Token 正在骗你：硅谷投资人重新计算 AI 的真实成本

所有人都在盯着 token 消耗，但真正决定 AI 生死的指标，可能恰恰不是 token。本期播客里，一位长期投资 OpenAI、Anthropic 的投资人，抛出了几个让硅谷都不安的判断：token 是幻觉，agent 才是引擎，而真正的稀缺品正在从算力转向人的连接。

Token 是新石油？不，它更像“幻觉单位”

过去一年，AI 圈最常被提起的指标不是 DAU、也不是 ARR，而是 token。token 收入、token 消耗、token 爆炸，仿佛谁掌握了 token，谁就掌握了未来。但 Freda 一上来就泼了冷水：token 本身“极具误导性”。

原因很简单——token 不可比。同一个任务，不同模型、不同 agent 工作流，token 消耗可能相差几十倍甚至上百倍。一个高质量模型，可能用 100 行代码解决问题；一个便宜模型，却生成上千行“看似完成、实则难用”的垃圾代码。表面上任务完成了，token 也消耗了，但真正的效率却更低。

更隐蔽的是，推理 token、隐藏 reasoning、agent 的递归调用，会把 token 放大到肉眼无法判断的程度。真正该问的问题不是“用了多少 token”，而是“完成一个任务，花了多少 token”。token per task，才是更接近真实价值的指标。

Token 会不会自然消停？答案比你想的复杂

很多人期待：模型越来越高效，token 消耗迟早会被压下来。Freda 的回答是：别急着下结论。

AI 的总投入，其实可以拆成四个变量：用户数、每个用户的任务数、token per task、dollar per token。后两项确实会随着效率提升而下降，但前两项几乎只会往上走。结果不是 token 消失，而是 token 被“重新定价”。

更重要的是，行业正在悄悄从“按 token 付费”，走向“按效果付费”。例如 AI 客服：问题解决才收费，转人工就不收。这种模式让客户和厂商站在同一边，但它只适用于可量化结果的场景。创意、探索型工作，短期内仍然离不开 token 计价。

结论很反直觉：token 不会消失，但它会退居幕后，成为内部指标，而不是对外叙事。

模型公司的分水岭：一旦越线，追赶就失去意义

从 Anthropic 聊起，话题很快转向模型层正在发生的质变。过去的 SOTA 更替像赛跑，你追我赶；现在更像进入了“递归模式”。

当 coding agent 成熟后，会出现一个自我强化的闭环：更好的 AI → 训练出更好的 AI → 更快地产生下一代改进。一旦跨过某个临界点，领先优势不再是线性的，而是指数级拉开。此时，对追赶者来说，继续投入的意义会迅速下降。

这也解释了一个现象：为什么越来越多大公司，愿意花重金使用别人的模型，而不是坚持自研。因为模型更新速度已经快到，自建体系很难跟上节奏。

模型层也不再是传统 SaaS，而是 usage-based、token-based 的组合，天然鼓励多模型并用。这也是 OpenAI、Anthropic 收入增长能持续超预期的重要原因。

AI 正在“拆解”软件公司和组织结构

AI 对软件行业的冲击，可能比多数人想象得更彻底。UI 导向、结构化程度高的软件，反而最脆弱。因为 agent 可以绕过界面，直接完成任务。

组织结构的本质是信息传递机制，而 AI 会极大压缩这条链路。中层角色被削薄，流程被重写，团队规模变小但自治性更强。Office、数据仓库这类工具不会立刻消失，但必须为 agent 重新设计。

已经跑出收入的方向也很清晰：coding、医疗、法律、客服、视频生成。而新的机会，正在基础设施层——agent 的邮箱、支付、身份、浏览器。尤其在 2B agent commerce 上，潜力被普遍低估。

最意外的结尾：AI 越强，人越孤独

身处硅谷的真实感受，并不是单纯的兴奋，而是夹杂着强烈焦虑。变化太快，不确定性太高。

Freda 的一个判断很耐人寻味：信息获取和分析，都会越来越多地交给 AI；但人与人之间的情感连接，反而变得更稀缺、更重要。真正不可替代的，是信任、共识和真诚对话。

在这样的时代，最好的心态是“强观点、弱持有”：敢于判断，但随时准备修正。不是因为你不专业，而是因为世界变得太快。

总结

如果你还在用 token 消耗来判断一家 AI 公司好不好，可能已经慢了一拍。真正重要的是：它能否把 token 转化为确定的效果，能否在 agent 时代建立正反馈飞轮。对从业者来说，机会不只在模型和应用，也在重做一整套为 agent 服务的基础设施。对个人而言，把学习交给 AI，把连接留给人，或许是穿越这轮不确定性的关键。

关键词： Token， AI Agent， 模型训练， OpenAI， Anthropic

事实核查备注： 需核查：1）Freda 的投资背景与是否为 Altimeter Capital 合伙人；2）OpenAI、Anthropic 的收入增长是否被公开数据支持；3）Sierra 的收费模式描述是否与公开信息一致；4）播客发布时间与集数编号。