AI成本失控反噬毛利率：2026年企业投入悖论浮现

企业普遍将AI作为降本工具，但成本失控现象却在加剧。微软因Claude Code激增而要求转向内部工具，背后是杰文斯悖论在发挥效应：AI词元单价下降反而刺激使用量膨胀，算力开支反噬毛利率。英伟达黄仁勋的“半数年薪算力”主张进一步助长盲目投入，企业面临效率与成本的新平衡难题。

近年来，众多企业将AI视为降本增效的核心利器，大力推动员工使用各类AI工具，试图借此削减人力开支、提升工作效率。然而，一个令人意外的局面正在出现：AI投入不仅没有压缩总体成本，反而成为侵蚀利润的新压力来源。

这一现象在科技行业尤为突出。微软近期要求员工停用第三方Claude Code工具，转而使用自家Copilot CLI。表面是优先自研产品的策略选择，核心原因却是Claude Code因用户激增导致成本失控。当AI工具的使用规模快速扩大，算力账单也随之飞涨。

杰文斯悖论：效率提升反促消耗暴增

AI成本失控的背后，是经典的“杰文斯悖论”在发生作用。该理论指出，技术效率提升之后，反而会催生更多的使用需求，最终导致资源消耗总量不降反升。这一现象在历史上已多次重演：工业革命时蒸汽机大幅提升煤炭利用效率，却让煤炭总消耗量暴增；如今AI词元（token）单价持续走低，却引发了“词元最大化”的浪费现象——企业和开发者在廉价算力的激励下，倾向于设计需要更多token的复杂应用，使总消耗量急剧膨胀。

英伟达CEO黄仁勋曾主张，工程师每年需花费半数年薪的算力才能发挥价值，这种观念进一步加剧了企业对AI算力的盲目投入。在“词元最大化”的路径依赖下，企业算力开支水涨船高，AI应用层企业的毛利率随之承压。据相关调研数据，受AI增量投入影响，部分企业的利润率已被迫下调，AI对整体财务的净效应正在从“降本”转向“增负”。

当AI工具从辅助角色转变为核心基础设施，企业需要重新审视算力投入与产出之间的平衡。仅靠推动使用量并不能自动带来利润提升，忽视成本控制的AI战略有可能反噬企业原本的盈利能力。