当前位置:

首页 > 硬件相关 > A16Z最新判断:80%的token在空转,管理AI才是下一个万亿机会

A16Z最新判断:80%的token在空转,管理AI才是下一个万亿机会

Air Explorer Pro
Air Explorer Pro

Air Explorer Pro是一款跨平台多网盘管理工具,可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整,持续下载、批量同步或需要稳定传输流程的场景会更适合它。

立即下载
¥99
Windows/macOS 2026-08-22
正版软件 Windows macOS软件 Pro 文件搜索工具 Pro下载 Pro正版软件 Pro购买

80%的AI预算因任务定义不清而空转,管理AI成为新万亿机会。企业采用AI后员工规模增长10.2%,但Token效率低下。未来核心竞争力在于建立评估体系,将经验转化为可调用的上下文,控制Token成本,实现人机协同。

本文目录

    很多人都在担心,AI会不会抢走我们的饭碗?但现实给出的答案,恰恰相反。

    AI不仅没有消灭工作,反而在创造工作。RampEconomicsLab对2.1万家美国公司的研究显示,AI采用两年后,高强度AI使用企业的员工规模反而增长了10.2%,而低AI支出的企业基本停滞了。

    原因其实很简单:因为人类的成本比AI更低。

    Ramp数据显示,在头部企业中,每位员工的AI支出预计将从2025年初的约2万美元/员工,增长到2026年底的22.5万美元/员工,这远远超过美国普通员工的年薪和软件工程师的薪资。

    那么,为什么会出现这个看似矛盾的现象?

    最近,a16z投资企业Hebbia的CEO George Sivulka专门写了一篇文章,抛出了一个相当出人意料的判断:80%的AI预算其实都在“空转”。

    而他给出的解法,听起来却简单得有些复古——是一门诞生于185年前的老手艺:管理。

    本文编译自Hebbia CEO George Sivulka于2026年7月15日发表的文章《You just hired a million bad employees.》。以下为编译整理内容:

    / 01 / 堆Token,就是数字时代的堆人头

    组织遇到问题时,最常见的反应往往不是重新定义问题,而是增加资源。

    过去是加人,现在是加Token。

    模型答得不好?一次推理不够,那就多跑几轮。表面上看,这是在提高智能密度。但本质上,这和传统公司的“人海战术”没有区别——都在用资源投入掩盖任务定义不清的问题。

    Token本身从来不是问题。问题是,大多数人并不知道哪些信息值得交给AI。

    真正高质量的上下文,是能够讲清楚流程,明确任务目标。这其实是一种管理能力。

    如果任务本身没有被定义清楚,那么更多的Token并不会带来更多智能,只会带来更昂贵的混乱。于是,很多公司出现了一个颇为讽刺的现象:AI预算不断增长,但真正被解决的问题却没有同比增加。

    他们购买了更多“数字员工”,却没有增加相应的管理能力。

    / 02 / Agent循环,就是在给AI开会

    很多Agent系统都有一个看上去很聪明的设计:模型先执行任务,再检查结果,然后根据问题进行修改,如此循环,直到达到目标。

    在任务定义明确、评估标准清晰时,这套机制确实很有效。但在现实业务中,这种循环常常只是另一种形式的无效会议。

    模型之所以反复尝试,往往是因为我们从一开始就没有给出清晰的目标。AI只能不断生成、反思、推翻、再生成,用更多的算力来弥补目标的模糊。

    这件事到底有多贵?a16z给了一组测算:同样一个代码库迁移任务,指令写得清楚,4美元就能跑完;但扔给一个含糊的循环,则要花掉310美元。

    在2026年6月Fable 5的首日测试中,同一任务的单位完成成本差距最高达到了17倍。310美元是什么概念?已经接近一个美国普通员工一整天的全包人力成本了。

    而它交付的,和4美元那一次,其实是同一个任务。

    说白了,这和一群人围绕一个模糊议题连续开会本质上没有区别。第一次会议没有结论,于是决定再开一次会;第二次会议的结论,是需要更多人参加第三次会议。

    人类用会议消费工时,Agent用循环消费Token。两者背后的问题完全相同:管理者没有完成定义问题的工作。

    / 03 / 浪费的Token,是新的组织膨胀

    大公司里有一种常见现象:流程原本是为了解决问题而存在,但后来流程本身变成了需要被维护的问题。

    一个审批节点会产生另一个审批节点,一个部门会证明自己需要更多编制,一个中间层会不断制造只有自己才能协调的复杂性。最终,组织消耗大量资源,只是为了维持组织本身的运转。

    AI系统同样会发生这种膨胀。

    一个Agent负责拆解任务,一个Agent负责执行,一个Agent负责检查,还有一个Agent负责评估检查结果。每增加一层,看上去都让系统更完整;但如果没有严格的收益验证,它们也可能只是在彼此生成工作。

