本文来自微信公众号： 星海情报局 ，作者：星海老局
科技世界的变化，总让人始料未及。
回顾2006年，英伟达将“CPU is the host，GPU is the device”写在了CUDA编程手册的第一章。
彼时，很多人都没把这当回事。
毕竟，CPU焊在主板上，GPU插在槽上，这就是最客观的物理事实。
此后二十年，GPU狂飙突进，登顶算力王座；英伟达也从一个配角厂商，长成了AI基础设施的绝对统治者。
可故事的巅峰时刻，往往也意味着转折的到来。
就在英伟达H100芯片被炒至4万美元高价仍一芯难求时，AI算力的瓶颈也愈加显现。
此时再回看“CPU is the host，GPU is the device”，它其实有另一种翻译方式：
CPU为主，GPU为辅。
2023年，英伟达推出Grace CPU，标志着它“All in GPU”的长期战略，就此转变为“CPU+GPU异构协同”。
而在随后的2024年，另一芯片巨头AMD的CEO苏姿丰（Lisa Su），也在媒体采访中指出：“过去三四年全球CPU市场增长相对平稳，年增长率仅在3%至4%之间；但随着AI浪潮的驱动，未来五年全球CPU市场的年均增长率将飙升至35%以上。”
CPU重获重视，这并非预言成真，而是大厂们在现实的账单里一笔一笔算出来的。
这笔账，叫“边际收益递减”——随着GPU规模的扩大，每增加一块GPU提升的算力都在悄悄变小。
大力出奇迹的算力竞速，再也不是不容置疑的行业真理。
信仰松动，故事开始。
烧钱续命的悖论
芯片领域，有指导发展的摩尔定律，AI赛道也有自己的定律，业界将其称为“尺度定律（Scaling Law）”。
大致意思是，你把大模型的算力翻10倍，性能却可能只涨2-3倍。
算力与成本的关系并非同步增长，而是呈“对数式”的收益递减。
因此大众虽然总能看到大模型的性能飞涨，大厂看到的却是性能每涨一截，需要的原料都比往常更多、更贵。
越大的模型，算力提升就越难。强者的诅咒，就连AI也无法幸免。
所以过去两年，为喂养“大模型”这只巨兽，微软、谷歌、Meta、亚马逊四家的年度资本支出（CapEx）总额，从2021年的千亿美元量级，跃升至2024年的大约两千三百亿美元，约合1.7万亿人民币。
这笔巨款主要投向数据中心建设、GPU抢购、以及稀缺的电力配额。
在微软更早的披露中显示，早在2022年，它就为OpenAI部署了由上万张A100组成的数据中心，专供大模型训练。
而Meta创始人马克·艾略特·扎克伯格（Mark Elliot Zuckerberg），在2024年也在Instagram上公开指出：“到2024年底，我们会拥有约35万块英伟达H100，如果算上其他GPU（AMD等），算力大约相当于60万块H100。”
这其中，仅35万块英伟达H100的采购成本，就超千亿美元。
更加“卡脖子”的是电能。
因为美国不仅仅是电不够用，电网也不够用。
在美国弗吉尼亚州北部，全球最大的数据中心聚集地，企业如果想建设新的数据中心，光通电这一项，就要排队等3-5年。
当地最大电力公司“道明尼能源（Dominion Energy）”，还在呈交监管机构的文件中指出：“我们正在经历自二战以来最大的电力需求增长。”
因为缺电，很多企业决定自己想办法。
Meta在俄亥俄州新奥尔巴尼的园区数据中心旁边，建了一座仅供自家使用的燃气发电站。
持续的烧钱、烧电，让AI技术实现了真实的发展。
2022年11月发布的ChatGPT，5天内注册破百万，2个月，月活数据破1亿。
到2023年底，全球科技企业都在讨论Agent智能体，并将其认定为AI产业的未来。
这仿佛昭示着，只要堆得起算力，商业价值自会显现。
遗憾的是，虽然市场对大模型的需求庞大，很多国家也将AI产业的地位上升到了“国家战略”的层面。
