Anthropic 的内部 AI 使用量按零售价计算，如今已超过其员工薪酬

Anthropic 如何衡量内部 AI 使用量

• 内部 Claude 使用量是按 零售标价 的 token 价格来估值，而不是按 Anthropic 的实际计算成本。
• 一些评论者认为这纯粹是营销/IPO 叙事，类似于一家软件公司按客户标价来估算自己内部使用自家工具的价值。
• 也有人认为“零售等价”至少是一个外部人士能理解的标尺，即使它不是 GAAP 收入，也不是你会用来记账内部成本的方式。

零售价 vs 成本，以及“机会成本”

• 一种观点：内部 AI 使用应按放弃的外部收入来衡量（“机会成本”），尤其是在算力供给受限、原本可以卖给客户的时候。
• 反方意见：并没有明显的 token 短缺或排队名单；价格正在下调以刺激需求，所以 Anthropic 的真实边际成本是自家的 GPU 账单，而不是标价。
• 许多人指出，大公司内部常会按商业价或“成本+”费率做内部转嫁，但按完整公开零售价来算被认为不太寻常，更多是为了营造外观效果。

生产力、员工与 AI 支出

• 有些人据此推断，如果“按零售价计算的人均 AI 支出 > 薪水”，那 AI 正在取代人力。
• 也有人回应说 AI 是放大器：员工仍然主导工作，但在某些任务上可以提升 5–20 倍生产率；这就能解释为什么人均 AI 支出很高，而员工总数仍在增长。
• 还有人提到杰文斯悖论：一旦工作变便宜，公司往往只会做更多工作，而不是“用更少的人做同样的事”。

Token 作为“薪酬”还是工具

• 文章把 token 描述为“薪酬的第四个组成部分”，这一说法广受批评。
• 评论者强调，工作 token 就像笔记本电脑、办公室空间或云服务器：是做生意的成本，不是应税薪酬，除非可以自由用于个人项目。
• 有人指出 token 预算确实会影响职位吸引力，但这并不意味着它能和工资或股权等价互换。

自用、可用性与泛化

• 大量内部 dogfooding 是可以预期的；有人认为员工实际上是在使用“无限高阶”额度，这并不反映真实客户的约束。
• 这使得 Anthropic 很难代表典型公司；其每位员工对应的极端 token 数字短期内大概不会泛化到律师事务所或运输公司之类的行业。
• 也有人认为前沿实验室本就会成为白领工作的风向标，就像早期 Google 的技术栈预示了后来企业工具的演进。

对炒作与财务数据的怀疑

• 一些评论者把这类 AI 公司数据都看作是为了支撑极高估值而构建叙事。
• “按标价计算的内部使用如今已超过现金薪酬”这一指标，在许多人看来只是个轶事，并不能说明实际盈利能力、产品质量或长期护城河。