    人创造更多的人,Token创造更多的Token。

    这意味着,未来管理AI的核心指标,是每一单位Token究竟产生了多少可验证的业务价值。

    未来,优秀的AI管理者还要善于砍掉那些没有价值的推理、循环和上下文。Token效率,将成为新的组织效率。

    / 04 / 找到AI的效率杠杆

    AI真正无可替代的优势,其实只有一个:可扩展性。

    复制一名优秀员工的能力,过去几乎是不可能的。你需要招聘、培训、授权,还要接受人与人之间不可避免的差异。但一套被验证有效的AI工作流,可以在一瞬间复制一万份。

    这也是“人类比软件便宜”这个判断最容易被误解的地方。

    从单次任务看,一个经验丰富的人可能比反复试错的AI更便宜。但从规模看,一旦企业找到真正有效的上下文、工作流和评估体系,优质Token的边际成本仍然会迅速低于人力。

    这其中关键在于,企业需要找到那些具有百倍杠杆的AI场景。

    上一代科技公司争夺的是“10倍工程师”,而下一代公司争夺的,将是能让AI效率提升100倍的业务上下文和管理系统。

    / 05 / 没有人会免费培训自己的接班人

    管理AI还有一个经常被低估的问题:企业最有价值的知识,通常都藏在员工的脑子里。

    一个老销售知道什么时候应该让价,一个客服主管能从一句话里判断客户是否会投诉,一个供应链经理知道哪家供应商嘴上答应得最快、实际交付却最不可靠。

    这些知识很难被写进标准流程,却决定了企业真正的竞争力。

    而AI转型要求员工把这些经验整理出来,变成模型可以理解和调用的上下文。这不仅仅是一个技术动作,它会直接触碰组织内部的利益结构。

    几个世纪以来,掌握别人不知道的知识,就是一种工作保障。中世纪行会保护秘方,现代公司里的员工保护“经验”。现在,企业希望员工把自己的独门方法完整交给AI,同时又告诉他们AI只是一个提高效率的助手。

    员工当然知道这意味着什么。

    没有人会无条件培养一个可能取代自己的接班人。因此,企业AI转型最终都会进入组织整治的深水区:知识应该归谁,贡献如何计算,效率提升之后利益如何重新分配,员工为什么愿意配合。

    所以,设计好知识迁移的激励机制,将成为AI落地的关键。

    / 06 / 评估是新的 OKR

    为什么AI在编程领域进展最快?一个重要原因是,代码天然带有评估标准。

    但现实世界里的大量工作并没有这样的标准。

    所以,AI落地最重要的工作,就是建立评估体系,也就是Eval(评估体系)。AI的采用程度,很大程度上依赖于追踪工作的“可评估性”。

    Eval相当于AI的OKR,但它比传统OKR更具体,把模糊的业务判断拆解成机器可以理解的规则。模型决定AI能力的上限,而Eval则决定企业能否把这种能力稳定地转化为结果。

