北京
出品 | 《態度》欄目
作者 | 袁寧
編輯 | 丁廣勝
當公司全面 All in AI，一些員工卻發現，新的成本并沒有消失。它只是換了一種方式，回到自己身上。
“以前公司買電腦、買軟件、買服務器。現在變成我們自己買 AI。”一位創業公司工程師告訴我，“工資沒漲，效率要求卻按用了 AI 之后算，工具還得自己掏錢。”
公司獲得效率紅利，員工承擔工具成本。AI 時代，一批新的“自費打工人”正在出現。
AI工具，成了打工人的隱形成本
過去，辦公成本邊界非常清晰。電腦公司配，軟件公司買，服務器公司出，屬于默認規則。
AI 出現后，這條規則開始松動。在不少公司內部，AI 被定義為“個人效率工具”，而不是“基礎生產設施”。邏輯也隨之改變——想提效，可以自己買。
但與此同時，公司對效率的預期卻已經提前升級：排期按 AI 后效率制定；人力預算按 AI 后產能壓縮；績效默認已使用 AI。
一位工程師很直接地告訴我：“效率按用了 AI 算，成本按沒用 AI 算。”
當 AI 成為默認選項，卻沒有被寫進公司成本表，它就不再只是工具。而是開始成為打工人的隱形成本。
生產資料的邊界，從企業，悄悄滑向了個人。
All in AI，默認是員工自費
問題真正顯現，是在執行層面。
現在，幾乎所有公司都在強調All in AI。但具體怎么承擔成本？很多公司給出的答案是模糊的。
一位20多人規模公司的員工告訴我，公司開始強推 Claude Code、Copilot、Cursor 等編程工具。但至于報不報銷？沒有明確說法。
他告訴我，最初的口徑是：“大家先用起來，驗證提效后再說。”聽上去合理。執行起來卻變成——必須用，必須提效，費用自己解決。
一位月薪幾千的程序員在社交媒體上發帖吐槽：“老板讓我用 Claude Code，說效率高。我問報銷，他讓我自己找鏡像。”
現實也很簡單：不用 AI，算能力不足；用了 AI，算個人投入。
為了不被“卷”掉，越來越多人開始主動氪金。
ChatGPT、Claude、Perplexity、Manus、Genspark……海外工具單個每月訂閱費20美元起步。國內產品免費居多，但想用最新模型，同樣需要付費。
一位律師朋友給我列過他的 AI 清單：一個 ChatGPT Plus 賬號280元，Grok 238元，Meta Law 41元，Alpha 138元，oslaw案牘盡調58元……合計每月664元。
“如果月薪一萬，還能勉強承受，主要是買的是成長速度。”他說。但如果月薪只有幾千，這就是另一種壓力。
企業的 AI 戰略，開始變成個人的現金流支出。
從自愿氪金，到被動成本分攤，再到制度化AI考核
如果只是“自愿購買”，還算個人選擇。更激進的案例，已經出現。
2026年1月，有網友爆料：某年收入破百億的跨境電商公司，大規模采購 Cursor、Copilot 等 AI 工具，并將費用分攤進員工薪酬，年底統一扣除——每人7200元。
統一采購，統一扣款。“第一次見公司用我的錢給我配工具。”有員工吐槽。
一些公司已經進入更系統化階段。
3月1日，昆侖萬維發布內部通知，宣布全面擴展 AI 編程工具應用范圍。
核心包括：統一開通 OpenAI Codex 或 Claude Code 賬號；每人每月提供100美元額度；所有技術研發人員（含 CTO）必須強制使用；開發效率必須提升至少50%；2026年6月納入績效考核；不達標者實行5%-20% 末位淘汰。
這是一個清晰的信號——AI 不再是“建議使用”，而是成為技術崗位的核心技能門檻。
公司承擔了成本。但問題并沒有消失。有人吐槽：100美元額度并不夠用。
當 AI Coding 成為默認開發模式，當“效率提升50%”成為硬指標，額度卻是封頂的。這意味著什么？意味著工具成為生產資料，但生產資料被限量供應。
當額度用完，你可以停下嗎？不能。于是問題回到了個人。要么壓縮使用，要么自己補充。
從自愿氪金，到制度化強制；從成本轉嫁，到效率綁定淘汰。AI 正在從“輔助工具”，升級為“考核標準”。而當考核綁定在算力之上，問題就不再只是制度，而是資源。
算力的馬太效應：不敢不跟進
當 AI 被寫進績效，當效率被量化，當淘汰比例被明確，問題就不再只是“要不要用”。而是——你用得夠不夠多？夠不夠快？夠不夠貴？
為什么大家一邊抱怨，一邊還在買單？因為差距已經肉眼可見。
高階模型并沒有降價。隨著上下文窗口擴大，推理能力增強，成本也同步上升。以 Anthropic 的最新旗艦模型 Claude Opus 4.6為例，其 API 定價是每百萬輸入 Token 5美元、輸出 Token 25美元。而其 快速 / 強化推理模式（Fast / Adaptive 模式）定價：輸入 Token 30美元、輸出 Token 150美元 —— 是標準模式的6倍價格。
在一些 API 定價統計中，最頂級模型的輸出費用甚至遠高于中低端模型，如一些定價統計顯示前沿模型每百萬輸出 Token 價格從幾十美元起步，而基礎或迷你版本則可能低于1美元。
速度更快，成本更高。一天的消耗，可能是過去的10倍。
問題來了:你的競爭對手在用2.5倍速度開發，你敢不跟嗎？但如果你沒有10倍預算，你怎么跟？這就是算力的馬太效應。更多算力 → 更快迭代 → 更好結果 → 更多收入 → 買更多算力。一旦循環啟動，差距只會擴大。
而當公司開始統計 Token 使用量，用得少，被視為“不夠 AI 化”；用得慢，被視為“效率不足”。這和當年統計代碼行數，有什么本質區別？
工具被量化，產出被放大，差距被制度化。算力，正在成為新的生產資料。而生產資料一旦分層，競爭就不再是能力差距，而是預算差距。
“自費上班”，會成為新常態嗎？
回頭看這場 AI 化升級，它早已不是一個“工具使用問題”。
它關乎一個更底層的變化——當生產資料改變，勞動關系也在改變。
在工業時代，機器屬于工廠。在互聯網時代，服務器屬于公司。而在 AI 時代，算力正在變成新的生產資料。問題是——它屬于誰？
當企業要求員工必須掌握 AI、必須提升50% 效率、必須進入 AI Coding 模式時，AI 已經不再是“加分項”，而是崗位基本盤。
但當成本由個人承擔，或額度被嚴格限制時，生產資料的一部分，開始個人化。
這是一個微妙的轉折。過去，公司為效率投資；現在，員工為效率預付。過去，工具升級帶來崗位穩定；現在，工具升級伴隨淘汰比例。
當效率提升不能換來更少工時，而是更高指標；當算力成為門檻，而不是輔助。問題只剩一個：當生產力工具需要員工自己買單時——這場效率革命，究竟在解放誰？
本文來源：態℃
責任編輯：
李佳_NBJS32032