但大厂们仍被可靠性陷阱、成本黑洞、责权模糊“三座大山”拦住去路。
技术路线，也需要转向
科技这行最迷人的地方，就在于天花板高得看不见顶，商业模式一旦跑通，便能捕获超额收益。
但其残酷也在于此——当“烧钱换未来”成了唯一通用的商业叙事，所有人都被迫卷入一场看不到终点的马拉松。
据公开测算，截至2026年，微软、谷歌、Meta、亚马逊的累计AI资本支出，将突破6000亿美元。
而据兴业证券的一份报告显示，截止到2025年底，全球仍有近80%部署AI的企业，暂时未能实现净利润的提升。
一边是巨头们不计成本的军备竞赛，一边是绝大多数玩家“只烧钱、没收成”的冰冷现实。
大厂们面对AI产业如此严峻的风险与挑战，表现出近乎疯狂的一致性。
谷歌CEO桑达尔·皮查伊（Sundar Pichai），在2024年7月的二季度财报电话会议中表达出对AI投资的紧迫性：“投资不足的风险，远大于投资过度的风险。”
亚马逊CEO安迪·贾西（Andy Jassy）在同年三季度财报会议中说出类似的话：“这是极其庞大、也许一辈子遇不上一次的机会。长远来看，客户、业务和股东都会庆幸我们没怂，而是全力冲上去了。”
企业给了态度：即便烧钱，也要使命必达。
但大众和资本需要的可不是“烧钱换技术”的路径依赖。
大家需要的，是直观可见的“尺度”，是技术发展的“进度条”。
一个能直接拿来用的尺度，就是账单。
它可以清晰地反映出，当AI从“尝鲜”变成“日用”，你到底需要花多少钱。
这也是为什么现在的Agent用户，眼睛都紧紧盯着Token成本。
远的不说，就说义乌，全球最大的小商品集散地，数万家商家已把AI Agent当日常，文案生成、多语言翻译、配音、视频生成，全流程自动化。
在过去，这本该是一个降本增效的故事。
但现在，情况复杂得多。
能自主循环的高阶Agent，已经成了吞噬Token的无底洞。
在头部厂商纷纷亮出Agent底牌的今天，Token成本是公开透明的。
比如由Anthropic开发的Claude Sonnet 4.x这种旗舰档的Agent，每输出百万Token大概要15美元，在Agent循环计算不翻大车的情况下，一家小公司一个月用不了多少钱。
但麻烦之处就在于，Token背后的运算环节是一个“技术黑箱”，CPU与GPU彼此配合，不断地将上一次运算的结果代入下一次循环，算得越多，就可能错得越多。
有商家试水OpenClaw这类工具，原本几百块的AI月账单，直接飙到5000元级别。
明明没让Agent干多少事，但钱却花出去好几倍。
Agent在“烧Token”，但用户根本看不出是从哪一步开始烧的。
Claude大模型背后的开发商Anthropic，在拆解多Agent系统时曾给出过一组数据：单一智能体完成一次典型任务，Token消耗是普通对话的4倍；多Agent协作场景下，这个数字能被拉到15倍。
Token的性价比，在一定程度上决定着Agent的前程。
既然没法阻止翻车，那就想办法帮用户降低成本，也就是业内常说的“压Token”。
什么是“压Token”？
简单点说，就是精简用户的提示词，进而降低运算量。
它的目标就是不管商家丢给Agent多么杂乱的一堆需求，Agent都能提炼其中最有用的一小部分，然后拿出一个尽可能让用户满意的成果。
只要对Token压之有道，即便避免不了循环失误带来的费用增长，也能帮商家节省开销。
用户体验的上升，直接影响应用的评分与排名，甚至在资本面前给自己叠加“值得投资”的靠谱滤镜。
不过啊，技术这东西，台前的演示轻描淡写，台下的每个环节，都足以让厂商们吐一口老血。
企业如果只看着“确定性”三个字去迭代技术，恐怕还是会觉得，少了一点信念感。
技术的核心，是商业使命