    / 07 / 转型AI,将是下一个万亿美元机会

    过去几年,AI产业的主要价值集中在基础模型、算力和应用层。大家都在卖铲子,也都在讨论哪些服务会被AI重新做一遍。

    但这些讨论掩盖了一个更大的现实:模型已经足够多,应用也已经足够多,真正稀缺的是把它们稳定运行在企业核心流程中的能力。

    硅谷现在流行一种判断:传统企业组织复杂、整治严重、流程僵化,所以它们不可能真正完成AI转型,未来的机会属于从第一天就用AI重做业务的新公司。

    这只说对了一半。

    AI原生公司确实更轻,也更容易采用新技术。但传统企业仍然掌握着最重要的资产:真实客户、分销渠道、行业牌照、历史数据,以及那些尚未被写进任何文档的业务经验。

    这些资产不会因为一个新模型发布就自动失去价值。相反,谁能把它们转化为AI可以调用的工作流,谁就能释放出巨大的生产力。

    所以,未来规模最大的AI公司,未必是又一个基础模型公司,也未必是试图取代所有传统企业的“AI原生服务商”,而可能是帮助企业持续完成AI转型的公司。

    从本质上说,它们卖的是一套持续的管理能力:梳理流程、提取知识、设计上下文、建立Eval、控制Token成本、划定人机边界,并随着模型能力变化不断重写业务。

    这也是Palantir最值得关注的地方。表面上,它卖的是软件。实际上,它更像是在出售一种把复杂组织变成可计算系统的能力。软件只是载体,转型才是产品。

    AI时代会把这类需求放大十倍。

    因为AI转型并不是一次性项目。企业每落地一个场景,就会发现十个新的场景,模型每提升一次能力,原有流程就值得重新设计一次。AI用得越多,需要被管理的AI也越多。

    这是一个典型的杰文斯悖论:技术越高效,对相关资源和服务的总需求反而可能越大。也就是说,管理AI会是大模型繁荣之后的收尾工作。它本身就是下一阶段最重要的产业。

    / 08 / 结语

    过去,每一次技术革命,最后都成了管理问题。

    19世纪30年代,铁路迅速扩张,美国铁路里程在十年间增长了约120倍。技术把运输能力推到了一个前所未有的高度,也把原有的管理方式推向了极限。

    1841年,两列火车因为调度失误在马萨诸塞州相撞。事故暴露出的并不是蒸汽机不够先进,而是系统复杂到一定程度之后,继续依靠个人经验已经无法维持运行。

    铁路公司随后开始划分区域、设置经理、书面规定职责、建立清晰的汇报关系。今天我们习以为常的现代企业管理,正是在铁路网络的扩张中逐渐成形的。

    铁路先创造了运力,后来才创造管理运力的方法。

    AI正在重复同样的过程。

    大模型已经把“智能供给”变成了一种几乎可以即时扩张的资源。过去,增加十个人需要招聘、培训和磨合。现在,增加一万个Agent只需要调整一次调用规模。

    但供给越容易扩张,管理失效的代价就越大。也就是说,在AI时代,管理反而越来越重要了。

    而这是一门正在诞生的新管理学,也是下一个万亿级机会。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 AI
    相关文章 更多
    Microsoft 365 Outlook怎么用Copilot总结邮件
    Microsoft 365 Outlook怎么用Copilot总结邮件

    用 Copilot 总结邮件先打开长邮件线程,新版 Outlook 点线程顶部「Summary by Copilot」框,经典版点「Summarize」即生成带编号引文的摘要。全文覆盖新版与经典版差异、撰写邮件草拟、跨邮件跟进与许可说明,适用于具备 Copilot 权益的订阅。

    Microsoft 365怎么用Copilot分析Excel数据
    Microsoft 365怎么用Copilot分析Excel数据

    用 Copilot 分析 Excel 数据先把数据整理为带标题行的表格区域,点右下角 Copilot 图标,用自然语言提问即可获得结论、公式与图表,并可进入高级分析模式。全文覆盖数据准备、提问技巧、生成公式与图表、许可要求与结果核实,适用于具备 Copilot 许可的订阅。

    Microsoft 365 Copilot怎么生成PPT 操作教程
    Microsoft 365 Copilot怎么生成PPT 操作教程

    用 Copilot 生成 PPT 先在 PowerPoint 新建演示文稿,点右下角 Copilot 图标进入 Agent Mode,输入主题提示词生成大纲,再让它生成幻灯片并按需尝试新设计。全文覆盖 Agent Mode 流程、从 Word 文件生成、许可要求与内容核实,适用于具备 Copilot 许可的订阅。

    Microsoft 365怎么用Copilot写Word文档
    Microsoft 365怎么用Copilot写Word文档

    用 Copilot 写 Word 文档先确认账户具备 Copilot 权益,点文档右下角 Copilot 图标或按 Alt+C 打开窗格,输入包含主题、受众、语气的提示词生成草稿,再选保留或重新生成。全文覆盖入口、提示词技巧、引用文件与内容核实,适用于具备 Copilot 许可的订阅。

    Ducter 0.0.75 与 0.0.76 的来源筛选和零结果该怎样理解?
    Ducter 0.0.75 与 0.0.76 的来源筛选和零结果该怎样理解?

    Ducter 0.0.75 支持待办来源筛选,0.0.76 区分本人 issue、PR 与待审 PR,并明确提示读取失败。两个正式发布版本提供对应分发资产,Linux 安装示例固定到 0.0.76。

    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?
    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?

    0.170.0 的语音更新限于终端通话协商能力的明确新增,同名工具服务器跨环境支持仍标注实验性质;连接部分则修复大请求回退、认证竞态和云端重连等具体问题。这份正式版公告不足以证明所有账户、所有客户端都已具备完整语音功能。

    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?
    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?

    了解Hy4 flash、FP8与base的适用任务,阅读官方安装及图文代码,并核对资源和MaaS许可条件。

    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明
    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明

    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498 均为预发布构建,分别涉及服务器、语音模型及特定后端;适用范围须按模型、硬件和请求条件区分。

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化
    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化。说明已核实的更新范围、类型兼容性和本地版本确认方法。

    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?
    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?

    OpenAI Java SDK 4.108.0 面向 Live MCP 工具接入与 Managed Agents 预算状态处理,说明新增模型、事件含义、正式发布范围和适用限制。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。

    即将离开本站
    您即将前往第三方网站,请确认是否继续?