖。AI 干活时会走不同的路径、调不同的工具、失败后换方式重试。麦肯锡发现同样一个编程任务不同智能体跑出来的成本最高能差出30 倍。这几个机制叠在一起结论就是麦肯锡那句话“Token 不是价值Token 才是账单。”——这句话出自服务麦肯锡评估的 Pay-i CEO David Tepper翻译过来就是你省下的模型钱可能都被让 AI 干活的过程加倍花掉了。最贵的坑杀鸡用牛刀还有一个几乎所有人都会踩的坑不管多简单的活都让最贵的模型上。麦肯锡内部自己也踩过。他们发现大家天然爱用最顶尖、最贵的模型——哪怕很多任务用一个便宜的小模型绰绰有余。这个坑叠上返回智能体自动试错就成了烧钱放大器。所以麦肯锡的做法是所谓模型路由给不同阶段配不同智能——开头用顶级模型出思路后面交给小模型慢慢磨。就这么个简单的分层能让局部流程的 token 消耗直接降 30% 到 40%。省钱的答案不在少用在用对。对打工人和老板意味着什么如果你在带预算或负责选型别被宣传里的AI 降本冲昏头上智能体前先算清楚返工成本和上下文重发成本这两笔隐形账。同一任务的 30 倍价差说明当前连大厂自己都还没把 AI 用出确定性谁先建立怎么管机器干活的纪律谁才能从同样的 AI 投入里榨出更多价值。如果你只是个普通打工人这条新闻是你的职场预警。企业开始被 AI 成本反噬接下来大概率会做的事是——审计 AI 用量、砍掉为刷而刷的 AI 指标、给 AI 使用设护栏。这不是坏事它意味着谁用 AI 用完就完会退出奖赏清单谁能用最省的 AI 干出活才会被看见。如果你热爱 AI也请记住这个反常识AI 能力越强、越便宜能够驾驭它的过程管理就越值钱。便宜的是算力贵的从来是过程。现在可以怎么做给所有 AI 诉求分个级什么活值得用顶级模型什么活小模型就够。别默认什么都上最强的。盯两类成本而不只是 token 单价返工修正花了多少、上下文重发花了多少。给让它干活设护栏智能体自动试错很爽但要有上限否则账单会跟着试错次数一起起飞。保留人工复核AI 干完的活别直接采信先算它返工成本低还是人看完成本低。结语AI 正在经历一次价格亲民但账单刺眼的怪现状模型越来越便宜真正把它用起来的企业却越来越贵。麦肯锡这盆冷水浇得好——它提醒所有在场的人AI 的账本从来不在买不买得起模型而在会不会让机器把活干明白。