第一批真正大規模使用 AI 的公司負擔不起這個成本。

大型科技公司通過向 AI 初創公司提供數十億資金，並簽訂嚴格合約，迫使它們將這筆現金直接用於購買雲端伺服器，從而創造了一個人為的需求泡沫。

由於這筆錢只是循環流通，這些初創公司從未真正面對運行巨型 AI 模型的巨大實際開支。

這個往返循環創造了一個受保護的環境，讓公司可以耗盡無限數據，因為它們本質上是在玩資金遊戲。但一旦這項技術離開安全的循環，進入普通公司面臨嚴格預算限制的範圍，單位經濟性就會完全崩潰。

真正的企業客戶不會將他們的現金回收到自己的資產負債表中。每一張代幣帳單都是最終的現金流出。

這就是為什麼 Uber 在四月之前就已經向 5,000 名工程師提供 AI 編碼工具，並耗盡了整個年度的 AI 預算，因為高級用戶每月消耗高達 2,000 美元。

帳單高得甚至連微軟也在六月前命令 100,000 名工程師停止使用 Claude Code，因為無限制的代幣計費變得完全難以承受。微軟與 Anthropic 有數十億美元的合作夥伴關係，但仍不得不取消內部使用，因為該工具的運行成本太高。

Nvidia 的應用深度學習副總裁承認，他團隊的計算成本現在遠高於人類員工的實際薪資。華爾街認為，芯片價格的下跌會自動解決這個問題，但代理 AI 背後的數學使得這個假設成為不可能。

Gartner 證實，即使到 2030 年每代幣價格下降 90%，企業總帳單仍將持續上升，因為活躍的 AI 代理會不斷運行，並重傳大量對話記錄，將每個任務的代幣消耗提高多達 30 倍。

這個循環成功打造了一個巨大的增長故事，推動 2 兆美元的雲端積壓，但它掩蓋了一個結構上過於昂貴、難以在現實經濟中部署的產品。

樂觀的財報聲明與實際落在企業桌上的帳單之間的巨大差距，是當今全球金融中最被高估的風險。