但现实并不如预期顺利。
一项对300多家企业HR的访谈显示，有36%的公司裁掉员工之后，不得不把裁掉人数的其中一半重新招了回来。原因是AI还不够稳定，很多活还是得人来干。
更讽刺的是，裁员省下的钱，被AI的Token账单吃掉了。
Uber是最典型的案例。去年12月，Uber大力推广AI编码工具，工程师普及率很快达到95%。但4个月后，Uber全年的AI预算就被打穿。总裁随即下令：每人每月AI工具开销，上限卡死在1500美元。
另一个极端案例与OpenClaw有关。2026年5月，已加入OpenAI的OpenClaw创始人Peter Steinberger发布了一张使用统计截图。据媒体报道，其三人团队使用了约100个Codex编码智能体实例；过去30天共发起约760万次请求，消耗约6030亿个Token, 使用的API等价成本约为130.5万美元。
这背后有一个结构性原因：智能体不是在一步步完成任务，而是在反复循环，把每一轮的代码、报错日志、搜索结果重新塞进上下文窗口，Token越烧越多。普通对话每轮消耗约1万个Token，推理模型升到10万，智能体动辄超过100万。同一个任务跑两次，消耗量可以相差30倍。
这场账单危机，正在倒逼整个行业重新思考AI的运行方式。为此，创业邦与引航陪跑创业营的教练——原高通全球副总裁沈劲聊了聊这个话题。
本文来自创业邦原创内容《失控的AI智能体，正在抛弃GPU？》，作者：薛皓皓，编辑：关雎，未经授权不得转载。