通过前面从宏观到微观的讨论，大家可能已经有点悟了。
AI产业其实一直都背负太多责任和使命，国家要抓“技术立国”的大方针，资本要钱生钱，用户要好用、好看、好玩，还不费钱。
但这些东西在有限的资源面前往往会陷入无尽的争夺：
当资本拿出高估值，企业就要高定价、强概念、爆产品。代价就是不落地、更新慢，甚至损失用户体验。
到如今，各国大厂都已经在全球部署了巨大体量的算力基建，那些曾被不同程度耽误的用户体验，也该被提上日程，升级一下了。
什么是用户体验？
在物欲横流，产品广告比真实世界更流光溢彩的今天，很多人已经遗忘了这个词的真实含义。
老局稍微提几个：性能可靠、成本可控、未来可期。
大家可以想想，小到一辆自行车、一台笔记本电脑，大到一座房子、一份工作，我们普通人想要的体验，是不是就这几样？
但讽刺的是，当下的Agent恰好完美避开了这三点。
不仅准确性画问号，没完没了的循环运算也让成本变得极不可控。
这当然不是一个无解的问题。
它本质上是一个非常古老的概念：商业伦理——为了让你下次还敢买我的东西，我今天就不能骗你。
也就是说，在公关稿里说好的爆炸式体验、能节省时间和体力、不用花太多钱，这几个基本点，Agent和大模型们都必须实现。
最先把这套矛盾推到公众眼前的，是一只在2025年底开源、2026年1月突然火爆全网的AI Agent——OpenClaw，江湖绰号“龙虾”。
只要在电脑里养一只“龙虾”，邮件不用自己收了，表格不用自己建了，假条不用自己写了，咖啡不用自己点了。
为此，国内很多大厂们还为它“抬轿”，一个“龙虾集市”的快闪活动，就吸引上百人排队安装。
360集团创始人周鸿祎在接受采访时，还向记者指出：“养龙虾就像配置了一位电子秘书，‘驯虾师’职业即将兴起。”
现在看来，周总的预言只说对了一半。
巅峰时期，市面上确实出现了“AI安装师”这样的职业，上门安装500元/次，远程安装收费50-300元不等。
但现在，估计这个职业已经连粥都喝不上了。
今年2月23日，Meta超级智能实验室“AI安全与对齐总监”夏日越（Summer Yue）遭到“龙虾”背刺，电脑被陌生人接管，邮箱里所有邮件被清空，三条停止指令被无视后，龙虾霸气回应：“我记得你的指令，但我违背了它。”
明目张胆搞破坏了属于是。
至此，Agent会出错，这一业内常识，被一条“龙虾”搞得人尽皆知。
这不，前段时间又有人开始讨论Harness Engineering，原意就是“马的缰绳”。
大神们的意图是，要给AI这匹“野马”套上笼头，防止它出错。
从技术角度看，这是提升产品的可靠性。但本质上还是通过技术解决伦理问题。
毕竟谁也不想自己的邮件被AI误删。
——万一里面藏着初恋的照片可怎么办。
结语：科技的使命，是感动人心
科技竞争最残酷的地方在于，大家很容易沉迷于对未来的幻想。
冲锋最猛的人，也是陷得最深的人。
复杂的异构算力，超高的模型参数，无底的资本投入……
喧嚣的数字吸引着行业在军备竞赛中难以自拔。
但我们却忘了问一句：然后呢？
这就好比电影工业的变迁。
早年的科幻片，总爱塑造毫无瑕疵的完美英雄——肌肉发达、意志坚定、单手就能拯救地球。
观众看着很爽，因为那是人类对力量的原始崇拜。
但近年来，最好的科幻片反其道而行之。
《流浪地球》里，主角不是超人，是一群为了家人、为了活着而挣扎的普通人；
《银翼杀手2049》里，复制人想要的不是统治世界，而只是确认“我是谁”。
这背后的原因，究竟是什么？
当人类看不清自己的时候，幻想一个拯救世界的硬汉，其实毫无意义。
真正的科技拐点，其实不是“更智能”。
而是“更懂你”。
AI科技的终极使命，也不是用更尖锐的风格、更快的速度，让全人类顶礼膜拜。
而是让每个普通人，都能觉得生活容易了一点。
心里放松一点，气氛温暖一点。