YC 的 Garry Tan 如此频繁使用 AI 智能体,每年在 token 上花费高达 20 万美元

一位知名创业投资人声称自己每年在用于个人和组织智能体的 AI “tokens” 上花费高达 20 万美元,这些智能体会读取他的邮件、笔记和公司数据,引发了关于这种使用究竟是前瞻性的杠杆,还是浪费性炫耀消费的争论。评论者质疑其相较于普通订阅服务的真实生产力收益,将其与雇佣人类助理作比较,并指出在优化不佳的多智能体设置中,很容易烧掉巨额资金。更广泛的担忧还包括隐私、对云模型的依赖、推动设备端 AI 的诉求,以及当前的 token 支出模式究竟反映真实价值,还是富人群体中一种由炒作驱动的地位象征。

支出水平与 Token 经济学

  • 许多人认为每年 20 万美元的 token 支出很高,但如果大量使用 API、多智能体设置、评估循环,或把多个 “Max” 订阅都开到最大,这个数字并不难达到。
  • 对于这里的数字到底是按 API 标价的价值,还是实际订阅支出,存在混淆;有人指出订阅对 token 成本有巨额补贴,而缓存折扣也常常被忽略。
  • 也有人认为,对于一个富有的投资人来说,这个数额并不惊人;放在 VC 级别的决策背景下,哪怕一笔改进后的投资也可能足以抵消这笔支出。

生产力、ROI 与 “Tokenmaxxing”

  • 怀疑者质疑,这么高的支出除了更好的邮件摘要或类似 CRM 的记忆功能之外,究竟带来了哪些具体产出。
  • 几位评论者指出,很多高管会把大量 token 消耗在琐碎用途上(邮件起草、搜索),却给真正有生产力的开发工作限制预算。
  • 有些人承认自己会刻意 “tokenmaxxing”,因为管理层希望看到可见的 AI 使用,不管是否有价值。
  • 少数人为高支出辩护,认为如果它确实显著增强了杠杆和决策能力就值得;其他人则把它看作昂贵的“感觉自己在高效,实际却一事无成”。

智能体、可靠性与拟人化

  • 有人担心把智能体描述成准人类,并以“个性”和不可预测性为由淡化可重复性与安全性。
  • 一些人认为,这种思路是创业文化的延伸,把失败本身视为正面。
  • 也有人质疑多智能体系统会不会陷入循环,或者智能体会不会做出相互冲突的编辑,但没有明确答案。

硬件 vs. 云端与本地模型

  • 讨论的焦点之一是:在这种支出水平下,是否应该购买本地算力。
  • 一方认为:本地通常更慢,无法很好运行前沿模型,而且把硬件和电费算进去后也不更便宜。
  • 另一方则认为:对于某些工作负载,谨慎的模型选择、部分本地使用以及提示词优化,能够大幅降低成本。

个人智能体、隐私与伦理

  • 有些人对能深度个性化、并吸收用户全部数据的智能体充满热情。
  • 也有人对把邮件、笔记和心理治疗记录输入云端系统感到不安,并怀疑在用户冷漠和广告驱动激励之下,真正以隐私为中心、以设备端为主的未来是否会出现。
  • 还有少数人对在一个仍有大量基本需求未被满足的世界里进行大额可自由支配的 AI 支出感到道德不适。