AI 创业圈最近冒出一种新口径：不是比谁团队大，而是比谁的 AI 账单更高。404 Media 报道，一些创业公司公开说，自己花在模型和 token 上的钱，已经超过员工工资，还把这当成高增长、低人数的新经营方式。

这事有新闻价值，不是因为它已经证明“AI 比雇人更划算”，而是因为它把一个更冷的变化摆上了桌面：企业开始把 headcount budget 直接改成模型预算。岗位未必先被裁掉，但很多岗位可能从立项那一刻就没了。

谁在炫，炫的到底是什么

最明确的案例是 Swan AI。公司 CEO Amos Bar-Joseph 在 LinkedIn 上公开说，4 人团队单月 AI 账单达到 11.3 万美元。他还直接承认，这里面有一部分本来就是 headcount budget，只是重新分配给了 AI。公司的目标是把 ARR 做到 1000 万美元，同时把团队控制在 10 人以内。

类似说法不止一家。Fundable AI 联合创始人 Chen Avnery 表示，他们处理贷款文件的模型，替代了原本需要 15 人团队完成的工作。General Intelligence Company 创始人 Andrew Pignanelli 也说过，有些天公司在 Claude Opus token 上的花费高于工资，一天能烧掉 4000 美元。

这股风向，已经从个人生产力炫耀，扩展到创业公司的组织设计。过去流行的是“tokenmaxxing”，比谁更会用 Claude、ChatGPT 把个人效率拉满。现在变成公司层面的口号：少招人，把预算给模型，让 AI 直接充当一部分“编制”。

公司/现象公开说法现实含义受影响岗位
Swan AI4 人团队，单月 AI 支出 11.3 万美元招聘预算转成模型预算初级工程、支持、销售辅助、法务辅助
Fundable AI模型替代 15 人文档处理团队流程型岗位先被“冻结招聘”文档审核、运营支持、外包处理
General Intelligence Company某些天 token 支出高于工资AI 被当成人力投入来核算合同工、低层级执行岗
Meta / Salesforce 背景内部 token 排行榜；尝试用新指标量化 ROI行业开始把 token 当生产投入，也开始怀疑 token 不等于产出采购、管理层、效率团队

Meta 内部甚至出现过“Claudenomics”这类 token 排行榜。Salesforce 则在尝试用“Agentic Work Units”这类指标衡量 ROI，想知道烧掉的 token 到底换回了多少真实工作量。行业已经走到下一步了：不只是比谁烧得多，而是开始追问，烧得多到底值不值。

这更像一种组织选择，不是已经证实的新圣杯

我更在意的，不是 AI 能不能替代部分工作，而是这套账是不是被低价算力和资本叙事放大了。天下熙熙，皆为利来。今天不少公司愿意把工资预算挪给模型，一部分原因当然是模型更能干了，另一部分原因是当前 API 价格未必反映真实成本。

OpenAI、Anthropic 这类前沿模型服务商目前本身仍在巨额亏损。也就是说，企业今天看到的模型价格，至少不能简单等同于长期稳定成本。如果价格以后上调，或者折扣收紧，今天看上去“比雇人便宜”的流程，明天就可能不成立。

这和互联网泡沫时期靠补贴换增长有点像，但又不完全一样。当年补贴的是流量和配送，今天补贴的更像算力与推理成本。增长可能是真的，需求也可能是真的，但价格体系未必已经站稳。

还有一个常被省略的现实：AI 产出经常需要人工清理。代码要审。客服回复要改。文档流程要抽检。Agent 一旦失控，还可能陷入循环，几小时烧掉几千美元 token。账面上少了员工，不代表管理成本同步下降，只是从“管人”变成了“管模型、管异常、管回滚”。

所以眼下能下的判断很有限：这至少说明，一部分创业公司正在用 AI 重写招聘和预算分配；但还不能证明这已经是可持续、可复制、跨行业成立的经营模型。

Medvi 这类案例也该分开看。它被《纽约时报》写成 AI 驱动、少量员工冲向 18 亿美元营收的代表，但公司同时面临监管审查。高营收不是高利润，更不是高质量增长。把少数激进案例讲成新常识，科技行业一向很熟练。

谁会先感到压力，读者该看什么

先受影响的，通常不是顶级研究员，也不是核心管理层。压力更早落到可流程化、可模板化、可量化的岗位：SDR、客服支持、文档处理、外包运营、初级法务辅助、初级分析岗位。这些岗位最容易先被“不再新招”。

对担心被替代的知识工作者，现实一点的判断是：别只问自己会不会被 AI 完全替掉，更要问你的工作环节有没有被拆成可外包给模型的片段。如果答案是有，那企业接下来很可能不是裁掉你，而是缩减补人、提高单人覆盖范围，再要求团队用更多工具证明效率。

对关注 AI 创业、SaaS 和组织效率的从业者、投资人，重点也不该只看营收和团队人数。更该盯四个变量：

  • 模型价格是否长期稳定，还是建立在补贴期
  • AI 成本占收入的比例，能不能随着规模下降
  • 人工复核和事故处理的隐性成本有没有被算进去
  • 这些公司是在赚利润，还是只是在用更少的人把收入先堆起来

动作层面，企业采购会更谨慎。预算负责人不会只看 demo 效果，而会更在意单位任务成本、失败率、人工回退成本。团队管理也会开始迁移：能自动化的环节先自动化，不能自动化的环节则会被压到更少的人身上。

如果你是开发者或知识工作者，短期内更务实的动作不是和模型比“谁更便宜”，而是让自己站在流程里更难被替代的位置：做复核、做判断、做系统拼装、做对外责任，而不是只做标准化执行。企业最容易先砍的，从来不是最难替的那层。

接下来最该观察的，也就是三件事：模型价格会不会变；这些 AI 原生公司能不能把高营收转成真实利润；补贴退潮后，它们还会不会继续把 token 当 headcount 用。三件事里只要有两件站不住，这波“极瘦团队神话”就要打折。