文章摘要
文章指出，Anthropic在AI计算上的支出是其薪资支出的2.3倍，而市场顶尖公司仅为0.4倍，中位数公司几乎为零。通过三种情景预测，到2029年AI支出可能追上工程师薪资水平。
文章总结
好的，这是根据您的要求，对原文进行的中文重述：
标题：当AI成本超过工程师薪酬
核心观点： 人工智能（AI）的算力支出正在迅速增长，对于顶尖AI公司而言，其算力成本已远超人力成本。但对于更广泛的软件市场，这一比例差异巨大。文章通过三种情景，预测了到2029年，AI支出占工程师薪酬的比例将如何演变。
主要内容：
现状差距： 前沿AI公司（如Anthropic）的算力支出是其薪酬总支出的2.3倍。具体来说，Anthropic在2026年约有5000名员工，算力支出约100亿美元，相当于每位员工每年消耗200万美元的算力，而其员工总薪酬约为50万美元。相比之下，在更广泛的软件市场中，顶尖1%的公司每年为每位工程师在AI上的支出为8.9万美元，仅占一位高级工程师总薪酬（约22.4万美元）的40%。而市场中等水平的公司，这一支出仅为137美元。这清晰地展示了从前沿公司到市场平均水平之间的巨大鸿沟。
未来预测（三种情景）： 文章通过三种情景来预测未来AI支出占工程师薪酬比例的变化，并给出了2026年至2029年的具体数据（以美元和占比表示）：
- 熊市情景（看跌）： 假设Token价格持续大幅下跌，AI支出占比在2029年回落至41%。
- 基准情景（中性）： 假设顶尖1%公司的支出趋势逐渐放缓，AI支出占比在2029年达到140%。
- 牛市情景（看涨）： 假设整个市场在2029年达到Anthropic目前的水平（230%），届时每位工程师的AI支出将高达59.6万美元，这几乎相当于一位普通SaaS员工贡献的全部收入。
驱动因素与制约因素：
- 牛市驱动因素： 前沿模型价格保持坚挺；AI代理（Agent）工作流将消耗比聊天多几个数量级的Token（高盛预测到2030年Token消耗量将增长24倍）；如果竞争对手推出更快的功能，AI支出将不再是可选项。
- 熊市制约因素： Token价格已连续三年每年下降10倍；开源模型以极低的成本缩小了与顶尖模型的性能差距；公司可以通过按角色或工作负载限制AI使用来控制成本。
结论： 到2029年，上述三种情景中哪一种更接近现实，将取决于多种因素的博弈。文章最后向读者提问：你正在为2027年规划哪种情景？
评论总结
根据评论内容，主要观点和论据如下：
1. 批评文章将AI公司（如Anthropic）的训练成本与普通公司使用AI的成本进行对比（多数评论支持此观点） - 评论1（geon）：“Garbage. You can't include training by the companies that develop an llm in the comparison against companies that merely use the same llm. Apples and potatoes.” - 评论10（altmanaltman）：“Yes the rest of the software market trails in comparision to the compute costs at Anthropic if you including training the actual models. Like is this the insight? Biggest AI company spends a lot of money to make AI models?”
2. 认为AI成本相对工程师薪资仍具合理性（少数评论支持） - 评论5（schnitzelstoat）：“So it's not more expensive than an engineer it's 40% as expensive, and for many companies use-cases the cost is virtually negligible.” - 评论21（wongarsu）：“if AI was making Engineers 10x more productive, wouldn't spending 2x the engineers salary on AI be the rational thing to do.”
3. 指出AI使用存在“最后一公里”问题，效率提升有限（部分评论支持） - 评论13（gnfargbl）：“Do you get 3.3x the work done? Probably not. Do you get 2x the work done? I think maybe, if you can hack the dynamics of the new job as a manager of eager robots.” - 评论18（HaphazardGuess）：“A.I suffers from the last-mile problem. It can do 90% of the work in 20 minutes but then the remaining 10% ends up taking 20 million hours to actually finish.”
4. 认为AI成本会随使用量增加而上升，而非下降（少数评论支持） - 评论19（pdp）：“Lower prices will not reduce AI spend. They will simply increase usage. There is no real ceiling on how much companies can delegate to AI.”
5. 批评文章整体质量低劣或具有误导性（多数评论支持） - 评论20（mrspacejam）：“It's amazing how misleading and just flat out wrong this post is.” - 评论23（superzero11）：“bullshit and useless. Not even a proper comparison”
总结： 评论普遍批评文章将AI公司的训练成本与普通公司使用成本进行不当对比，认为这是基本逻辑错误。部分评论认可AI成本相对工程师薪资的合理性，但多数认为文章整体具有误导性。同时，评论指出AI存在“最后一公里”效率瓶颈，且成本可能随使用量增加而上升。