先给你讲个非常荒诞的事情。现在有些美国公司，好不容易通过裁员，用 AI 去替代这些员工，以为可以降本增效，结果庆功宴还没开，财务冲进来说：老板，这个月的 token 账单，是以前人力工资支出的三倍，你说这怎么搞？

是不是多多少少有点黑色幽默了，但你别说，这种事情听着像段子，却在事实上，实实在在在往这个方面发展了。最近华尔街刷屏的一组数据，就指向这个方向。

事情从一张图说起。

高盛交易台最近抛出一个指数，LLM Token 支出指数，八月底收在0.97美元，每一百万token 不到一美元，单月跌了29%，比五月高点2.05美元，直接腰斩。

然后全网都在转：AI 越来越便宜拉，马上就要替代人类拉，我跟你说，大错特错！因为 token。单价确实在跌，可完成一件任务要消耗的 token，反而在变多。
 
这就是经典的杰文斯悖论。1865年英国人杰文斯就发现，蒸汽机越改越省煤，英国煤炭的总消耗反而越多。东西越便宜，用得越凶，总账只增不减。

全球最大的模型中转站之一 OpenRouter，年初一周调用量是 6.4 万亿 token，到八月底，一周 93.4 万亿，八个月翻了将近14倍。摩根大通算过，就八月这一个月，token 用量环比涨47%，看到没有，token 单价跌29%，总量消耗直接翻了14倍，什么概念？

那么问题来了，为什么消耗量一下多了十几倍？是谁烧出来的？我告诉你，就是Agent自己。

今年2月6号，agent 自己烧掉的 token，第一次超过人类。到八月中旬，agent 自己一周能烧7.3万亿，人类自己对话那些烧掉1.4万亿，足足五倍差距。

看到了吧，人家 agent 自己跑任务，消耗量越来越大，你在对话框问一句，一问一答，一次调用，完事。agent 要替你把活干完：先拆任务，再调工具、写代码、跑一遍、看错在哪、推翻重来，一个任务几十上百轮。

更反常识的是，模型本身不留记忆，每干一轮，都得把前面的记录、文档、代码重新喂一遍。第一轮轻装，第十轮扛着前九轮跑，越滚越大，新输出还全额计费。

Anthropic 实测：单个 agent 完成一件事的 token 消耗约是普通聊天的4 倍，多 agent 分工审查，直接15倍。循环每转一轮都要重新喂一遍上下文窗口。

你就比如谷歌的新模型：明面 token 单价一分没涨，但输出量却多了三成、调用轮次也多了，完成同一个标准任务，成本反而比原来贵了40%。

OpenAI 自己也披露，研究员跑 agent，一天成本中位数 600 美元，最狠的一拨，一天 7000美元。现在还只是人指挥 agent，往后 AI 自己跑循环、甚至 agent 自己还要参与训练下一代模型，token 只会无穷无尽地烧，高盛预测，光 agent 这一项，到2030年月 token 消耗量还要再涨24倍。

这样下去，那么问题就来了。

你现在 token 单价再跌，也不可能跌到零。因为芯片折旧、电力、机器维护，全是硬成本，厂商还得留一份利润。高盛那张图里还有条线：token 价格腰斩，可 GPU 租金同期几乎没动，硬成本根本不陪你降价。单价能跌，但底下有地板，可另一边，一个任务吃掉的 token，还在指数级往上走。

你把这两件事加一起一算，越往后走，让搞 AI 去干活儿这件事情，真的一点都不便宜。

而且最搞笑的是，你招个人，还能去画饼，还能言语上激励他给你干活；但是你用 agent 的话，它可不吃饼，人家只认 token，还不接受一丁点赊账。

所以接下来打工人先别慌了，别整天担心自己被替代，照这种趋势搞下去，你小一点的公司，养个人尚且还有余地，养 agent 的话，一拉账单比人还贵个几倍，这可怕是真的搞不下去了。